scAgent: Universal Single-Cell Annotation via a LLM Agent

Motivation

• Known: 단일세포 RNA-seq(scRNA-seq) 기반의 딥러닝 모델들이 특정 조직의 고정된 수의 세포 타입 주석에서 진전을 이루었다. 마커 유전자 기반 방법과 참조 데이터 기반 방법이 존재한다.
• Gap: 기존 CTA(Cell Type Annotation) 모델들은 조직 간 일반화 능력이 부족하고, 신규 세포 타입의 발견과 확장이 불가능하며, 데이터 효율성이 낮다. 최근 scTab도 신규 세포 타입 발견 불가능 및 데이터 비효율 문제가 있다.
• Why: 범용 세포 주석은 Human Cell Atlas(HCA)와 같은 대규모 작업에 필수적이며, 다양한 조직과 세포 타입을 아우르는 통합적 솔루션이 필요하다.
• Approach: LLM 기반의 자율 에이전트 아키텍처로 계획 모듈(Planning Module), 행동 공간(Action Space), 메모리 모듈(Memory Module)을 통해 다중 턴 상호작용으로 세포 주석을 자동화한다.

Achievement

교차 조직 CTA 성능: (a,b) CG 데이터셋과 TS 데이터셋에서 정확도, 가중 F1-score, 매크로 F1-score 비교 (c) 혼동 행렬을 통한 다양한 세포 타입 분류 (d,e) 조직별 가중 F1-score 성능

1. 최첨단 성능: CG 데이터셋에서 매크로 F1-score 89.31%로 두 번째 순위 방법(scTab 10X data, 82.58%)을 6.73 포인트 앞지르며, 10배 적은 훈련 데이터로 달성
2. 우수한 일관성: 모든 조직에서 우수한 성능 유지(표준편차 ~0.07), 특히 자궁, 태반, 유방 등 8개 중요 조직에서 99% 이상의 가중 F1-score 달성
3. 데이터 효율성: 동일한 크기의 훈련 데이터에서 scGPT 등 기존 방법 대비 현저히 높은 성능

How

신규 세포 발견 및 배치 효과 보정 성능

• 계획 모듈: DeepSeek-R1 671B LLM을 기반으로 사용자 쿼리를 입력받아 행동 공간의 도구와 메모리 정보를 통합하여 상세한 실행 계획 생성
• 행동 공간:
  • scGPT(3,300만 세포 학습) 기반 scRNA 모델을 주요 임베딩 모델로 사용
  • 30개 이상의 MoE-LoRA(Mixture-of-Experts with Low-Rank Adaptation) 조직별 플러그인 구현
  • 저계수(low-rank) 어댑터만 미세조정하여 데이터 효율성 극대화
  • 아웃라이어 검출 및 임베딩 비교 도구로 신규 세포 타입 발견 지원
  • 증분 학습(Incremental Training) 도구로 지속적 업데이트 가능
• 메모리 모듈:
  • CELLxGENE와 Tabula Sapiens의 공개 데이터셋과 사용자 업로드 데이터 저장
  • Milvus 벡터 데이터베이스에 scGPT(플러그인 적용 여부)로 생성한 임베딩 저장
  • 쿼리 로그, 도구 실행 순서, 캐시로 의사결정 효율화
• MoE-LoRA 아키텍처: 기반 모델의 사전학습 가중치 공유하면서 조직별 저계수 어댑터로 재앙적 망각(catastrophic forgetting) 방지 및 무한 확장성 보장

Originality

• LLM 기반 에이전트 프레임워크: 기존 CTA의 단순 분류 접근에서 벗어나 LLM의 추론 능력으로 적응형 계획 생성 및 다중 턴 상호작용 가능
• MoE-LoRA 플러그인 아키텍처: 조직별 특화 모듈의 동적 통합으로 높은 성능 유지하면서 파라미터 효율성 극대화
• 신규 세포 타입 발견: 임베딩 기반 아웃라이어 검출과 메모리 비교를 통한 자동화된 미지의 세포 타입 검출
• 데이터 효율적 확장성: 증분 학습 도구를 통해 새로운 데이터 추가 시 기존 성능 유지하면서 지속적 개선

Limitation & Further Study

• 제한사항:
  • DeepSeek-R1 671B와 같은 대규모 LLM의 높은 계산 비용으로 인한 실용성 저하 가능성
  • 메모리 모듈의 임베딩 저장 및 검색 과정의 확장성에 대한 구체적 성능 분석 부족
  • 신규 세포 타입 발견의 정확도 평가 지표가 제한적
• 후속 연구:
  • 경량 LLM(예: Llama, Qwen)으로의 플러닝 모듈 대체 가능성 탐색
  • 다중 모달(멀티 오믹스) 데이터 통합 확장
  • 실제 임상 데이터 적용 및 검증 필요
  • 신규 세포 타입 판별 기준의 생물학적 타당성 강화

Evaluation

총평: scAgent는 LLM 기반 에이전트 아키텍처와 MoE-LoRA 플러그인을 결합하여 범용 세포 주석의 세 가지 과제(일반화, 신규 발견, 확장성)를 동시에 해결한 혁신적 접근법으로, 광범위한 실험적 검증을 통해 우수한 성능을 입증했다. 다만 LLM 계산 비용과 신규 세포 판별 기준의 생물학적 엄밀성에 대한 보완이 필요하다.