Prediction of Cellular Identities from Trajectory and Cell Fate Information

기술 요약: 궤적 및 세포 운명 정보를 이용한 세포 정체성 예측

문제 정의
이미지 시퀀스에서 세포의 정체성을 결정하는 것은 발생 생물학, 특히 단일 세포 수준에서 세포 계보, 표현형 및 유전자 발형을 분석하는 데 있어 매우 중요하면서도 까다로운 과제이다. 전통적인 식별 방식은 세포를 탐지하고 첫 번째 프레임까지 추적하기 위해 전체 이미지 시퀀스를 처리해야 하는 복잡하고 시간이 많이 소요되는 과정인 세포 추적(cell tracking)에 의존한다. 이 방법은 불변하는 계보 사전 지식(lineage priors)과 추적 결과를 비교하여 정체성을 할당해야 한다. 이러한 문제는 미세 구조 데이터의 낮은 신호 대 잡음비(SNR)와 희소한 시간적 해상도로 인해 더욱 심화되며, 이는 예외적으로 정형화된 유기체인 예쁜꼬마선충(C. elegans)에서도 마찬가지이다. 이미지 객체 분류가 다른 영역에서는 초인적인 성능을 달학했음에도 불구하고, 핵의 시각적 유사성으로 인해 형광 데이터 내의 핵 정체성에 유사한 방법론을 적용하는 것은 어렵다. 그러나 초기 C. elegans 배아 발생은 매우 결정론적인 변동성을 가진 정형화된 위치 및 이동 패턴을 보이는데, 이는 공간-시간적 특징에 기반한 분류가 실현 가능하다는 것을 시사한다.

방법론
본 연구는 전체 계보 추적 대신 개별 세포 핵에서 유도된 제한된 세트의 공간-시간적 특징을 사용하여 C. elegans 배아의 세포를 식별하는 머신러닝 기반 접근 방식을 제안한다.

• 데이터: 저자들은 1.25분당 1프레임의 시간 해상도를 가진 야생형 C. elegans 배아의 28개 타임랩스 3D (4D) 공초점 이미징 시퀀스를 활용하였다. 데이터셋에는 약 350세포 단계까지 사전 탐지 및 추적된 세포 핵이 포함되었다. 이미지는 표준 방향(전-후, 좌-우, 배-복측)으로 회전되었다.
• 특징 추출: 781개의 고유 세포 풀에서 시작하여, 저자들은 정의된 모세/딸세포 관계를 가진 배아 전반에 걸쳐 존재하는 세포를 필터링하여 334개의 고유 세포를 도출하였다. 입력 특징은 다음과 같다:
  • 궤적 ('Traj'): 시공간 좌표 $(t, x, y, z)$ 또는 $(x, y, z)$. 수명이 50 프레임 미만인 세포의 경우 궤적은 패딩(padding) 처리되었다.
  • 시작 시간 ('SF'): 4세포기 종료 시점 대비 탄생 시간.
  • 수명 ('LF'): 세포의 존재 기간.
  • 분열 방향: 모세에 대한 탄생 위치를 나타내는 벡터('DM') 및 두 딸세포의 방향('DD').
• 모델: 세 가지 머신러닝 아키텍처를 평가하였다:
  1. 랜덤 포레스트 (Random Forest): 전통적인 앙상블 방법.
  2. 다층 퍼셉트론 (MLP): ReLU 활성화 함수와 잔차 연결(residual connections)을 가진 단일 은닉층 네트워크.
  3. 장단기 메모리 (LSTM): 시간적 의존성을 포착하도록 설계됨. 두 가지 변형이 테스트되었다: $(x, y, z)$ 궤적을 수용하는 LSTM과 $(t, x, y, z)$ 궤적을 수용하는 LSTMt.
• 훈련 프로토콜: 본 연구는 하이퍼파라미터(학습률, 가중치 감쇠, 드롭아웃, 배치 크기)를 튜닝하기 위해 24개 배아 샘 샘플에 대해 6-겹 교차 검증 전략을 채택하였으며, 나머지 4개 샘플은 최종 테스트를 위해 남겨두었다. 궤적 특징은 짧은 수명을 가진 경우 음수 값으로 패딩되었다.

주요 결과

• 분류 정확도: 모든 모델이 높은 정확도를 달성하였으며, 가장 성능이 좋은 모델(Random Forest 및 LSTMt)은 전체 특징 세트를 사용하여 테스트 세트에서 **93.2%**의 정확도에 도달하였다. 전체 궤적 특징만을 사용한 모델조차 85% 이상의 정확도를 기록하였다.
• 특징 중요도: 특징 제거(ablation) 연구 결과, **모세에 대한 분열 방향('DM')**을 추가했을 때 검증 정확도가 가장 크게 상승(Random Forest의 경우 약 88%에서 약 92%로)하는 것으로 나타났다.
• 해석 가능성: Random Forest 모델의 특징 중요도 분석 결과, DMx(X축 방향의 분열 방향)가 가장 결정적인 특징으로 식별되었다. 이는 대부분의 C. elegans 세포가 전-후(A-P) 분열을 수행하며, 이 분열이 세포 명명 규칙의 'a' 또는 'p' 접미사를 결정한다는 생물학적 지식과 일치한다.
• 모델 성능: LSTM 및 LSTMt 모델은 MLP보다 우수한 성능을 보였는데, 이는 시간적 의존성을 포착하는 능력 때문으로 보인다. 그러나 Random Forest 모델 또한 매우 우수한 성능을 보여, 데이터셋의 크기가 과적합을 피하기 위해 더 단순한 모델을 필요로 함을 시사하였다.

의의 및 주장
본 논문은 개별 핵의 시공간적 특징만을 사용하여 C. elegans 세포를 식별하는 최초의 머신러닝 기반 접근법을 제시한다고 주장한다. 주요 의의는 복잡한 전체 시퀀스 계보 추적을 통해 뿌리 조상까지 거슬러 올라갈 필요 없이, 단순한 특징(궤적, 시작 시간, 수명, 분열 방향)만으로 세포 정체성을 직접 예측할 수 있음을 입증했다는 점에 있다.

저자들은 전통적인 세포 추적에 비해 두 가지 주요 장점을 강조한다:

1. 효율성: 이 방법은 전체 계보를 첫 번째 프레임까지 추적할 필요 없이, 관심 있는 특정 세포만을 추적하면 된다.
2. 직접적인 출력: 모델은 계보 데이터베이스와 추적 결과를 비교하는 추가 단계 없이 세포 이름을 직접 출력한다.

본 연구는 이 접근 방식이 개별 세포(특히 형광 마커로 표지된 신경 세포나 근육 세포 등)를 식별하는 데 폭넓게 유용하며, 제한된 데이터와 단순한 모델을 사용하더라도 높은 성능의 분류가 가능하다는 결론을 내린다.