AROMA: Augmented Reasoning Over a Multimodal Architecture for Virtual Cell Genetic Perturbation Modeling

Motivation

• Known: 유전자 교란 예측을 위한 가상 세포 모델링이 활발히 연구되고 있으며, 최근 foundation models와 retrieval-augmented LLM 방식이 도입되고 있다.
• Gap: 기존 방법들은 제약 없는 추론, 해석 불가능한 예측, 규제 위상(regulatory topology)과 약하게 연정된 검색 신호 문제를 겪고 있다.
• Why: 생물학적 가설 생성 및 중재 분석에서 신뢰할 수 있고 투명한 설명이 필요하며, 문맥-의존적 교란 효과를 정확히 모델링하는 것이 생물학 연구에 필수적이다.
• Approach: Gene-KG와 Pathway-KG 두 개의 구조화된 지식 그래프를 구성하고, 이들로부터 검색한 생물학적 근거와 멀티모달 표현(구조, 서열, 텍스트)을 결합하는 AROMA 프레임워크를 제안하며, 2단계 최적화 전략으로 학습한다.

Achievement

Figure 1: Limitations of existing virtual cell modeling

• 멀티모달 지식 기반 프레임워크: 구조 인식 그래프 인코더, 사전훈련된 단백질 서열 모델, 텍스트 근거를 통합하여 교란-표적 유전자 상호작용을 모델링하고 해석 가능한 추론 경로 생성
• 재사용 가능한 자원 구축: Gene-KG, Pathway-KG, 498k+ 샘플의 PerturbReason 데이터셋 제공으로 가상 세포 모델링 커뮤니티에 기여
• 강건한 일반화 성능: 다양한 세포주에서 기존 모델 대비 우수한 성능 달성, 미관측 세포주에 대한 zero-shot 일반화 및 지식 희소 시나리오에서의 견고성

How

Figure 3: Structural and sequence encoders in AROMA. A: A pretrained GAT on the Gene-KG and the Path-KG

• Gene-KG와 Pathway-KG에서 교란 쿼리에 대해 유전자 기능 설명 및 연결성 근거를 검색하여 생물학적 맥락 제약
• Structural encoder(GAT 기반)와 sequence encoder(사전훈련 단백질 모델)로 교란 및 표적 유전자의 멀티모달 표현 구축
• Interaction mechanism을 통해 멀티모달 특징들을 쿼리-조건부 방식으로 결합하여 예측과 설명 생성
• 2단계 최적화: 1단계에서 분류 목표, 2단계에서 해석성 목표로 순차 학습
• PerturbReason 데이터셋 구성 — 구조화된 교란 추론 샘플을 큐레이션하여 감독 신호 개선

Originality

• 규제 위상을 명시적으로 모델링하는 dual knowledge graph (Gene-KG + Pathway-KG) 설계로 기존 텍스트 유사도 기반 검색 초과
• 구조 정보(그래프 토폴로지)와 분자 정보(서열)를 교란-표적 상호작용 모델링에 통합하는 상호작용-중심 멀티모달 아키텍처
• 해석 가능성과 정확성을 동시에 추구하는 2단계 최적화 전략으로 label-only 예측 방식 차별화
• 498k+ 규모의 구조화된 perturbation reasoning 데이터셋 신규 구축

Limitation & Further Study

• Gene-KG와 Pathway-KG의 완성도가 데이터 소스(STRING, Reactome 등)에 의존하며, 미주석 유전자의 경우 검색 커버리지 제한 가능성
• Zero-shot 평가가 단일 미관측 세포주에 한정되어 있으며, 더 광범위한 세포주 다양성에 대한 일반화 검증 필요
• Long-tail 유전자에서의 성능 개선 메커니즘이 충분히 상세히 분석되지 않음
• 해석 가능성 평가가 주로 시각화 기반이며, 생물학자의 정성적 검증 또는 실험 검증을 통한 근거 신뢰성 검증 필요
• 후속 연구로 동적 지식 그래프 업데이트, 다중 세포주 간 전이 학습, 임상 데이터와의 연계 탐색 필요

Evaluation

총평: AROMA는 구조화된 생물학적 지식과 멀티모달 특징 표현을 결합하여 유전자 교란 예측에서 정확성과 해석 가능성을 동시에 달성하는 혁신적인 접근법을 제시하며, 공개된 지식 그래프와 데이터셋은 가상 세포 모델링 분야에 실질적인 기여를 한다.