유니파이: 세포 진화 학습을 위한 다중 모달 임베딩 기술

주장유니파이는 종 간 진화적 차이와 기술적 배치 효과를 극복하기 위해 개발된 전이 학습 방법론입니다. 이 기술은 기능적으로 일관된 다중 모달 거대 유전자를 정의하여 보편적인 세포 임베딩을 학습합니다.

팩트유니파이는 리보핵산(RNA) 발현 데이터와 단백질 언어 모델, 범용 언어 모델의 임베딩을 결합합니다. 이러한 방식은 유전자 수준의 상동성에만 의존하던 기존 분석의 한계를 넘어섭니다.

팩트연구진은 7억 년 이상 분리된 종들을 대상으로 이 기술을 적용했습니다. 그 결과 다종 세포 유형의 진화 계통수를 정확하게 재구성하고 수렴 유전자 프로그램을 발견했습니다.

주장유니파이는 생물학적 신호를 보존하면서 배치 효과를 수정합니다. 이는 마우스에서 인간으로의 섭동 반응 예측과 같은 종 간 비교 연구의 정확도를 높입니다.

교차검증기존의 단일 세포 RNA 시퀀싱 데이터 통합은 종 간 진화적 발산으로 인해 분석에 어려움이 많았습니다. 유니파이는 이러한 기술적 장벽을 해결하려 하지만, 방대한 진화적 거리에서 발생하는 데이터 노이즈를 완전히 제거하는 것은 여전히 도전 과제입니다.

팩트본 연구는 사우디아라비아 킹 압둘라 과학기술대학교(KAUST)의 슈퍼컴퓨팅 연구소 자원을 활용하여 수행되었습니다. 연구팀은 생물학, 환경 과학, 컴퓨터 공학 분야 전문가들로 구성되었습니다.

팩트해당 연구는 2025년 10월 26일에 접수되었습니다. 이후 2026년 7월 23일에 승인되었습니다.

팩트최종 결과물은 2026년 7월 31일 네이처 커뮤니케이션즈를 통해 공식 발표되었습니다.

주장유니파이는 비교 단일 세포 유전체학 및 진화 생물학 분야에서 강력한 분석 도구로 자리매김할 것으로 기대됩니다. 이는 복잡한 생물학적 데이터를 통합하여 종 간의 공통된 진화적 기전을 이해하는 데 기여합니다.

팩트저자들은 본 연구와 관련하여 이해 상충이 없음을 명시했습니다. 연구는 킹 압둘라 과학기술대학교의 기본 연구 자금을 지원받아 진행되었습니다.

주장이번 연구는 이종 간 생물학적 데이터 통합의 새로운 표준을 제시했다는 점에서 의미가 큽니다. 향후 다양한 생물학적 모델링에 유니파이 기술이 활용될 것으로 보입니다.

출처Zhong, H., Han, W., Cui, G. et al. Unify learns cellular evolution with universal multimodal embeddings. Nat Commun (2026)을 교차 검증했습니다.