DECODE: deep learning-based common deconvolution framework for various omics data

Motivation

Known: 조직 수준 데이터에서 세포형 풍부도를 추정하는 디컨볼루션 방법들이 존재하지만, 기존 도구들(MuSiC, CIBERSORTx, scpDeconv 등)은 특정 오믹스에만 최적화되어 있고 대사체 디컨볼루션 도구는 전무한 상태이다.
Gap: 다양한 오믹스 데이터의 스케일·분포·희소성·차원 이질성을 동시에 처리하는 범용 프레임워크가 부재하며, 불완전한 단일세포 레퍼런스와 강한 배치 효과 문제를 동시에 해결하는 방법이 없다.
Why: 정밀의학으로의 전환과 대규모 다중오믹스 코호트 연구의 확장을 위해 조직 수준 데이터를 세포 수준으로 통합하는 비용 효율적 방법이 필수적이며, 특히 임상 표현형과 가장 높은 상관성을 보이는 대사체 분석 도구의 부재가 중대한 공백이다.
Approach: DECODE는 네 단계 프레임워크로 구성되어 있는데, 의사조직(pseudotissue) 생성, adversarial training을 통한 배치 효과 제거, attention 기반 denoiser와 contrastive learning을 통한 강건성 향상, 그리고 미지의 세포형 처리를 위한 이중 추론 경로(standard/relative deconvolution)를 활용한다.

범용성: transcriptomics, proteomics, metabolomics 세 가지 오믹스 데이터에 모두 적용 가능하며, 대사체 디컨볼루션 공백을 처음 해소
성능 우위: 15개 데이터셋 7가지 시나리오(cross-donor, cross-disease, cross-health state, cross-dataset, spatial transcriptomics, 고차원 세포형)에서 TAPE, CIBERSORTx, MuSiC, scpDeconv 등 기존 최첨단 기법을 능가
강건성: 불완전한 단일세포 레퍼런스(미지의 세포형 존재)와 10% 수준의 노이즈에 대해서도 정확한 세포형 풍부도 추정
배치 효과 보정: adversarial learning으로 서로 다른 공여자·기술·건강 상태의 데이터 간 생물학적 신호 손실 없이 체계적 편향 제거

Fig. 1 | Framework of DECODE. The framework consists of four stages.

Stage 1: 단일세포 데이터에서 무작위 세포형 비율을 샘플링하여 의사조직 생성, 모델 학습 데이터 구성
Stage 2: encoder, discriminator, eDeconvolver를 L1 loss와 binary cross-entropy loss로 공동 학습, discriminator가 배치 효과를 식별 불가능하도록 유도하여 배치 효과 제거
Stage 3: 의사조직에 ≤10% 노이즈 추가하여 학습 쌍(training pairs) 생성, dimension enhancement module(DimExpander)로 차원 확장 후 attention 기반 denoiser로 노이즈 제거, 정제된 특징에 contrastive learning 적용으로 강건성 증진
Stage 4: 표준 디컨볼루션(순수 조직) 또는 상대 디컨볼루션(미지 세포형 포함) 중 조건에 맞는 추론 경로 선택 실행

첫 범용 다중오믹스 디컨볼루션 프레임워크: 기존 오믹스별 전문화된 접근법에서 벗어나 하나의 통합 프레임워크로 transcriptomics, proteomics, metabolomics를 동시 처리
불완전 레퍼런스 처리: 단일세포 데이터가 조직의 모든 세포형을 포함하지 않는 현실적 상황을 명시적으로 모델링하는 상대 디컨볼루션 경로 도입
adversarial + contrastive learning 결합: 배치 효과 제거와 노이즈 강건성을 네 단계에 걸쳐 체계적으로 구성하는 설계 전략
대사체 디컨볼루션의 개척: 대사체 특유의 분포 특성(Poisson/negative binomial 분포 부적합)을 극복하는 첫 번째 실용적 솔루션 제시

평가 범위의 제한: 주로 인간과 생쥐 데이터로 평가되었으며, 다른 종이나 극단적 시나리오(예: 95% 이상 미지 세포형)에 대한 성능 미검증
산업화 고려 부족: 계산 시간·메모리 복잡도·스케일러빌리티에 대한 상세 분석 미부재, 대규모 코호트 적용 시 실무적 병목 미평가
단일세포 레퍼런스 품질 의존성: 프레임워크 성능이 단일세포 데이터의 수량·품질·세포형 라벨링 정확도에 크게 의존할 가능성이 높음
생물학적 해석 한계: 추론된 세포형 풍부도의 생물학적 타당성 검증(예: 조직학 검증, 기능 분석)이 제한적
후속 연구: (1) 극단적 불완전 레퍼런스 시나리오에서의 성능 강화, (2) 임상 기반 대규모 다중오믹스 코호트에서의 실제 효용 검증, (3) 공간 프로테오믹스·대사체에 대한 확장, (4) 딥러닝 모델 해석성 강화