jazzPanda: A hybrid approach to find spatial markergenes in imaging-based spatial transcriptomics data

이 논문은 이미징 기반 공간 전사체 데이터의 공간적 분포를 고려하여 클러스터 내 유전자 검출과 세포 좌표를 이진화하여 선형 모델에 적용하는 하이브리드 접근법인 'jazzPanda' 패키지를 개발하고, 이를 통해 기존 방법보다 특이성과 공간 상관관계가 향상된 마커 유전자를 식별할 수 있음을 제시합니다.

핵심

🏙️ 배경: 조직은 거대한 도시입니다

우리의 몸속 조직은 마치 거대한 도시와 같습니다.

• 세포 (Cells): 도시의 주민들입니다. 간세포, 면역세포, 암세포 등 다양한 직업 (종류) 을 가진 주민들이 있습니다.
• 유전자 (Genes): 각 주민이 가지고 있는 '명함'이나 '신분증' 같은 것입니다. 어떤 유전자가 많이 발현되느냐에 따라 그 세포가 누구인지 알 수 있습니다.
• 공간적 위치 (Spatial Location): 중요한 점은 이 주민들이 어디에 살고 있는지입니다. 같은 주민이라도 도시의 중심가에 살면 부자일 수 있고, 변두리에 살면 다를 수 있죠.

기존의 기술 (단일 세포 분석) 은 이 주민들의 명함만 모아서 "아, 이 사람은 의사야, 저 사람은 소방관이야"라고 분류는 했지만, 그들이 도시 지도의 어디에 모여 있는지는 잘 보여주지 못했습니다.

🕵️‍♂️ 문제: "누가 진짜 주민인가?"를 찾는 어려움

최근에 등장한 **이미지 기반 공간 전사체 기술 (Spatial Transcriptomics)**은 세포의 위치까지 정확히 찍어줍니다. 하지만 데이터가 너무 방대하고, 한 세포당 유전자 정보가 매우 적어서 (마치 주민 한 명이 명함을 1~2 장만 들고 있는 것처럼) 분석하기가 매우 어렵습니다.

기존에 쓰던 방법들은 이 '위치' 정보를 무시하고 단순히 숫자만 비교했습니다. 그래서 진짜 중요한 주민 (특징적인 세포) 을 찾아내려 해도, 잡음 (배경 소음) 이 섞여 엉뚱한 사람을 찾아내는 실수가 자주 일어났습니다.

🐼 해결책: jazzPanda(재즈판다) 의 등장

이 문제를 해결하기 위해 개발된 jazzPanda는 두 가지 핵심 전략을 사용합니다.

1. "도시를 격자무늬로 나누기" (Binning & Pseudobulking)

jazzPanda 는 거대한 조직 지도를 작은 격자 (타일) 나 육각형 모양의 방으로 나눕니다.

• 상상해 보세요: 도시 지도를 100 개의 작은 방으로 나눕니다.
• 각 방에 들어있는 세포들의 수와 유전자 (명함) 의 수를 모두 합칩니다.
• 이렇게 하면 개별 세포의 작은 오차나 잡음이 사라지고, **"이 방에는 의사들이 많이 모여 있네", "저 방에는 소방관들이 모여 있네"**라는 큰 그림이 선명하게 보입니다.
• 이를 통계학에서는 '가상 뭉치 (Pseudobulk)'라고 부르는데, 마치 개별 주민 대신 '동네 대표'를 뽑아 분석하는 것과 같습니다.

2. "위치와 이름의 일치도 확인하기" (Two Approaches)

이제 이 도구들은 두 가지 방법으로 '진짜 특징적인 세포'를 찾아냅니다.

• 방법 A: 상관관계 측정 (Correlation)

  • "이 유전자 (예: 간세포의 명함) 가 있는 곳과, 간세포가 모여 있는 동네가 지도상에서 얼마나 비슷하게 겹치는가?"를 계산합니다.
  • 마치 **"비와 우산"**의 관계를 보는 것과 같습니다. 비가 오는 곳 (유전자) 과 우산을 쓴 사람 (세포) 이 정확히 같은 곳에 있다면, 그 유전자는 그 세포의 확실한 특징입니다.
  • 무작위로 위치를 바꿔가며 (Permutation) 우연히 겹칠 확률을 계산해 통계적 의미를 확인합니다.

• 방법 B: 선형 모델링 (Linear Modelling) - 더 똑똑한 방법

  • 단순히 겹치는 것뿐만 아니라, **배경 잡음 (기술적 오류)**까지 고려합니다.
  • 예를 들어, 실험 과정에서 생기는 '가짜 신호'를 별도의 변수로 넣어 "아, 이건 진짜가 아니라 실험 오류였구나"라고 제외시킵니다.
  • 여러 개의 샘플 (다른 사람의 조직) 을 한꺼번에 분석할 때, 사람마다 다른 특징을 보정해 주며 공통된 특징을 찾아냅니다.

📊 결과: 왜 이것이 중요한가요?

연구진은 이 방법을 실제 데이터 (간암, 유방암, 뇌 조직 등) 에 적용해 보았습니다.

1. 정확도 향상: 기존 방법들은 너무 많은 유전자를 '특징'이라고 잘못 찾아냈지만, jazzPanda 는 정확히 그 세포의 위치와 일치하는 유전자만 골라냈습니다.
2. 잡음 제거: 실험 과정에서 생기는 배경 소음을 잘 걸러내어, 엉뚱한 결론을 내리는 실수를 줄였습니다.
3. 새로운 통찰: 세포들이 서로 어떻게 이웃하고 있는지, 어떤 세포들이 함께 모여 있는지 (예: 암세포와 면역세포의 관계) 를 더 선명하게 보여줍니다.

💡 결론: 재즈판다의 비유

마치 **재즈 (Jazz)**가 즉흥 연주처럼 유연하게 다양한 악기 (데이터) 를 조화시키듯, jazzPanda는 복잡한 조직 데이터 속의 세포와 유전자 위치를 유연하게 조화시켜 **진짜 중요한 신호 (마커 유전자)**를 찾아냅니다.

이 도구를 통해 우리는 이제 세포가 단순히 '무엇인가'를 아는 것을 넘어, 세포가 '어디에' 모여 어떤 이야기를 나누고 있는지를 훨씬 더 정확하게 이해할 수 있게 되었습니다. 이는 암 치료나 뇌 질환 연구 등 미래 의학에 큰 도움이 될 것입니다.

기술 요약

1. 연구 배경 및 문제점 (Problem)

• 공간 전사체학 (Spatial Transcriptomics) 의 중요성: 조직의 공간적 구조와 세포 간 이웃 관계를 이해하는 데 필수적인 기술로 발전하고 있습니다. 특히 Xenium, CosMx, MERSCOPE 와 같은 이미징 기반 기술은 아세포 (sub-cellular) 수준의 해상도를 제공하지만, 각 세포당 검출된 전사체 (transcript) 의 수가 매우 적어 (대부분 0, 1, 2 개) 데이터가 매우 희소 (sparse) 합니다.
• 기존 방법의 한계: 단일 세포 RNA 시퀀싱 (scRNA-seq) 분석에 널리 사용되는 마커 유전자 탐지 방법 (예: Seurat 의 FindMarkers, Wilcoxon Rank Sum Test 등) 은 공간 정보를 고려하지 않습니다.
  • 이러한 방법들은 세포의 공간적 분포를 무시하고 단순히 발현량 차이만 기반으로 마커를 선정합니다.
  • 이미징 기반 데이터의 희소성과 낮은 카운트 수를 직접 적용할 경우, 통계적으로 유의미한 유전자가 과도하게 많이 발견되거나 (False Positive), 실제 공간적 패턴을 반영하지 못하는 결과가 나올 수 있습니다.
  • 기존 방법들은 배치 효과 (batch effect) 나 샘플 간 변이, 배경 잡음 (background noise) 을 공간 데이터에 맞게 적절히 보정하는 데 한계가 있습니다.

2. 제안된 방법론: jazzPanda (Methodology)

저자들은 이미징 기반 공간 전사체 데이터의 특성을 반영한 하이브리드 접근법인 jazzPanda를 개발했습니다. 핵심은 전사체 검출과 세포를 **공간 격자 (binning)**로 변환하여 "가상 풀링 (pseudobulking)"하는 것입니다.

A. 핵심 단계

1. 공간 벡터 생성 (Binning & Pseudobulking):

   • 조직의 2 차원 공간 (x, y 좌표) 을 정사각형, 직사각형 또는 육각형 격자 (tiles/bins) 로 분할합니다.
   • 유전자 벡터 ($g_i$): 각 격자 내의 특정 유전자의 전사체 검출 수를 합산하여 1 차원 벡터로 변환합니다. (세포 분할 여부와 무관하게 전사체 좌표만 사용 가능)
   • 클러스터 벡터 ($x_j$): 각 격자 내의 특정 세포 클러스터 (세포 유형) 의 세포 수를 세어 1 차원 벡터로 변환합니다.
   • 이 과정을 통해 희소한 단일 세포/전사체 데이터를 통계적 검정력을 높일 수 있는 격자 수준의 집계 데이터로 변환합니다.

2. 마커 유전자 탐지 두 가지 접근법:

   • 접근법 1: 상관관계 기반 (Correlation Approach)
     • 각 유전자 벡터와 클러스터 벡터 간의 피어슨 상관관계를 계산합니다.
     • Permutation (순열) 테스트: 클러스터 라벨을 무작위로 섞어 우연히 발생할 수 있는 상관관계를 평가하여 p-value 를 산출합니다.
     • 한계: 공변량 (covariates, 예: 샘플, 배경 잡음) 을 통제하기 어렵습니다.
   • 접근법 2: 일반화 선형 모델링 (Generalized Linear Modelling, GLM)
     • 유전자 벡터를 클러스터 벡터의 선형 조합으로 설명하는 모델을 적합합니다.
     • Lasso 정규화: 각 유전자에 대해 가장 관련성이 높은 클러스터들을 선택하기 위해 Lasso 를 적용하여 변수 선택을 수행합니다.
     • 공변량 통제:
       • 샘플 벡터: 여러 샘플을 가진 실험 설계에서 샘플 간 변이를 통제합니다.
       • 배경 잡음 벡터 (Background Noise): Xenium(부정적 코드워드/프로브), CosMx(부정적 프로브/Falsecode), MERSCOPE(빈 유전자) 등의 기술적 부정적 대조군 (negative controls) 데이터를 공간 벡터로 변환하여 모델에 공변량으로 포함시킵니다. 이는 비특이적 결합 (non-specific binding) 으로 인한 위양성을 줄이는 데 핵심적입니다.
     • 최종 모델에서 가장 유의미한 p-value 와 큰 계수를 가진 클러스터를 해당 유전자의 마커로 정의합니다.

3. 주요 기여 및 특징 (Key Contributions)

• 공간 인식형 마커 탐지: 기존 scRNA-seq 기반 방법론이 놓친 '공간적 분포'를 마커 선정의 핵심 기준으로 삼았습니다.
• 배경 잡음 및 다중 샘플 통제: 선형 모델링을 통해 기술적 배경 잡음 (negative controls) 과 실험적 변이 (multiple samples) 를 명시적으로 모델링하여 오검출률 (False Discovery Rate) 을 효과적으로 통제합니다.
• 유연한 데이터 처리: 전사체가 세포에 할당되지 않은 경우에도 전사체 좌표만으로 유전자 벡터를 생성할 수 있어, 세포 분할 (segmentation) 의 불완전성을 보완합니다.
• 확장 가능한 프레임워크: 마커 탐지 외에도 클러스터 간 상관관계 (세포 유형 공존 패턴) 및 유전자 - 유전자 상관관계 (공간적 공동 발현) 분석을 위한 통계적 기반을 제공합니다.
• 오픈 소스 도구: R Bioconductor 패키지 (jazzPanda) 로 공개되어 재현 가능한 분석을 지원합니다.

4. 실험 결과 (Results)

저자들은 Xenium, CosMx, MERSCOPE 플랫폼에서 생성된 6 개의 공개 데이터셋 (간, 폐, 유방암, 뇌 등) 을 사용하여 jazzPanda 를 검증했습니다.

• 시뮬레이션 (False Discovery Rate Control):
  • 균일하게 분포된 가상의 유전자와 배경 잡음을 시뮬레이션한 결과, 기존 상관관계 기반 방법 (Permutation 만 사용) 은 큰 클러스터에서 위양성이 증가하는 경향을 보였습니다.
  • 반면, **jazzPanda-glm(선형 모델링)**은 배경 잡음 벡터를 포함함으로써 위양성을 효과적으로 통제하고, 실제 마커가 아닌 배경 신호를 '가장 관련성 높은 클러스터'로 식별하여 마커로 선정되지 않도록 방지했습니다.
• 실제 데이터 적용:
  • CosMx 간 데이터: 간 stellate 세포의 마커로 잘 알려진 IGFBP7을 높은 상관관계 (0.904) 와 낮은 p-value 로 성공적으로 식별했습니다.
  • 다중 샘플 데이터 (Xenium 유방암): 두 개의 생물학적 반복 샘플에서 공통적으로 발현되는 마커 유전자 (예: T 세포의 IL7R) 를 식별하여 샘플 간 일관성을 입증했습니다.
  • 비교 분석: Wilcoxon Rank Sum Test 및 limma(t-test) 와 비교 시, jazzPanda 는 더 적은 수의 마커 유전자를 선정했으나, 선정된 유전자들의 **공간적 상관관계 (Spatial Correlation)**가 훨씬 높았습니다. 기존 방법들은 많은 유전자를 마커로 선정했으나 공간적 특이성이 낮았습니다.
• 기술적 성능:
  • 격자 크기 (tile size) 와 모양 (정사각형 vs 육각형) 에 대한 민감도 분석 결과, 격자 크기가 클러스터의 세포 수에 비례하여 적절히 설정되면 (평균 격자당 세포 수 > 1) 결과가 매우 견고 (robust) 함을 확인했습니다.
  • 계산 비용은 대규모 데이터셋에서 상대적으로 높지만, 병렬 처리를 통해 실용적인 수준으로 관리 가능합니다.

5. 의의 및 결론 (Significance)

• 정확한 세포 유형 주석: jazzPanda 는 단순히 발현량만 높은 유전자가 아니라, 특정 세포 유형이 위치한 공간 영역과 일치하는 유전자를 선별함으로써 세포 유형 주석 (annotation) 의 정확도와 신뢰성을 높입니다.
• 공간 전사체학 분석 워크플로우의 표준화: 기존 scRNA-seq 도구의 무분별한 적용을 지양하고, 공간 데이터의 고유한 특성 (희소성, 배경 잡음, 공간적 구조) 을 반영한 전용 분석 방법론을 제시했습니다.
• 생물학적 통찰력 증대: 위양성을 줄이고 공간적 특이성을 높임으로써, 조직 미세환경 내에서의 세포 간 상호작용 및 질병 진행 메커니즘 (예: 종양 미세환경, 면역 반응) 을 더 정확하게 규명할 수 있는 기반을 마련했습니다.

결론적으로, jazzPanda는 이미징 기반 공간 전사체 데이터의 분석에 있어 공간적 맥락을 통계적으로 rigorously하게 통합한 혁신적인 도구로, 보다 신뢰할 수 있는 마커 유전자 발견과 생물학적 통찰력을 제공합니다.