유전체 연구의 병목은 더 이상 “무엇을 측정할 수 있는가”에만 있지 않습니다. 이제 더 중요한 질문은 “모든 세포 상태와 조건을 직접 측정해야 하는가”입니다. 세포 종류, 자극, 시간점, 조절 요소의 변화까지 모두 실험으로 채우려면 비용과 시간이 빠르게 늘어납니다.
전이학습은 이미 학습한 모델의 지식을 새 과제나 새 데이터 맥락에 옮겨 쓰는 방법입니다. 유전체학에서는 특정 세포 맥락에서 배운 패턴을 다른 세포 유형, 질병 조건, 실험 설정에 활용해 필요한 샘플 수와 분석 비용을 줄이는 전략으로 쓰일 수 있습니다.1
핵심은 단순히 큰 모델을 만드는 것이 아니라, 한 조건에서 배운 생물학적 표현이 다른 조건에서도 얼마나 유지되는지를 판단하는 데 있습니다.
전이학습이 필요한 이유: 데이터는 많지만 맥락은 다르다
RNA 시퀀싱은 세포 상태와 기능을 반영하는 유전자 발현 데이터를 생성합니다.2 그래서 전사체 데이터는 세포 상태 추정, 질병 기전 이해, 약물 반응 분석처럼 다양한 유전체 연구의 기반이 됩니다.
하지만 전사체 데이터는 다루기 어렵습니다. 기술적 노이즈와 실험 배치 효과가 결과에 큰 영향을 줄 수 있기 때문입니다.2 같은 생물학적 현상이라도 실험 플랫폼, 처리 과정, 샘플 구성에 따라 데이터 분포가 달라질 수 있습니다.
따라서 전이학습의 가치는 “데이터를 더 많이 넣으면 좋아진다”는 단순한 기대에 있지 않습니다. 중요한 것은 서로 다른 데이터셋 사이에서도 유지되는 생물학적 신호를 학습하고, 불필요한 기술적 차이는 줄이는 것입니다.
이 점은 전사체 파운데이션 모델에서도 분명합니다. 일부 모델은 복잡한 구조를 갖고도 단순한 선형 기준 모델보다 낮은 성능을 보인 사례가 보고됐습니다.2 즉 모델의 규모보다 표현의 안정성, 평가 설계, 목표 과제와의 적합성이 더 중요합니다.
무엇을 옮겨 배울 수 있는가
전이학습은 깊게 프로파일링된 일부 세포 맥락에서 배운 정보를 다른 맥락에 적용하려는 접근입니다. 예를 들어 특정 세포주에서 조절 요소의 변화와 유전자 발현 반응을 충분히 관찰했다면, 그 관계를 다른 세포 조건에서도 조심스럽게 활용해 볼 수 있습니다.
여기서 “조절 요소의 변화”는 단순한 발현량 차이에 그치지 않습니다. 조절 요소의 knockdown, ablation, 삽입, 재배열, 교체, 삭제처럼 다양한 교란이 있을 수 있고, 그 결과는 chromatin, RNA, cellular readouts를 함께 측정하는 실험으로 관찰될 수 있습니다. 이런 깊은 프로파일링은 특정 cell line 같은 세포 맥락에서 먼저 축적되는 경우가 많습니다.
전이학습은 이러한 깊은 실험에서 얻은 규칙을 모든 조건에서 다시 측정하지 않고도 활용할 수 있게 해줍니다. 다만 이는 “한 번 학습하면 어디든 적용된다”는 뜻이 아닙니다. 출발 데이터와 목표 데이터 사이에 공유되는 생물학적 구조가 있을 때에만 의미가 있습니다.
멀티오믹스와 공간 정보에서도 같은 문제가 반복된다
유전체 데이터는 하나의 층으로만 설명되지 않습니다. DNA, RNA, 단백질, chromatin 상태는 서로 연결되어 세포 기능을 만듭니다. 이 때문에 최근 연구들은 각 모달리티에 대해 사전학습된 인코더를 결합해 DNA·RNA·단백질 정보를 함께 활용하는 방향을 제시합니다.3
전이학습은 서로 다른 데이터 유형 사이의 빈칸을 메우는 데도 쓰일 수 있습니다. 단일세포 RNA-seq는 유전자 발현 정보를 넓게 제공하지만 공간 정보가 약합니다. 반대로 공간전사체는 위치 정보를 제공하지만 유전자 범위나 해상도에 제약이 있을 수 있습니다. iSORT는 단일세포 전사체와 공간전사체를 연결해 세포의 공간 조직을 추정했습니다.4
이 사례들이 보여주는 공통점은 분명합니다. 유전체학에서 전이학습은 “부족한 데이터를 대충 보완하는 기술”이 아니라, 서로 다른 측정 방식과 세포 맥락을 연결하는 표현 학습의 문제입니다.
적용할 때 확인해야 할 기준
전이학습을 유전체 연구에 적용할 때는 다음 기준을 먼저 봐야 합니다.
첫째, 출발 데이터와 목표 데이터가 생물학적으로 가까운지 확인해야 합니다. 같은 유전자 발현 데이터라도 세포 유형, 질병 상태, 실험 자극이 크게 다르면 전이 가능한 구조가 약할 수 있습니다. 이 경우 모델은 그럴듯한 예측을 내놓더라도 생물학적으로 틀릴 수 있습니다.
둘째, 단순 기준 모델과 반드시 비교해야 합니다. 복잡한 모델이 항상 더 좋은 것은 아닙니다. 전사체 모델링에서는 일부 파운데이션 모델이 선형 기준 모델보다 낮은 성능을 보인 사례도 있습니다.2
셋째, 데이터 규모보다 품질과 설계가 중요합니다. 잘 큐레이션된 RNA-seq 데이터로 학습한 모델이 더 큰 코퍼스로 학습한 모델보다 나은 표현을 만든 사례도 보고됐습니다.2 전이학습의 성능은 학습 데이터의 양뿐 아니라 배치 효과 통제, 과제 정의, 평가 기준에 크게 좌우됩니다.
넷째, 예측이 어떤 생물학적 질문에 쓰이는지 명확해야 합니다. 세포 상태 분류, 유전자 발현 예측, 조절 요소 효과 추정, 공간 조직 복원은 서로 다른 문제입니다. 한 과제에서 잘 작동한 표현이 다른 과제에서도 자동으로 유용하다고 볼 수는 없습니다.
결론: 더 많이 측정하기보다 더 잘 옮겨야 한다
유전체학의 다음 경쟁력은 모든 세포 맥락을 brute-force로 측정하는 데만 있지 않습니다. 적은 수의 깊은 실험에서 안정적인 생물학적 표현을 배우고, 이를 다른 맥락으로 신중하게 옮기는 능력에 있습니다.
전이학습은 실험 비용을 줄이고, 데이터 유형을 연결하며, 아직 충분히 측정되지 않은 조건에 대한 가설을 세우는 데 유용합니다. 그러나 그 가치는 모델의 크기가 아니라 전이 가능한 생물학적 구조를 얼마나 정확히 포착했는지에 달려 있습니다.
참고
2[2605.31562] Effective Biological Representation Learning by Masking Gene Expression
3Multi-modal Transfer Learning between Biological Foundation Models
4Transfer learning of multicellular organization via single-cell and spatial transcriptomics
이 노트는 보도·비평·교육·연구 목적으로 작성되었습니다. 저작권 문의가 있으시면 에서 알려주세요.