데이터 중심 싱글셀 전사체 분석을 위한 구조 지식 융합 프레임워크 DOGMA

초록

**
DOGMA는 세포 온톨로지, 유전자 온톨로지, 그리고 계통수 정보를 활용해 단일세포 RNA‑seq 데이터의 그래프 구조를 결정론적으로 재구성한다. 통계적 정렬(MNN)과 다중 수준의 생물학적 사전지식을 결합해 잡음과 배치 효과를 억제하고, 고품질의 셀‑그래프를 생성한다. 실험 결과, 기존 시퀀스 기반 모델과 기존 그래프 기반 방법보다 파라미터와 연산량은 크게 줄이면서도 제로샷 전이, 데이터 희소 상황에서 우수한 성능을 보인다.

**

상세 분석

**
본 논문은 최근 AI 연구에서 ‘데이터 중심’ 패러다임이 강조되는 흐름을 싱글셀 전사체 분석에 적용한다는 점에서 의미가 크다. 기존의 시퀀스 기반 접근법은 셀을 독립적인 문서로 취급하고, Transformer와 같은 대규모 모델에 원시 카운트 데이터를 그대로 입력한다. 그러나 이러한 방법은 (1) 셀 간의 생물학적 네트워크 관계를 무시하고, (2) 고차원·희소·드롭아웃 등 기술적 잡음에 취약하다는 근본적인 한계를 가진다. 반면, 기존 그래프 기반 방법도 k‑NN, MNN 등 순수 통계적 거리 측정에 의존하거나, 유전자 노드를 추가해 ‘슈퍼 허브’를 형성함으로써 정보 과다 평활(over‑smoothing)과 메모리 폭증을 초래한다.

DOGMA는 이러한 문제점을 세 단계로 해결한다. 첫째, Statistical Anchors 로 MNN을 이용해 배치 간 초기 정렬을 수행함으로써 기본적인 잡음 억제를 확보한다. 둘째, Cell Ontology (CO) 를 DAG 형태의 전사체 수준 계층 구조로 도입해 셀 타입 간의 생물학적 유사성을 정량화하고, 그래프 엣지를 ‘생물학적 일관성’에 기반해 선택한다. 셋째, Phylogenetic Tree 를 활용해 서로 다른 종 간의 진화적 거리를 반영함으로써 다종 데이터셋에서도 일관된 토폴로지를 유지한다. 이 세 가지 제약을 동시에 만족하는 최적화 문제를 풀어, 기존의 확률적 k‑NN 그래프보다 훨씬 적은 엣지 수와 낮은 메모리 사용량을 달성한다.

특징 레벨에서는 Gene Ontology (GO) 를 이용해 각 유전자를 기능적 용어와 연결한다. 이를 통해 고변이 유전자(HVG)만을 사용하던 기존 방법과 달리, 압축된 수치값에 의미론적 라벨을 부여함으로써 downstream GNN이 ‘생물학적 신호’를 잡음과 구분해 학습하도록 돕는다. 논문은 GO 기반 피처 강화가 셀 임베딩의 표현력을 크게 높이며, 특히 제로샷 전이와 소량 데이터 상황에서 성능 향상이 두드러진다고 보고한다.

실험에서는 (1) 다종·다기관 복합 벤치마크, (2) 제로샷 세포 타입 예측, (3) 데이터 희소 환경에서의 학습 효율성을 평가한다. DOGMA 기반 GNN은 파라미터 3.5M 수준의 Cell Token Transformer보다 3배 적은 파라미터로 동일하거나 더 높은 정확도를 기록했고, 메모리 사용량은 기존 scMoGNN 대비 10배 절감되었다. 또한, 학습 비용이 크게 감소했음에도 불구하고, 교차 종 정렬 정확도와 세포 클러스터링 품질에서 SOTA 수준을 유지한다.

이러한 결과는 ‘데이터 품질이 모델 복잡성을 앞선다’는 가설을 실증적으로 뒷받침한다. DOGMA는 그래프 구조 자체를 사전지식에 의해 정제함으로써, 모델이 잡음에 과적합되는 위험을 근본적으로 차단한다. 따라서 향후 대규모 싱글셀 데이터베이스 구축이나, 다양한 종·조직 간 통합 분석에 있어 필수적인 전처리 단계로 활용될 가능성이 높다.

**