MANTIS: Analytics toolkit for spatial metabolomics with matching spatial transcriptomics data

이 논문은 공간 대사체학 (SM) 과 공간 전사체학 (ST) 데이터를 통합 분석하여 유전자 - 대사체 관계를 규명하고 공간적 의존성을 고려한 통계적 검정을 수행하는 새로운 프레임워크인 MANTIS 를 소개합니다.

핵심

이 논문은 **'MANTIS'**라는 새로운 컴퓨터 프로그램을 소개합니다. 이 프로그램은 우리 몸의 조직을 마치 지도를 보듯이 자세히 들여다볼 수 있게 해주는 도구입니다.

이해하기 쉽게 거대한 도시의 지도에 비유해서 설명해 드릴게요.

1. 배경: 두 가지 다른 지도를 합치다

우리의 몸속 조직은 복잡한 도시와 같습니다.

• 공간 전사체학 (ST): 이 도시의 **'건물 종류'**를 알려줍니다. (예: 여기는 병원, 저기는 학교, 저기엔 공장)
• 공간 대사체학 (SM): 이 도시의 '에너지와 자원' 분포를 알려줍니다. (예: 여기는 전기가 많이 쓰이고, 저기는 물이 풍부함)

기존에는 이 두 가지 정보를 따로 보거나, 단순히 겹쳐서 보는 수준이었습니다. 하지만 "왜 이 공장 (세포) 에서 이 에너지 (대사물질) 가 많이 나올까?"라는 인과관계를 찾기엔 부족했습니다.

2. MANTIS 의 등장: 똑똑한 도시 분석가

이제 MANTIS라는 분석가가 등장했습니다. 그는 두 가지 지도를 완벽하게 겹쳐서, **"어떤 건물이 있을 때, 어떤 자원이 함께 모여 있는지"**를 찾아냅니다.

그의 특별한 능력은 다음과 같습니다.

① "우연이 아닌 진짜 패턴"을 찾아내다 (통계적 검증)

도시에서 우연히 사람들이 모일 수도 있고, 의도적으로 모일 수도 있습니다.

• 기존 도구: "사람이 많으니 여기가 핫한 곳이야!"라고 단순히 숫자만 세었습니다.
• MANTIS: "아, 이 사람들이 모인 건 단순히 우연이 아니라, 이곳의 특성 (건물 종류) 때문인가? 아니면 주변 환경 때문인가?"를 수학적으로 따져봅니다.
  • 마치 **"이 패턴이 진짜 의미 있는 것일까, 아니면 그냥 무작위로 흩어진 것일까?"**를 확인하기 위해, 지도를 뒤섞어보면서 (랜덤화) 비교하는 아주 정교한 방법을 씁니다.

② "혼란스러운 요소"를 제거하다 (교란 변수 제거)

가장 중요한 능력입니다.

• 상황: "병원 (세포) 이 있는 곳에는 항상 약 (대사물질) 이 많다."
• 기존 도구: "병원과 약은 무조건 짝꿍이야!"라고 결론 내립니다.
• MANTIS: "잠깐, 약이 많은 건 병원이 있기 때문이지, 약이 병원을 만든 건 아니잖아? 아니면 그냥 이 구역 (지역) 자체가 약을 많이 필요로 하는 곳인가?"라고 질문합니다.
  • MANTIS 는 '병원'이라는 요인이나 '지역'이라는 요인을 먼저 빼고 (제거하고), 그래도 약과 병원이 여전히 함께 움직이는지 확인합니다.
  • 이를 통해 **"진짜로 서로 영향을 주고받는 관계"**만 선별해냅니다.

③ "거리"를 고려하다 (공간 상관관계)

• 기존 도구: "A 와 B 가 같이 있으면 상관관계가 있어!"라고 생각합니다. (A 가 100 번, B 가 100 번이면 무조건 짝꿍)
• MANTIS: "A 와 B 가 서로 가까이서 움직이는가?"를 봅니다.
  • 도시에서 두 사람이 우연히 같은 날 출근길에 마주쳤을 수도 있지만, 항상 같은 길을 함께 걷는다면 진짜 친구일 확률이 높습니다. MANTIS 는 이 '함께 걷는 거리'를 정밀하게 측정합니다.

3. 실제 성과: 뇌와 암 연구에서 무엇을 발견했나?

이 프로그램을 실제 데이터에 적용해 보니 놀라운 결과들이 나왔습니다.

• 뇌 연구 (파킨슨병): 도파민 (행복 호르몬) 이 많은 곳과 특정 단백질 (수초) 이 많은 곳이 정반대라는 것을 발견했습니다. 기존에는 그냥 "이건 저건 다른 곳에 있네" 정도로 알았지만, MANTIS 는 이것이 지역적 특성 때문인지, 진짜 생물학적 반발 때문인지 구분해냈습니다.
• 암 연구 (폐암): 암 세포 주변에 어떤 면역 세포가 모여 있는지, 그리고 그 면역 세포가 어떤 에너지를 먹고 있는지 정밀하게 연결 지었습니다. 이는 암을 치료할 때 어떤 약을 어디에 써야 할지 힌트를 줍니다.

4. 요약: 왜 이 프로그램이 중요한가?

기존의 도구들이 **"무엇이 어디에 있는가?"**를 보여줬다면, MANTIS는 **"왜 그곳에 있는가?"**와 **"서로 어떤 관계를 맺고 있는가?"**를 통계적으로 엄격하게 증명해 줍니다.

마치 단순한 사진을 찍는 것을 넘어, 그 사진 속 인물들의 관계와 이야기를 읽어내는 탐정과 같은 역할을 하는 셈입니다. 이를 통해 과학자들은 질병의 원인을 더 정확하게 찾고, 새로운 치료법을 개발하는 데 큰 도움을 받을 수 있게 되었습니다.

기술 요약

MANTIS: 공간 대사체학 (SM) 과 공간 전사체학 (ST) 통합 분석을 위한 통계적 프레임워크

1. 연구 배경 및 문제 제기 (Problem)

• 배경: 공간 대사체학 (Spatial Metabolomics, SM) 은 조직 내 대사물질의 분포를 공간 해상도로 측정하여 세포 과정을 정밀하게 매핑할 수 있게 해줍니다. 최근 공간 전사체학 (Spatial Transcriptomics, ST) 과의 매칭 (Joint profiling) 이 가능해지면서, 조직의 분자 상태를 더 풍부하게 이해할 수 있는 다중 오믹스 (Multi-omics) 접근법이 등장했습니다.
• 현재의 한계:
  • 기존 SM+ST 분석 도구들 (예: SpaMTP, SpatialMETA) 은 주로 두 모달리티 간의 정렬 (Alignment) 과 통합에 초점을 맞추고 있습니다.
  • 통계적 엄격성 부족: 유전자 - 대사체 관계를 분석할 때 공간적 상관관계를 고려하지 않은 비공간적 상관관계 (예: 피어슨 상관계수) 를 사용하여, 공간적 자기상관 (Spatial Autocorrelation) 으로 인한 위양성 (False Positive) 이 발생할 수 있습니다.
  • 교란 변수 (Confounder) 처리 미흡: 대사체의 공간적 패턴이 조직 영역 (Spatial Domains) 이나 특정 세포 유형의 분포에 의해 설명되는지, 아니면 독립적인 생물학적 신호인지 구분하지 못합니다.
  • 통계적 검정 부재: 발견된 패턴에 대한 엄격한 통계적 유의성 검정과 교정 (Correction) 이 체계적으로 수행되지 않았습니다.

2. 방법론 (Methodology)

MANTIS 는 공간적으로 정합된 SM+ST 데이터 (세포 또는 스팟 단위) 를 분석하기 위해 고안된 통계적 프레임워크입니다. 주요 기능과 알고리즘은 다음과 같습니다.

• 입력 데이터: 공간 좌표, 대사체 풍부도, 유전자 발현, 그리고 선택적으로 세포 유형 (Cell Type) 및 공간 영역 (Spatial Domain) 주석이 포함된 객체 (Cells/Spots) 행렬.

• 핵심 통계 기법:

  1. 자기상관 보존 순열 전략 (Autocorrelation-preserving Permutation Strategy):
     • 공간 데이터의 고유한 자기상관 구조를 유지하면서 무작위화 (Randomization) 를 수행하여 경험적 널 (Null) 분포를 생성합니다.
     • 이를 통해 공간적 의존성을 고려한 엄격한 통계적 유의성 (FDR) 을 평가합니다.
  2. 공간 교차 상관 지수 (Spatial Cross-Correlation Index, SCI):
     • 두 변수 (예: 유전자와 대사체) 가 공간적으로 인접한 위치에서 공변동하는 정도를 측정하는 이변량 모란 I (Bivariate Moran's I) 유사 지수입니다.
  3. 공간 부분 상관 (Spatial Partial Correlation, SPC):
     • 세포 유형이나 공간 영역과 같은 교란 변수의 영향을 제거하기 위해, 먼저 해당 변수에 대해 회귀 분석 (OLS 또는 LASSO) 을 수행하여 잔차 (Residuals) 를 구한 후, 잔차 간 SCI 를 계산합니다.

• 주요 분석 기능:

  • 영역 연관 대사체 발견 (regional_met):
    • 특정 공간 영역에 대사체가 비무작위적으로 풍부하게 분포하는지 확인합니다.
    • **KL 발산 (Kullback-Leibler Divergence)**을 사용하여 대사체의 지역 풍부도 프로파일과 배경 프로파일 간의 차이를 측정합니다.
  • 세포 유형 연관 대사체 발견 (celltype_met):
    • 특정 세포 유형의 존재와 대사체 풍부도 간의 공간적 공분산을 SCI 를 통해 검정합니다.
  • 공간 변동성 대사체 발견 (spatvar_met):
    • 영역이나 세포 유형에 의해 설명되지 않는 고유한 공간적 패턴 (예: 확산, 국소적 핫스팟) 을 가진 대사체를 식별합니다.
    • 모란 I (Moran's I) 을 사용하되, 영역/세포 유형 효과를 회귀로 제거한 잔차에 적용합니다.
  • 유전자 - 대사체 연관성 발견 (compute_genemet_sci, compute_SPC-CT/SD):
    • SCI 를 기반으로 유전자 - 대사체 쌍의 공간적 상관관계를 계산합니다.
    • 세포 유형 (SPC-CT) 이나 공간 영역 (SPC-SD) 의 영향을 제거한 후의 순수한 연관성을 파악합니다.

3. 주요 기여 (Key Contributions)

• 첫 통합 프레임워크: 공간 대사체학, 공간 전사체학, 세포 유형 정보, 공간 영역 정보를 단일 통계적 프레임워크로 통합한 최초의 툴킷입니다.
• 엄격한 통계적 검정: 기존 도구들이 간과했던 공간적 자기상관을 고려한 순열 검정 (Permutation test) 을 도입하여 위양성률을 현저히 낮췄습니다.
• 교란 변수 분리: 조직 구조나 세포 분포로 인한 겉보기 상관관계를 분리하여, 실제 생물학적 메커니즘에 기반한 연관성을 더 정확하게 규명합니다.
• 다양한 플랫폼 호환성: 서로 다른 공간 기술 (Visium, MALDI-MSI 등) 과 종 (마우스, 인간) 에서 생성된 데이터에 적용 가능한 범용성을 입증했습니다.

4. 실험 결과 (Results)

연구진은 마우스 선조체 (Striatum), 인간 폐암, 인간 파킨슨병 선조체 등 3 가지 데이터셋을 사용하여 MANTIS 를 검증했습니다.

• 마우스 선조체 데이터 (VICARI 데이터셋):

  • 영역 연관성: 기존 도구들이 수천 개의 위양성 연관성을 보고한 반면, MANTIS 는 KL 발산과 자기상관 보존 검정을 통해 500 개의 고변동성 대사체 중 66 개만 유의미한 영역 연관성으로 선별했습니다.
  • 세포 유형 연관성: 비공간적 상관관계 (Pearson) 는 24,000 쌍 중 약 49% 를 유의미하다고 판정했으나, MANTIS 는 공간적 구조를 고려하여 훨씬 더 엄격한 기준 (1,518 개) 을 적용했습니다.
  • 유전자 - 대사체 연관성:
    • 단순 피어슨 상관관계는 500,000 쌍 중 77% 를 유의미하다고 판정했으나, MANTIS 의 SCI 기반 검정은 12.3% 로 대폭 감소시켰습니다.
    • 세포 유형과 공간 영역 효과를 제거한 SPC 분석 후, 2.4% (11,890 쌍) 만이 독립적인 연관성을 가지는 것으로 확인되었습니다.
    • 예시: 도파민 신호가 높은 회백질 영역과 수초 단백질 (Mbp, Plp1) 이 높은 백질 영역의 공간적 분리가 음의 상관관계를 설명하는 주요 요인이었음을 규명했습니다.

• 인간 폐암 및 파킨슨병 데이터:

  • 폐암: T 세포 마커 (CD45RA/RO) 와 세라마이드 - 포스파티딜콜린의 공간적 연관성을 발견하여 면역 침투와 대사 재프로그래밍의 관계를 규명했습니다.
  • 파킨슨병: 도파민과 수초 단백질 간의 강한 음의 상관관계를 확인했으나, 이는 공간 영역 (회백질 vs 백질) 에 의한 것이었음을 SPC-SD 분석을 통해 재확인했습니다. 반면, Cntn2 와 GABA-H2O 간의 역상관관계는 영역 효과를 제거한 후에도 유의미하게 남아 있어 생물학적 메커니즘을 시사했습니다.

5. 의의 및 결론 (Significance)

• 정밀한 생물학적 통찰: MANTIS 는 단순한 공존 (Co-localization) 을 넘어, 공간적 구조와 세포 유형을 통제함으로써 유전자와 대사체 간의 인과적 또는 기능적 관계를 더 명확하게 규명할 수 있게 합니다.
• 위양성 제어: 기존 도구들이 과대평가했던 연관성 수를 통계적으로 엄격하게 조정하여, 연구자들이 신뢰할 수 있는 가설을 세울 수 있도록 지원합니다.
• 미래 연구 방향: 공간 통계학의 엄격성을 공간 오믹스 분석에 도입하는 새로운 표준을 제시하며, 향후 더 정교한 공간 자기상관 보정 및 이산형 변수 처리 등을 위한 연구의 기반이 됩니다.

결론적으로, MANTIS 는 공간 다중 오믹스 데이터의 복잡성을 통계적으로 엄격하게 처리하여, 조직의 기능적 상태와 질병 메커니즘을 이해하는 데 필수적인 도구로 자리 잡았습니다.