Portrai VGL – Cell-as-Text에서 In Silico Spatial Biology로
신약개발의 월드 모델을 향한 Core AI
공간 생물학(spatial biology)과 단일세포 오믹스(single-cell omics)는 지금 매우 흥미로운 전환점에 와 있습니다. 우리는 이미 다양한 조직, 질환, 실험 조건을 아우르는 수백-수천만 개의 단일 세포 데이터와 수천 개의 데이터셋을 보유하고 있습니다.
이제 질문은 더 이상 “단일 세포를 측정할 수 있는가?”가 아닙니다.
“이미 우리가 학습한 정보를 바탕으로, 새로운 단일 세포를 in silico에서 생성할 수 있는가?”
이 글에서는 Portrai에서 개발 중인 실험적 접근을 소개합니다.
대규모 언어 모델(LLM)을 활용해, 세포 메타데이터만으로 합성 단일세포 오믹스 데이터를 생성하는 방법입니다.
단일 세포를 다시 생각하다
전통적으로 단일 세포는 수천 개 유전자의 발현값으로 구성된 고차원 숫자 벡터로 표현됩니다.
우리는 다른 질문을 던졌습니다.
“단일 세포를 하나의 긴 텍스트로 표현할 수는 없을까?”
유전자 발현을 벡터가 아닌, 유전자 이름과 발현 스케일의 연속적인 서술(sequence)로 표현하는 것입니다.
이렇게 하면 하나의 단일 세포는 유전자 발현을 설명하는 하나의 단락(paragraph)이 되고,세포 생성은 곧 텍스트 생성 문제가 됩니다.
이러한 관점 전환은 현대 LLM이 특히 잘하는 능력을 그대로 활용할 수 있게 합니다.
장거리 의존성(long-range dependency) 모델링
일관성 있는 긴 시퀀스 생성
구조화된 입력 조건에 따른 조건부 생성
언어 생성으로서의 세포 생성
우리 모델은 다음과 같은 세포 메타데이터를 입력으로 받습니다.
조직 또는 장기 정보
질환 맥락
실험 조건 또는 Perturbation (약물, 유전자등에 대한 섭동) 정보
모델은 이 정보를 바탕으로 다음과 같은 특수 토큰 사이에서 유전자 발현 시퀀스를 자가회귀적으로 생성합니다.
<START_GEN> … <END_GEN>
각 생성된 세포는 보통 8,192~16,000 토큰 길이의 텍스트로 표현됩니다.
이를 직관적으로 비교하면,
하나의 생성된 단일 세포는, 긴 리뷰 논문 한 편에 해당하는 정보량을 담고 있습니다.
생성된 텍스트는 이후 다음 과정을 거칩니다.
텍스트 파싱
유전자 발현값의 수치화
완전한 single-cell RNA-seq 프로파일로 변환
여러 개의 생성된 세포들은 표준 단일세포/공간생물학 데이터 구조인 AnnData 객체로 통합되어, 기존 단일세포 분석 파이프라인과 즉시 호환됩니다.
아래 그림은 VGL-Cell Generator로 생성한 “Synthetic Cell Data”를 보여줍니다.
입력 조건:
폐 편평세포암(Lung Squamous Cell Carcinoma)
폐 선암(Lung Adenocarcinoma)
조건 정보만을 사용해
4,000개 이상의 합성 단일 세포를 in silico에서 생성
특히 주목할 점은,
단 4,000개의 합성 세포를 생성하는 데에도,
약 200권의 평균적인 영문 서적에 해당하는 텍스트 정보량이 처리된다는 점입니다.
이는 이 생성 프레임워크가 담고 있는 표현력과 스케일의 깊이를 잘 보여줍니다.
텍스트에서 다시 생물학으로
중간 표현은 텍스트이지만, 최종 결과는 텍스트가 아닙니다.
생성 이후에는 다음 과정이 수행됩니다.
유전자-발현 토큰 파싱
발현 레벨의 수치값 매핑
세포 × 유전자 행렬 재구성
합성 scRNA-seq 데이터셋으로 저장
그 이후의 분석은 기존 단일세포전사체 및 공간전사체의 분석과정과 완전히 동일합니다.
품질 관리(QC)
클러스터링
세포 타입 지정
차등 발현 분석
경로 분석
가까운 미래에는 이 데이터가 시퀀서에서 나온 것인지, 언어 모델에서 생성된 것인지 구분하기 어려워질 것입니다.
왜 중요한가: 무한한 가상 데이터셋 생성
이 접근은 단일세포 및 공간 오믹스 데이터의 가능성을 근본적으로 바꿉니다.
더 이상 실험적으로 측정된 데이터에만 의존하지 않아도 됩니다.
이제 우리는:
특정 암 유형의 단일세포 전사체를 생성하고
다양한 생물학적 조건 하에서 세포 상태를 시뮬레이션하며
실험적으로 어렵거나 불가능한 가설을 탐색할 수 있습니다
즉,
인간 질환의 단일세포 생물학이 하나의 in silico 실험 공간이 됩니다.
단일세포 생물학에서의 가상 실험
이 생성 과정은 조건부이기 때문에, 입력을 체계적으로 변화시키며 결과를 관찰할 수 있습니다.
예를 들면:
동일 조직에서 질환 상태만 다른 세포 생성
암 진행 단계별 가상 코호트 비교
특정 유전자의 발현을 인위적으로 조절한 뒤
세포 프로그램의 변화 관찰
실제 매칭 데이터 없이 종양 미세환경 반응 탐색
이러한 가상 실험은 실험실에서의 다양한 실험을 대체하기 위한 것이 아니라,
비용과 시간을 들이기 전 가설을 빠르게 탐색하기 위한 도구이자 사람 대상의 불가능한 연구를 가능케 하는 컴퓨터기반의 새 지평을 여는 도구입니다.
관측된 데이터를 넘어서는 스케일링
이 프레임워크의 중요한 결과 중 하나는 확장성입니다.
모델이 학습된 이후에는 더 이상:
데이터셋 크기
샘플 가용성
라이선스 제약
에 의해 제한되지 않습니다.
대신,
수천~수백만 개의 세포
희귀하거나 과소표본된 조건
아직 실험적으로 측정되지 않은 상태
까지 생성할 수 있습니다. 이는 특히 다음 영역에서 큰 장점을 가집니다.
데이터 증강
레퍼런스 데이터셋 생성
소외된 생물학적 맥락에 대한 탐색적 분석
LLM의 역할
언어 모델은 흔히 텍스트, 코드, 이미지 생성 도구로 인식됩니다. 하지만 여기서는 다른 역할을 합니다.
LLM은 생물학적 프로그램의 생성 모델로 작동합니다.
대규모 단일세포 데이터를 학습함으로써, 모델은 다음과 같은 패턴을 내재화합니다.
유전자 공발현 구조
세포 타입 특이적 프로그램
조건에 따른 발현 변화
생성된 결과는 어떤 실제 세포의 복사본이 아니라, 학습된 생물학적 제약을 만족하는 새로운 가능성 있는 세포입니다.
이것은 시작에 불과하다
단일 세포 생성은 첫 단계일 뿐입니다. Portrai에서 이 연구는 VGL(Vision–Gene–Language) 모델을 중심으로 한 더 큰 로드맵의 일부입니다. 장기적인 목표는 Generative Biology입니다.
개별 세포를 넘어 공간적으로 조직화된 조직을 in silico에서 생성하는 것
그리고 그 위에서 새로나오는 신약의 작용을 예측하여 내는 것.
이를 위해 우리는 조건 입력을 확장하고 있습니다.
공간 좌표
조직학적 맥락
이미지 기반 특징
궁극적으로는 세포의 배열, 상호작용, 조직화를 포착하는 가상 공간 생물학 데이터셋을 생성하고자 합니다.
신약 개발을 위한 인간 중심 월드 모델
최종 목표는 단순한 데이터 생성이 아닙니다. Portrai의 비전은 신약 개발을 위한 인간 중심 월드 모델(Human-Centered World Model) 을 구축하는 것입니다.
이를 통해 우리는:
인간 조직에서 생물학적 시스템이 어떻게 구성되는지 시뮬레이션하고
약물이 공간적으로 어떻게 분포하는지 예측하며
특정 세포 집단에 어떻게 작용하는지 모델링하고
그에 따른 하위 생물학적 반응을 예측합니다
이 프레임워크에서:
Vision 모델은 조직 형태를 이해하고
Gene 모델은 분자 프로그램을 포착하며
Language 모델은 이들을 하나의 생성적·해석 가능한 시스템으로 통합합니다
이들이 결합되어 인간 생물학의 VGL 기반 생성 월드 모델을 형성합니다.
관점의 전환
이 프로젝트는 단일세포 데이터를 바라보는 관점을 바꿉니다.
기존의:
“우리가 측정할 수 있는 세포를 분석한다”
에서,
“우리가 이해하고 싶은 세포를 생성한다”
로의 전환입니다.
단일세포 생물학은 수동적 관찰을 넘어 능동적·생성적 탐구의 영역으로 이동하고 있습니다.
이는 발견, 가설 검증, 그리고 궁극적으로 신약 개발을 위한 새로운 가능성을 열어줍니다.
앞으로 공간 생물학과 약물 수준의 월드 모델링으로 이 접근을 확장해 나갈 예정입니다.
