ABLE: Choosing Perturbation Experiments to Recover Gene Logic

Motivation

• Known: Boolean network은 유전자 상태를 on/off로 이산화하고 logical update rule로 gene regulatory network를 모델링하는 established abstraction이며, 실제 생물학적 Boolean model의 94.4%가 nested canalizing function(NCF) 구조를 따른다는 메타분석 결과가 있다. LFIT, GULA, PRIDE 같은 classical symbolic enumeration 방법은 완결성(completeness)을 보장하지만 combinatorial cost 때문에 n=12 근방에서 이미 실용 시간 예산을 초과한다.
• Gap: 기존 ML 기반 gene regulatory network 추론 도구(SCENIC, GENIE3 등)는 ranked edge list, 즉 network topology만 산출할 뿐 perturbation이 어떻게 전파되는지를 결정하는 executable regulatory logic을 제공하지 못하며, neural 방법은 확장성은 있으나 correctness를 증명할 수 없고 symbolic enumeration은 증명 가능하나 biological scale에서 combinatorial하게 비용이 폭발한다는 trade-off가 존재한다.
• Why: 딥러닝 기반 과학적 예측이 점점 강력해질수록, 그 출력이 실제로 검증 가능한 과학적 지식(formally stated, checked against evidence, paired with what remains undecided)을 구성하는지가 더 중요해지며, Boolean gene regulation은 explicit NCF rule과 uniqueness 증명, 그리고 부족한 evidence를 명시적으로 지목할 수 있는 드물게 formally checkable한 실제 과학 문제이기 때문이다.
• Approach: ABLE은 neural proposer가 관측된 transition으로부터 후보 NCF rule을 amortized로 제안하고, 기호적 검증기 LIFT-CERT가 declared regulator support 상에서 uniqueness를 검증하여 certificate를 발급하거나 명시적으로 abstain하며, coverage-guided active loop가 남은 ambiguity를 해소할 정확한 missing input combination을 지목하는 propose-verify-query 폐루프로 구성된다.

Achievement

1. Sub-second 후보 rule 제안: set-transformer encoder와 NCF-구조 pointer decoder를 결합한 neural proposer가 gene당 H=8개의 후보 update rule을 sub-second forward pass로 제안하여, classical LFIT enumeration이 이미 infeasible한 규모(biological scale)에서도 combinatorial search를 대체한다.
2. Support-conditional uniqueness certificate 발급: 기호적 검증기 LIFT-CERT가 관측 데이터가 declared regulator support 상에서 유일한 Boolean function으로 rule을 결정하는지 여부를 증명하고, 결정되지 않으면 명시적으로 abstain한다.
3. Coverage-guided active query: LIFT-CERT가 abstain할 경우, 남은 ambiguity를 해소하는 데 필요한 정확한 regulator-input combination을 지목하여 targeted perturbation 실험을 제안한다.
4. 31개 출판된 생물학적 Boolean model에 대한 certified recovery: 합성 데이터(n=50, kmax=6)로 한 번 학습된 모델을 재학습 없이 적용하여, 다양한 curated biological network에서 modest warm start만으로 모든 rule을 certify하는 per-gene recoverability map을 산출한다.

How

• Boolean network을 n≪2^n개의 synchronous state transition(=perturbation 실험)으로부터 관측하고, 각 gene의 update rule을 NCF(nested canalizing function)로 가정하여 복원을 목표로 함
• Propose: transition-encoding set-transformer encoder(Phua & Inoue의 아키텍처 기반)와 NCF-structured pointer decoder(Vinyals et al.)로 regulator identity와 canalizing structure를 포함한 H=8개의 후보 rule을 생성
• Verify: LIFT-CERT가 declared support 상에서 관측치와 consistent한 Boolean function 집합이 정확히 1개로 좁혀지는지 검사하여 uniqueness certificate를 발급하거나 abstain (Appendix B)
• Query: ambiguity가 남으면 미관측 regulator-input combination을 식별하여 targeted perturbation을 요청하고, 새로운 관측을 dataset에 augment하여 loop를 반복
• targeted follow-up이 불가능한 경우, heuristic한 D4 cascade(4단계 neural-guided shortlist search, restricted search over shortlist supports/swap neighborhoods)로 추가 target을 heuristic하게 해소 (certificate 없음)
• 관측 비용은 각 gene이 k_i개 regulator에만 의존하는 locality 덕분에 2^n이 아닌 Σ_i 2^{k_i}에 scale (예: TLR5-Signaling pathway, n=40, kmax=3에서 약 2^60 관측이면 충분, 2^40 전수조사 불필요)
• 합성 NCF network(n=50, kmax=6)로 1회 학습 후 재학습 없이 모든 생물학적 평가에 적용, Table 2 비교에는 공정성을 위해 더 작은 n=15 checkpoint 사용

Originality

• ranked edge list가 아닌 executable Boolean regulatory logic을 산출 대상으로 삼고, "rule이 데이터에 fit하는가"가 아니라 "interventional data가 rule을 유일하게 identify하는가"라는 식별가능성(identifiability) 질문으로 문제를 재정의함
• neural architectural prior 자체가 아니라 symbolic verifier와 active query loop가 certification을 만들어낸다는 것을 강조하는 neuro-symbolic 방법론적 주장(ablation적 통찰)
• LIFT-CERT라는 support-conditional uniqueness certificate 개념을 도입하여, 증명 가능한 claim과 "무엇이 결정되지 않았는지"를 명시하는 recoverability map을 함께 제공
• coverage-guided active loop가 missing input combination을 정확히 지목하여 실제 wet-lab targeted perturbation 설계에 바로 연결 가능하게 함

Limitation & Further Study

• 연구 전체가 이상화된 in silico Boolean intervention oracle(전체 gene state를 set하고 synchronous next state를 관측) 하에서 수행되며, 이는 실제 Perturb-seq이나 CRISPR screen 프로토콜보다 훨씬 강력한 가정이라 wet-lab deployment로의 격차가 논의만 되고 해결되지는 않음(Section 7)
• proposer가 NCF-biased 구조를 가정하므로, NCF가 아닌 rule이나 94.4%를 벗어나는 나머지 소수의 non-NCF 생물학적 rule에 대한 recovery 성능이 상대적으로 불확실함
• D4 cascade와 같은 heuristic 보완 수단은 uniqueness certificate 없이 recovery를 수행하므로, targeted follow-up이 불가능한 실제 상황에서는 여전히 검증 불가능한 claim이 발생할 수 있음
• 합성 데이터(n=50, kmax=6) 단일 학습 체크포인트로 다양한 생물학적 네트워크에 일반화하는 것으로 보이나, 네트워크 크기나 kmax가 이보다 훨씬 큰 실제 genome-scale 시스템에서의 scalability 검증이 제한적
• 후속 연구로는 noisy real Perturb-seq/CRISPR 데이터(비synchronous, 부분 관측, 확률적 판독)에 대한 강건성 확장이 필요

Evaluation

총평: Boolean gene regulation이라는 제한적이지만 formally checkable한 setting에서 neuro-symbolic 방법론(neural proposer + symbolic verifier + active query)을 결합하여 "예측"이 아닌 "검증 가능한 과학적 claim과 명시적 미결정 사항"을 산출한다는 점에서 AI4Science 방법론적으로 신선하고 의미 있는 기여이나, idealized oracle 가정이 실제 wet-lab 적용까지의 간극을 크게 남긴다.