DynaVelo, 단일세포 멀티오믹 데이터 기반 세포 운명 예측 딥러닝 모델 제시

단일세포 기술은 동일 세포에서 전사체와 염색질 접근성 등 여러 오믹스 데이터를 동시에 측정할 수 있지만, 이는 특정 시점의 스냅샷에 불과해 세포의 동적 변화 과정을 직접 관찰하기 어렵다는 한계가 있다. 이를 보완하기 위해 RNA velocity, scVelo, MultiVelo 등 계산 모델이 개발되어 왔으나, 이들은 유전자 발현 동역학만 다루거나 섭동 실험에 따른 궤적 변화를 예측하는 기능적 형태를 제공하지 못했다. 연구팀은 전사체와 전사인자(TF) 모티프 접근성 두 모달리티가 상호 영향을 주고받는다는 가정 하에, 두 데이터를 함께 모델링하는 생성형 신경망 상미분방정식(neural ODE) 기반 모델인 DynaVelo를 제시했다. DynaVelo는 변이형 인코더로 발현 및 모티프 접근성 데이터를 저차원 잠재공간에 임베딩한 뒤, 해당 공간에서 신경망 ODE를 학습해 두 모달리티의 결합 동역학을 추정한다. 연구팀은 이 모델을 마우스 생식중심(GC) B세포에 적용해 야생형과 Arid1a, Ctcf 각각의 이형접합 기능소실 돌연변이를 가진 세 가지 유전형을 비교했다. DynaVelo는 생식중심 반응의 복잡한 생체 내 동역학을 재현하고, 모델에서 새로운 세포와 궤적을 생성하며, 잠재시간에 따른 TF 활성 변화와 동적 유전자조절네트워크(GRN)를 복원할 수 있었다. 또한 이 모델은 기능소실 유전 섭동이 미칠 영향을 예측하는 동시에, 해당 손실 표현형을 되돌릴 수 있는 TF 섭동을 식별하는 데에도 활용됐다. 연구팀은 DynaVelo가 단일 시점의 단일세포 멀티옴 데이터로부터 동적 세포 시스템을 모델링하고 섭동 결과를 예측할 수 있는 생성형 인공지능 프레임워크라고 설명했다.