인간 유전자 조절 예측 모델 코기(Corgi) 개발

주장기존의 서열-기능 예측 모델은 DNA 서열 정보에만 의존하여 학습 데이터에 포함되지 않은 세포 유형이나 환경을 예측하는 데 한계가 있었습니다. 연구진은 이러한 문제를 해결하고자 세포의 맥락을 이해하는 새로운 모델인 코기(Corgi)를 도입했습니다.

팩트코기는 DNA 서열 정보와 함께 전사 인자, 공동 활성제, 염색질 조절자, RNA 결합 단백질 등 트랜스 조절자(trans-regulator)의 발현 데이터를 입력값으로 사용합니다. 이 모델은 RNA-seq, 염색질 접근성, DNA 메틸화, 히스톤 변형 등 16가지 서로 다른 유전체 분석 결과를 예측합니다.

팩트코기는 특징별 선형 변조(FiLM) 기술을 사용하여 DNA 서열의 2차원적 특성과 트랜스 조절자의 1차원적 맥락 정보를 통합합니다. 이 방식은 기존의 단순한 특징 연결 방식보다 유연하며, 알려진 전사 인자 결합 모티프에 의존하지 않고도 학습이 가능합니다.

팩트코기 모델은 하이브리드 합성곱-트랜스포머 구조를 채택하여 524kb 길이의 DNA 서열을 처리합니다. 모델의 최종 계층은 64bp 해상도로 16가지 유전체 분석 데이터의 커버리지를 예측하도록 설계되었습니다.

교차검증기존 모델인 에피지피티(EpiGePT)나 아보카도(Avocado)와 비교했을 때, 코기는 학습되지 않은 세포 유형에서도 월등한 예측 정확도를 보였습니다. 특히 코기의 고급 버전인 코기 플러스(Corgi+)는 RNA-seq 데이터만을 사용하여 후성유전학적 트랙을 추정하는 분야에서 최첨단 성능을 기록했습니다.

주장코기의 아키텍처는 실제 세포 내 유전자 조절 과정을 모방하도록 설계되었습니다. 세포 내에서 시스(cis) 요소와 트랜스 조절자가 결합하여 유전자 발현을 유도하는 생물학적 원리를 수학적으로 구현했습니다.

팩트연구진은 엔코드(ENCODE), 팬텀5(FANTOM5), 타불라 사피엔스(Tabula Sapiens), 캣라스(CATlas) 등 대규모 유전체 데이터셋을 활용하여 모델을 학습시켰습니다. 이 방대한 데이터는 모델이 다양한 세포 유형의 조절 문법을 학습하는 데 기여했습니다.

주장코기는 제로샷(zero-shot) 방식으로 세포 유형별 핵심 트랜스 조절자를 식별할 수 있는 능력을 갖추고 있습니다. 이는 모델이 단순히 데이터를 암기하는 것이 아니라, 유전자 조절의 핵심 기전을 스스로 파악하고 있음을 시사합니다.

팩트코기는 학습 과정에서 제외된 세포 유형에 대해서도 유전체 변이의 영향을 정확하게 예측합니다. 이는 질병 연구나 비암호화 변이의 기능적 영향을 분석하는 데 중요한 도구로 활용됩니다.

주장해당 모델은 유전체 데이터의 복잡한 상호작용을 해석하는 데 새로운 기준을 제시합니다. 연구진은 코기가 향후 정밀 의료와 유전자 치료 연구를 가속할 것으로 기대합니다.

교차검증다만 모델의 예측 정확도는 학습에 사용된 데이터의 품질과 세포 유형의 다양성에 따라 달라질 수 있습니다. 향후 더 방대한 데이터셋을 통한 검증이 추가로 필요합니다.

출처Nature Communications에 게재된 'Context-aware sequence-to-function model of human gene regulation' 논문을 교차 검증했습니다.