Mapping disease traits onto spatiotemporal domain landscapes through scalable multi-sample integration of spatial transcriptomics

거대한, 북적이는 도시를 이해하려고 노력하고 있다고 상상해 보세요. 하지만 지도를 보는 대신, 개별 길모퉁이를 찍은 수천 장의 작고 고해외상인 사진들을 건네받은 상황입니다. 이것이 바로 과학자들이 **공간 전사체학(spatial transcriptomics)**을 연구할 때 직면하는 상황입니다. 이것은 조직 샘플의 사진을 찍으면서, 각각의 세포가 그 안에 어떤 유전자가 활성화되어 있는지 보여주는 '이름표'를 달아주는 동시에, 그 세포가 동네의 정확히 어느 위치에 자리 잡고 있는지도 추적하는 방법이라고 생각하면 됩니다. 보통 연구자들은 단 하나의 순간을 포착한 스냅샷 하나만을 봅니다. 하지만 생명은 단 한 장의 사진이 아니라 영화입니다. 질병은 시간이 흐르며 변화하고, 신체는 다양한 단계를 거치며 성장합니다. 문제는 서로 다른 사람, 서로 다른 시간, 혹은 서로 다른 조건에서 얻은 수백 장의 이 사진들을 하나로 합치려고 할 때, '조명'과 '카메라 각도'(과학자들은 이를 '배치 효과(batch effects)'라고 부릅니다) 때문에 실제로는 같은 동네임에도 불구하고 마치 완전히 다른 동네처럼 보이게 만든다는 점입니다. 이 엉클어진 거대 데이터 모음들을 어떻게 하나의 명확하고 연속적인 이야기로 병합할 것인가가 이 논문이 풀고자 하는 커다란 퍼즐입니다.

여기에, 이러한 생물학적 도시 경관을 위한 궁극의 퍼즐 마스터가 되도록 설계된 새로운 디지털 도구인 STUltra가 등장합니다. 연구진은 STula를 '확장 가능한 하이퍼그래프 프레임워크(scalable hypergraph framework)'로 구축했는데, 이는 아주 똑똑하고 유연한 시스템으로서 압도되지 않고 수백만 개의 데이터 포인트를 처리할 수 있다는 뜻입니다. STUltra는 단순히 세포를 하나씩 살펴보는 대신, 연결 관계가 단순한 이웃을 넘어 전체 동네와 서로 다른 조직 절편들 사이의 공유된 이야기를 나타내는 거대한 3D 웹(하이퍼그래프)을 구축합니다. 또한 '대조 학습(contrastive learning)'이라는 영리한 기술을 사용하여 서로 다른 실험에서 오는 혼란스러운 노이즈는 무시하고 오직 실제 생물학적 유사성에만 집중합니다. 이것은 마치 수천 가지의 서로 다른 방언을 즉각적으로 이해하여, 그 모든 것이 동일한 도시 구조를 설명하고 있음을 알아차리고, 억양을 제거하여 그 아래에 있는 진짜 거리들을 드러내는 번역가와 같습니다.

데이터를 정제하고 조직 내의 뚜렷한 '구역' 또는 도메인을 지도화한 후, STUltra는 진정으로 특별한 일을 수행합니다. 바로 이 지도들을 GWAS(전장 유전체 연관 분석) 통계와 연결하는 것입니다. 만약 GWAS를 특정 질병과 연결된 '용의자'(유전적 신호) 목록이라고 상상한다 있다면, STUltra는 이 용의자들을 도시 지도 위에 바로 떨어뜨리는 탐정 역할을 합니다. 이 도구는 단순히 "이 유전자가 나쁘다"라고 말하는 데 그치지 않고, 그 나쁜 유전자가 조직의 풍경 중 정확히 어디에서 문제를 일으키고 있는지를 보여줍니다. 논문은 이 방식이 매우 빠르고 정확하며, 기존의 도구들보다 훨씬 더 잘 수백만 개의 지점(spot)이 포함된 데이터셋을 처리한다고 제안합니다.

마우스 배아를 이용한 테스트에서 STUltra는 단순히 정지된 사진을 본 것이 아니라, 심장과 다른 장기들이 어떻게 성장하고 변화하는지를 보여주는 연속적인 영화를 복원해 냈습니다. 심지어 선천성 심장 질환의 신호가 심장에만 머물러 있는 것이 아니라 혈관 및 결합 조직을 포함하는 더 넓은 프로그램과 연관되어 있다는 사실도 찾아냈습니다. 알츠하이머병을 앓는 마우스를 대상으로 한 또 다른 테스트에서, 이 도구는 면역 세포(미세아교세포)와 질병 상태에서 확장되는 것으로 보이는 독특한 유형의 지지 세포(별아교세포) 내의 특정 유전적 문제 지점을 정확히 짚어냈습니다. 저자들은 조직의 복잡한 구조와 질병 특성 사이의 간극을 메움으로써, STUltra가 이전에는 숨겨져 있었던 새로운 분자 구조를 발견하도록 도와줌으로써 질병이 시간과 공간에 따라 어떻게 전개되는지에 대한 더 명확한 시야를 제공한다고 제안합니다.