조건부 몽주 갭을 활용한 단일 세포 약물 반응 예측 기술 개발

주장조건부 몽주 갭(CMonge)은 단일 세포의 다양한 약물 반응을 예측하기 위해 고안된 새로운 기계 학습 프레임워크입니다. 이 모델은 세포의 이질성을 효과적으로 포착하며 기존 모델보다 높은 일반화 성능을 보입니다.

팩트단일 세포 RNA 시퀀싱 데이터는 세포 파괴를 동반하는 특성이 있습니다. 이로 인해 동일 세포의 약물 처리 전후를 직접 비교할 수 없는 한계가 존재합니다.

팩트연구진은 이러한 비대칭 데이터를 처리하고자 최적 운송(Optimal Transport) 이론을 조건부로 확장하여 CMonge에 적용했습니다.

교차검증기존 최적 운송 기반 모델은 특정 조건에 국한된 로컬 모델을 학습해야 하는 제약이 있습니다. 이는 새로운 약물이나 조건에 대한 예측을 불가능하게 하며, 조건마다 별도의 모델을 학습해야 하므로 계산 비용이 높습니다.

팩트CMonge는 수백 개의 조건과 수억 개의 약물 데이터를 학습할 수 있는 확장성을 갖췄습니다. 연구자는 이를 통해 실험하지 않은 약물에 대해서도 세포 반응을 예측하는 일반화 능력을 확보했습니다.

주장해당 기술은 신약 개발 및 약물 재창출 과정을 단축하는 실용적인 경로를 제시합니다. 특히 복잡한 약물 조합이나 다양한 용량 변화에 따른 세포 반응을 정확하게 모델링하는 데 강점이 있습니다.

팩트연구진은 사이플렉스(SciPlex) 데이터셋과 4i 단백질 이미징 데이터를 사용하여 모델 성능을 검증했습니다. 실험 결과, CMonge는 기존 최첨단 모델과 대등하거나 더 우수한 예측 성능을 나타냈습니다.

교차검증단일 세포 기초 모델(Foundation Models)과 비교했을 때, CMonge는 훨씬 적은 파라미터로 높은 효율성을 달성합니다. 이는 모델 복잡성을 줄이면서 정확도를 유지해야 하는 생의학 분야의 요구사항을 충족합니다.

팩트CMonge는 화합물의 구조 정보를 활용하여 학습합니다. 이를 통해 학습하지 않은 약물에 대해서도 높은 예측 정확도를 보이며, 데이터가 부족한 초기 신약 후보 물질 탐색 단계에서 유용하게 활용됩니다.

주장생의학 분야에서 세포가 외부 자극에 반응하는 방식을 이해하는 일은 표적 치료제 개발의 핵심입니다. CMonge는 세포 상태 변화를 수학적으로 엄밀하게 모델링하여 생물학적 통찰력을 제공합니다.

팩트모델의 우수성은 다양한 데이터셋 검증을 통해 입증되었습니다. 연구진은 복잡한 생물학적 시스템 내에서 약물 반응을 예측하는 새로운 표준을 제시했습니다.

출처네이처 머신 인텔리전스(Nature Machine Intelligence)에 게재된 "Conditional Monge Gap enables generalizable single-cell perturbation modelling" 논문을 교차 검증했습니다. (https://www.nature.com/articles/s42256-026-01242-8)