단일 세포 RNA 시퀀싱(scRNA-seq)은 복잡한 세포 이질성을 밝혀냈지만, 최근 연구는 생물학적 기능을 이해하기 위해서는 세포 간 통신(CCC), 즉 세포 행동을 조정하는 리간드-수용체 쌍에 의해 매개되는 신호 상호작용을 모델링해야 함을 강조합니다. CellChat과 같은 도구는 CCC가 세포 분화, 조직 재생 및 면역 반응과 같은 과정에서 중요한 역할을 하고, 전사체 데이터는 세포 간 신호 전달에 대한 풍부한 정보를 본질적으로 포함하고 있음을 보여주었습니다. 본 연구는 CCC 신호를 단일 세포 표현 학습에 통합하는 새로운 변형 자동 인코더 프레임워크인 CCCVAE를 제안합니다. 리간드-수용체 상호 작용에서 파생된 통신 인식 커널과 희소 가우시안 프로세스를 활용하여 CCCVAE는 생물학적 정보를 사전에 잠재 공간에 인코딩합니다. 각 세포를 독립적으로 처리하는 기존 VAE와 달리, CCCVAE는 잠재 임베딩이 전사 유사성과 세포 간 신호 전달 맥락을 모두 반영하도록 유도합니다. 네 개의 scRNA-seq 데이터 세트에 대한 실험 결과는 CCCVAE가 클러스터링 성능을 향상시켜 표준 VAE 기준선보다 높은 평가 점수를 달성함을 보여줍니다. 이 연구는 비지도 단일 세포 분석을 위한 심층 생성 모델에 생물학적 사전 정보를 포함하는 가치를 보여줍니다.
