Beyond Independent Genes: Learning Module-Inductive Representations for Single-Cell Gene Perturbation Prediction

Motivation

• Known: 유전자 섭동에 대한 전사체 반응 예측은 기능유전체학의 핵심 문제이며, GEARS, CellFM, CellFlow 등 gene-wise 모델링이나 정적 생물학적 prior(Gene Ontology, PPI network, gene regulatory graph 등)를 활용하는 그래프 기반 접근이 다수 존재한다.
• Gap: 기존 방법들은 gene-wise 모델링 패러다임과 정적 biological prior에 의존하기 때문에, 섭동 반응이 실제로는 기능적으로 연관된 유전자들 간의 협응된 program-level 변화로 나타난다는 사실과 세포 유형·섭동 조건에 따른 동적 프로그램 재구성을 명시적으로 포착하지 못한다.
• Why: program-level 협응을 명시적으로 모델링하면 unseen 및 combinatorial perturbation과 같은 어려운 일반화 상황에서 예측 정확도와 생물학적 일관성을 크게 향상시킬 수 있어, in silico 섭동 예측의 실용성과 신뢰성을 높이는 데 중요하다.
• Approach: scBIG은 데이터로부터 유전자 프로그램을 유도하는 Gene-Relation Clustering, 프로그램 간 상호작용을 포착하는 Gene-Cluster-Aware Encoder, 그리고 모듈 협응을 보존하는 structure-aware alignment 목적함수를 결합하고, 이를 conditional flow matching으로 생성 모델링하는 3단계 module-inductive 프레임워크이다.

Achievement

Figure 1. (a): Comparison between gene-wise view and module

1. 최고 성능 달성: 다수의 single-cell perturbation benchmark에서 13개의 강력한 baseline(GEARS, CellFM, CellFlow 등)을 능가하며, 핵심 지표에서 평균 6.7%의 성능 향상을 달성했다.
2. 일반화 성능 강화: 특히 unseen perturbation과 combinatorial perturbation 설정에서 큰 폭의 성능 개선을 보여, 분포 외 일반화 능력을 입증했다.
3. 생물학적 해석가능성 제공: functional enrichment analysis와 differential attention 분석을 통해 GRC로 유도된 유전자 클러스터가 실제 생물학적 pathway와 정합함을 보였다.

How

Figure 2. Overview of the scBIG framework. (§2) (Left) Gene-Relation Clustering (GRC) partitions the unordered gene spac

• Gene-Relation Clustering (GRC): pretrained foundation model(GeneCompass)의 semantic embedding과 STRING 기반 high-confidence PPI network를 결합한 cost matrix를 구성하고, Sinkhorn 알고리즘 기반 optimal transport로 균형잡힌 크기 제약 하에 유전자를 K개의 기능적 모듈로 클러스터링한다.
• Gene-Cluster-Aware Encoder (GCAE): inducing point 기반 bottleneck attention(cross-attention과 self-attention 결합)을 통해 클러스터 간 고차 상호작용을 계층적으로 인코딩하고, semantic positional encoding을 추가한다.
• Conditional Flow Matching: control 상태(z0)에서 perturbed 상태(z1)로의 연속적 전이를 조건부 흐름으로 모델링하여, 유연하고 일반화 가능한 섭동 반응 생성을 수행한다.
• Structure-Aware Alignment: Cluster Correlation Alignment(클러스터 간 Pearson 상관관계 정합)와 Pathway-informed Optimal Transport를 통해 모듈 및 pathway 수준에서 생성 결과의 협응 구조를 생성 과정 전반에 걸쳐 유지한다.

Originality

• 유전자 섭동 예측 문제를 gene-wise가 아닌 module-inductive 관점에서 최초로 명시적으로 정식화하여, 정적 prior가 아닌 데이터 기반 동적 유전자 프로그램 유도라는 새로운 inductive bias를 제안한다.
• foundation model semantic embedding과 PPI prior를 optimal transport 기반으로 결합해 균형잡힌 유전자 클러스터링을 수행하는 GRC 설계가 참신하다.
• 클러스터 수준 상호작용을 modeling하는 bottleneck attention 기반 GCAE와 conditional flow matching, 그리고 pathway-informed optimal transport alignment를 하나의 파이프라인으로 통합한 점이 독창적이다.

Limitation & Further Study

• GRC의 클러스터 수(K)나 PPI/semantic embedding 결합 비율 등 하이퍼파라미터에 대한 민감도 분석이 본문 발췌에서 충분히 제시되지 않아, 다른 종·조직·세포유형에 대한 일반화 강건성이 불명확하다.
• foundation model(GeneCompass)과 STRING PPI에 의존하므로, 이들 사전학습 자원의 편향이나 커버리지 한계가 유도된 모듈 품질에 영향을 줄 수 있다.
• 후속 연구로 클러스터링 과정 자체를 생성 모델과 end-to-end로 미분 가능하게 최적화하거나, 더 다양한 조직·질병 맥락에서의 검증이 필요해 보인다.

Evaluation

총평: 유전자 섭동 예측을 program-level 협응 관점에서 재정식화한 참신하고 체계적인 프레임워크로, 실험 결과와 생물학적 해석가능성 분석이 방법론의 타당성을 잘 뒷받침한다.