염색체 구조 분석을 위한 파운데이션 모델 HiCFoundation 개발

주장HiCFoundation은 3차원 게놈 구조와 후성유전학적 조절 기능을 통합 분석하기 위해 설계된 파운데이션 모델입니다. 이 모델은 기존 데이터 형식의 차이와 해상도 문제로 발생하던 분석의 한계를 극복합니다.

팩트연구진은 대규모 Hi-C 데이터를 기반으로 모델을 사전 학습했습니다. 이를 통해 염색체 구조와 하위 조절 기능 사이의 관계를 규명하는 성능을 확보했습니다.

팩트HiCFoundation은 재현성 분석과 해상도 향상, 루프 탐지 등 3차원 게놈 분석 작업에서 최첨단 성능을 보입니다. 이 모델은 종을 넘나드는 범용성을 갖춰 다양한 생물학적 연구에 적용 가능합니다.

팩트모델은 Hi-C 데이터에서 다양한 후성유전학적 활동을 예측합니다. 연구자는 이를 통해 3차원 구조가 유전자 조절 기능과 연결되는 과정을 밝혀낼 수 있습니다.

팩트HiCFoundation은 단일 세포 Hi-C 데이터에도 적응하는 유연성을 보입니다. 이 프레임워크는 세포 유형별 혹은 종별 3차원 게놈의 기능적 역할을 연구하는 데 유용합니다.

교차검증기존 Hi-C 분석은 데이터 형식과 분석 파이프라인의 차이로 인해 통합적인 해석에 기술적 제약이 존재했습니다. 본 모델은 이러한 파편화된 분석 환경을 개선하는 데 중점을 둡니다.

팩트모델 학습과 검증에는 ENCODE와 4DN, DNA Zoo 등 공신력 있는 데이터베이스의 자료를 사용했습니다. 조혈모세포 및 호중구 관련 데이터는 미국 국립생물공학정보센터 유전자 발현 통합 데이터베이스인 NCBI GEO에서 확보했습니다.

팩트HiCFoundation의 소스 코드는 아파치 2.0 라이선스로 공개했습니다. 연구자는 깃허브와 제노도를 통해 사전 학습된 모델과 미세 조정된 모델을 이용할 수 있습니다.

팩트사용자는 깃허브에 게시된 노트북 튜토리얼을 통해 모델을 실습합니다. 모든 추론 작업은 1시간 이내에 완료되도록 최적화했습니다.

주장이번 모델 개발은 복잡한 게놈 데이터를 효율적으로 처리하는 표준화된 도구를 제공한다는 점에서 의미가 큽니다. 연구 환경의 진입 장벽을 낮추는 역할을 할 것으로 전망합니다.

교차검증다만 대규모 데이터 학습 과정에서 발생할 수 있는 편향성이나 특정 종에 치우친 데이터 구성은 향후 연구에서 지속적인 보완이 필요합니다.

출처본 연구는 네이처 메서드(Nature Methods)에 게재되었으며, 상세 내용은 학술지 홈페이지(https://www.nature.com/articles/s41592-026-03097-8)를 통해 교차 검증했습니다. 관련 소스 코드는 깃허브(https://github.com/Noble-Lab/HiCFoundation)에서 확인 가능함을 교차 검증했습니다.