대규모 셀 페인팅 데이터 배치 정정: 배치 의존 커널과 적응형 샘플링 기반 BALANS

초록

BALANS는 배치별 로컬 스케일을 이용해 가우시안 커널을 조정하고, 적응형 행 샘플링으로 희소 친화 행렬을 구축해 셀 페인팅 데이터의 배치 효과를 효율적으로 제거한다. 이 방법은 거의 선형 시간 복잡도로 대규모(수백만) 셀 프로파일을 처리하면서 기존 배치 정정 기법과 동등하거나 더 높은 정정 품질을 달성한다.

상세 분석

본 논문은 고해상도 이미지 기반 셀 페인팅 실험에서 발생하는 배치 효과를 정량화하고, 이를 최소화하기 위한 새로운 알고리즘 BALANS를 제안한다. 핵심 아이디어는 두 단계로 구성된다. 첫 번째는 배치‑의존 로컬 스케일 σᵢⱼ를 정의하는 것으로, 이는 대상 샘플 j가 속한 배치 bⱼ 내에서 i와의 거리 중 k번째 최근접 이웃 거리 d_{bⱼ i}^{(k)}의 제곱이다. 이 스케일을 이용해 Aᵢⱼ = exp(−‖xᵢ−xⱼ‖² / σᵢⱼ²) 형태의 가우시안 친화값을 계산함으로써, 밀도가 높거나 노이즈가 큰 배치에서 과도하게 높은 친화도를 억제하고, 밀도가 낮은 배치 간에도 진정한 생물학적 유사성을 포착한다. 두 번째 단계는 전체 n×n 친화 행렬을 직접 계산하는 비용을 회피하기 위해 적응형 랜드마크 샘플링을 도입한다. 샘플링 과정에서 각 행 i의 누적 친화 합계가 작을수록 선택 확률이 높아지며, 이는 아직 충분히 대표되지 않은 영역을 우선적으로 커버한다. 선택된 |S| = O(K log K)개의 행에 대해 엘보우 검출 기반으로 상위 친화값만 남겨 희소 행렬 A_S를 만든 뒤, Williams‑Seeger 방식의 저‑랭크 근사를 이용해 전체 행렬을 복원한다. 이론적으로는 샘플링이 클러스터당 O(log K)개의 행을 보장하고, 복원 오차 ‖Â−A‖_op가 고확률로 제한됨을 증명한다. 알고리즘 복잡도는 거리 계산을 위한 k‑NN 검색(O(n log n))과 행 샘플링·희소화 단계가 결합돼 거의 선형 시간(O(n))에 수렴한다. 실험에서는 JUMP‑CP와 BBBC 데이터셋(수십만~수백만 셀)에서 BALANS가 BBKNN, Harmony, Scanorama 등 기존 방법보다 30% 이상 높은 평균 정정 점수를 기록했으며, 파이썬 구현임에도 불구하고 네이티브 C++ 구현보다 빠른 실행 시간을 보였다. 합성 데이터에서도 배치 구조를 정확히 재현하면서 5백만 포인트를 1시간 이내에 처리했다. 따라서 BALANS는 대규모 고차원 이미지 프로파일링에서 배치 효과를 정교히 보정하면서도 확장성을 확보한 실용적인 솔루션으로 평가된다.