CellVoyager: scRNA-seq 분석을 위한 AI

단일세포 데이터 분석을 위한 자율 AI 에이전트 CellVoyager

스탠퍼드 대학교에서 개발된 AI 에이전트 CellVoyager는 단일세포 RNA 시퀀싱을 기반으로 생물학 연구를 독립적으로 수행합니다. 이 시스템은 수천 개 세포의 유전자 활성에 대한 원시 데이터를 입력받아 분석 전략을 스스로 결정하고, 코드를 생성하여 Jupyter에서 실행한 후, 시각화와 함께 해석된 결과를 출력합니다. 이는 일반적으로 생물정보학자들이 몇 주 동안 소요되는 과정을 자동화합니다.

이 기술은 단일세포 RNA 시퀀싱에 기반합니다—개별 세포의 유전자 발현을 포착하는 방법입니다. 단일 실험에서 생성되는 방대한 데이터 양은 클러스터링, 차등 발현, 분화 궤적, 세포 간 통신에 대한 분석 방법을 선택해야 합니다. CellVoyager는 이러한 작업을 자율적으로 처리하여 인간 개입을 최소화합니다.

실제 생물학적 과제에서의 테스트

James Zou 팀은 세 개의 데이터셋에서 에이전트를 테스트했습니다:

• COVID-19에 대한 면역 반응: 면역 세포 활성화의 새로운 패턴 식별.
• 세포 간 통신: 이전에 설명되지 않은 신호 전달 경로 발견.
• 노화 메커니즘: 노화 조직의 유전자 발현 상관관계 발견.

모든 경우에서 CellVoyager는 전문가들이 확인한 생물학적으로 중요한 패턴을 식별했으나, 원래 논문에는 없었습니다. 독립적인 평가에서 결론의 창의성과 타당성이 인정되었습니다.

시스템은 루프 방식으로 작동합니다: 데이터 분석 → 가설 생성 → 검증 코드 → 해석 → 새로운 가설. 이는 단계가 고정된 정적 파이프라인과 차별화됩니다.

예측 능력 평가를 위한 CellBench 벤치마크

확장성을 확인하기 위해, 76개의 발표된 단일세포 유전체 연구를 바탕으로 CellBench 벤치마크가 만들어졌습니다. 에이전트는 논문의 서론 섹션만 받고 수행된 분석(클러스터링, 마커, 궤적)을 예측했습니다.

| 모델 | 예측 정확도 (%) |

|--------|---------------------------|

| OpenAI o3 | 기준 |

| CellVoyager | o3 대비 +23% |

CellVoyager는 복잡한 분석 파이프라인 예측에서 탁월한 성능을 보였으며, 실험 맥락에 대한 이해를 입증했습니다.

기술 아키텍처와 구현 전망

에이전트는 LLM을 데이터 도구와 통합합니다: Scanpy, Seurat와 유사한 워크플로, UMAP/t-SNE 시각화. 코드는 Python으로 생성되어 격리된 환경에서 실행됩니다. 오류는 반복적으로 처리됩니다.

중/고급 생물정보학자들을 위한 장점:

• 일상 업무 자동화: 클러스터링, 차등 발현 분석, 주석.
• 가설 생성: 표준 프로토콜을 넘어선 패턴 식별.
• 확장성: 재학습 없이 10k 세포 이상 데이터셋 처리.
• 재현성: 모든 단계가 Jupyter에 기록.

한계: LLM 품질 의존성, 해석에서의 환각 가능성. 출판을 위한 전문가 검증이 필요합니다.

주요 요점

• CellVoyager는 Nature Methods에 발표된 scRNA-seq를 위한 최초의 자율 시스템입니다.
• COVID, 통신, 노화에서 새로운 생물학적 통찰을 발굴합니다.
• CellBench 벤치마크: o3 대비 파이프라인 예측 정확도 +23%.
• 전망: 생물정보학자의 일상 업무를 대체하여 검증에 집중.
• 개발자 워크플로에 통합 가능.

— Editorial Team