LAML-Pro: Maximum Likelihood Inference of Cell Genotypes and Cell Lineage Trees

이 논문은 게놈 편집 기반의 계통 추적 데이터에서 발생하는 genotype 오류를 보정하고 더 정확한 세포 계통수를 추론하기 위해, 세포의 genotype 과 계통수를 동시에 최대우도법으로 추정하는 새로운 알고리즘인 LAML-Pro 를 제안합니다.

핵심

이 논문은 **"세포의 가족 나무 (계보도) 를 그리는 새로운 방법"**에 대한 이야기입니다.

기존의 방법과 이 새로운 방법 (LAML-Pro) 의 차이를 이해하기 위해, **'미스터리한 가족 사진 앨범'**을 만드는 상황을 상상해 보세요.

1. 배경: 세포의 가족 나무를 그리려는 노력

우리의 몸은 하나의 세포가 분열하며 만들어집니다. 이 세포들이 어떻게 나뉘고 성장했는지 알면, 암이나 발달 과정을 이해하는 데 큰 도움이 됩니다. 이를 위해 과학자들은 세포의 DNA 에 '자국 (변이)'을 남기는 기술을 개발했습니다. 마치 가족이 사진을 찍을 때마다 서로 다른 색상의 스티커를 붙여놓는 것과 비슷합니다.

하지만 문제는 이 자국 (데이터) 을 읽는 과정이 매우 불완전하다는 점입니다.

• 기존의 문제: 과학자들은 먼저 카메라나 시퀀싱 장비를 통해 "이 세포는 A 스티커가 붙어있고, 저것은 B 스티커가 붙어있네"라고 해석 (유전자형 판독) 을 합니다. 그런데 이 해석 과정에 실수가 많아서 (예: 스티커가 반짝여서 안 보임, 색이 번짐), 잘못된 정보가 입력됩니다.
• 결과: "실수가 많은 가족 관계도"를 그리는 셈이 되어, 진짜 가족 관계와 완전히 다른 엉뚱한 나무가 만들어집니다.

2. 해결책: LAML-Pro (새로운 방법)

이 논문에서 소개하는 LAML-Pro는 이 문제를 해결하기 위해 **"원본 사진 (데이터) 을 바로 보고, 실수를 보정하면서 가족 나무를 그리는 똑똑한 AI"**입니다.

기존 방식은 **"사진을 먼저 해석해서 텍스트로 바꾸고 → 그 텍스트로 나무를 그린다"**는 2 단계 과정이었습니다.
하지만 LAML-Pro 는 **"사진을 보며 나무를 그리면서, 동시에 텍스트 해석도 고쳐나간다"**는 한 번에 끝내는 (Joint Inference) 방식을 사용합니다.

🌟 핵심 비유: "흐릿한 사진으로 가족 관계 추리하기"

1. 기존 방식 (LAML 등):

   • 흐릿하게 찍힌 가족 사진을 보고, "저 사람은 A 옷을 입었네, B 옷을 입었네"라고 일단 추측해서 메모를 적습니다.
   • 그런데 이 메모에 실수가 많습니다 (옷 색이 비슷해서 헷갈림).
   • 이 잘못된 메모를 바탕으로 가족 관계를 그립니다. 결과물은 엉망이 됩니다.

2. LAML-Pro 방식:

   • 흐릿한 사진을 보며 가족 관계를 그리는 과정 자체를 시작합니다.
   • "아, 이 두 사람이 형제라면, 옷 색이 비슷해야 할 텐데... 아! 저 사진은 빛이 반사되어서 색이 다르게 보였구나. 원래는 같은 색이었을 거야!"라고 추측을 수정합니다.
   • 가족 관계 (나무) 를 고쳐가면서, 동시에 옷 색 (유전자) 도 다시 해석합니다.
   • 결과: 실수가 많은 원본 사진에서도 정확한 가족 관계와 올바른 옷 색을 모두 찾아냅니다.

3. 이 방법의 놀라운 성과

이 새로운 방법은 두 가지 큰 장점이 있습니다.

• 실수 수정 (Genotype Correction):

  • 기존에는 카메라로 찍은 데이터에서 약 25~50% 가 실수나 불확실한 데이터였습니다.
  • LAML-Pro 는 이 실수를 스스로 찾아내어 오류율을 5 배나 줄였습니다. 마치 흐릿한 사진을 AI 가 선명하게 복원해 주는 것과 같습니다.
  • 결과적으로, 고가의 DNA 시퀀싱 없이도 카메라 (이미징) 만으로도 시퀀싱 수준의 정확한 데이터를 얻을 수 있게 되었습니다.

• 공간적 일관성 (Spatial Coherence):

  • 세포는 공간상에서 가까운 위치에서 태어난 경우가 많습니다.
  • 기존 방법으로 만든 나무는 "가까운 이웃이 먼 친척"처럼 엉뚱하게 연결되는 경우가 많았습니다.
  • LAML-Pro 가 만든 나무는 실제 공간상에서 가까이 있던 세포들이 진짜 가족 (형제) 으로 연결되어, 훨씬 더 자연스럽고 논리적인 가족 나무를 보여줍니다.

4. 요약

이 논문은 **"세포의 가족 관계를 추적할 때, 데이터 해석의 실수가 나무를 망치게 하지 않도록, 해석과 나무 그리기를 동시에 수행하는 새로운 알고리즘 (LAML-Pro) 을 개발했다"**는 내용입니다.

마치 흐릿하고 실수가 많은 가족 사진 앨범을 가지고 있을 때, 단순히 사진을 나열하는 게 아니라 사진의 흐릿함을 보정하며 진짜 가족 관계를 찾아내는 똑똑한 조상 찾기 도구를 만든 것과 같습니다. 이 도구를 통해 우리는 더 정확하고 빠르게 세포가 어떻게 성장하고 분열했는지 이해할 수 있게 되었습니다.

기술 요약

LAML-Pro: 세포 유전자형과 계통수 동시 추론을 위한 최대우도법

1. 문제 정의 (Problem)

• 배경: 동적 계통 추적 (Dynamic Lineage Tracing, DLT) 기술은 게놈 편집을 통해 세포 분열 시 축적되는 유전적 변이 (편집) 를 유도하고, 이를 단일 세포 시퀀싱 또는 이미징을 통해 측정하여 세포 계통수 (Lineage Tree) 를 재구성합니다.
• 기존 방법의 한계: 현재 대부분의 계산적 접근법은 두 단계로 나뉩니다.
  1. 원시 데이터 (시퀀싱 리드 또는 이미징 픽셀) 에서 각 세포의 유전자형 (Genotype) 을 식별.
  2. 추론된 유전자형으로부터 계통수를 추정.
• 핵심 문제: 유전자형 추정은 불완전한 과정이며, 특히 형광 기반 이미징의 경우 25~50% 에 달하는 높은 비율의 불확실하거나 오류가 있는 유전자형이 발생합니다. 기존 방법들은 이러한 유전자형 오류를 입력값으로 받아들이기 때문에, 오류가 전파되어 부정확한 계통수가 도출되는 치명적인 결함이 있습니다.

2. 방법론 (Methodology)

저자들은 LAML-Pro (Lineage Analysis via Maximum Likelihood with PRobabilistic Observations) 알고리즘을 제안하여, 유전자형 추론과 계통수 추론을 동시 (Jointly) 에 수행합니다.

• PMMO 모델 (Probabilistic Mixed-type Missing with Observations):

  • 게놈 편집 과정과 관측 과정 (이미징 또는 시퀀싱) 을 통합한 확률적 모델입니다.
  • 숨겨진 상태 (Hidden States): 편집되지 않은 상태 (0), 편집된 상태 (1~M), 그리고 유전적으로 소실된 상태 (-1, heritable missing) 를 포함합니다.
  • 관측 모델: 실제 관측값 ($X$) 은 숨겨진 상태 ($Z$) 에 조건부 독립이며, 관측 데이터가 누락되거나 ('?') 신뢰도가 낮은 경우를 확률적으로 모델링합니다 (드롭아웃 확률 $\vartheta$).
  • 이미징 데이터 처리: 이미징 픽셀 강도나 UMI 카운트와 같은 관측값을 생성하는 확률 밀도 함수를 커널 밀도 추정 (Kernel Density Estimation) 을 통해 학습하여, 불확실한 관측값을 확률적으로 처리합니다.

• 최대우도 추정 (Maximum Likelihood Estimation):

  • 목표: 관측 데이터 ($X$) 가 주어졌을 때, 계통수 ($T$) 와 모델 파라미터 ($\Theta$) 를 최대화하는 유전자형 ($Z$) 을 마진화 (marginalizing) 하여 최적의 계통수를 찾습니다.
    $$\max_{T, \Theta} \log \sum_{z} P(X=x, Z=z | T, \Theta)$$
  • 알고리즘:
    1. 트리 탐색: Nearest Neighbor Interchange (NNI) 를 사용하여 트리 위상을 제안합니다.
    2. 파라미터 최적화: 제안된 위상에서 EM (Expectation-Maximization) 알고리즘을 사용하여 파라미터를 최적화합니다.
       • E-step: Felsenstein의 가지치기 알고리즘을 변형하여 숨겨진 상태의 사후 확률을 계산합니다.
       • M-step: 내부점법 (Interior-point method) 을 사용하여 파라미터를 동시 업데이트하며, 분기 길이 (branch length) 에 대한 생물학적 제약 (최소 길이, 분자 시계 가정) 을 적용합니다.
  • 효율성: 전이 행렬의 희소성 (sparsity) 을 활용하여 계산 복잡도를 $O(NM^2)$에서 $O(NM)$으로 줄여 수천 개의 세포를 처리할 수 있습니다.

3. 주요 기여 (Key Contributions)

1. 동시 추론 프레임워크: 유전자형 추론 단계 없이 원시 관측 데이터로부터 직접 계통수와 유전자형을 동시에 추론하는 최초의 프레임워크 중 하나입니다.
2. 오류 보정 능력: 유전자형 추론 단계에서 발생하는 오류를 모델 내에서 보정하여, 기존 방법들보다 훨씬 정확한 계통수를 생성합니다.
3. 확장성: 수천 개의 세포 (예: 3,108 개) 를 가진 대규모 데이터셋을 1 시간 이내에 처리할 수 있는 확장성을 입증했습니다.
4. 유연한 입력 지원: 시퀀싱 데이터뿐만 아니라, 높은 노이즈와 결측치를 가진 형광 이미징 데이터도 효과적으로 처리합니다.

4. 결과 (Results)

• 시뮬레이션 데이터:

  • 유전자형 오류와 결측 데이터가 포함된 시뮬레이션 환경에서 LAML-Pro 는 기존 방법 (LAML, Neighbor Joining 등) 보다 Robinson-Foulds (RF) 거리가 현저히 낮아 더 정확한 위상을 복원했습니다.
  • 유전자형 정확도는 90% 이상을 달성했으며, 특히 관측 노이즈가 클수록 기존 방법 대비 성능 우위가 두드러졌습니다.
  • 분기 길이 추정 정확도 ($R^2$) 도 기존 방법들보다 월등히 높았습니다.

• 실제 데이터 (PEtracer 및 baseMEMOIR):

  • PEtracer (이미징 기반): PEtracer 의 기존 파이프라인은 20% 이상의 결측 데이터와 낮은 신뢰도의 유전자형을 제거했습니다. LAML-Pro 는 이러한 결측 데이터를 보정하여 유전자형 오류율을 시퀀싱 수준 (약 0.3%) 으로 낮추고, 공간적 일관성 (Spatial Concordance) 이 뛰어난 계통수를 생성했습니다.
  • baseMEMOIR (이미징 기반): 기존 방법이 신뢰도가 낮다는 이유로 폐기했던 관측 데이터를 LAML-Pro 가 활용하여 유전자형 추론을 수행했습니다. 그 결과, LAML-Pro 로 추론된 계통수는 세포의 공간적 거리와 더 높은 상관관계를 보였으며, 조상 세포의 이동 역사에 대한 우도 (Likelihood) 가 더 높았습니다.

5. 의의 및 결론 (Significance)

• 이미징 기반 DLT 의 실용성 제고: 기존에 유전자형 오류가 너무 커서 신뢰하기 어려웠던 이미징 기반 계통 추적 데이터를, LAML-Pro 를 통해 시퀀싱 수준의 정확도로 분석 가능하게 만들었습니다.
• 데이터 활용 극대화: 기존에는 '낮은 신뢰도'로 인해 폐기되었던 많은 데이터를 LAML-Pro 는 확률적 모델링을 통해 유효한 정보로 전환하여 계통수 재구성에 성공했습니다.
• 미래 지향성: 이 방법은 새로운 계통 추적 기술 (예: 단일 세포가 아닌 1~3 개의 세포를 혼합한 시퀀싱 등) 에도 모델 프레임워크를 확장하여 적용할 수 있는 유연성을 가지며, 전체 장기/생물체 수준의 대규모 계통 추적 연구의 기반이 될 수 있습니다.

요약하자면, LAML-Pro는 유전자형 추론의 불확실성을 모델링에 직접 통합함으로써, 노이즈가 많은 실험 데이터에서도 고품질의 세포 계통수를 복원할 수 있는 강력한 도구입니다.