변이 탐지를 위한 해석 가능한 프라이머 설계 딥러닝 모델 Primer C VAE

초록

본 논문은 변이와 종 구분이 어려운 바이러스와 박테리아의 프라이머를 자동으로 설계하기 위해, 컨볼루션 신경망과 변분 오토인코더를 결합한 Primer C VAE 모델을 제안한다. SARS‑CoV‑2의 주요 변이(Alpha, Beta, Gamma, Delta, Omicron)를 98% 이상의 정확도로 분류하고, 각 변이에 특이적인 프라이머를 생성한다. 생성된 프라이머는 목표 변이에서 95% 이상 검출되고 비목표 변이에서는 5% 이하로 검출돼 높은 특이성을 보이며, in‑silico PCR 결과 짧은(200 bp 미만) 증폭산물을 제공한다. 또한 E. coli와 S. flexneri와 같은 대형 유전체에서도 유효한 프라이머를 설계함으로써, 길이와 복잡도에 구애받지 않는 범용성을 입증한다.

상세 분석

Primer C VAE는 변분 오토인코더(VAE)의 잠재공간 학습과 컨볼루션 신경망(CNN)의 지역 패턴 추출을 결합한 하이브리드 구조로, 입력된 전체 유전체 서열을 고차원 특징 벡터로 압축한다. 학습 단계에서는 목표 변이(또는 종)와 비목표 서열을 라벨링하여 지도학습 형태의 변이 분류기를 구성한다. 인코더의 마지막 컨볼루션 레이어는 길이‑불변의 필터를 사용해 3‑6 kb 정도의 윈도우를 스캔하며, 변이 특이적인 모티프를 자동으로 탐지한다. 이러한 모티프는 역전파를 통해 가중치가 강화되며, 잠재공간에서 변이 간 거리(클러스터링)를 크게 만든다.

프라이머 후보 추출은 인코더의 활성화 맵에서 18‑25 bp 길이의 연속 구간을 선택하고, 전통적인 열역학 기준(GC 함량, Tm, 2차 구조)과 dimer/hairpin 검사를 적용한다. 전방 프라이머가 확정되면, 해당 프라이머의 결합 위치를 기준으로 하류 서열을 추출하고, 동일한 C‑VAE 모델을 역방향으로 학습시켜 역프라이머 후보를 생성한다. 이때 배경 서열은 목표 서열의 염기 조성에 맞춰 합성해 부정 예시로 활용함으로써, 비특이적 결합을 최소화한다.

모델의 해석 가능성은 두 가지 측면에서 제공된다. 첫째, 컨볼루션 필터가 강조한 위치를 시각화함으로써 변이 특이적인 핵심 영역을 직접 확인할 수 있다. 둘째, 잠재공간의 t‑SNE 혹은 UMAP 투영을 통해 변이 간 군집 구조를 시각화함으로써, 분류 정확도가 높은 이유를 정량적으로 검증한다.

실험 결과는 크게 두 파트로 나뉜다. SARS‑CoV‑2 데이터셋(30 kb 전체 유전체)에서는 5가지 변이를 98% 이상의 정확도로 분류했으며, 각 변이에 대해 설계된 프라이머 쌍은 목표 변이 서열에서 95% 이상 존재하고 비목표 변이에서는 5% 이하로 검출되었다. Omicron은 변이 다양성이 높아 특이도가 약간 낮아졌지만, 여전히 80%/20% 수준을 유지했다. 인‑실리코 PCR 시뮬레이션에서는 Alpha, Delta, Omicron 프라이머 쌍이 150‑180 bp 길이의 짧은 증폭산물을 생성해 qPCR에 적합함을 확인했다.

박테리아 사례(E. coli, S. flexneri)에서는 전체 유전체(4‑5 Mb)를 그대로 입력으로 사용했으며, 96% 이상의 분류 정확도와 95%/5% 수준의 프라이머 특이성을 달성했다. 이는 기존 Primer3가 10 kb 제한으로 처리하지 못하던 규모를 넘어서는 성과이다.

전체적으로 Primer C VAE는 (1) 긴 서열을 그대로 처리할 수 있는 스케일러빌리티, (2) 변이 특이적인 지역을 자동 탐지하는 해석 가능성, (3) 전·후방 프라이머를 동시에 설계하는 통합 파이프라인, (4) 기존 규칙 기반 도구 대비 최소한의 인간 개입으로 높은 특이도와 민감도를 제공한다는 장점을 가진다. 다만, 모델 학습에 대량의 라벨링된 서열이 필요하고, 변이 급격히 변하는 경우 재학습 주기가 필요하다는 점은 향후 개선 과제로 남는다.