SR2P: an efficient stacking method to predict protein abundance from gene expression in spatial transcriptomics data

SR2P 는 스택킹 기반의 머신러닝 프레임워크를 통해 공간 전사체 데이터의 유전자 발현 정보만으로 단백질 풍부도를 정확하게 예측하여, 현재 다중 오믹스 데이터의 부재로 제한되던 종양 미세환경 내 면역 세포 분석 및 치료 반응 예측의 가능성을 확장합니다.

핵심

1. 문제 상황: "레시피만 있는 요리사"

생물학자들은 종양이나 조직을 연구할 때 두 가지 중요한 정보를 봅니다.

1. RNA (레시피): 세포가 어떤 단백질을 만들지 지시하는 '설계도'입니다.
2. 단백질 (요리): 실제로 만들어진 '요리'입니다.

현재의 문제점:
대부분의 최신 기술 (스페이셜 트랜스크립토믹스) 은 조직의 위치 정보를 유지하면서 **RNA(레시피)**만 읽어낼 수 있습니다. 하지만 **단백질(실제 요리)**을 직접 측정하는 기술은 너무 비싸고, 기술적으로 어렵습니다.

비유: 마치 요리사의 레시피 (RNA) 만 보고는 있지만, 실제로 어떤 요리가 만들어졌는지 (단백질) 직접 맛보거나 볼 수 없는 상황입니다. 레시피를 보면 "소고기 스테이크를 만들겠다"고 적혀 있지만, 실제로는 소시지를 만들었을 수도 있습니다 (RNA 와 단백질이 일치하지 않는 경우가 많기 때문입니다).

2. 해결책: SR2P (유능한 요리 비서)

이 연구팀은 SR2P라는 AI 도구를 개발했습니다. 이 도구는 **11 가지 다른 예측 모델 (11 명의 요리 비서)**을 한 팀으로 묶어 (Stacking 기법), 레시피만 보고도 "아마도 이 세포는 이런 단백질 요리가 있을 거야"라고 정확하게 추측해냅니다.

• 어떻게 작동하나요?
  • SR2P 는 단순히 레시피만 보는 게 아니라, 주변 이웃 세포들의 정보도 함께 봅니다. (예: "이 세포는 주변에 면역 세포들이 많으니, 아마도 면역 관련 단백질을 많이 가지고 있겠지"라고 판단).
  • 11 명의 비서들이 각자 다른 방식으로 추측한 뒤, 가장 똑똑한 '팀장 (메타 학습기)'이 최종 결론을 내립니다.

3. 실험 결과: "지도의 빈칸을 채우다"

연구팀은 이 도구를 여러 조직 (유방암, 편도선, 두경부암 등) 에서 테스트했습니다.

• 성공: SR2P 는 기존에 단백질 데이터를 직접 측정하지 않은 조직에서도, 마치 직접 측정했듯이 정확한 단백질 지도를 그려냈습니다.
• 한계: 하지만 이 도구는 같은 종류의 조직 (예: 유방암 vs 유방암) 사이에서는 매우 잘 작동하지만, 완전히 다른 조직 (예: 유방암 vs 뇌종양) 사이에서는 정확도가 떨어집니다.
  • 비유: 유방암 조직의 레시피를 공부한 요리사가, 유방암 조직의 요리를 예측하는 건 쉽지만, 뇌종양이라는 완전히 다른 식재료를 가진 곳으로 가면 레시피 해석이 헷갈릴 수 있다는 뜻입니다.

4. 실제 활용: "암 치료의 열쇠를 찾다"

이 도구의 가장 큰 장점은 암 환자 치료 반응 예측에 쓰일 수 있다는 점입니다.

• 상황: 두경부암 환자들이 면역 치료제를 받았는데, 어떤 사람은 효과가 있고 (Responder), 어떤 사람은 효과가 없었습니다 (Non-Responder).
• 발견: SR2P 를 이용해 RNA 데이터만 있는 환자 샘플에서 단백질 정보를 추측해 보니, 치료에 반응한 환자는 'T 세포' 관련 단백질이 많았고, 반응하지 않은 환자는 '대식세포' 관련 단백질이 많다는 것을 발견했습니다.
• 의미: 직접 단백질을 측정하지 않아도, RNA 데이터만으로도 어떤 환자가 치료에 잘 반응할지 미리 예측하고, 면역 세포가 어디에 모여 있는지 더 선명하게 볼 수 있게 되었습니다.

5. 요약: 왜 이 연구가 중요한가요?

1. 비용 절감: 비싼 단백질 측정 장비 없이도, 기존에 있는 RNA 데이터만으로 단백질 정보를 얻을 수 있어 연구 비용을 크게 아낄 수 있습니다.
2. 과거 데이터 활용: 과거에 단백질 데이터를 모으지 않고 RNA 만으로 실험했던 수많은 연구 자료들을 다시 꺼내 써서 새로운 통찰을 얻을 수 있습니다.
3. 정밀 의학: 암 조직 속의 면역 세포 분포를 더 정확하게 파악하여, 환자 맞춤형 치료를 설계하는 데 도움을 줍니다.

한 줄 요약:

"SR2P 는 세포의 '설계도 (RNA)'만 보고도, 실제 '요리 (단백질)'가 어떻게 만들어졌는지 AI 가 추측하게 만들어, 비싼 장비 없이도 암 치료의 비밀을 찾아내는 똑똑한 도구입니다."

기술 요약

SR2P: 공간 전사체 데이터에서 유전자 발현을 기반으로 한 단백질 풍부도 예측을 위한 효율적인 스태킹 방법

1. 연구 배경 및 문제 정의 (Problem)

• 현재의 한계: 공간 전사체학 (Spatial Transcriptomics) 기술 (예: 10x Genomics Visium) 은 조직 내 RNA 발현의 공간적 분포를 제공하지만, 세포의 기능적 상태를 직접적으로 반영하는 단백질 풍부도 (Protein Abundance) 정보는 제공하지 못합니다.
• RNA-단백질 불일치: 전사체 (RNA) 와 단백질 수준은 전사 후 조절, 번역 조절, 단백질 분해 등 다양한 기작으로 인해 종종 불일치 (Discordance) 를 보입니다. 특히 면역 세포 표면 마커와 같은 중요한 생물학적 마커에서 이러한 불일치는 두드러집니다.
• 다중 오믹스 데이터의 부재: 공간 다중 오믹스 (RNA+Protein) 기술은 존재하지만 비용이 많이 들고 기술적 난이도가 높아 널리 사용되지 못하고 있습니다. 따라서 기존에 축적된 RNA 만의 공간 데이터에서 단백질 정보를 추론할 수 있는 효율적인 방법이 절실히 필요합니다.
• 기존 방법의 한계: 기존 선형 회귀 모델 (sclinear 등) 은 공간적 맥락을 충분히 반영하지 못하며, 그래프 신경망 (GNN) 기반 모델들은 공간적 구조를 학습하지만 예측 성능과 일반화 능력에서 한계를 보였습니다.

2. 방법론 (Methodology)

저자들은 SR2P (Spatial RNA-to-Protein) 라는 새로운 머신러닝 프레임워크를 개발했습니다. 이는 다양한 예측 모델의 장점을 통합하는 스태킹 (Stacking) 기반의 앙상블 학습 접근법입니다.

• 기본 학습기 (Base Learners) 통합: SR2P 는 11 개의 상보적인 예측 모델을 통합합니다.
  • 선형 모델: PLS (Partial Least Squares)
  • 트리 기반 앙상블 (Gradient Boosting): XGBoost, LightGBM, CatBoost
  • 그래프 신경망 (GNN): GAT (Graph Attention Network), GraphSAGE, DGAT (Dual Graph Attention Network)
• 공간 정보 통합 (Spatial Augmentation):
  • GNN 모델은 본질적으로 이웃 정보를 포함하지만, PLS 및 트리 기반 모델 (비 GNN) 에 대해서는 명시적인 공간 특징 (Spatial Features) 을 구축합니다.
  • 각 스팟 (Spot) 에 대해 동서남북 4 방향의 이웃 스팟 유전자 발현 데이터를 입력 벡터에 연결 (Concatenation) 하여 공간적 맥락을 모델에 주입합니다. 이를 통해 기존 모델들이 조직의 공간적 구조를 학습하도록 합니다.
• 메타 학습기 (Meta-Learner):
  • 위 11 개 모델의 예측 결과를 입력으로 받아 최종 예측을 수행하는 메타 학습기로 ExtraTrees (Extremely Randomized Trees) 모델을 사용합니다. 이는 각 모델의 예측 오차를 보정하고 상호 보완적인 패턴을 포착하는 역할을 합니다.
• 검증 전략:
  • 샘플 내 검증 (Within-sample): 공간적으로 연속된 10 폴드 교차 검증.
  • 동일 조직 내 검증 (Within-tissue): 같은 조직 유형 내 다른 샘플 간 검증 (예: 편도선 1 vs 편도선 2).
  • 교차 조직 검증 (Cross-tissue): 서로 다른 조직 유형 (유방암, HNSCC, 편도선, 뇌종양 등) 간 검증으로 모델의 일반화 능력 평가.

3. 주요 기여 (Key Contributions)

1. 최적의 스태킹 프레임워크 개발: 다양한 모델 아키텍처 (선형, 트리, GNN) 와 공간 정보 증강을 결합하여 단일 모델보다 우수한 성능을 내는 SR2P 를 제안했습니다.
2. 공간 정보의 중요성 입증: 비 GNN 모델에 공간 이웃 정보를 추가하는 것이 예측 정확도를 유의미하게 향상시킴을 실험적으로 증명했습니다.
3. 실제 임상 적용 사례 제시: 단백질 측정 데이터가 없는 HNSCC(두경부 편평세포암) RNA 만의 공간 데이터를 활용하여, SR2P 로 예측된 단백질 정보를 통해 면역 세포 (대식세포 등) 가 풍부한 영역을 재발견하고 면역 치료 반응 (Responder/Non-responder) 과 관련된 바이오마커를 식별했습니다.

4. 실험 결과 (Results)

• 예측 성능:
  • SR2P 는 11 개의 경쟁 모델 (PLS, XGBoost, LightGBM, CatBoost, GNN 등) 과 그 변형 모델들 중 일관되게 가장 높은 성능을 보였습니다.
  • 특히 유방암, 편도선, HNSCC 등 다양한 조직에서 CD45(면역세포), CD163(대식세포), EPCAM(종양세포) 등 주요 세포 마커의 공간적 분포를 실제 관측 데이터와 매우 유사하게 재현했습니다.
  • GNN 기반 모델 (DGAT 등) 은 공간적 맥락을 학습하지만, 트리 기반 모델 (CatBoost-Spatial 등) 보다 성능이 낮거나 변동성이 큰 경향을 보였습니다.
• 일반화 능력 (Generalization):
  • 동일 조직 내: 높은 예측 정확도 (Spearman 상관관계 0.5~0.6 이상) 를 보였습니다.
  • 교차 조직: 조직 간 생물학적 차이로 인해 성능이 감소했으나, SR2P 는 다른 모델들보다 감소 폭이 적고 안정적이었습니다. 이는 조직 특이적 (Tissue-specific) 인 RNA-단백질 관계가 존재함을 시사합니다.
• 계산 효율성:
  • SR2P 의 메타 학습기 추론 시간은 약 2.19 초로 매우 빠르며, 전체 스택킹 구조를 고려하더라도 실용적인 수준입니다.
• 생물학적 적용 (HNSCC 사례):
  • RNA 만의 데이터만으로는 놓칠 수 있는 대식세포가 풍부한 영역을 RNA+예측 단백질 데이터를 결합한 클러스터링을 통해 더 정확하게 식별했습니다.
  • 면역 치료 (Anti-PD1) 에 반응하는 환자군 (Responder) 은 CD8+ T 세포 마커가 높고, 비반응군 (Non-responder) 은 대식세포/골수계 마커가 높은 패턴을 예측된 단백질을 통해 성공적으로 구별했습니다.

5. 의의 및 결론 (Significance)

• 비용 효율적인 다중 오믹스 분석: 고비용의 공간 단백질 측정 없이도 기존 RNA 데이터로부터 고품질의 단백질 풍부도 정보를 추론할 수 있게 하여, 기존 공간 전사체 데이터의 가치를 극대화합니다.
• 면역학 연구 지원: 종양 미세환경 (TME) 내 면역 세포의 공간적 분포와 상호작용을 더 정확하게 파악할 수 있게 하여, 면역 치료 반응 예측 및 바이오마커 발견에 기여합니다.
• 확장 가능한 프레임워크: SR2P 는 다양한 조직과 조건에 적용 가능한 유연한 프레임워크를 제공하며, 공간 전사체학의 분석 능력을 단백질 수준까지 확장하는 중요한 도구로 평가됩니다.

이 연구는 머신러닝 기반의 스태킹 기법을 통해 공간 전사체 데이터의 한계를 극복하고, 실제 임상적 통찰력을 얻을 수 있는 새로운 패러다임을 제시했다는 점에서 의의가 큽니다.