%EB%8B%A8%EC%9D%BC%EC%84%B8%ED%8F%AC+%EC%A0%84%EC%82%AC%EC%B2%B4
-
정확도·효율성 높인 생명과학 데이터 분석 도구 'scICE' 개발
기존보다 최대 30배 빠른 속도로 안정적인 결과만을 자동으로 선별하여 대규모 생명과학 데이터 분석의 정확도와 효율성을 획기적으로 향상하는 방법이 나왔다. 우리 대학 수리과학과 김재경 교수 연구팀은 세포 분류(클러스터링) 결과의 안정성을 수학적으로 평가해 불안정한 결과를 걸러내는 새로운 분석 도구인 ‘scICE(single-cell Inconsistency Clustering Estimator)’를 개발했다.
단일세포 수준에서 유전자 발현을 분석하는 기술인 단일세포 전사체 분석법(scRNA-seq)은 현대 생명과학 연구의 핵심 도구로 자리 잡았다. 이 과정에서 클러스터링은 유사한 유전자 발현 특성을 가진 세포들을 그룹으로 묶는 작업으로, 암세포와 정상 세포를 구분하거나 새로운 세포 유형을 발견하는 데 중요한 첫걸음이다. 하지만 클러스터링 알고리즘은 무작위로 세포를 분류해 같은 데이터를 분석해도 결과가 달라지는 경우가 많다.
제1 저자인 김현 선임연구원은 “일부 정상 세포가 암세포로 잘못 분류되거나 중요한 세포 유형이 누락되는 불안정성으로 인해 연구자들은 다시 분석하거나 복잡한 계산을 통해 신뢰도가 높은 결과를 선별해야 했다”며, “기존 방법들은 분석을 여러 번 반복해 합의된 결과를 도출하는 방식으로, 계산량이 방대하고 수만 개 이상의 세포가 포함된 대용량 데이터에는 적합하지 않다”고 말했다.
연구팀이 개발한 scICE는 한 번의 분석만으로도 얼마나 일관성 있게 결과가 도출됐는지를 수학적으로 평가한다. 새로 도입한 ‘불일치 계수(Inconsistency Coefficient, IC)’를 통해 많은 계산량이 요구되는 연산 없이도 클러스터 간 안정성을 정량적으로 판단할 수 있다. 모든 세포를 일일이 비교하던 기존 방식과 달리, 불일치 계수를 활용한 안정성 평가는 클러스터 구조 간 유사성만 평가해 비교 대상을 획기적으로 줄일 수 있어 분석 시간을 크게 단축한다.
연구팀은 뇌, 폐, 혈액 등 다양한 조직에서 수집된 48개의 실제 및 모의 scRNA-seq 데이터에 scICE를 적용하여 그 유효성을 입증했다. 그 결과, 기존 분석 결과 중 약 3분의 2는 통계적으로 불안정하며 신뢰하기 어렵다는 사실을 밝혀냈다. 반면, scICE는 신뢰할 수 있는 결과만을 선별해 연구자의 시간과 계산 자원을 절약하면서도 정확도를 한층 높였다.
또한, scICE는 일반적인 클러스터링으로는 놓치기 쉬운 희귀한 세포 유형을 효과적으로 탐지했다. 실제로 일부 데이터에서 찾기 어려웠던 희귀 면역세포들을 scICE 기반의 서브클러스터링을 통해 안정적으로 식별해냈다. 예를 들어, 매우 복잡한 분석을 거쳐야만 식별할 수 있던 여러 대식세포(macrophage) 아형들을 훨씬 간편하고 정확하게 구분해냈다.
scICE에 관심 있는 연구자는 누구나 깃허브 사이트(https://github.com/Mathbiomed/scICE)를 통해 쉽게 활용해볼 수 있다.
김재경 교수는 “이번 연구는 수학적 아이디어가 어떻게 생명과학의 핵심 문제를 해결하고 분석 과정을 혁신할 수 있는지를 보여주는 성과”라며, “클러스터링 신뢰도의 중요성이 간과되어 온 측면이 있는데, 이번 기회로 scICE가 생명과학 분야에서 신뢰도 높은 데이터 해석을 가능케 하는 표준 도구로 자리 잡기를 기대한다”고 전했다.
우리 대학 박종은 교수 연구팀, POSTECH 김종경 교수 연구팀, 고려대 서민석 교수 연구팀과 공동으로 참여한 이번 연구결과는 세계적인 국제학술지 네이처 커뮤니케이션즈(Nature Communications, IF 14.7)에 7월 2일 온라인 게재됐다.
2025.07.03 조회수 217 -
간 조직 속 노화 신호 미리 잡아 질병 예측한다
노화나 만성 질환은 장기간에 걸쳐 미세한 조직 변화가 서서히 축적되는 과정을 거치기 때문에, 장기 내 이러한 변화를 정량적으로 파악하고, 이를 질병 발병의 초기 신호와 연결하는 데에는 여전히 한계가 있다. 이에 우리 연구진이 조직 안에서 처음 문제가 생기는 국소적인 변화를 정확히 포착해, 질병을 더 빠르게 발견하고 예측하며, 맞춤형 치료 타깃을 설정하는 데 큰 도움이 될 플랫폼 기술을 개발하는 데 성공했다.
우리 대학 의과학대학원 박종은 교수, 한국생명공학연구원(KRIBB, 원장 권석윤) 노화융합연구단 김천아 박사 공동 연구팀이 노화 간 조직 내에서 국소적으로 발생하는 섬유화된 미세환경을 포착하고 이를 *단일세포 전사체 수준으로 정밀 분석*할 수 있는 ‘파이니-시퀀싱(FiNi-seq, Fibrotic Niche enrichment sequencing)’기술을 개발했다고 12일 밝혔다.
*단일세포 전사체 분석: 세포 하나하나가 어떤 유전자를 얼마나 활발히 사용하고 있는지를 측정하는 방법으로 세포별 병든 세포의 정체와 기능을 파악할 수 있게 해줌
연구진은 노화된 간 조직에서 조직 분해 저항성이 높은 영역을 물리적 성질을 통해 선별하는 방법을 통해, 재생이 지연되고 섬유화가 축적되는 초기 노화 미세환경을 선택적으로 농축하는 방법을 개발했다.
이 과정에서 기존의 단일세포 분석 기술로는 포착하기 어려웠던 섬유화 관련 혈관내피세포와 면역과 상호작용을 하는 섬유아세포, PD-1 고발현 CD8 T세포 등 면역 탈진세포를 고해상도로 확인할 수 있었다.
특히 연구진은 ‘FiNi-seq’ 기술을 통해 노화 간 조직 내 섬유화 부위에서 관찰되는 특정 세포들이 분비 인자를 통해 주변 환경을 이차적으로 노화시키고, 이로 인해 노화된 환경이 확장된다는 것을 확인했다.
또한, 혈관내피세포가 조직 고유의 정체성을 상실하고 선천면역 반응을 유도해 면역세포 유입을 촉진하는 메커니즘도 규명했다. 공간 전사체 분석을 통해 면역세포와 상호작용을 하는 섬유아세포의 공간적 분포를 정량화하고, 이들이 조직 재생, 염증 반응의 유도, 만성 섬유화로의 이행에 관여함을 밝혔다.
연구팀은 전사체와 후성유전체 정보를 얻어내는 멀티-오믹스* 데이터를 통합 분석해 노화된 간 조직의 미세환경과 이의 공간적 이질성을 정밀하게 해석했으며, 이러한 변화들이 간 내 혈관 구조와 어떻게 연결되는지 확인했다.
*멀티-오믹스(multi-omics): 유전자, 단백질, 대사물질, 세포 정보 등 생물체 내 다양한 생체 정보를 통합적으로 분석하는 방법
이번에 개발된 ‘FiNi-seq’ 기술은 섬유화를 유발하는 노화 과정을 포함해 대부분의 만성 간질환에서 병태생리적 신호를 고해상도로 포착하는 데 유용한 플랫폼으로 기대된다.
제1 저자인 의과학대학원 탁권용 박사는 서울성모병원 소화기내과의 간 전문의로, 의사과학자 양성 사업의 지원을 받아 우리 대학 의과학대학원에서 박사 학위를 수행하며 만성 간질환에서 가장 중요한 임상 예후 지표인 섬유화의 진행을 조기에 진단하고 치료할 수 있는 기반을 마련하기 위해 이번 연구를 설계했다. 공동 제 1 저자인 의과학대학원 박명선 박사과정생은 FiNi-seq 기술의 기술적 구현을, KRIBB 노화융합연구단의 김주연 박사과정생은 노화 조직의 이미징 분석을 담당하여 연구에 핵심적 역할을 수행했다.
KRIBB 김천아 박사는 “이번 연구를 통해 노화 간 조직에서 관찰되는 섬유화된 미세환경의 세포 구성과 공간적 특성을 단일세포 수준에서 정밀하게 규명할 수 있었다”고 말했다.
의과학대학원 박종은 교수는 “노화 및 만성질환 초기 단계에서 발생하는 섬세한 변화를 조기에 포착할 수 있는 분석 기술로서, 향후 효과적인 치료 지점을 찾는데 큰 역할을 할 수 있을 것으로 기대된다. 또한, 다양한 간질환 모델뿐만 아니라 폐, 신장 등 다른 장기의 만성 질환 연구로 확장해서 진행할 예정이다”라고 밝혔다.
이 연구는 의과학대학원 탁권용 박사, KRIBB 박사과정 김주연 연구원, 우리 대학 박사과정 박명선 학생이 제1 공동저자로 국제 학술지 ‘네이처 에이징(Nature Aging)’ 2025년 5월 5일 자에 게재됐다.
※논문제목: Quasi-spatial single-cell transcriptome based on physical tissue properties defines early aging associated niche in liver
※DOI: https://doi.org/10.1038/s43587-025-00857-7
이번 연구는 한국연구재단, 한국보건산업진흥원(KHIDI), 한국생명공학연구원KRIBB, KIST, 포스코사이언스펠로우십, 융합형의사과학자 양성사업 등 국내 여러 기관의 지원을 받아 수행됐다.
2025.06.12 조회수 1122 -
개인 맞춤형 정밀 의학 정확도 높일 ‘렌즈’ 개발
평균이 아닌 개인차를 고려하는 정밀 의학 시대가 열렸다. 사람마다 다른 유전적 특징을 알아내는 기술이 비약적으로 발전한 덕분이다. 더 빠르고, 정확하게 전사체를 해독할 수 있는 새로운 도구가 개발됐다. 우리 대학 수리과학과 김재경 교수(IBS 수리 및 계산 과학 연구단 의생명 수학 그룹 CI) 연구팀은 전사체 분석 빅데이터에서 유용한 생물학적 정보만 골라내는 새로운 도구인 ‘scLENS(single-cell Low-dimension Embedding using Effective Noise Subtraction)’를 개발했다.
단일세포 전사체 분석은 최근 생물학, 신약 개발, 임상 연구 등 여러 분야에서 주목받는 도구다. 개별 세포 단위에서 유전적 변화를 확인할 수 있기 때문이다. 가령, 단일세포 전사체 분석을 이용하면 암 조직 내 수십 가지 종류의 세포를 구분하고, 유전적 변이가 발생한 세포만 표적하는 정밀 치료가 가능해진다.
단일세포 전사체 분석 기술이 임상에 광범위하게 이용되려면, 도출되는 빅데이터에서 유용한 생물학적 신호를 찾아내는 효율적인 분석 도구 개발이 선행돼야 한다. 단일세포 전사체 분석은 수백~수천 개에 이르는 개별 세포의 수만 개에 이르는 다양한 유전자 발현량을 측정하기 때문에 데이터 용량이 수~수십 GB에 달한다. 이 방대한 데이터 중 생물학적으로 유용한 신호는 3% 내외에 불과하다.
이 방대하고 노이즈(잡신호)가 많은 데이터에서 유용한 생물학적 신호를 골라내기 위해 지금까지 여러 데이터 처리 도구가 개발됐다. 하지만 기존 도구는 사용자가 생물학적 신호와 노이즈의 ‘경계선’을 직접 설정해야 해서 주관이 개입됐다. 즉, 분석가에 따라 결과가 크게 달라지고, 정확도가 떨어진다는 한계가 있었다.
우선, 연구진은 기존 분석 도구들이 부정확한 근본적인 원인을 규명하고 해결책을 제시했다. 사용자가 노이즈의 임계값을 결정하는 데이터 전처리 방식 자체가 생물학적 신호를 왜곡시킨다는 것을 규명하고, 왜곡 없는 새로운 전처리 방식을 개발했다. 나아가 연구진은 수학적 방법론인 ‘랜덤 행렬 이론’을 이용해 사용자의 주관적 선택 없이 자동으로 단일세포 전사체 분석 데이터에서 신호와 노이즈를 구별하는 프로그램인 ‘scLENS’를 개발했다.
제1 저자인 김현 연구원은 “scLENS는 사용자의 선택 없이 데이터에 내재된 구조만을 이용해 자동으로 신호와 노이즈를 구별하기 때문에 사용자 편향성 문제를 원천 차단할 수 있다”며 “연구자들의 노동집약적인 신호 선택 과정을 없애면서도 분석 정확성은 높였다”고 설명했다.
이어 연구진은 기존 개발된 11가지 데이터 분석 프로그램과 scLENS의 상대적 성능을 비교했다. 이를 통해 scLENS가 다른 모든 프로그램보다 우수한 성능을 보인다는 점을 확인할 수 있었다. 널리 쓰이는 프로그램인 ‘Seurat’과 비교했을 때 scLENS는 세포 그룹화 성능이 약 10% 이상 우수하며, 데이터에 내재된 국소 구조를 43% 더 효과적으로 포착하는 것으로 나타났다.
특히, scLENS는 기존 프로그램보다 많은 계산을 하지만 메모리 사용 최적화를 통해 10만 개의 세포와 2만 개의 유전자로 이뤄진 대규모 데이터를 3시간 만에 분석하는 경쟁력 있는 분석 속도를 보였다.
연구를 이끈 김재경 CI는 “지난 십여 년간 단일세포 전사체를 분석할 수 있는 실험 기술의 비약적인 발전했지만, 데이터 분석 방법의 한계로 인해 큰 비용과 시간을 투자해 얻은 데이터를 최대한 활용하지 못하는 경우가 많았다”며 “기초 수학 이론이 생명과학 연구의 혁신을 견인하고, 감춰졌던 생명의 비밀을 빠르고 정확하게 밝히는 데 쓰일 수 있음을 보여주는 연구”라고 말했다.
연구결과는 4월 27일(한국시간) 국제학술지 ‘네이처 커뮤니케이션즈(Nature Communications, IF 16.6)’ 온라인판에 실렸다.
2024.05.09 조회수 7447