[논문 리뷰] Artificial Intelligence for Central Dogma-Centric Multi-Omics: Challenges and Breakthroughs

Lei Xin, Caiyun Huang외 9명|arXiv (Cornell University)|2024. 12. 17.

Bioinformatics and Genomic NetworksBiochemistry, Genetics and Molecular Biology인용 수 3

한 줄 요약

이 논문은 중심 도그마 중심의 다오미크스 통합에서 인공지능(AI) 응용을 검토하며, 고차원적 노이즈 데이터와 배치 효과와 같은 과제에 초점을 맞추고, 기초 모델, 주의 메커니즘, 다 tissue 단세포 데이터 통합 분야의 돌파구를 강조한다. 이는 고도의 딥러닝과 다오미크스 데이터 융합을 통해 질병 아형 분류, 생물학적 표지자 발견, 정밀의료 향상에 기여하는 방식으로 AI의 역할을 보여준다.

ABSTRACT

With the rapid development of high-throughput sequencing platforms, an increasing number of omics technologies, such as genomics, metabolomics, and transcriptomics, are being applied to disease genetics research. However, biological data often exhibit high dimensionality and significant noise, making it challenging to effectively distinguish disease subtypes using a single-omics approach. To address these challenges and better capture the interactions among DNA, RNA, and proteins described by the central dogma, numerous studies have leveraged artificial intelligence to develop multi-omics models for disease research. These AI-driven models have improved the accuracy of disease prediction and facilitated the identification of genetic loci associated with diseases, thus advancing precision medicine. This paper reviews the mathematical definitions of multi-omics, strategies for integrating multi-omics data, applications of artificial intelligence and deep learning in multi-omics, the establishment of foundational models, and breakthroughs in multi-omics technologies, drawing insights from over 130 related articles. It aims to provide practical guidance for computational biologists to better understand and effectively utilize AI-based multi-omics machine learning algorithms in the context of central dogma.

연구 동기 및 목표

• 유전형과 표현형을 연결하는 데에 단일 오미크스 접근법의 한계를 해결하기 위해.
• 중심 도그마(DNA → RNA → 단백질) 전반에 걸쳐 다오미크스 데이터를 통합하는 데에 AI 및 딥러닝 기법을 검토하기 위해.
• 다오미크스 데이터 통합의 주요 장애물인 배치 효과, 데이터 희소성, 계산 복잡도 등을 규명하기 위해.
• 기초 모델, 주의 메커니즘, 대규모 생물학적 서열을 위한 확장 가능한 추론 기술 분야의 최근 발전을 부각하기 위해.
• 시스템 생물학 및 정밀의료 분야에서 AI 기반 발견을 가속화하기 위해 개방형, 다장기 다오미크스 데이터셋을 촉진하기 위해.

제안 방법

• 다오미크스 통합에서 AI를 다룬 130篇 이상의 연구를 체계적으로 검토하여 통합 전략, 모델 아키텍처, 응용에 중점을 둔다.
• 선형 복잡도를 갖는 주의 메커니즘과 트랜스포머 기반 모델(예: TTT, InstInfer, Mnemosyne)을 적용하여 장거리 생물학적 서열을 처리한다.
• 메트릭 학습과 통합 임베딩 기법(예: SCimilarity, CELLama)을 활용해 해석 가능하고 종 간 전이 가능한 세포 유형 비교를 가능하게 한다.
• 다양한 조직과 종에서 기초 모델을 사전 학습하기 위해 대규모 단세포 데이터셋(예: scFoundation에서 5000만 개 이상의 세포)을 활용한다.
• 다중 모odal 오토인코더와 주의 기반 융합을 사용하여 다오미크스 데이터를 통합하고 유전자 조절 네트워크를 모델링한다.
• 3D 병렬 추론 전략(예: Mnemosyne)을 도입하여 최대 1,000만 개의 서열 컨텍스트를 실시간 처리할 수 있도록 한다.

실험 결과

연구 질문

• RQ1 AI 모델은 중심 도그마 전반에서 다오미크스 데이터를 어떻게 효과적으로 통합하여 질병 아형 분류와 생물학적 표지자 발견을 향상시킬 수 있는가?
• RQ2 장거리 생물학적 서열과 다조직 단세포 데이터에 대해 AI 모델을 확장할 때의 주요 계산적 및 생물학적 과제는 무엇인가?
• RQ3 scFoundation 및 CELLama와 같은 기초 모델은 종 간 및 조직 간 세포 유형 식별과 기능적 추론을 어떻게 가능하게 하는가?
• RQ4 주의 메커니즘과 효율적인 추론 아키텍처는 대규모 오미크스 모델링에 있어 메모리 및 계산 비용을 어떻게 줄이는가?
• RQ5 개선된 데이터 통합 및 표준화된 면역계 보고서 데이터베이스는 면역요법 반응 및 항원 특이성 예측을 어떻게 향상시킬 수 있는가?

주요 결과

• AI 기반 다오미크스 통합은 질병 예측 정확도를 크게 향상시키며, 질병 관련 유전자 위치와 조절 메커니즘의 규명을 가능하게 한다.
• 5000만 개 이상의 단세포 샘플에서 사전 학습된 기초 모델(예: scFoundation)은 강력한 조직 간 및 종 간 세포 유형 임베딩과 기능적 추론을 가능하게 한다.
• TTT 및 Mnemosyne와 같은 모델은 선형 복잡도를 유지하면서 16,000개 이상의 토큰으로 서열 모델링을 확장하여 장거리 게놈 및 전사체 서열의 스케일러블 분석을 가능하게 한다.
• 메트릭 학습 기반 방법(예: SCimilarity)을 통해 형태학적 및 전사체 프로파일이 유사한 세포에 대한 신속하고 해석 가능한 쿼리가 가능하다.
• 다시 말해, 진전이 있었음에도 불구하고, 비표적 대사체학 데이터의 약 10%만이 구조적으로 주석 처리될 수 있어 데이터 완전성의 주요 장벽이 드러나 있다.
• 대규모 공개 다장기 다오미크스 데이터셋의 부족은 특히 면역학 및 희귀질환 분야에서 일반화 가능한 AI 모델을 훈련시키는 데 있어 핵심적인 장애물로 남아 있다.