IRIS: 단일 세포의 시그널링 이력을 정밀하게 재구성하는 전이 학습 프레임워크

세포의 상태 전이는 외부 신호의 조합에 의해 조절되며, 발생 과정 및 질병 진행에서 매우 중요합니다. 그러나 생체 내 (in vivo) 세포가 특정 상태에 도달하기 위해 어떤 시그널링 이력을 경험했는지를 규명하는 것은 여전히 큰 과제입니다. 기존의 유전자 간섭이나 형질전환 리포터 방법은 인간 조직 적용이 어렵고, 처리량 및 시간 분해능 측면에서 한계가 있었습니다. 또한, 기존 세포 간 통신 추론 알고리즘은 리간드 - 수용체의 존재에 기반하여 실제 신호 경로 활성화 상태 (시그널링 스테이트) 를 직접 반영하지 못한다는 문제가 있었습니다.

신호 활성화는 세포 내 전사 응답을 유발하며, 이는 시그널링 상태의 직접적인 지표이나, 다양한 세포 유형과 신호 경로의 조합을 포괄적으로 실험적으로 측정하는 것은 비현실적입니다. 특히, 각 세포 유형마다 고유한 응답 유전자가 있다고 여겨져 왔기 때문에 특정 세포 유형에 대한 신호 간섭 실험을 모두 수행해야 하므로, 이는 in vivo 세포 분석을 방해했습니다.

본 연구는 서로 다른 세포 유형 간에 보존된 '시그널링 응답 시그니처'가 존재하며, 이것이 각 신호 경로의 고유한 '지문'으로 기능한다는 사실을 발견했습니다. 이를 통해 in vitro 에서 얻은 대규모 간섭 데이터에서 학습한 모델을 사용하여 in vivo 세포 유형에서 시그널링 활성과 이력을 고도로 정확하게 추정할 수 있게 되었습니다.

구체적으로, 마우스 배아의 단일 세포 아틀라스에 IRIS 를 적용하여 40 개 이상의 세포 유형에서 신호 코드 조합 패턴을 규명하고, 발생 계통을 따라 시그널링 이력을 재구성하는 데 성공했습니다. 또한, 이 프레임워크는 인간 다능성 줄기세포 (hES 세포) 의 분화 프로토콜을 최적화하고 호흡기 간엽세포 유도 효율을 향상시키는 데에도 적용 가능함을 보여주었습니다.

연구에서는 인간 다능성 줄기세포를 사용하여 TGF-β, WNT, FGF, BMP, RA, Hedgehog 등 주요 발생 신호 경로의 조합을 포괄적으로 자극하는 '시그널링 간섭 아틀라스'를 구축했습니다. 이 데이터를 활용하여 조건부 변분 오토인코더 (CVAE) 와 분류 신경망을 결합한 'IRIS(Intracellular Response to Infer Signaling State)'라는 딥러닝 모델을 훈련시켰습니다.

• IRIS 는 특정 세포 유형에 의존하지 않고 전사 응답 시그니처를 학습하는 전이 학습 방식을 채택했습니다.
• 마우스 배아 (E6.5-E8.5) 의 단일 세포 RNA 시퀀싱 데이터에 적용하여 세포별 신호 활성화 확률을 추정했습니다.
• 시그널링 이력 재구성을 통해 전장 및 심근세포 등 분화 경로에서 신호의 시간적 순서를 정확히 복원했습니다.
• 호흡기 간엽세포 분화에서 WNT 신호의 초기 활성화가 중요함을 예측하고 실험적으로 검증했습니다.

이 기술은 세포 운명 결정 메커니즘을 규명할 뿐만 아니라, 질병 모델 구축 및 재생 의학에서 세포 제조 프로토콜 최적화에 직접적으로 연결됩니다. 특히, 장기 특이적 간엽세포나 발생 과정에서 중요한 역할을 하는 세포 집단의 분화를 조절하는 신호 경로를 특정할 수 있으므로, 조직 공학 및 장기oid 제작의 효율성 향상이 기대됩니다.

또한, 시그널링 이력 재구성은 암 세포의 진화 경로나 면역 세포의 활성화 이력을 분석할 때도 적용 가능합니다. 복잡한 세포 간 상호작용을 단일 세포 수준에서 해독할 수 있으므로, 새로운 치료 표적 발견 및 세포 치료제 설계에 중요한 통찰력을 제공합니다.

IRIS 의 예측 정확도를 검증하기 위해 마우스 배아 생체 외 배양 실험 및 인간 iPSC 에서의 분화 실험이 수행되었습니다. 특히, 호흡기 간엽세포 분화에서 IRIS 가 예측한 WNT 신호의 타이밍과 강도를 조절한 프로토콜은 기존 프로토콜보다 높은 효율로 목적 세포를 유도할 수 있었습니다.

본 연구는 iPSC 및 ES 세포를 이용한 분화 프로토콜 최적화, 마우스 배아 발생 과정 분석, 그리고 특정 신호 경로를 표적으로 하는 전임상 모델 구축에 크게 기여합니다. Cyagen 이 제공하는 유전자 편집 마우스나 iPSC 세포주, 그리고 CRO 서비스와 결합하면 더 효율적인 신약 개발 및 질병 메커니즘 규명이 가능해집니다.

IRIS 프레임워크는 in vitro 간섭 데이터에서 in vivo 시그널링 이력을 재구성하는 획기적인 방법으로서, 세포 생물학과 계산 생물학의 융합을 보여주었습니다. 이 기술은 복잡한 생체 시스템의 이해를 심화시키고, 더 정밀한 세포 제어 및 전임상 연구의 가속화를 가능하게 합니다.