Generative machine learning unlocks the first proteome-wide image of human cells

Motivation

• Known: 현재의 이미지 기술은 최대 37개 단백질만 동시에 시각화할 수 있으며, 이는 단일 인간 세포에 존재하는 수천 개 단백질에 비해 여러 자릿수 부족하다. 기존의 생성 모델로는 bottom-up 방식(제한된 표현 능력)이나 end-to-end deep learning 방식(제한된 landmark 조건)이 있었으나, 모두 단백질 구획 표현에 체계적 편향이 있었다.
• Gap: 기존 deep learning 모델들은 제한된 세포 landmark에만 조건화되어 핵과 세포질 단백질에 편향되고 다른 구획을 과소 대표한다. 또한 기술적 벤치마크에만 집중하고 생물학적 문제 해결과 과학적 응용을 통한 모델 평가 프레임워크가 부족했다.
• Why: proteome 규모의 공간 단백질학은 세포 기능 이해와 질병 상태 분석에 필수적이며, 현존하는 실험적 방법의 확장성 한계를 극복하기 위해 계산적 접근이 시급하다. 단백질 오위치(moonlighting) 현상과 세포 간 변동성을 고려한 완전한 세포 모델의 구축은 정밀 의학과 기능 유전체학에 혁신을 가져올 수 있다.
• Approach: ProtiCelli는 conditional denoising diffusion model을 Diffusion Transformer Large(DiT-L) 아키텍처 위에 구축하고 Elucidating Diffusion Models(EDM) 프레임워크를 적용하여 시간 효율적인 proteome 규모 이미지 생성을 구현했다. 3개 세포 landmark 채널(nucleus, ER, microtubules)을 조건으로 512×512 픽셀 고해상도 이미지를 생성한다.

Achievement

Fig. 1. ProtiCelli study overview. ProtiCelli was trained on near-proteome-wide single-cell immunofluorescence images fro

ProtiCelli 모델 개발 및 성능: 12,800개 단백질의 현미경 이미지 생성으로 기존 모델 대비 재구성 정확도와 텍스처 충실도 우수성 입증. 일반화 능력: 미학습 세포 유형과 약물 섭동에 일반화되며 세포 사이클 단계 예측 및 약물 유도 단백질 발현/국소화 변화 추론 달성. Proteome2Cell 데이터셋 생성: 12개 인간 세포주에 걸쳐 2,400개 "virtual cell"을 포함하는 3,070만 개 시뮬레이션 이미지 데이터셋 구축. 생물학적 응용: 단일세포 수준에서 단백질-단백질 상호작용 경관 재현, moonlighting 단백질의 구획 특이적 기능 해석, 비감독 세포 구획 분할 및 유전자 집합의 기능 영역 공간 분해 가능.계층적 단일세포 모델: 보존된 vs 동적 단백질 아키텍처 구분으로 단일세포 구조의 전례 없는 수준의 분석 실현.

How

Fig. 1. ProtiCelli study overview. ProtiCelli was trained on near-proteome-wide single-cell immunofluorescence images fro

• Conditional denoising diffusion model을 DiT-L 아키텍처 기반으로 구현하고 EDM 프레임워크 적용
• Human Protein Atlas의 123만 개 단일세포 크롭 이미지로 학습(1.15백만 train, 0.08백만 test)
• 3개 cellular landmark(nucleus, ER, microtubules) 채널을 조건으로 입력
• 512×512 픽셀 고해상도 단일세포 cropped 이미지 생성
• 40개 세포소기관/세포 구조에 대한 전문가 주석 활용
• Proteome 규모 세포 이미지 생성으로 학습 실험 이미지에 없는 보존/동적 단백질 아키텍처 분석
• 다중 생물학적 관점에서 성능 평가(단백질 공위치화, 세포상태 예측, 약물 섭동 반응 예측, 세포 구획 분할)

Originality

• Conditional diffusion model을 단백질 virtual staining에 최초 적용으로 proteome 규모의 공간 단백질학 모델링 구현
• Proteome2Cell 데이터셋: 30.7백만 개 시뮬레이션 이미지로 현존 실험적 멀티플렉싱(평균 37개 단백질)을 2자릿수 초과
• 세포 형태만으로 약물 유도 단백질 발현/국소화 변화 추론 능력으로 형태와 기능 간의 숨겨진 관계 발굴
• 단일세포 수준에서 moonlighting 단백질의 구획별 기능 해석으로 다기능 단백질 생물학 새로운 관점 제공
• 보존 vs 동적 단백질 아키텍처 구분을 통한 계층적 단일세포 모델로 세포 구조 복잡성 새로운 이해 제공

Limitation & Further Study

한계: 모델의 조건화가 여전히 3개 주요 landmark에 제한되어 있어 특정 세포 구획(예: lysosome, peroxisome 등)의 정확한 표현에 한계 가능. 생성된 이미지가 실제 실험 이미지의 통계적 분포를 완벽하게 따르는지 확인 필요. Proteome2Cell 데이터셋의 생성 이미지 타당성은 제한된 실험적 검증에만 기반.

후속 연구: (1) 추가 cellular landmark 도입으로 구획 표현 정확도 개선, (2) 실시간 동적 단백질 국소화 변화 모델링, (3) 질병 상태(암, 신경퇴행성 질환)에서 단백질 오위치화 시뮬레이션, (4) 구조적 변이체와 질병 돌연변이의 국소화 효과 예측, (5) 다중 모달리티 이미징(전자현미경, super-resolution) 데이터와의 통합

Evaluation

총평: 본 논문은 conditional diffusion model을 활용하여 proteome 규모의 공간 단백질학 시뮬레이션을 최초로 성취한 기념비적 연구이다. 12,800개 단백질의 현미경 이미지 생성 능력, 미학습 조건으로의 우수한 일반화, 그리고 단일세포 수준의 단백질 조직화 분석이라는 다층적 기여로 세포 생물학과 기능 유전체학 분야에 혁신적 영향을 미칠 잠재력이 크다.