본문으로 건너뛰기
시작하기
로그인 시작하기
언어

가상오믹스 · VIRTUAL OMICS

물질을 투여하기 전에,
전사체 반응을 미리 계산합니다

VirtualOmics는 화합물의 구조와 표적에서 출발해, 경로와 전사조절 네트워크를 따라 퍼지는 발현 변화를 기전 기반으로 시뮬레이션합니다. 결과는 실측이 아니라 검정 가능한 예측입니다. 그래서 어떤 실험을 먼저 할지 정할 수 있습니다.

  • 기전 기반 결정론적 시뮬레이션
  • limma 계열 조절 t-검정
  • 순열 GSEA
  • 내장 귀무 대조
무료로 시작하기 방법론 살펴보기

설치 없이 브라우저에서 실행 · 모든 실행에 귀무 대조가 함께 계산됩니다

분자 네트워크의 섭동이 경로를 따라 전파되어 유전자 발현 격자로 나타나는 모습
상향 하향 경로 전파 개념 도식입니다 · 실제 실행 결과가 아닙니다

지식베이스 규모

모두 지금 서버에 실제로 적재된 값입니다. 읽어오지 못한 항목은 임의의 숫자로 채우지 않고 감춥니다.

HOW IT WORKS

구조에서 시작해 통계로 끝냅니다

세 단계 모두 사람이 열어볼 수 있는 중간 산출물을 남깁니다. 정체를 알 수 없는 점수 하나만 던지지 않습니다.

STEP 01

물질 구조 · 표적 해석

SMILES 에서 분자 디스크립터와 Morgan 지문을 계산합니다. 큐레이션된 표적이 있으면 그대로 쓰고, 없으면 지문 유사도로 최근접 레퍼런스의 표적 프로파일을 가중 전이합니다. 어느 경로로 얻은 표적인지 항상 함께 표시합니다.

  • SMILES
  • Morgan FP
  • Tanimoto
  • cLogP · TPSA

STEP 02

기전 기반 섭동 전파

용량과 노출 시간에서 표적 점유율을 구한 뒤, 경로 멤버십과 전사조절 엣지의 활성·억제 부호를 따라 발현 변화량을 전파합니다. 시간 상수와 투과도 보정이 함께 적용됩니다.

  • Hill occupancy
  • pathway coupling
  • TF propagation

STEP 03

통계 검정 · 내장 검증

반복 시료 행렬을 생성해 조절 t-검정과 BH-FDR 로 차등발현을 판정하고, ORA 와 순열 GSEA 로 농축을 검정합니다. 같은 실행에서 귀무 대조와 특이성 대조, E-distance 를 함께 계산합니다.

  • moderated t
  • BH-FDR
  • permutation GSEA
  • E-distance

CAPABILITIES

한 번의 실행이 남기는 것

화합물 하나와 조직 하나를 고르면, 아래 여섯 가지가 한 번에 계산됩니다. 따로 켜고 끄는 옵션이 아니라 기본 동작입니다.

기전 기반 섭동 시뮬레이션

표적 점유율에서 출발해 경로 멤버십과 전사조절 부호를 따라 발현 변화를 전파합니다. 난수로 그린 시그니처가 아니라, 같은 입력과 같은 시드면 언제나 같은 결과가 나오는 결정론적 계산입니다.

deterministic · seed-reproducible

limma 계열 조절 t-검정 · BH-FDR

유전자별 분산을 경험적 베이즈로 축소한 조절 t-통계량으로 차등발현을 검정하고, 다중검정은 Benjamini–Hochberg 절차로 보정합니다. p 값과 q 값을 가공 없이 그대로 내보냅니다.

moderated t · empirical Bayes · BH q

ORA + 순열 GSEA

초기하 분포 기반 과대표현 분석과, 유전자 라벨을 섞어 귀무분포를 직접 만드는 순열 GSEA 를 함께 돌립니다. 순열 횟수는 실행할 때 직접 지정합니다.

hypergeometric ORA · permutation null

CMap 연결성

생성된 시그니처를 레퍼런스 시그니처들과 가중 연결성 점수로 비교합니다. 기전이 비슷한 물질과 반대 방향으로 미는 물질을 함께 제시해 해석의 실마리를 남깁니다.

weighted connectivity score

내장 검증 — 스스로를 의심합니다

E-distance 순열 검정, 섭동을 주지 않은 귀무 대조, 표적을 뒤섞은 특이성 대조, 기준선 대비 RMSE 를 모든 실행에서 함께 계산합니다. 나쁘게 나오면 나쁘게 표시됩니다.

E-distance · null control · specificity · baseline RMSE

실험 검증 프로토콜 자동 설계

예측을 반증할 수 있는 실험을 함께 설계합니다. 세포 모델, 용량 사다리, 시점, 검정력 기반 반복 수, qPCR 패널, 기능 어세이, Go/No-Go 기준까지 한 문서로 나옵니다.

power-based n · qPCR panel · Go/No-Go

FROM PREDICTION TO BENCH

실험 설계까지 나옵니다

예측을 믿어 달라고 하지 않습니다. 대신 그 예측을 반증할 수 있는 실험을 함께 설계해 드립니다. 확인하는 방법이 없는 예측은 쓸모가 없기 때문입니다.

  1. STEP 01

    세포 모델 선정

    예측에 사용한 조직 프로파일과 표적 유전자의 기저 발현량을 근거로 후보 세포 모델과 대조군을 제안합니다.

  2. STEP 02

    용량 사다리 · 시점

    시뮬레이션한 용량–반응 곡선의 전이 구간을 덮도록 농도 계단을 잡고, 시간 상수에 맞춰 관측 시점을 고릅니다.

  3. STEP 03

    검정력 기반 반복 수

    예측된 효과 크기와 분산에서, 목표 검정력을 만족하는 최소 반복 수를 계산합니다. 감으로 정하지 않습니다.

  4. STEP 04

    qPCR 확인 패널

    상향·하향 양쪽에서 효과 크기와 기저 발현이 충분한 유전자를 골라, 프라이머 설계 대상 패널로 묶습니다.

  5. STEP 05

    기능 어세이

    유의하게 움직인 경로에 대응하는 표현형 어세이를 짝지어 제안합니다. 전사체 변화가 표현형으로 이어지는지 봅니다.

  6. STEP 06

    Go / No-Go 기준

    어떤 결과면 진행하고 어떤 결과면 멈출지, 실험을 시작하기 전에 기준을 문서로 확정합니다.

검증 프로토콜 초안

예시 출력
세포 모델
표적 발현 근거를 붙인 1차 후보 + 대조 세포주
용량 사다리
0.1 · 0.3 · 1 · 3 · 10 µM
관측 시점
6 h · 24 h
반복 수
n = 4 · 목표 검정력 0.8 기준
qPCR 패널
상향 6 · 하향 6 · 하우스키핑 2
기능 어세이
유의 경로에 대응하는 표현형 2종

Go / No-Go — qPCR 패널에서 예측 방향과 일치하는 유전자가 사전에 정한 비율 이상이고, 같은 실행의 귀무 대조가 임계 아래일 때에만 다음 단계로 넘어갑니다.

HONESTY FIRST

없는 숫자는 만들지 않습니다

이 페이지의 모든 수치는 서버에 실제로 적재된 데이터에서 읽어옵니다. 그리고 이 시스템이 무엇이 아닌지부터 먼저 밝힙니다.

이것은 합니다

  • 기전 기반 결정론적 계산

    표적 → 경로 → 전사조절 네트워크로 이어지는 명시적 규칙을 따릅니다. 같은 입력과 같은 시드는 항상 같은 출력을 냅니다.

  • 실제 통계 검정

    조절 t-검정, BH-FDR, 순열 GSEA 를 실제로 계산합니다. p 값과 q 값을 보기 좋게 후처리하지 않습니다.

  • 위양성률을 그대로 공개

    모든 실행에 섭동을 주지 않은 귀무 대조가 함께 돌아갑니다. 결과가 나쁘면 화면에도 나쁘게 나옵니다.

  • 근거의 출처 표기

    표적이 큐레이션인지 구조 유사도로 전이된 것인지, 값이 실측인지 근사인지 언제나 함께 적습니다.

이것은 하지 않습니다

  • 실측 데이터라고 말하지 않습니다

    출력은 예측된 전사체이지 측정된 전사체가 아닙니다. 실험을 대체하지 않고, 어떤 실험을 먼저 할지 정하는 데 씁니다.

  • 대규모 실측 코퍼스로 학습한 신경망이 아닙니다

    수백만 건의 실측 섭동 프로파일을 학습한 모델이 아니라, 공개 지식 위에서 규칙을 계산하는 기전 시뮬레이터입니다.

  • 물성값을 실측으로 포장하지 않습니다

    cLogP · TPSA · 투과도는 구조에서 계산한 근사값입니다. 화면에도 근사로 표기하고, 실측값처럼 쓰지 않습니다.

  • 표적 역가를 정밀 상수로 쓰지 않습니다

    potency 값은 문헌에 보고된 IC50 / EC50 의 자릿수 수준 근사이며, 모델의 사전값으로만 사용합니다.

  • 데이터를 임의로 지우지 않습니다

    이 시스템은 어떤 데이터도 자동으로 삭제하지 않습니다. 실행 기록과 그때의 파라미터가 그대로 남습니다.

이 시스템의 한 줄 정의

VirtualOmics 는 공개된 유전자 · 경로 · 전사조절 지식 위에서 동작하는 기전 기반 결정론적 전사체 시뮬레이터입니다. 예측을 만들고, 그 예측을 통계로 검정하고, 그 예측을 반증할 실험을 설계합니다. 그 이상을 주장하지 않습니다.

METHODS WE IMPLEMENT

구현의 근거가 된 방법론

엔진이 계산하는 통계와 지표는 아래 문헌의 절차를 따릅니다. 어떤 실행에서든 어느 방법이 쓰였는지 결과 화면에 함께 표시됩니다.

차등발현 검정

조절 t-통계량 · 경험적 베이즈

Smyth, G. K. (2004). Linear models and empirical Bayes methods for assessing differential expression in microarray experiments. Statistical Applications in Genetics and Molecular Biology, 3(1), Article 3.

다중검정 보정

False Discovery Rate 제어

Benjamini, Y., & Hochberg, Y. (1995). Controlling the false discovery rate: a practical and powerful approach to multiple testing. Journal of the Royal Statistical Society: Series B, 57(1), 289–300.

연결성 분석

Connectivity Map 점수

Subramanian, A., et al. (2017). A Next Generation Connectivity Map: L1000 Platform and the First 1,000,000 Profiles. Cell, 171(6), 1437–1452.

섭동 강도 검증

E-distance 와 순열 검정

Peidli, S., et al. (2024). scPerturb: harmonized single-cell perturbation data. Nature Methods, 21, 531–540.

기준선 대조

단순 기준선과의 비교 원칙

Ahlmann-Eltze, C., Huber, W., & Anders, S. (2025). Deep learning-based predictions of gene perturbation effects do not yet outperform simple linear baselines. Nature Methods.

전사조절 엣지

TF–표적 상호작용 레퍼런스

Han, H., et al. (2018). TRRUST v2: an expanded reference database of human and mouse transcriptional regulatory interactions. Nucleic Acids Research, 46(D1), D380–D386.

START HERE

지금 첫 실험을 돌려보세요

화합물 하나와 조직 하나만 고르면 됩니다. 귀무 대조와 검증 지표, 그리고 검증 프로토콜 초안은 처음부터 함께 나옵니다.

시작하기 로그인

브라우저에서 바로 실행 · 별도 설치가 필요 없습니다