Cell Painting Generates Single-Cell Transcriptomics via Conditional Diffusion

Motivation

• Known: Cell Painting과 같은 high-content imaging assay는 대규모로 세포의 형태학적 표현형을 저비용에 포착할 수 있으며, single-cell RNA sequencing은 mechanism-of-action 신호를 더 직접적으로 해석 가능하게 제공하지만 파괴적이고 고비용이라는 것이 알려져 있다. 또한 digital pathology 분야에서는 HE2RNA, PathGen과 같이 histology 영상으로부터 transcriptomic signal을 생성하는 cross-modal generation이 임상적으로 유의미한 성과를 보인 바 있다.
• Gap: 약물 발굴(phenotypic drug discovery) 분야에서는 imaging과 transcriptomics 간 cross-modal generative modelling이 아직 시도된 바 없으며, 이는 부분적으로 cell-level paired 데이터의 부재 때문이었다. 최근 Dapello et al. (2026)이 Cell Painting과 scRNA-seq이 matched perturbation 하에 짝지어진 최초의 데이터셋(scGeneScope)을 제시하며 joint generative modelling을 미검증 방향으로 명시적으로 제기했다.
• Why: 이 연구가 성공한다면, 수백만 세포 규모의 저비용 imaging 실험이 시퀀싱 없이도 분자 수준의 통찰을 제공하는 잠재적 소스가 될 수 있어 phenotypic drug discovery의 비용 효율성과 확장성을 크게 높일 수 있다.
• Approach: PhenoSeq는 frozen ViT-L로 추출한 morphological feature를 self-attention context encoder로 population-level 조건화한 뒤, cross-attention denoising diffusion model(DDPM, cosine schedule, AdaLN 조건화)을 이용해 scGPT 512차원 transcriptomic embedding의 조건부 분포를 학습한다.

Achievement

Figure 2. UMAP comparison of scGPT representations for the top

1. 단일 프로파일 분류 성능 향상: PhenoSeq가 생성한 synthetic transcriptomic embedding이 단독으로도 raw imaging embedding보다 우수한 treatment 식별 성능(WE 0.293 vs 0.270)을 보였다.
2. Multimodal fusion을 통한 격차 회복: synthetic embedding과 imaging을 fusion했을 때, 실제 transcriptomics ceiling과의 격차 중 약 29%를 회복했다(WE 0.315 vs 0.425).
3. Multi-profile setting에서의 큰 개선: 여러 profile을 함께 사용하는 설정에서 synthetic fusion이 imaging-only balanced accuracy를 2배 이상 향상시켰다.
4. Embedding-space fidelity 검증: UMAP 기반 분석을 통해 대다수 조건에서 synthetic과 real profile의 treatment cluster가 올바르게 localisation됨을 확인했다.

How

Figure 1. PhenoSeq training schematic. Cell Painting crops

• 데이터셋: scGeneScope 데이터셋(Dapello et al., 2026)을 사용, U2-OS 세포에 대한 28개 화합물 처리 조건, 5 replicate, 2 실험 라운드로 구성됨.
• Feature extraction: 이미징 특징은 5채널 ViT-L ImageNet embedding(5,120차원), transcriptomic target은 scGPT 기반 512차원 embedding으로, 두 embedding 모두 training-split 통계로 정규화됨.
• Architecture: imaging context encoder(2-layer self-attention, 4 heads, GEGLU feedforward)가 N=16개 세포의 imaging feature를 population-level context로 집계하고, 이를 key-value로 사용하는 6-block cross-attention denoising stack(8-head cross-attention, self-attention, GEGLU feedforward, AdaLN time conditioning)이 noise를 예측함.
• Diffusion process: cosine β schedule, T=1,000 steps의 Gaussian diffusion을 사용하며, loss는 L = E_{t,ε}[∥ε − εθ(xt, cimg, t)∥²].
• Training: AdamW(lr=1e-4, weight decay 1e-5), batch size 256, cosine schedule with 5-epoch warmup, early stopping, EMA(decay 0.9999)는 추론 시에만 사용.
• Inference: 모든 이미징 셀 embedding을 mean-pooling하여 단일 context token으로 사용하고, DDIM 50-step sampling으로 embedding 생성.
• 평가: embedding-space fidelity(UMAP, cosine similarity 기반 treatment centroid 비교)와 28-compound treatment classification benchmark(single-profile, multi-profile setting)에서 balanced accuracy 및 weighted evaluation(WE) 지표로 성능 측정.

Originality

• Cell Painting imaging에서 single-cell transcriptomic embedding으로의 최초의 conditional diffusion 기반 cross-modal generative model을 제안함.
• Cell-level paired 데이터 없이 population-level supervision만으로 조건부 생성 분포를 학습하는 새로운 학습 패러다임(cross-attention denoiser + self-attention context encoder)을 도입함.
• Digital pathology 분야(HE2RNA, PathGen)에서 검증된 cross-modal generation 원리를 phenotypic drug discovery라는 미탐색 영역에 최초로 적용함.
• 두 개의 서로 다른 biological foundation model(vision transformer 기반 morphological encoder, scGPT 기반 transcriptomic language model)을 diffusion 기반으로 연결하는 구조적 시도.

Limitation & Further Study

• Cell-level paired 데이터가 없어 population-level(treatment-level) 지도만으로 학습이 이루어지므로, 개별 세포 수준의 정밀한 매핑은 검증되지 않았다.
• 평가가 28개 화합물, 단일 세포주(U2-OS)라는 제한된 벤치마크에 국한되어 있어, 다른 세포주나 더 넓은 화합물 스펙트럼에 대한 일반화 가능성이 불확실하다.
• Real-transcriptomics ceiling과의 격차가 완전히 해소되지 않고 약 29%만 회복되었으므로, 생성된 embedding이 실제 전사체 신호를 완전히 대체하기에는 한계가 있다.
• 후속 연구로는 다양한 세포주 및 perturbation type에 대한 일반화 검증, cell-level paired 데이터 확보 시의 성능 비교, 그리고 diffusion 아키텍처의 scaling 및 다른 조건화 방식과의 비교가 필요하다.

Evaluation

총평: Cell Painting imaging으로부터 transcriptomic embedding을 생성하는 최초의 conditional diffusion 접근으로서 참신성과 실용적 잠재력이 크지만, 제한된 벤치마크와 population-level 지도 학습이라는 한계로 인해 추가 검증이 필요하다.