공간 전사체학 데이터의 노이즈와 편향을 해결하는 새로운 방법론 'resolVI'
Contents
01. 연구 배경과 미해결 과제
공간 전사체학 (ST) 은 조직 내 세포 배치와 유전자 발현을 동시에 시각화하는 강력한 기술이지만, 그 분석에는 근본적인 과제가 존재합니다. 특히, 조직 절편을 세포 단위로 분할하는 '세그멘테이션' 단계에서, 세포 밀도가 높거나 염색 신호가 약하여 세포 경계를 정확하게 정의하기 어렵습니다. 그 결과, 한 세포에 속해야 할 RNA 분자가 인접한 세포에 잘못 할당되거나, 비특이적 배경 노이즈가 혼입되는 '확산 현상'이 빈번하게 발생합니다. 이러한 오류는 세포 상태 식별을 왜곡시키고, 서로 다른 계통의 세포가 동일한 유전자를 발현한다는 잘못된 공발현 패턴을 만들어내어, 새로운 세포 상태 발견을 방해합니다.
02. 이 논문에서 밝혀진 핵심 내용
본 연구에서는 이러한 과제를 해결하는 확률적 프레임워크 'resolVI'를 개발했습니다. resolVI 는 임의의 세그멘테이션 알고리즘의 출력을 입력받아, 세포별 유전자 발현 프로파일을 보정합니다. 구체적으로, 관측된 발현량을 '진짜 발현', '인접 세포로부터의 확산', '비특이적 배경'의 3 가지 성분으로 분해하고, 변분 오토인코더 (VAE) 를 사용하여 최적 추정을 수행합니다. 마우스 뇌 조직 분석에서는 resolVI 를 적용함으로써, 미세아교세포에 잘못 검출되었던 신경 마커 발현이 제거되고 세포 유형 식별 정확도가 크게 향상됨을 보였습니다. 또한, 인간 간암 조직 분석에서는 종양 미세환경 내 면역세포와 암세포의 공간적 상호작용 및 저산소 영역 특유의 면역 억제 상태 등 기존 방법론으로는 간과되었던 기능적 공간 도메인을 규명했습니다.
03. 연구 설계와 기술적 포인트
resolVI 는 scvi-tools 라이브러리 내에서 오픈 소스로 제공되며, GPU 를 활용한 고속 학습이 가능합니다. 이 모델은 관측된 카운트 데이터를 음의 이항 분포와 포아송 분포의 조합으로 모델링하고, 세포 상태를 저차원 잠재 변수로 표현합니다. 특히, 배치 효과 보정 및 알려진 세포 유형 라벨을 부분적으로 활용하는 반지도 감독 학습에도 대응하여, 데이터 품질이 다른 샘플 간 통합 분석을 가능하게 합니다.
- 입력: 세포별 유전자 발현량, 공간 위치, 조직 슬라이드 정보 (임의의 정량 알고리즘에서 생성)
- 출력: 배치 효과 보정 완료된 세포 상태의 저차원 표현, 아티팩트 보정 완료된 유전자 발현 프로파일
- 모델 구조: 발현 인코더, 발현 디코더, 확산 인코더의 3 개의 신경망으로 구성
- 적용 대상: 이미징 기반 (10x Xenium, MERFISH) 및 시퀀싱 기반 (Stereo-Seq, Visium HD) 의 모든 ST 데이터 지원
04. 질환 연구 및 신약 개발에 대한 시사점
이 기술은 암 면역요법 개발 및 신경퇴행성 질환 기전 해명에 중요한 영향을 미칩니다. 특히, 종양 미세환경 내 면역세포의 기능 상태 (면역 억제형 vs 염증형) 와 그 공간적 분포를 정확하게 평가하는 것은 치료 반응성 예측 및 새로운 치료 표적 발견과 직결됩니다. resolVI 로 보정된 데이터는 잘못된 공발현 패턴을 배제하면서도, 실제로 중요한 세포 간 상호작용이나 희귀 세포 집단의 발현 특징을 부각시키므로, 더 신뢰성 있는 바이오마커 동정과 전임상 연구에서의 약물 효능 평가 정확도 향상에 기여합니다.
05. 전임상 모델 및 연구 도구와의 연관성
공간 전사체학 분석의 고도화는 더 정밀한 마우스 질환 모델 제작과 평가를 가능하게 합니다. 예를 들어, 간암 모델이나 대장염 모델을 이용한 연구에서 resolVI 를 활용하면, 병변 부위의 미세한 구조 변화와 면역세포의 역학을 정확하게 파악할 수 있습니다. 또한, Cyagen 이 제공하는 유전자 편집 마우스 나 인간화 마우스 모델에서 얻은 공간 데이터 분석에서도 이 보정 방법을 적용하면, 유전자 결손이나 도입이 조직 수준에서 어떤 공간적 변화를 가져오는지 노이즈의 영향을 받지 않고 상세히 분석할 수 있게 됩니다.
06. 정리
resolVI 는 공간 전사체학 분석의 오랜 과제였던 '세그멘테이션 오류'와 '분자 확산 노이즈'를 확률적으로 보정하는 획기적인 도구입니다. 이를 통해 세포 유형 식별 정확도가 향상되고, 조직 내 기능적 공간 도메인을 더 정확하게 묘사할 수 있게 되었습니다. 향후 이 방법을 표준 분석 워크플로우에 통합함으로써, 질환 기전 해명 및 신약 타겟 발견이 더욱 가속화될 것으로 기대됩니다.
