DiaReport: Reproducible Workflow for Differential Expression Analysis and Interactive Reporting in DIA-based Proteomics

이 논문은 DIA 기반 프로테오믹스 데이터의 차등 발현 분석과 재현 가능한 대화형 보고를 위해 개발된 R 패키지 'DiaReport'의 기능, 구현 및 적용 사례를 소개합니다.

핵심

이 논문은 **'DiaReport'**라는 새로운 도구를 소개합니다. 이 도구를 쉽게 이해하기 위해 **'거대한 도서관의 책 정리 및 보고서 작성'**에 비유해 보겠습니다.

📚 배경: 거대한 도서관 (프로테옴 데이터)

우리의 몸속에는 수만 가지의 단백질이 있습니다. 이를 연구하기 위해 과학자들은 '질량 분석기'라는 거대한 스캐너를 사용해서 이 단백질들을 찍어냅니다. 최근에는 **DIA(데이터 독립 획득)**라는 방식이 인기 있는데, 이는 도서관의 모든 책 (단백질) 을 한 번에 스캔하는 아주 정교한 방법입니다.

하지만 여기서 문제가 생깁니다.

1. 데이터가 너무 많습니다: 스캔된 책 목록 (데이터) 이 방대해서 사람이 일일이 읽기 힘듭니다.
2. 정리가 안 되어 있습니다: 책 목록만 있을 뿐, "어떤 책이 더 많아졌고, 어떤 책이 사라졌는지"를 비교하는 체계적인 방법이 부족했습니다.
3. 결과를 공유하기 어렵습니다: 분석을 끝내도 복잡한 코드나 파일만 남아서, 다른 연구자들이 결과를 쉽게 확인하거나 재현하기 힘들었습니다.

🛠️ 해결책: DiaReport (자동화 도서관 관리 시스템)

이 논문에서 소개한 DiaReport는 바로 이 문제를 해결해주는 **'자동화 도서관 관리 시스템'**입니다.

1. 모든 일을 한 번에 처리합니다 (원스톱 서비스)

예전에는 책 목록을 정리하는 사람, 통계 분석을 하는 사람, 보고서를 만드는 사람이 따로따로 일해야 했습니다. 하지만 DiaReport 는 하나의 프로그램으로 이 모든 일을 해냅니다.

• 책 정리 (필터링): 쓸모없는 책 (오염 물질) 을 버리고, 결손된 페이지 (누락된 데이터) 가 많은 책은 제외합니다.
• 비교 분석 (통계): "A 도서관과 B 도서관 중 어떤 책이 더 많이 늘었나?"를 수학적으로 정확하게 계산합니다.
• 보고서 제작 (시각화): 복잡한 숫자 대신, 누구나 이해할 수 있는 **인터랙티브한 웹 보고서 (HTML)**를 자동으로 만들어줍니다.

2. 맞춤형 보고서 (템플릿)

DiaReport 는 연구 목적에 따라 다른 형태의 보고서를 만들어줍니다.

• 기본 템플릿: 일반적인 책 비교 분석.
• EV(세포 외 소포) 템플릿: 특정 분야의 연구자 (예: 세포 밖으로 나오는 작은 주머니를 연구하는 사람) 를 위해, 그 분야에 맞는 특별한 지표 (예: 특정 마커 단백질의 양) 를 강조하는 보고서를 만들어줍니다. 마치 전문가용 맞춤형 뉴스레터를 만드는 것과 같습니다.

3. 투명하고 재현 가능한 작업 (FAIR 원칙)

이 도구의 가장 큰 장점은 **'투명성'**입니다.

• DiaReport 는 모든 분석 과정과 설정을 YAML 이라는 작은 메모장 파일에 꼼꼼히 기록해 둡니다.
• 나중에 다른 사람이 이 파일을 받으면, "어떤 기준으로 책을 정리했는지"를 바로 알 수 있고, 완전히 똑같은 결과를 다시 만들어낼 수 있습니다.
• 또한, 분석 결과와 함께 상호작용이 가능한 웹 페이지를 만들어주므로, 서버를 켜고 복잡한 프로그램을 실행하지 않아도 브라우저만 열면 결과를 탐색할 수 있습니다.

🧪 실제 사례: 도서관의 성공 스토리

논문의 저자들은 이 도구를 두 가지 상황에 적용해 보았습니다.

1. UPS2 벤치마크 (시험 문제 풀이): 미리 정답이 알려진 데이터로 테스트했더니, DiaReport 는 예상과 완벽하게 일치하는 결과를 내놓았습니다.
2. 세포 외 소포 (EV) 연구 (실전 적용): 두 가지 다른 방법으로 세포 밖 주머니 (EV) 를 추출한 실험 데이터를 분석했습니다.
   • DiaReport 는 **어떤 추출 방법이 더 깨끗한지 (오염이 적은지)**를 시각적으로 보여주었습니다.
   • 예를 들어, "96 웰 플레이트 방식 (UF96) 이 소수 (우유 단백질 등) 오염이 훨씬 적고, 결과도 더 일관적이었다"는 것을 그래프와 차트로 명확히 증명해냈습니다.

💡 결론

DiaReport는 복잡한 과학 데이터 분석을 **"누구나 쉽게 이해하고, 공유할 수 있는 아름다운 보고서"**로 바꿔주는 도구입니다.

• 과학자들에게는: 번거로운 코딩 작업을 줄여주고, 신뢰할 수 있는 결과를 빠르게 얻게 해줍니다.
• 일반인들에게는: 마치 복잡한 도서관을 정리해 주는 똑똑한 비서처럼, 방대한 데이터 속에서 중요한 발견을 찾아내어 보여줍니다.

이 도구를 통해 과학자들은 더 많은 시간을 '데이터 해석'과 '새로운 발견'에 집중할 수 있게 되었습니다.

기술 요약

1. 연구 배경 및 문제점 (Problem)

• 배경: 질량 분석 기반 프로테오믹스에서 데이터 독립적 획득 (DIA, Data-Independent Acquisition) 방식이 데이터 종속적 획득 (DDA) 을 대체하며 표준으로 자리 잡고 있습니다. 특히 DIA-NN 도구가 널리 사용되고 있습니다.
• 문제점:
  • DIA 데이터를 이용한 차등 발현 (Differential Expression, DE) 분석과 결과 보고를 위한 재현 가능한 (Reproducible) 워크플로우가 부족합니다.
  • 기존 도구들 (MSstats, limma, MSqRob 등) 은 강력한 개별 컴포넌트를 제공하지만, 데이터 전처리, 통계 모델링, 고품질 보고 생성을 하나의 통합된 자동화 시스템으로 연결하는 도구는 드뭅니다.
  • 기존 솔루션 (예: prolfquapp) 은 명령줄 인터페이스와 외부 Shiny 애플리케이션에 의존하거나, 분석 버전과 시각화가 분리되어 있어 재현성과 공유가 어렵습니다.
  • 분석 과정의 투명성 부족, 표준화된 출력 형식 부재로 인해 계산적 재현성 (Computational Reproducibility) 이 저해됩니다.

2. 방법론 (Methodology)

저자들은 DiaReport라는 R 패키지를 개발하여 DIA-NN 출력 데이터를 차등 발현 분석부터 인터랙티브 보고서 생성까지 단일 워크플로우로 통합했습니다.

• 핵심 아키텍처:
  • 입력: DIA-NN 보고서 (Parquet 또는 TSV) 와 실험 설계 파일 (EDF).
  • 데이터 처리 모듈:
    • QFeatures 및 MSqRob 통합: 전구체 (Precursor) 수준 데이터를 QFeatures 객체로 변환하고, MSqRob를 사용하여 통계 모델링을 수행합니다.
    • 필터링: DIA-NN의 q-value (≤ 0.01) 기반 필터링, 오염물질 제거, 그리고 사용자 정의 임계값 ($k$) 을 기반으로 한 완전성 기반 필터링 (Group별, 그룹 간, 전체 데이터셋 기준) 을 적용합니다.
    • 전처리: 결측치 처리 (MSqRob 는 결측치를 명시적으로 모델링하므로 임putation 은 적용하지 않음), 로그 변환 ($log_2$), 정규화 수행.
    • 단백질 요약: 전구체 강도를 중위수 폴링 (median polish) 등 다양한 방법으로 요약하여 단백질 수준 데이터로 변환합니다.
  • 통계 분석: 사용자가 정의한 R 공식 (예: ~ condition + batch) 을 통해 단순 쌍대 비교부터 복잡한 실험 설계 (팩토리얼 모델 등) 까지 유연하게 차등 발현 분석을 수행합니다.
  • 보고 레이어 (Reporting Layer):
    • Quarto를 기반으로 한 인터랙티브 HTML 보고서 생성.
    • Plotly 기반의 동적 시각화 ( volcano plot, heatmap, PCA 등) 와 검색 가능한 테이블 제공.
    • 템플릿 시스템:
      1. Base: 기본 품질 관리 (QC) 및 차등 발현 분석.
      2. Partial: 특정 조건에서만 검출된 결손 (Absent-from-DE) 분석 추가.
      3. EV (Extracellular Vesicle): 세포외 소포 연구에 특화된 마커 패널 요약 및 오염물질 간섭 분석 포함.
  • 구조화된 출력: 모든 분석 파라미터를 YAML 설정 파일로 저장하고, 결과를 QFeatures 객체, CSV TopTable, PDF 플롯 등으로 체계적인 디렉토리 구조에 저장하여 재현성을 보장합니다.

3. 주요 기여 (Key Contributions)

• 통합 워크플로우 제공: DIA-NN 출력부터 통계 모델링 (MSqRob), 보고서 생성 (Quarto) 까지 단일 R 함수로 처리 가능한 엔드 - 투 - 엔드 솔루션을 제시했습니다.
• 재현성 강화: 분석 파라미터, 설정 파일, 시리얼라이즈된 데이터 객체 (QFeatures) 를 자동 저장하여 다른 연구자나 그룹 내에서 분석을 쉽게 재현하고 공유할 수 있게 했습니다.
• 플랫폼 독립적 인터랙티브 리포트: 외부 서버 (Shiny) 가 필요 없는 자체 포함형 (Self-contained) HTML 보고서를 생성하여 결과 공유와 아카이빙을 용이하게 했습니다.
• 유연한 템플릿: 일반적인 프로테오믹스 분석뿐만 아니라 세포외 소포 (EV) 연구와 같은 특정 생물학적 맥락에 맞춘 커스터마이징 가능한 템플릿을 제공합니다.
• 접근성: 프로그래밍 전문 지식이 부족한 연구 그룹에서도 쉽게 협업하고 배포할 수 있도록 설계되었습니다.

4. 결과 (Results)

• UPS2/Yeast 벤치마크 검증:
  • Universal Protein Standard 2 (UPS2) 를 효모 배경에 다양한 농도로 스파이크한 데이터를 분석하여 DiaReport 의 정확성을 검증했습니다.
  • 예상된 단백질 폴드 체인지 (Fold-change) 를 정확하게 복원했으며, PCA 플롯을 통해 스파이크 농도별 명확한 군집화를 확인했습니다.
• 세포외 소포 (EV) 데이터셋 적용:
  • 초원심분리 (UC) 와 96-웰 초여과 (UF96) 두 가지 다른 EV enrichment 프로토콜을 비교하는 실제 데이터에 적용했습니다.
  • 품질 관리: UF96 프로토콜이 UC 대비 소 (Bovine) 오염물질이 현저히 적고, EV 마커 단백질의 변동성이 낮음을 발견했습니다.
  • 차등 발현 분석: UF96 프로토콜이 막단백질 (Transmembrane proteins) 을 더 많이 포착함을 확인했으며, "Absent-from-DE" 섹션을 통해 각 프로토콜에서 고유하게 검출된 단백질을 식별했습니다.
  • 성능: 일반적인 임상 프로테오믹스 코호트 (50~200 개 샘플) 에서 표준 노트북 환경에서도 실용적인 시간 내에 분석 및 보고서 생성이 완료됨을 확인했습니다 (Supplementary Table S1 참조).

5. 의의 및 결론 (Significance)

• 표준화 및 재현성: DIA 기반 프로테오믹스 연구에서 데이터 처리부터 보고까지의 표준화된 파이프라인을 제공함으로써, 분석 결과의 신뢰성과 재현성을 크게 향상시켰습니다.
• 생물학적 통찰력 가속화: 복잡한 데이터 처리 과정을 자동화하고 직관적인 인터랙티브 보고서를 제공함으로써, 연구자들이 raw 데이터에서 생물학적 통찰력을 얻는 시간을 단축시킵니다.
• 확장성: 현재는 DIA-NN과 MSqRob 에 집중되어 있지만, 모듈식 설계로 인해 향후 다른 정량 워크플로우나 하류 분석 도구로의 확장이 용이합니다.
• 오픈 소스 접근성: GitHub 에서 오픈 소스로 제공되며, MIT 라이선스 하에 자유롭게 사용 및 수정이 가능합니다.

이 연구는 DIA 기반 프로테오믹스 데이터 분석의 장벽을 낮추고, 과학적 발견을 위한 재현 가능한 인프라를 구축하는 데 중요한 기여를 합니다.