소개로

TECHNICAL DETAIL

자르지 않은 근거

소개 페이지는 숫자만 보여 줍니다. 여기에는 그 숫자가 어떻게 나왔는지, 무엇과 비교했는지, 그리고 통과하지 못한 시험까지 그대로 있습니다.

WHO IT IS FOR

아끼는 실험이 곳마다 다릅니다

파는 것은 하나지만, 그 하나가 어느 실험을 대신하는지는 다릅니다. 아래 다섯 가지가 지금까지 확인한 쓰임입니다.

신약개발 바이오텍

후보 수백~수천 종에서 어느 것부터 세포 실험에 올릴지. 실패한 실험 한 건이 분기 계획을 흔드는 곳이라, 순위보다 왜 그 순위인지가 더 중요합니다. 항목마다 경로·유전자·표적 근거가 열립니다.

근거가 열리는 순위표

대학 · 정부출연연구소

과제비 안에서 돌릴 수 있는 실험 건수가 정해져 있습니다. 예산 M건을 넣으면 그 예산에서 무엇을 건지고 무엇을 놓치는지가 나오므로, 계획서의 “왜 이만큼”에 답할 수 있습니다.

예산 → 회수율 근거

CRO · 수탁분석 기관

의뢰받은 라이브러리를 줄 세워 견적의 근거로 씁니다. 무작위·구조검색 기준선이 같은 표에 있어, 우리 몫이 어디까지인지 의뢰인에게 그대로 보여줄 수 있습니다.

기준선 동시 표기

화장품 · 건강기능식품 소재 기업

천연물·소재 후보가 많고 건당 실측이 비쌉니다. 목표 경로를 정해 상위부터 시험하는 방식이 그대로 맞습니다.

목표 경로 기준 정렬

자체 실측 데이터를 가진 곳

가장 잘 맞습니다. 초기 실측 몇 건으로 쓰시는 세포주·판독 방식에 맞춰 다시 맞추면, 아래 한계 ②가 상당 부분 풀립니다.

초기 실측으로 재보정

먼저 말해 둘 세 가지

세포독성이 상위를 먹습니다. 전사체를 크게 흔드는 물질은 어떤 목표에서도 위로 옵니다. 상위 목록에는 독성으로 올라온 것이 섞이며, 화면이 그 경고를 함께 띄웁니다.
잰 범위 밖은 답하지 않습니다. 농축은 후보 풀 크기에 따라 달라지고, 우리가 실제로 잰 최대 풀은 1,277종입니다. 그 밖으로 외삽하지 않고 잘랐다는 사실을 표시합니다. 세포주나 판독 방식이 다르면 캠페인 초기 실측으로 재보정해야 합니다.
절감 숫자는 한 가지 순위에만 붙습니다. 순위를 매기는 방식이 셋이고, 절감 건수를 잰 것은 그중 하나뿐입니다. 나머지 두 가지에는 그 숫자를 붙이지 않고, 대신 그 방식에서 실제로 잰 값을 씁니다.

맞지 않는 경우도 적어 둡니다. 후보가 열 종 남짓이면 줄 세울 것이 없어 그냥 다 돌리는 편이 낫고, 사람 임상 결과를 예측해 달라는 요구에는 답하지 않습니다.

THE BAR NOBODY CLEARED

공개된 모델들과 같은 자로 재 봤습니다

이 분야에는 아주 단순한 합격선이 있습니다. 「학습 데이터의 평균」보다 잘 맞히는가. 화합물마다 다른 답을 내지 못하고 늘 비슷한 답을 내면 평균을 이길 수 없습니다.

Virtual Cell Challenge 2025 1,200팀 참가 · 최종 50팀

전원이 평균보다 못함
Tahoe-x1 30억 파라미터 모델

「원본 데이터 그대로」와 동등
Recursion Geneformer 세포 1억 개로 학습

자사 벤치마크에서 무작위와 구별 안 됨
chemCPA · scGPT · scFoundation · GEARS 공개된 주요 예측 모델

전부 학습 평균에 패배
VirtualOmics 화합물 7,960종(우리가 가진 실측 데이터의 62.3%) · 그 안에서 커버리지 100%

더 정확 반복 8회 중 8회 같은 결과

가운데 선이 「학습 데이터의 평균」입니다. 오른쪽으로 나갈수록 평균보다 더 정확하다는 뜻입니다. 이 줄은 변화의 방향을 맞히는가로 재었고, 학습에 넣지 않은 물질에서만 쟀습니다.

무엇이 달랐나 — 세 가지

한 번도 본 적 없는 골격으로만 시험했습니다

대부분의 논문은 화합물을 무작위로 나눠 시험합니다. 그러면 친척 분자가 학습에 남아 점수가 부풀려집니다. 우리는 분자 골격 단위로 완전히 갈라서 시험합니다.

비교 대상을 세 개 붙였습니다

「그냥 찍기」·「학습 데이터 평균」·「같은 실험 두 번의 한계」를 항상 같이 잽니다. 하나만 대면 좋아 보이는 숫자가 셋을 대면 사라집니다.

측정하기 전에 합격선을 문서로 못 박았습니다

결과를 보고 기준을 바꾸지 않습니다. 못 넘으면 못 넘었다고 적고, 데이터를 더 모아 다시 시험합니다. 지금까지 200건 넘게 이렇게 했습니다.

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.

화합물 구조를 읽습니다

분자 골격과 곁가지를 그대로 읽어 들입니다. 이 물질이 무엇과 닮았는지 판단하는 기준이 여기서 정해집니다.

비슷한 화합물의 실측을 찾아 합칩니다

실제로 세포에 처리해 측정해 둔 결과 중에서 가까운 것들을 골라, 닮은 정도에 따라 무게를 달리해 합칩니다.

유전자별 변화와 정확도를 냅니다

어떤 유전자가 얼마나 오르내리는지, 그리고 그 판단을 얼마나 믿어도 되는지를 유전자마다 함께 내놓습니다.

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

기전을 따라 번지는 변화

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 「아무것도 안 넣었을 때」와 「엉뚱한 표적을 넣었을 때」를 나란히 계산해, 우연히 나온 신호인지 가려 냅니다.

moderated t
BH-FDR
permutation GSEA
E-distance

TARGET ID

만들기는 어렵고 알아보기는 쉽습니다

«유전자 G 를 끄면 전사체가 어떻게 되나»는 아직 못 풉니다. 그런데 그 반대 — «이 전사체 변화를 만든 유전자가 무엇인가»는 풀립니다. CRISPR 녹아웃 5,152종이 이미 측정돼 있고, 질의를 거기에 대조하면 되기 때문입니다. 예측이 아니라 검색입니다.

진짜 녹아웃으로 물으면

상위 1% 안에 정답

68.4%

다른 세포주에서 같은 물질을 찾아내는 시험 · 2,858종 · AUC 0.983. 상위 5% 까지 넓히면 89.9%. 같은 조건에서 찍으면 0.98% 입니다.

화합물의 반응 패턴으로 물으면

같은 조건에서 찍었을 때와 비교

5.0배

상위 1% 안에 들어오는 비율 16.3%, 같은 조건에서 찍으면 3.24%. 알려진 표적 정보 자체의 오류와 한 약이 여러 표적을 건드리는 경우가 섞여 위 숫자보다 낮습니다 — 두 숫자를 섞어 읽으면 안 됩니다.

덮는 범위

실측 녹아웃

5,152종

외부 지식DB 표적 주석 111종에 머물던 커버리지입니다. 재현성이 낮아 신호가 없는 유전자는 기본적으로 빼고 검색합니다.

가르친 적 없는 생물학이 나옵니다. 프로테아좀 소단위 PSMD1 의 녹아웃을 질의로 넣으면 PSMB5·PSMB1·PSMA5·PSMB2 가 이어서 나오고, VCP 와 유비퀴틴 UBC 까지 상위에 붙습니다. CDK4 를 넣으면 짝인 CDK6 가, EGFR 을 넣으면 직접 어댑터인 GRB2 가 나옵니다. 복합체 목록을 넣은 적이 없습니다.

못 찾는 것도 정직하게 못 찾습니다. HDAC1 은 재현성 0.064 로 «끄더라도 전사체가 재현성 있게 안 움직이는» 유전자입니다. 그런 유전자는 검색 대상에서 빠지고, 결과에도 안 나옵니다 — 잡음을 순위표 위에 올리지 않는 것이 맞습니다.

WHY NOT JUST STRUCTURE SEARCH

한쪽 다리로는 못 이깁니다

이 분야에서 가장 강한 기준선은 30년 된 구조 유사도 검색입니다. 우리는 그걸 이기려 하지 않고 안에 넣었습니다. 아래 세 줄은 같은 후보·같은 정답지·같은 채점으로 잰 값입니다.

왼쪽 다리

신경망 단독

0.74~0.96배

구조 검색 대비. 골격 분할 넷 전부에서 집니다. 실측 66만 건을 학습해도 혼자서는 30년 된 검색을 못 넘습니다.

오른쪽 다리

구조 검색 단독

—%

예산 40건에서의 회수율. 강합니다 — 무작위 대비 절감의 약 90%를 이 다리가 이미 가져갑니다. 대신 순위 숫자 하나로 끝납니다.

합친 것 · 실제 서빙

가상오믹스 블렌드

—%

시드 4개 × 예산 5구간 전승. 두 다리가 서로 다른 정보를 갖고 있어서, 합쳤을 때만 양쪽을 넘습니다.

그래서 «구조 검색만 쓰면 되지 않나»는 성립하지 않습니다. 구조 검색은 우리 경쟁자가 아니라 우리 부품입니다. 그 말은 우리가 파는 것의 한쪽 다리만 쓰겠다는 뜻이고, 그 한쪽은 방금 보신 대로 합친 것보다 나쁩니다.

그리고 구조 검색이 약해지는 곳에서 격차가 커집니다. 후보를 «학습셋과 얼마나 닮았나»로 4등분해 다시 재면, 가장 새로운 4분의 1에서 블렌드가 구조 검색을 이기는 폭이 전체 평균의 5배가 됩니다(예산 40건 +0.0332 vs 평균 +0.0066). 그 층이 신경망 단독이 구조 검색을 이기는 유일한 층이기도 합니다 — 두 다리가 서로를 메우는 지점입니다. 다만 예산 10~20건에서는 이 기울기가 사라지고, 시드 4개 중 3개에서만 방향이 맞았습니다.

그리고 예산이 커질수록 격차가 벌어집니다 — 추가로 아끼는 실험이 —에서 —으로 늘어납니다. 작게 시험해 보고 «차이 없네»라고 판단하면, 정작 돈이 큰 구간에서 손해를 봅니다.

CAPABILITIES

한 번의 실행이 남기는 것

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

투여 후 전사체 생성 — 용량×시점 격자

물질 구조와 세포주 · 용량 · 시점을 넣으면 투여 후 전사체를 한 점이 아니라 격자로 그려 냅니다. 용량 축은 방향을 뒤집지 않고 크기만 바꾼다는 것을 따로 검사했고, 실측에 있는 조건은 실측 기준선 위에, 없는 조건은 세포주 평균 위에 얹는지 칸마다 표시합니다.

deterministic · seed-reproducible · 24-cell grid

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 이름을 무작위로 섞어 「우연이면 이 정도」를 직접 만들어 두는 순열 GSEA 를 함께 돌립니다. 순열 횟수는 실행할 때 직접 지정합니다.

hypergeometric ORA · permutation null

CMap 연결성

계산한 반응 패턴을 실측 반응 패턴들과 가중 연결성 점수로 비교합니다. 기전이 비슷한 물질과 반대 방향으로 미는 물질을 함께 제시해 해석의 실마리를 남깁니다.

weighted connectivity score

내장 검증 — 스스로를 의심합니다

「아무것도 안 넣었을 때」와 「엉뚱한 표적을 넣었을 때」를 모든 실행에서 함께 계산합니다. 나쁘게 나오면 화면에도 나쁘게 나옵니다.

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.

STEP 01

세포 모델 선정

예측에 사용한 조직 프로파일과 표적 유전자의 기저 발현량을 근거로 후보 세포 모델과 대조군을 제안합니다.
STEP 02

용량 사다리 · 시점

시뮬레이션한 용량–반응 곡선의 전이 구간을 덮도록 농도 계단을 잡고, 시간 상수에 맞춰 관측 시점을 고릅니다.
STEP 03

검정력 기반 반복 수

예측된 효과 크기와 분산에서, 목표 검정력을 만족하는 최소 반복 수를 계산합니다. 감으로 정하지 않습니다.
STEP 04

qPCR 확인 패널

상향·하향 양쪽에서 효과 크기와 기저 발현이 충분한 유전자를 골라, 프라이머 설계 대상 패널로 묶습니다.
STEP 05

기능 어세이

유의하게 움직인 경로에 대응하는 표현형 어세이를 짝지어 제안합니다. 전사체 변화가 표현형으로 이어지는지 봅니다.
STEP 06

Go / No-Go 기준

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

검증 프로토콜 초안

예시 출력

용량–반응 곡선에서 농도 계단을 뽑습니다

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 실행에서 「아무것도 안 넣었을 때」가 기준 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.
잘못 잡을 확률을 그대로 공개
모든 실행에 「아무것도 안 넣었을 때」가 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

예측을 실측이라고 부르지 않습니다
LINCS 에 측정돼 있는 화합물은 측정값을 그대로 돌려주고 '실측'으로 표시합니다. 그 밖의 화합물은 예측이며 '예측'으로 표시합니다. 예측은 실험을 대체하지 않고, 어떤 실험을 먼저 할지 정하는 데 씁니다.
임의의 유전자 표적 반응은 예측하지 않습니다
화합물 오퍼레이터는 실측 반응 패턴으로 학습했지만, '이 유전자를 건드리면 전사체가 어떻게 되는가'는 예측하지 않습니다. shRNA·CRISPR 데이터로 측정해 본 결과 현재 데이터로는 불가능했습니다. 표적 관련 결과는 실측이 있는 것만 씁니다.
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.

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.

변화 크기 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.