Geneformer 기반 질병 치료 표적 발굴 방법론

주장Geneformer는 대규모 단일 세포 전사체 데이터를 사전 학습하여 데이터가 부족한 환경에서도 질병 관련 유전자 네트워크를 효과적으로 분석합니다. 이 모델은 문맥 이해 능력을 갖추어 복잡한 생물학적 네트워크 내부의 교란을 식별하는 데 최적화되어 있습니다.

팩트Geneformer는 초기 3000만 개의 단일 세포 전사체 데이터를 학습했으며, 현재는 1억 개 이상의 데이터를 학습한 파운데이션 모델입니다. 이 모델은 양방향 트랜스포머 구조를 채택하여 유전자 간의 공변 패턴을 학습합니다.

팩트모델의 입력 데이터는 원시 유전자 발현 수치를 사전 학습된 어휘와 정렬된 순위 값 인코딩으로 토큰화하는 과정을 거칩니다. 이후 제로샷 추론, 미세 조정, 인실리코 섭동 분석을 통해 치료 표적을 발굴합니다.

팩트미세 조정 단계에서는 특정 세포 유형 내 질병 예측과 같은 단일 작업이나, 세포 유형과 질병 상태를 동시에 학습하는 다중 작업 학습을 수행합니다. 성능 평가는 혼동 행렬, 매크로 F1 점수, 임베딩 분석으로 진행합니다.

팩트인실리코 섭동 분석은 유전자 억제나 활성화를 시뮬레이션하여 세포 상태 임베딩의 변화를 정량화합니다. 연구자는 이를 통해 통계적 및 생물학적 지표를 바탕으로 후보 치료 표적의 우선순위를 결정합니다.

팩트모델의 효율성을 높이기 위해 양자화된 모델을 사용한 섭동 분석도 지원합니다. 이는 계산 자원이 제한된 환경에서도 연구자가 유전자 네트워크 역학을 분석하도록 돕습니다.

팩트전체 분석 파이프라인은 표준 그래픽 처리 장치 워크스테이션에서 2일 이내에 완료됩니다. 사용자는 파이썬에 대한 중간 수준의 지식만 있으면 해당 프로토콜을 수행할 수 있습니다.

교차검증Geneformer는 scGen, scGPT, scFoundation, GeneCompass, UCE, Nicheformer, scSimilarity, TranscriptFormer 등 기존 파운데이션 모델과 경쟁하거나 보완하는 관계입니다. 연구 목적과 데이터 규모에 따라 최적의 모델을 선택하여 적용해야 합니다.

팩트관련 코드와 상세 문서는 허깅페이스 모델 허브와 Geneformer 공식 문서 사이트에서 확인할 수 있습니다. 구글 코랩을 통해 실습 가능한 예제 데이터셋과 튜토리얼도 제공합니다.

출처네이처(Nature) 학술지 논문(https://www.nature.com/articles/s41596-026-01364-8) 및 허깅페이스 리포지토리(https://huggingface.co/ctheodoris/Geneformer)를 교차 검증했습니다. 추가 데이터셋은 구글 드라이브(https://drive.google.com/uc?id=1VeMkFrUy43xEJZzYaFw0t7aVZRpXF-Yt)에서 내려받을 수 있습니다.