Mosaic integration of spatial multi-omics with SpaMosaic

이 논문은 대조 학습과 그래프 신경망을 활용하여 다양한 공간 오믹스 데이터를 통합하고 결측 모달리티를 보완하는 확장 가능한 도구인 'SpaMosaic'을 제안하며, 이를 통해 노이즈를 줄이고 배치 효과를 완화하여 정확한 공간 도메인 식별 및 모달리티 간 관계 추론이 가능함을 입증했습니다.

핵심

1. 문제 상황: "조각난 퍼즐"과 "다른 언어"

생물학자들은 뇌나 장기 같은 조직을 연구할 때, 세포들이 어떤 일을 하는지, 어디에 위치하는지 궁금해합니다. 하지만 현실은 복잡합니다.

• 비용과 기술의 한계: 한 번에 모든 정보 (유전자, 단백질, DNA 등) 를 한 장의 슬라이드에 다 찍어내는 것은 너무 비싸고 어렵습니다.
• 조각난 정보: 그래서 연구자들은 보통 서로 다른 슬라이드를 여러 장 만들어서 실험합니다.
  • A 슬라이드: 유전자 정보만 있음.
  • B 슬라이드: 단백질 정보만 있음.
  • C 슬라이드: DNA 정보만 있음.
  • 문제점: 이 슬라이드들은 서로 다른 실험실에서 만들어져서 데이터가 제각각입니다. 마치 다른 언어로 쓰인 지도를 가지고 있거나, 다른 조각의 퍼즐을 가지고 있는 것과 같습니다. 이걸 하나로 합치려니 데이터가 섞이지도 않고, 노이즈 (잡음) 도 심해서 정확한 그림을 그릴 수 없습니다.

2. 해결책: 스파모자이크 (SpaMosaic) 의 등장

이때 등장한 것이 스파모자이크입니다. 이 프로그램은 다음과 같은 두 가지 핵심 기술을 사용합니다.

• 비교 학습 (Contrastive Learning): 서로 다른 슬라이드 (예: 유전자 슬라이드와 단백질 슬라이드) 에서 같은 세포를 찾아내어 "아, 이 두 데이터는 같은 세포구나!"라고 연결해 주는 역할입니다.
• 그래프 신경망 (GNN): 세포들이 서로 어떻게 이웃하고 있는지 (공간적 위치) 를 고려하여, 세포들 사이의 관계를 네트워크로 연결해 줍니다.

비유하자면?
스파모자이크는 수석 요리사와 같습니다.

• A 슬라이드는 '신선한 채소'만, B 슬라이드는 '고기'만, C 슬라이드는 '양념'만 가지고 있습니다.
• 보통 요리사들은 이걸 따로따로 요리하거나 섞을 때 맛을 잃어버립니다.
• 하지만 스파모자이크는 "이 채소 (A) 와 이 고기 (B) 는 같은 부위에서 나온 거야! 그리고 이 양념 (C) 은 이 둘을 잘 어울리게 해주는 거야"라고 알아맞힙니다.
• 그다음 이 모든 재료를 **하나의 완벽한 요리 (통합된 지도)**로 만들어냅니다.

3. 스파모자이크가 해내는 놀라운 일들

① 잡음 제거와 정확한 지도 그리기

서로 다른 실험 데이터에는 '잡음'이 많습니다. 스파모자이크는 이 잡음을 제거하고, 세포들이 실제로 어떤 부위에 모여 있는지 (예: 뇌의 특정 영역) 를 매우 선명하게 보여줍니다.

• 결과: 다른 프로그램들은 뇌의 구분이 흐릿하게 나오거나 엉뚱한 곳으로 섞여 나오지만, 스파모자이크는 **알렌 뇌 지도 (Allen Brain Atlas)**라는 정답과 거의 똑같이 맞춰줍니다.

② 잃어버린 정보 복원 (Imputation)

이게 가장 재미있는 부분입니다. 만약 어떤 슬라이드에는 '유전자' 정보만 있고 'DNA' 정보가 없다면?

• 스파모자이크는 다른 슬라이드들의 정보를 참고해서, 그 슬라이드에 없는 'DNA' 정보를 추측하여 채워줍니다.
• 마치 빈 페이지를 채우는 작가처럼, 주변 문맥을 보고 "여기에는 이런 내용이 들어갈 거야"라고 예측해서 데이터를 완성해 줍니다.
• 실험 결과, 이 복원된 데이터는 실제로 측정된 데이터와 매우 비슷할 뿐만 아니라, 새로운 과학적 발견 (예: 특정 유전자가 어떻게 작동하는지) 을 찾아내기도 했습니다.

③ 거대한 데이터도 척척

이 프로그램은 아주 작은 데이터뿐만 아니라, 80 만 개 이상의 세포가 들어 있는 거대한 데이터도 한 번에 처리할 수 있을 정도로 빠르고 강력합니다.

4. 왜 이것이 중요한가요?

지금까지 우리는 조각난 퍼즐 조각들만 가지고 있었습니다. 스파모자이크는 이 조각들을 완벽하게 맞춰서 하나의 거대한 그림을 보여줍니다.

• 미래의 전망: 이제 연구자들은 서로 다른 실험실, 서로 다른 기술, 심지어 서로 다른 시기에 만들어진 데이터도 하나로 합쳐서 인체 전체의 '만화책' 같은 지도를 만들 수 있게 됩니다.
• 의학적 의미: 뇌 질환이나 암 같은 복잡한 질병의 원인을 세포 수준에서 더 정확하게 파악할 수 있게 되어, 더 좋은 치료법을 개발하는 데 큰 도움이 될 것입니다.

요약

스파모자이크는 서로 다른 실험 데이터들을 하나의 언어로 번역하고, 잃어버린 부분을 채워주며, 잡음을 제거해서 생물학자들이 우리 몸속의 세포들이 어떻게 움직이고 상호작용하는지 완벽한 지도를 그릴 수 있게 해주는 초고성능 AI 도구입니다.

기술 요약

1. 문제 정의 (Problem)

• 공간 다중 오믹스의 한계: 현재 공간 다중 오믹스 기술 (RNA, 단백질, 염색질 접근성, 히스톤 변형 등 동시 측정) 은 기술적 난이도와 비용, 해상도/민감도/처리량 간의 트레이드오프로 인해, 동일한 조직 단면에서 모든 오믹스를 동시에 측정하는 것이 어렵습니다.
• 데이터의 이질성: 따라서 대부분의 데이터는 서로 다른 조직 단면 (adjacent sections) 에서 얻어진 단일 오믹스 모달리티로 구성되어 있습니다.
• 기존 방법의 부족: 기존 단일 세포 통합 방법 (Cobolt, scMoMaT 등) 은 공간적 맥락을 고려하지 않아 공간 데이터에 부적합합니다. 반면, 기존 공간 통합 방법 (SEDR, GraphST 등) 은 주로 동일한 모달리티의 배치 간 통합 (horizontal integration) 에 초점을 맞추거나, 특정 모달리티 간의 수직적 통합 (vertical integration) 만 가능하여, 서로 다른 모달리티가 부분적으로 겹치는 복잡한 '모자이크 (mosaic)' 형태의 데이터 통합에는 적용하기 어렵습니다.
• 핵심 과제: 서로 다른 기술, 해상도, 크기, 그리고 부분적으로 겹치는 모달리티를 가진 여러 조직 단면 데이터를 통합하여, 노이즈를 줄이고 배치 효과를 제거하며, 누락된 모달리티를 보간 (imputation) 할 수 있는 통합 프레임워크가 필요합니다.

2. 방법론 (Methodology: SpaMosaic)

SpaMosaic은 대조 학습 (Contrastive Learning) 과 그래프 신경망 (Graph Neural Networks, GNN) 을 결합하여 모달리티에 구애받지 않는 (modality-agnostic) 잠재 공간 (latent space) 을 구축합니다.

• 입력 데이터: 여러 조직 단면에서 얻은 모자이크 형태의 특징 - 스팟 (spot) 카운트 행렬과 공간 좌표.
• 전처리:
  • 각 모달리티 내에서 고변동성 특징 (highly variable features) 선택 및 SVD 를 통한 차원 축소.
  • Harmony 나 Seurat 등을 사용하여 모달리티 내 배치 효과 제거.
• 이종 그래프 구성 (Heterogeneous Adjacency Graph):
  • 공간 인접성 (Spatial adjacency): 동일한 단면 내의 이웃 스팟 간 연결.
  • 오믹스 특징 기반 인접성 (Omics feature-based adjacency): 서로 다른 단면 간의 상호 최근접 이웃 (MNN, Mutual Nearest Neighbors) 연결.
  • 주의: 노이즈가 많은 MNN 쌍을 필터링하기 위해 이상치 탐지 알고리즘 (Isolation Forest) 을 적용합니다.
• 그래프 임베딩 (Graph Embedding):
  • 각 모달리티별로 가중치 경량 그래프 합성곱 네트워크 (Weighted Light Graph Convolution Network, LGCN) 를 사용하여 스팟의 공간적 근접성과 오믹스 특징 유사성을 인코딩합니다.
  • 여러 아키텍처 (GAT, HGT 등) 중 효율성과 성능이 우수한 LGCN 을 선택했습니다.
• 대조 학습 (Contrastive Learning):
  • 양수 쌍 (Positive pairs): 동일한 스팟의 서로 다른 모달리티 임베딩.
  • 음수 쌍 (Negative pairs): 동일한 단면 내 다른 스팟의 임베딩 (모달리티 무관).
  • 목적: 양수 쌍의 거리는 최소화하고 음수 쌍의 거리는 최대화하여 모달리티 간 정렬을 이루면서도 스팟 간의 변이를 보존합니다.
• 누락된 모달리티 보간 (Imputation):
  • 통합된 잠재 공간에서 가장 가까운 이웃 (kNN) 의 특징 정보를 활용하여 측정되지 않은 모달리티의 데이터를 추정합니다.
  • 신경망 예측을 직접 사용하지 않고 kNN 기반 접근을 사용하여 해석 가능성을 높였습니다.

3. 주요 기여 (Key Contributions)

1. 첫 번째 공간 모자이크 통합 도구: 단일 세포용 모자이크 통합 방법과 기존 공간 통합 방법의 한계를 극복하고, 서로 다른 모달리티가 부분적으로 겹치는 공간 다중 오믹스 데이터를 통합하는 최초의 전용 도구 (SpaMosaic) 를 제안했습니다.
2. 고성능 통합 및 보간: 대조 학습과 GNN 을 활용하여 노이즈를 줄이고 배치 효과를 제거하며, 누락된 오믹스 데이터 (예: 히스톤 변형) 를 정확하게 보간할 수 있음을 입증했습니다.
3. 확장성: 100 개 이상의 단면과 80 만 개 이상의 스팟을 가진 대규모 데이터셋을 처리할 수 있는 높은 확장성을 가집니다.
4. 광범위한 벤치마크: 시뮬레이션 데이터와 실제 실험 데이터 (뇌, 배아, 편도, 림프절 등) 를 활용하여 RNA, ATAC, 히스톤 변형, 단백질 등 다양한 모달리티와 기술 (Visium, Stereo-seq, Misar-seq 등) 에 걸쳐 기존 최첨단 방법들 (CLUE, Cobolt, MultiVI, CellCharter 등) 보다 우수한 성능을 보였습니다.

4. 결과 (Results)

• 시뮬레이션 데이터: SpaMosaic 은 공간적 요인 (spatial factors) 을 가장 정확하게 복원하고, 배치 혼합 (batch mixing) 과 모달리티 정렬 (modality alignment) 에서 다른 모든 방법보다 높은 점수를 기록했습니다. 특히 누락된 모달리티를 가진 섹션에서도 모든 요인을 성공적으로 복원했습니다.
• 실제 데이터 (마우스 뇌 및 배아):
  • 발생 단계 통합: 배아기 마우스 뇌 (E13.5-E18.5) 데이터 통합에서 Allen Brain Atlas 참조와 높은 일치도를 보이며, 다른 방법들이 놓친 미세한 뇌 영역 (예: DPallm, DPallv) 을 명확하게 식별했습니다.
  • 크기 및 해상도 불균형: 서로 다른 해상도 (2μm ~ 55μm) 와 스팟 수 (수천 ~ 수만) 를 가진 데이터 통합에서도 우수한 공간 도메인 식별 능력을 보여주었습니다.
  • 다양한 모달리티 통합: RNA, ATAC, 다양한 히스톤 변형 (H3K4me3, H3K27ac, H3K27me3) 이 섞인 복잡한 5 모달리티 데이터셋에서도 일관된 클러스터링을 수행했습니다.
• 보간 성능: 측정된 데이터와 보간된 데이터 간의 상관관계 분석을 통해, SpaMosaic 이 누락된 히스톤 변형 정보를 정확하게 복원하고, 이를 통해 전사체 - 에피게놈 간의 새로운 조절 관계를 발견할 수 있음을 입증했습니다. 특히 측정된 ATAC 데이터보다 보간된 히스톤 변형 데이터가 특정 뇌 영역 (예: corpus callosum) 의 오ligodendrocyte 분화 관련 유전자와 더 강한 상관관계를 보였습니다.

5. 의의 (Significance)

• 포괄적인 공간 오믹스 지도 구축: 비용과 기술적 제약으로 인해 분리되어 생성된 이질적인 공간 오믹스 데이터들을 하나의 통합된 지도로 합칠 수 있는 강력한 프레임워크를 제공합니다.
• 이미지 정렬 불필요: 기존 방법들이 필요로 하는 조직 단면 간의 이미지 정렬 (image registration) 없이도, 공통된 모달리티를 '다리 (bridge)'로 활용하여 정렬 없이 (alignment-free) 데이터를 통합할 수 있습니다.
• 새로운 생물학적 통찰: 측정되지 않은 모달리티를 보간함으로써, 동시 측정이 불가능했던 오믹스 층 간의 관계를 규명할 수 있게 되어, 세포 이질성과 조직 미세환경에 대한 새로운 생물학적 통찰을 제공합니다.
• 미래 지향성: 대규모 데이터 처리를 위한 확장성 개선과 continual learning(지속 학습) 을 통한 재학습 없이 새로운 데이터 분석 가능성 등 향후 발전 방향을 제시했습니다.

결론적으로, SpaMosaic 은 공간 다중 오믹스 데이터의 복잡성을 해결하고, 다양한 소스와 모달리티를 통합하여 생물학적 현상에 대한 더 깊고 포괄적인 이해를 가능하게 하는 획기적인 도구입니다.