Partial domain adaptation enables cross domain cell type annotation between scRNA-seq and snRNA-seq

이 논문은 scRNA-seq 과 snRNA-seq 데이터 간의 분포 및 세포 구성 차이를 해결하기 위해 부분 도메인 적응을 활용한 새로운 방법인 ScNucAdapt 을 제안하여, 기존 방법들보다 뛰어난 교차 영역 세포 유형 주석 성능을 입증했습니다.

핵심

🧩 핵심 비유: "서로 다른 언어를 쓰는 두 도시의 주민을 연결하다"

생각해 보세요. 두 개의 도시가 있습니다.

1. 도시 A (scRNA-seq): 살아있는 세포 전체를 채취해서 분석합니다. 마치 생생한 사람을 만나서 대화하는 것과 같습니다. 하지만 얼어붙은 시료나 부서지기 쉬운 조직에서는 사람을 데려오기 어렵습니다.
2. 도시 B (snRNA-seq): 세포의 '핵'만 채취해서 분석합니다. 마치 사람의 사진이나 유전 정보 카드만 가지고 있는 것과 같습니다. 얼어붙은 시료나 딱딱한 조직에서도 쉽게 정보를 얻을 수 있지만, 정보의 양이나 형태가 도시 A 와 다릅니다.

문제점:
이 두 도시의 데이터를 비교하려고 하면, 언어와 문화가 달라서 (데이터 분포가 다르고, 세포 종류가 섞여 있는 비율이 달라서) 서로 이해하기 어렵습니다. 특히 도시 B 에는 도시 A 에 없는 세포 종류가 있거나, 반대로 도시 A 에만 있는 세포가 있을 수 있습니다. 기존의 방법들은 이 두 도시를 따로따로 분석하거나, 무리하게 같은 기준으로 맞추려다 실패했습니다.

🚀 해결책: "ScNucAdapt"라는 통역사

저희가 개발한 ScNucAdapt는 이 두 도시를 연결해 주는 초고급 통역사이자 지도 제작자입니다.

1. 공통 언어 배우기 (공유 인코더)

ScNucAdapt 는 두 도시의 데이터를 모두 받아서 **가장 중요한 공통된 특징 (잠재 공간)**만 추려냅니다. 마치 두 도시의 주민들이 서로의 언어를 배우지 않고도, 손짓과 표정 (핵심 유전자 패턴) 만으로 서로의 감정을 이해하게 만드는 것과 같습니다.

2. 알 수 없는 마을을 지도로 그리기 (동적 클러스터링)

도시 B (목표 데이터) 에는 몇 개의 마을 (세포 종류) 이 있는지 미리 알 수 없습니다.

• 기존 방법: "아마 5 개 마을일 거야"라고 미리 정해두고 강제로 분류했습니다.
• ScNucAdapt: "일단 여러 개의 작은 마을로 나누고, 너무 작으면 합치고, 너무 크면 쪼개서 실제 상황에 맞게 마을 수를 자동으로 조절합니다." (분할과 병합 전략)
  • 비유: 마치 흩어진 퍼즐 조각들을 보고, "이건 한 조각이네, 저건 두 조각이 합쳐진 거네"라고 스스로 판단하며 완성된 그림을 만들어가는 것과 같습니다.

3. 불필요한 정보 걸러내기 (부분 도메인 적응)

여기서 가장 중요한 점은 **부정적인 전이 (Negative Transfer)**를 막는 것입니다.

• 도시 A 에는 '고양이'와 '개'가 있지만, 도시 B 에는 '개'만 있고 '고양이'는 없습니다.
• 기존 방법은 '고양이'를 무리하게 '개'로 분류하려다 엉뚱한 결과를 냅니다.
• ScNucAdapt: "도시 B 에는 '고양이'가 없으니, '고양이' 관련 정보는 무시하고 '개'만 정확히 매칭합니다."
  • 비유: 서로 다른 메뉴판이 있는 두 식당에서, 공통된 메뉴 (예: 김치찌개) 만 정확히 연결하고, 한쪽에만 있는 메뉴는 무시하는 똑똑한 주문 시스템입니다.

📊 왜 이것이 중요한가요? (실제 성과)

이 방법은 방광, 신장, 뇌, 그리고 암 조직 등 다양한 실험 데이터에서 테스트되었습니다.

• 결과: 기존에 쓰이던 방법들보다 정확도가 훨씬 높았습니다.
• 특히: 얼어붙은 시료 (snRNA-seq) 나 부서지기 쉬운 세포를 분석할 때, 살아있는 세포 데이터 (scRNA-seq) 와 비교해도 세포 종류를 거의 완벽하게 찾아냈습니다.
• 장점: 연구자들이 과거에 얼려두었던 시료나, 기존에는 분석이 어려웠던 희귀 세포들도 이제 쉽게 연구할 수 있게 되었습니다.

💡 한 줄 요약

ScNucAdapt는 서로 다른 조건 (살아있는 세포 vs 핵만 추출) 으로 얻은 세포 데이터를, 불필요한 차이는 무시하고 공통된 핵심만 연결하여, 마치 서로 다른 방언을 쓰는 사람들이 자연스럽게 대화하듯 세포의 종류를 정확하게 분류해 주는 혁신적인 도구입니다.

이 도구를 통해 과학자들은 질병의 원인을 더 깊이 이해하고, 새로운 치료법을 개발하는 데 한 걸음 더 다가갈 수 있게 되었습니다.

기술 요약

논문 요약: ScNucAdapt - scRNA-seq 및 snRNA-seq 간 부분 도메인 적응을 통한 교차 도메인 세포 유형 주석

1. 문제 정의 (Problem)

단일 세포 분석에서 데이터셋 간의 정확한 세포 유형 주석 (annotation) 은 핵심적인 과제입니다.

• 배경: 단일 세포 RNA 시퀀싱 (scRNA-seq) 은 살아있는 세포를 필요로 하지만, 단일 핵 RNA 시퀀싱 (snRNA-seq) 은 동결 조직이나 해리가 어려운 조직의 핵만으로도 프로파일링이 가능합니다. 이는 희귀하거나 취약한 세포 유형을 포착하는 데 scRNA-seq 를 보완합니다.
• 현황: 기존 방법론들은 scRNA-seq 와 snRNA-seq 데이터를 독립적으로 처리하거나, 두 데이터셋 간의 분포 차이 (distributional differences) 와 세포 구성 (cell composition) 의 불일치를 고려하지 못했습니다.
• 핵심 문제:
  1. 분포 차이: 두 기술 간에 기술적 편차 (batch effect) 와 생물학적 분포 차이가 존재합니다.
  2. 레이블 공간 불일치: 타겟 데이터셋 (예: snRNA-seq) 에는 소스 데이터셋 (예: scRNA-seq) 에 있는 모든 세포 유형이 존재하지 않을 수 있습니다 (부분 도메인 적응, Partial Domain Adaptation 문제). 기존 도메인 적응 방법들은 종종 불필요한 소스 클래스를 타겟에 강제로 매칭하여 '부정적 전이 (negative transfer)'를 유발합니다.

2. 방법론 (Methodology: ScNucAdapt)

저자들은 ScNucAdapt이라는 새로운 프레임워크를 제안했습니다. 이는 짝을 이룬 (paired) 또는 짝을 이루지 않은 (unpaired) scRNA-seq 와 snRNA-seq 데이터 간의 교차 주석을 가능하게 하며, 부분 도메인 적응 (Partial Domain Adaptation) 기법을 기반으로 합니다.

• 공유 인코더 (Shared Encoder):
  • 소스 (scRNA-seq) 와 타겟 (snRNA-seq) 데이터 모두에서 공통의 잠재 공간 (latent space) 으로 특징을 추출하기 위해 공유되는 인코더 (2 개의 완전 연결 계층) 를 사용합니다.
• 타겟 데이터의 동적 클러스터링 (Dynamic Clustering in Target Data):
  • 타겟 데이터의 실제 클러스터 (세포 유형) 수를 사전에 알 수 없는 상황을 가정합니다.
  • 가우시안 혼합 모델 (GMM) 을 기반으로 초기 클러스터를 설정한 후, Metropolis-Hastings 프레임워크를 활용한 '분할 (split)' 및 '병합 (merge)' 전략을 적용하여 클러스터 수를 동적으로 조정합니다. 이는 타겟 데이터의 실제 세포 구성을 자동으로 학습하게 합니다.
• 코시 - 슈바르츠 발산 (Cauchy-Schwarz Divergence, CS Divergence):
  • 소스의 알려진 세포 클래스와 타겟의 예측된 클러스터 간의 분포 차이를 측정하기 위해 CS 발산을 사용합니다.
  • 커널 밀도 추정을 통해 유한 샘플로부터 밀도를 추정하고, 소스 클래스와 타겟 클러스터 간의 CS 발산을 최소화하는 매칭을 수행합니다.
• 소스 클래스 - 타겟 클러스터 매칭 (Source Class-Target Cluster Matching):
  • 각 타겟 클러스터에 대해 CS 발산이 가장 낮은 소스 클래스를 선택하여 매칭합니다. 이는 타겟에 존재하지 않는 소스 클래스 (불일치 클래스) 의 영향을 최소화하여 부정적 전이를 방지합니다.
• 학습 전략:
  • 2 단계 학습: 1 단계는 클러스터링 없이 인코더의 특징 공간 학습 (warm-up), 2 단계는 GMM 클러스터링, 분할/병합, 그리고 소스 - 타겟 매칭을 반복하며 인코더를 업데이트합니다.
  • 손실 함수: 분류 손실 (가중 교차 엔트로피) 과 CS 발산 기반 정렬 손실 ($L_{cs}$) 의 가중 합을 최소화합니다.

3. 주요 기여 (Key Contributions)

1. 최초의 교차 주석 프레임워크: scRNA-seq 와 snRNA-seq 간의 짝을 이룬/이루지 않은 데이터에 대한 교차 주석을 수행하는 최초의 방법론입니다.
2. 부분 도메인 적응 적용: 타겟 데이터의 세포 유형 구성이 소스의 부분집합일 수 있는 상황을 처리하여, 불일치하는 세포 유형으로 인한 부정적 전이를 효과적으로 억제합니다.
3. 분포 및 구성 차이 동시 해결: 기술적 분포 차이와 세포 구성의 불일치를 동시에 해결하는 강건한 프레임워크를 제공합니다.
4. 동적 클러스터링: 타겟 데이터의 세포 유형 수에 대한 사전 지식이 없어도 자동으로 적응할 수 있는 메커니즘을 도입했습니다.

4. 실험 결과 (Results)

다양한 조직 (방광, 신장, 종양, 쥐 대뇌 피질) 의 scRNA-seq 및 snRNA-seq 데이터셋을 사용하여 실험을 수행했습니다.

• 성능 비교: ScNucAdapt 는 기존 scRNA-seq 전용 분류기 (SingleCellNet, ScMap) 및 도메인 적응 방법 (ScAdapt) 보다 모든 작업에서 우수한 성능을 보였습니다.
  • 방광 면역 세포 (Partial 설정): 정확도 91.05%, Macro-F1 84.69 (ScAdapt 대비 우위).
  • 신장 세포 (Unpaired, Partial 설정): 정확도 87.23%, Macro-F1 81.5.
  • 종양 세포 (CLL, MBC): CLL 에서 98.39% 의 높은 정확도를 기록했습니다.
  • 쥐 대뇌 피질: 99.78% ~ 100% 의 정확도를 달성했습니다.
• 시각화 (UMAP): 통합된 잠재 공간에서 scRNA-seq 와 snRNA-seq 데이터가 배치 효과 없이 잘 혼합되면서도, 세포 유형별로 명확하게 분리되는 것을 확인했습니다.
• Ablation Study: CS 발산 모듈과 동적 클러스터링 모듈 중 하나라도 제거할 경우 성능이 크게 저하됨을 확인하여, 두 구성 요소의 필수성을 입증했습니다.
• 민감도 분석: 초기 클러스터 수 ($C$) 와 트레이드오프 하이퍼파라미터 ($\lambda$) 에 대해 모델이 민감하지 않음을 확인하여 실용성을 입증했습니다.
• 확장성: 16,000 개 세포 규모의 데이터셋에서 메모리 사용량이 선형적으로 증가하며, 주요 계산 병목은 GMM 클러스터링 단계임을 확인했습니다.

5. 의의 및 결론 (Significance)

• 실용적 가치: ScNucAdapt 는 동결된 샘플이나 해리가 어려운 조직에서 얻은 snRNA-seq 데이터를 scRNA-seq 데이터와 통합하여 일관된 세포 유형 주석을 가능하게 합니다. 이는 기존 방법으로 분석하기 어려웠던 희귀 세포 유형이나 동결 샘플 연구의 가능성을 크게 확장합니다.
• 연구의 확장: 단일 세포 및 단일 핵 데이터 간의 장벽을 허물어 조직별, 질병 상태별 세포 다양성에 대한 더 완전한 그림을 구축할 수 있는 기반을 마련했습니다.
• 미래 방향: 레이블 노이즈 처리, 오픈-셋 도메인 적응을 통한 새로운 세포 유형 발견, 이종 도메인 적응 (유전자 세트가 다른 경우), 과적합 방지 및 불균형 데이터 처리 등을 향후 과제로 제시했습니다.

결론적으로, ScNucAdapt 는 scRNA-seq 와 snRNA-seq 데이터 간의 교차 주석 문제를 해결하기 위한 강력하고 유연한 솔루션을 제공하며, 단일 세포 분석 분야에서 데이터 통합의 새로운 표준을 제시합니다.