혁신적인 AI 모델, 단일 세포 분석의 새로운 지평을 열다: scMMGPT

Shi 등 (2025)의 연구는 단일 세포 분석을 위한 혁신적인 다중 모달 언어 모델 scMMGPT를 제시합니다. 2700만 개 세포 데이터를 활용한 대규모 사전 훈련을 통해 세포 설명 생성, 세포 유형 주석, 텍스트 조건부 의사 세포 생성 등 다양한 과제에서 기존 모델보다 우수한 성능을 달성했습니다.

최근, Shi 등 (2025) 의 연구는 단일 세포 분석 분야에 획기적인 발전을 가져올 새로운 AI 모델을 제시했습니다. 기존의 사전 훈련된 언어 모델(PLM)은 과학 연구에 혁명을 일으켰지만, 단일 세포 분석에는 적용이 제한적이었습니다. 텍스트 PLM은 단일 세포 RNA 시퀀싱 데이터를 처리할 수 없었고, 세포 PLM은 자유 텍스트를 처리할 수 없어 다중 모드 작업에 제약이 있었습니다.

이러한 문제를 해결하기 위해 연구팀은 scMMGPT (Single-Cell MultiModal Generative Pre-trained Transformer) 라는 통합 PLM을 개발했습니다. scMMGPT는 최첨단 세포 및 텍스트 PLM을 효과적으로 통합하여 향상된 성능을 위해 모드 간 지식 공유를 가능하게 합니다. 텍스트와 세포 모드 간의 차이를 해소하기 위해 전용 크로스 모드 프로젝터를 활용하며, 2700만 개의 세포 -- 현재까지 다중 모드 세포-텍스트 PLM을 위한 가장 큰 데이터셋 -- 에서 광범위한 사전 훈련을 거쳤습니다.

이 대규모 사전 훈련 덕분에 scMMGPT는 세포-텍스트 결합 작업에서 탁월한 성능을 발휘합니다. 세포 설명 생성에서 텍스트 불일치를 84% 개선, 세포 유형 주석에서 정확도를 20.5% 향상, 그리고 텍스트 조건부 의사 세포 생성에서 k-NN 정확도를 4% 향상시키는 놀라운 결과를 보여주었습니다. 이는 기존의 기준 모델을 크게 능가하는 성과입니다.

이 연구는 단일 세포 분석에 대한 새로운 접근 방식을 제시하며, 생물학 및 의학 연구에 혁신적인 변화를 가져올 가능성을 제시합니다. 특히 scMMGPT의 높은 정확도와 효율성은 향후 질병 진단, 치료법 개발 등 다양한 분야에서 활용될 수 있을 것으로 기대됩니다. 그러나, 더욱 다양한 데이터셋을 활용한 추가 연구와 실제 임상 데이터에 대한 검증이 필요할 것입니다. 이를 통해 scMMGPT의 실용성과 신뢰성을 더욱 높일 수 있을 것입니다.