세포 3300만 개로 학습한 단일세포 기반모델 scGPT 공개

단일세포 RNA 시퀀싱(scRNA-seq) 데이터는 폭발적으로 쌓였지만, 실험마다 분석 도구를 새로 고르고 배치 효과를 따로 보정해야 했다. 캐나다 토론토대·벡터연구소 연구진은 네이처 메서즈(Nature Methods)에 언어모델 방식을 세포 데이터에 옮긴 기반모델(foundation model) scGPT를 보고했다.

'문장=세포, 단어=유전자'로 사전학습

연구진은 공개된 단일세포 데이터 3300만 개 세포로 생성형 트랜스포머를 사전학습했다. 문장이 단어로 이뤄지듯 세포는 유전자 발현 조합으로 정의된다는 비유를 그대로 설계에 적용한 것이다. 이렇게 얻은 모델을 전이학습(transfer learning)으로 미세조정하자 세포 유형 주석, 여러 배치 통합, 다중오믹스 통합, 유전자 섭동(perturbation) 반응 예측, 유전자 조절 네트워크 추론 등 서로 다른 과제에서 쓸 수 있었다.

의미는 분석 파이프라인의 축이 '과제별 전용 알고리즘'에서 '한 번 학습해 여러 과제에 붙이는 모델'로 이동했다는 점이다. 데이터가 적은 조직·질환에서도 사전학습 지식을 빌려 쓸 수 있다.

한계

성능은 미세조정에 쓰는 데이터 품질과 사전학습 데이터의 조직·종족 편향에 좌우된다. 모델이 내놓는 조절 네트워크나 섭동 예측은 가설이며, 실험으로 확인해야 한다.