생성형 AI로 단일 세포의 전체 단백질 지도를 시뮬레이션하다

한줄 요약

생성형 머신러닝을 활용해 단일 세포 수준에서 전체 단백질의 공간적 분포를 시뮬레이션하는 최초의 모델을 제시합니다.

풀어야 하는 문제

현재의 이미징 기술은 단일 세포에 존재하는 수천 개의 단백질 중 동시에 수십 개만 시각화할 수 있어, 전체 단백질체(프로테오믹스)의 공간적 조직을 이해하는 데 근본적인 한계가 있었습니다.

접근 방법

Human Protein Atlas의 123만 장의 이미지로 훈련된 심층 생성 모델 ProtiCelli를 개발했습니다. 이 모델은 세 가지 세포 랜드마크 염색 이미지를 입력으로 받아 12,800개 단백질의 시뮬레이션 이미지를 생성합니다.

결과·기여

ProtiCelli는 기존 방법보다 높은 재construction 정확도와 질감 충실도를 보이며, 훈련에 없던 세포 유형과 약물 자극에도 일반화됩니다. 이를 통해 3,070만 장의 시뮬레이션 이미지로 구성된 Proteome2Cell 데이터셋을 구축하고, 단백질 상호작용 지형 분석이나 세포 주기 예측 등 다양한 분석을 가능하게 했습니다.