Systematic clustering alignment and feature characterization for single-cell omics using ACE-OF-Clust

ACE-OF-Clust 는 단일 세포 오믹스 데이터의 클러스터링 정렬 문제와 모델 설정 차이를 해결하여 세포 유형 식별의 해석 가능성, 유연성 및 견고성을 향상시키는 4 단계 워크플로우를 제공합니다.

핵심

🧩 비유: "혼란스러운 파티와 새로운 안내자"

상상해 보세요. 거대한 파티 (세포들) 가 열렸습니다. 수천 명의 손님이 있는데, 우리는 이들을 '가족', '친구', '동료' 같은 그룹으로 나누려고 합니다.

1. 기존 방식의 문제점: "매번 다른 이름표"

지금까지 과학자들은 컴퓨터 프로그램 (Seurat, Scanpy 등) 을 이용해 이들을 그룹으로 묶었습니다. 하지만 여기서 큰 문제가 생깁니다.

• 랜덤한 결과: 같은 파티를 두 번 분석해도, 컴퓨터가 무작위로 시작하는 방식 때문에 첫 번째 분석에서는 'A 팀'이 '가족'으로 묶였는데, 두 번째 분석에서는 'B 팀'이 '가족'이 됩니다.
• 이름 바꾸기: 같은 그룹이라도 컴퓨터가 매번 다른 이름 (라벨) 을 붙입니다. "1 번 그룹"이 어제에는 '가족'이었는데 오늘에는 '친구'가 될 수 있습니다.
• 그룹 수의 차이: 어떤 분석은 5 개 그룹으로 나누고, 다른 분석은 10 개 그룹으로 나눕니다.

이렇게 되면, "어떤 세포가 진짜 중요한 세포일까?"를 판단하기가 매우 어렵습니다. 마치 파티에서 "저 사람 누구야?"라고 물어봐도, 친구가 "아, 저건 1 번 팀이야"라고 하고 다른 친구는 "아니, 저건 3 번 팀이야"라고 하면 혼란이 생기는 것과 같습니다.

2. ACE-OF-Clust 의 등장: "완벽한 안내자"

이 논문에서 개발한 ACE-OF-Clust는 바로 이 혼란을 정리해주는 **'만능 안내자'**입니다. 이 도구는 네 가지 단계로 작동합니다.

① 여러 번 시도하기 (Multiple Clustering)

• 비유: 파티를 한 번만 분석하지 않고, 10 번, 20 번 반복해서 분석합니다.
• 효과: "어? 이번엔 1 번 팀이 가족이네? 저번엔 3 번 팀이 가족이었는데?"라고 다양한 시나리오를 모두 모읍니다.

② 정렬하기 (Alignment)

• 비유: 10 번의 분석 결과에서 "아, 1 번 팀과 3 번 팀은 사실 같은 '가족' 그룹이구나!"라고 알아서 이름을 통일해 줍니다.
• 효과: 서로 다른 분석 결과라도 "이건 같은 그룹이야"라고 맞춰주므로, 어떤 세포가 진짜 중요한지 명확해집니다.

③ 비교하기 (Comparison)

• 비유: "Seurat 이라는 프로그램이 만든 그룹"과 "Scanpy 라는 프로그램이 만든 그룹"을 나란히 비교합니다.
• 효과: "어떤 세포는 두 프로그램 모두에서 '가족'으로 인정받았네! (이건 확실해)" vs "어떤 세포는 프로그램마다 의견이 달라서 헷갈리네 (이건 주의해야 해)"를 구분해 줍니다.

④ 핵심 인물 찾기 (Feature Characterization)

• 비유: 그룹을 나눈 결정적인 이유가 무엇인지 찾습니다. "가족 그룹은 왜 가족일까? 아마도 '유전자 A'를 많이 쓰기 때문이겠지!"
• 효과: 단순히 그룹만 나누는 게 아니라, 어떤 유전자가 세포를 구분하는 핵심 열쇠인지 찾아냅니다. 특히, 유전자의 활동 패턴을 그래프로 그려서 "이 유전자는 세포 A 와 B 를 가르는 가장 큰 차이점"을 보여줍니다.

---

🌟 이 도구가 왜 특별한가요? (핵심 장점)

1. 불확실성을 잡아냅니다:
   기존에는 "한 번 분석해서 나온 결과"만 믿었습니다. 하지만 ACE-OF-Clust 는 "이 세포는 분석마다 결과가 달라서 아직 누구인지 확신할 수 없어"라고 경고해 줍니다. 이는 잘못된 결론을 내리는 것을 막아줍니다.

2. 연속적인 변화를 봅니다:
   세포는 딱딱하게 '가족'이나 '친구'로만 나뉘는 게 아닙니다. 중간 단계 (예: 가족이면서 친구 같은 상태) 가 있을 수 있습니다. 이 도구는 "이 세포는 70% 가족, 30% 친구"처럼 부드러운 변화도 포착해 줍니다.

3. 다양한 데이터 연결:
   유전자 데이터 (RNA) 와 염색질 데이터 (ATAC) 를 동시에 분석할 때, "이 유전자가 활성화되면 이 염색질 영역도 열리나?"라는 규제 관계를 찾아내기도 합니다. 마치 "이 사람이 웃으면 (유전자), 그 옆에 있는 사람도 웃는다 (염색질)"는 관계를 찾아내는 것과 같습니다.

💡 결론: "세포의 지도를 더 정확하게 그리다"

이 논문의 ACE-OF-Clust는 과학자들이 세포를 분류할 때 겪는 "컴퓨터가 매번 다른 이름을 붙이는" 혼란을 해결해 줍니다.

• 과거: "컴퓨터가 이렇게 묶어줬으니, 이게 정답이야!" (하지만 정답이 아닐 수도 있음)
• 현재 (ACE-OF-Clust): "여러 번 분석해보고, 서로 비교해보니, 이 세포들은 확실히 '가족'이고, 그 이유는 '유전자 X' 때문이야. 하지만 이 세포는 아직 의견이 분분하니까 더 지켜봐야 해."

이 도구를 사용하면 암 연구나 면역 세포 연구에서 더 정확하고, 더 신뢰할 수 있는 세포 지도를 그릴 수 있게 됩니다. 마치 파티에서 모든 손님의 관계를 명확하게 파악하고, 누가 누구와 가장 친한지, 누가 중간에 서 있는지 완벽하게 이해하는 것과 같습니다.

기술 요약

논문 요약: ACE-OF-Clust 를 이용한 단일 세포 오믹스 데이터의 체계적 클러스터링 정렬 및 특징 분석

1. 문제 정의 (Problem)

단일 세포 RNA 시퀀싱 (scRNA-seq) 및 공간 전사체학 (ST) 데이터에서 세포 유형을 식별하기 위해 클러스터링이 널리 사용되지만, 다음과 같은 주요 한계점이 존재합니다.

• 클러스터링 정렬 문제 (Clustering Alignment Problem): 동일한 데이터에 대해 여러 번 실행하거나 다른 모델 (알고리즘, 매개변수, 클러스터 수 $K$) 을 적용할 때 발생하는 불일치 문제입니다. 이는 다음과 같은 원인으로 발생합니다.
  • 라벨 전환 (Label Switching): 클러스터 라벨이 실행마다 무작위로 바뀜.
  • 다중 모드 (Multi-modality): 무작위 초기화나 지역 최적해로 인해 서로 다른 클러스터링 패턴이 나타남.
  • 클러스터 수 ($K$) 의 차이: 모델 설정에 따라 클러스터 수가 달라 비교가 어려움.
• 해석의 어려움: 기존 연구들은 대부분 단일 실행 결과만을 보고하여, 대안적인 클러스터링 해를 놓치거나 세포 이질성에 대한 중요한 패턴을 간과할 수 있습니다.
• 특징 (Feature) 분석의 부재: 하드 클러스터링 (Hard Clustering) 은 이산적인 할당만 제공하며, 혼합 멤버십 (Mixed-membership) 클러스터링의 경우에도 어떤 유전자가 클러스터 분리를 주도하는지 체계적으로 정량화하는 도구가 부족했습니다.

2. 방법론 (Methodology)

저자들은 ACE-OF-Clust (Alignment, Comparison, and Evaluation of Omics Features in Clustering) 라는 새로운 프레임워크를 제안합니다. 이는 기존 도구인 'Clumppling'을 단일 세포 전사체 데이터에 확장한 것으로, 다음과 같은 4 단계 워크플로우를 제공합니다.

1. 다중 클러스터링 생성 (Multiple Clustering):

   • 다양한 모델 (Scanpy, Seurat 등) 과 매개변수 설정, 그리고 다양한 무작위 시드 (random seeds) 를 사용하여 여러 번의 클러스터링 결과를 생성합니다.
   • 입력 데이터는 $N$개의 세포와 $G$개의 특징 (유전자) 으로 구성된 행렬 $X$이며, 출력은 멤버십 행렬 $Q$ ($N \times K$) 입니다. 하드 클러스터링의 경우 원-핫 인코딩, 혼합 멤버십의 경우 확률적 멤버십을 사용합니다.

2. 클러스터링 정렬 (Clustering Alignment):

   • Clumppling 알고리즘을 사용하여 동일한 $K$ 값에 대한 여러 실행 결과를 대표 모드 (Representative Modes) 로 그룹화합니다.
   • 인접한 $K$ 값 사이, 그리고 서로 다른 모델 간의 모드를 정렬하여 일관된 참조 프레임으로 만듭니다.
   • 이 과정에서 클러스터의 분할 (splitting) 과 병합 (merging) 패턴을 포착합니다.

3. 모델 비교 및 정량화 (Model Comparison):

   • 정렬된 모드 간의 차이를 정량화하기 위해 정규화된 해밍 거리 (Normalized Hamming Distance, NHD) 또는 평균 총 멤버십 차이 ($\Delta$) 를 계산합니다.
   • 주석 (Annotation) 이 있는 경우, 주석 레이블과의 일치도를 평가하여 모델별 일관성을 분석합니다.

4. 정보성 있는 특징 식별 (Identification of Informative Features):

   • 혼합 멤버십 클러스터링에서 도출된 특징 수준 행렬 $P$ (유전자별 클러스터별 상대 발현) 를 활용합니다.
   • 각 유전자에 대해 클러스터링 프로파일 (Clustering Profile) 을 구성합니다. 이는 두 벡터로 이루어집니다.
     • 로그 폴드 변화 (LFC) 벡터 ($L_j$): 정렬된 상대 발현 값 간의 로그 비율.
     • 인덱스 벡터 ($\vec{L}_j$): 정렬 순서를 나타내는 인덱스.
   • 주요 지표:
     • 가중치 합 (Weighted P sum, $\tilde{p}_j$): 유전자의 전체 클러스터링 기여도.
     • 최대 분리 간격 (sepLFC): 인접한 클러스터 간 발현 차이의 최대 로그 비율. 이 값이 크면 해당 유전자가 특정 클러스터 그룹을 구분하는 데 핵심적임을 의미합니다.

3. 주요 결과 (Key Results)

저자들은 PBMC3k(scRNA-seq), 인간 유방암 (HBC, ST), PBMC10k(다중 오믹스: RNA+ATAC) 데이터셋을 통해 ACE-OF-Clust 의 유효성을 검증했습니다.

• PBMC3k (scRNA-seq) 분석:

  • Scanpy 와 Seurat 의 Louvain/Leiden 알고리즘을 적용했을 때, 동일한 설정에서도 실행마다 클러스터 수 ($K$) 와 할당 결과가 크게 달라지는 것을 확인했습니다.
  • ACE-OF-Clust 를 통해 이러한 변이를 정량화하고, CD4 T 세포와 같은 특정 세포 유형이 모델 간 불일치가 가장 큰 영역임을 발견했습니다.
  • 단일 실행 결과만으로는 대표하지 못하는 '소수 모드 (minor mode)'가 존재할 수 있음을 보여주었습니다.

• 유방암 (HBC, ST) 분석:

  • 조직의 병리학적 주석 (Morphotypes) 과 클러스터링 결과를 비교했습니다.
  • 하드 클러스터링은 대조군 (Healthy) 과 종양 (IDC) 영역을 구분하지만, 종양 가장자리 (Tumor Edge) 와 같은 연속적인 이질성은 포착하지 못했습니다.
  • 혼합 멤버십 클러스터링을 통해 연속적인 상태 전환과 공간적 혼합 패턴을 포착할 수 있었습니다.
  • COX6C, APOE, COL1A1과 같은 유전자가 클러스터 분리에 중요한 역할을 하며, 기존에 '고변이 유전자 (HVG)'로 선정되지 않았음에도 불구하고 중요한 클러스터링 특징임을 발견했습니다. 이는 HVG 필터링이 중요한 신호를 누락시킬 수 있음을 시사합니다.

• PBMC10k (다중 오믹스) 분석:

  • RNA-seq 와 ATAC-seq 데이터를 통합하여 클러스터링을 비교했습니다.
  • RNA 기반 클러스터링과 ATAC 기반 클러스터링 간에 세포 유형별 멤버십 변동성이 다름을 확인했습니다.
  • 크로스-오믹스 (Cross-omic) 규제 연결: 유전자와 접근성 크로마틴 영역 (Peak) 이 유전적 근접성 (Proximity) 없이도 유사한 클러스터 분리 패턴을 보이는 경우를 발견했습니다. 이는 ACE-OF-Clust 가 지리적 근접성이 아닌 기능적 유사성을 기반으로 잠재적 규제 관계를 제안할 수 있음을 보여줍니다.

4. 주요 기여 (Key Contributions)

1. 체계적인 정렬 프레임워크: 단일 세포 데이터에서 발생하는 클러스터링의 불일치 (라벨 전환, 다중 모드, $K$ 차이) 를 해결하고, 여러 모델과 실행 결과를 정량적으로 비교할 수 있는 표준화된 도구를 제공합니다.
2. 특징 기반 클러스터링 분석: 혼합 멤버십 모델의 특징 행렬 ($P$) 을 활용하여, 단순히 발현이 높은 유전자가 아닌 '클러스터 분리를 주도하는 유전자'를 식별하는 새로운 지표 (sepLFC, Weighted P sum) 를 개발했습니다.
3. 다중 오믹스 통합 및 규제 네트워크 추론: 서로 다른 오믹스 데이터 간의 클러스터링 불일치를 정량화하고, 공통된 분리 패턴을 보이는 특징들을 통해 새로운 유전자 - 크로마틴 규제 연결을 제안합니다.
4. 실용적 가이드라인 제공:
   • 단일 실행이 아닌 다중 실행과 정렬의 필요성 강조.
   • 혼합 멤버십 분석 시 HVG 필터링 대신 전 유전체 (All genes) 사용 권장 (중요한 신호 누락 방지).
   • 불확실성이 높은 세포군을 식별하여 하류 분석의 신뢰성 향상.

5. 의의 및 결론 (Significance)

ACE-OF-Clust 는 단일 세포 클러스터링의 해석 가능성 (Interpretability), 유연성 (Flexibility), 견고성 (Robustness) 을 크게 향상시킵니다. 기존에 단일 모델이나 단일 실행 결과에 의존하던 관행을 넘어, 데이터의 이질성과 모델의 불확실성을 체계적으로 관리할 수 있게 합니다. 특히, 공간 전사체학 및 다중 오믹스 데이터의 복잡성을 해결하고, 세포 이질성과 유전자 발현 역학을 연구하는 데 필수적인 확장 가능한 도구로 자리 잡을 것으로 기대됩니다. 이 도구는 오픈 소스 Python 패키지 (ace-of-clust) 로 공개되어 있습니다.