scMultiPreDICT: A single-cell predictive framework with transcriptomic and epigenetic signatures

단일 세포 멀티오믹스 데이터를 활용한 scMultiPreDICT 프레임워크는 유전자 발현 예측에 전사 및 후성유전적 특징이 기여하는 정도를 체계적으로 비교·분석하여, 대부분의 유전자에서는 전사적 특징이 우세하지만 특정 유전자와 세포 환경에서는 후성유전적 특징의 기여가 중요함을 규명했습니다.

핵심

이 논문은 **'scMultiPreDICT'**라는 새로운 컴퓨터 프로그램을 소개합니다. 이 프로그램은 세포가 어떻게 작동하는지, 특히 유전자가 언제 켜지고 꺼지는지를 예측하는 데 도움을 줍니다.

이 복잡한 내용을 일상적인 비유로 쉽게 설명해 드릴게요.

1. 문제: 세포의 비밀을 풀려면 무엇을 봐야 할까?

세포는 우리 몸의 작은 공장 같은 곳입니다. 이 공장에서 어떤 제품 (단백질) 이 만들어지려면 두 가지 중요한 요소가 필요합니다.

• RNA (전사체): 공장 가동 중의 '실시간 작업 지시서'입니다. "지금 이 기계는 돌아가고, 저 기계는 멈춰라"라고 바로 명령하는 내용이에요.
• ATAC (후성유전체): 공장의 '설계도'나 '문' 상태입니다. 어떤 기계에 접근할 수 있는지, 어떤 문이 열려 있는지 결정하는 거죠. 문이 닫혀 있으면 아무리 지시서가 있어도 기계는 돌지 않습니다.

기존 과학자들은 "실시간 지시서 (RNA) 만 보면 다 알 수 있다"고 생각했지만, 최근에는 "문 상태 (ATAC) 도 중요하다"는 의견이 나왔습니다. 하지만 **"정말 문 상태가 지시서만큼 중요한가? 아니면 둘을 합치면 더 잘 예측할 수 있는가?"**에 대한 명확한 답은 없었습니다.

2. 해결책: scMultiPreDICT (스마트 예측관)

저자들은 이 의문을 해결하기 위해 scMultiPreDICT라는 AI 프로그램을 만들었습니다. 이 프로그램은 마치 스마트한 예지몽을 꾸는 관처럼, 과거 데이터를 학습해서 "앞으로 어떤 유전자가 얼마나 많이 만들어질까?"를 예측합니다.

이 프로그램은 세 가지 방식으로 실험을 해봤습니다:

1. 지시서만 보는 경우 (RNA Only): 실시간 작업 지시서만 보고 예측.
2. 설계도만 보는 경우 (ATAC Only): 문이 열려 있는지 상태만 보고 예측.
3. 둘 다 보는 경우 (Multimodal): 지시서와 설계도를 모두 보고 예측.

3. 놀라운 결과: "둘 다 보는 게 항상 좋은 건 아니다!"

연구 결과는 매우 흥미로웠습니다.

• 지시서 (RNA) 가 압도적으로 강력했습니다: 대부분의 경우, 실시간 작업 지시서만 봐도 유전자 발현을 아주 잘 예측할 수 있었습니다. 마치 공장 가동 상황을 보면 "지금 뭐가 만들어지고 있는지"를 바로 알 수 있는 것과 같습니다.
• 설계도 (ATAC) 는 약했습니다: 문이 열려 있는지 상태만으로는 예측이 잘 안 되었습니다. 문이 열려 있어도 실제로 기계가 돌지 않을 수 있기 때문입니다.
• 둘을 합치면 무조건 좋아지는 건 아닙니다: 이것이 가장 중요한 발견입니다. "지시서 + 설계도"를 합치면 무조건 예측이 정확해질 거라고 생각했지만, 그렇지 않았습니다.
  • 어떤 유전자 (특정 제품) 에는 설계도 정보가 추가되면 예측이 정확해졌습니다.
  • 하지만 대부분의 유전자에는 지시서만 있는 것과 차이가 없거나, 오히려 정보가 너무 복잡해져서 예측이 조금 더 나빠지기도 했습니다.

4. 비유로 정리하기

이 상황을 날씨 예보에 비유해 볼까요?

• RNA (지시서): "지금 비가 오고 있습니다." (실제 상황)
• ATAC (설계도): "구름이 끼어 있고 습도가 높습니다." (미래의 가능성)

기존에는 "구름만 봐도 비가 올지 알 수 있지 않을까?"라고 생각했습니다. 하지만 이 연구는 **"대부분의 경우, '지금 비가 오고 있다'는 사실 (RNA) 을 보면 비가 오는지 100% 알 수 있다"**는 것을 증명했습니다.

그런데 **어떤 특정 지역 (특정 세포나 유전자)**에서는 구름 상태 (ATAC) 를 함께 봐야만 "아, 저기 비가 오겠구나"를 더 정확히 알 수 있었습니다. 하지만 모든 지역에 구름 정보를 추가한다고 해서 예보가 더 정확해진 건 아닙니다.

5. 이 연구가 왜 중요할까?

이 연구는 의사와 과학자들에게 중요한 나침반이 되어줍니다.

• 약물 개발: 만약 특정 질병을 치료하기 위해 유전자를 조절해야 한다면, 무작정 모든 유전자를 다 조절할 필요가 없습니다.
• 전략 수립: 어떤 유전자는 '지시서 (RNA)'를 조절하는 약이 효과적이고, 어떤 유전자는 '문 (ATAC)'을 여는 약이 더 효과적일 수 있다는 것을 이 프로그램으로 미리 알 수 있습니다.

한 줄 요약:
세포의 미래를 예측할 때, 실시간 지시서 (RNA) 가 가장 중요하지만, 특정 상황에서는 설계도 (ATAC) 도 함께 봐야 한다는 것을 증명했고, 무조건 다 합치는 것보다 유전자마다 가장 효과적인 정보를 골라내는 것이 중요하다는 것을 알려주었습니다.

기술 요약

1. 연구 배경 및 문제 제기 (Problem)

• 배경: 세포의 유전적 교란 (genetic perturbations) 에 대한 반응은 전사 프로그램 (transcriptional programs) 과 후성유전적 지형 (epigenetic landscape) 모두에 의해 결정됩니다. 단일 세포 멀티오믹스 (single-cell multiomics) 기술은 동일한 세포에서 유전자 발현 (scRNA-seq) 과 염색질 접근성 (scATAC-seq) 을 동시에 프로파일링할 수 있게 해주었습니다.
• 문제: 기존 계산 방법론들은 주로 데이터 통합이나 유전자 조절 네트워크 (GRN) 추론에 초점을 맞추고 있습니다. 그러나 개별 유전자 수준 (gene-by-gene basis) 에서 전사적 특징과 후성유전적 특징이 유전자 발현 예측에 각각 얼마나 기여하는지, 그리고 멀티모달 통합이 단일 모드 (single-modality) 접근법보다 예측 정확도를 개선하는지 체계적으로 비교한 연구는 부족했습니다.
• 목표: 전사적 조절과 후성유전적 조절이 유전자 발현에 미치는 상대적 기여도를 정량화하고, 어떤 조절 층 (regulatory layer) 이 특정 유전자와 세포 맥락에서 더 중요한 정보를 제공하는지 규명하는 프레임워크 개발.

2. 방법론 (Methodology)

저자들은 scMultiPreDICT라는 계산 프레임워크를 개발하여 다음과 같은 단계를 거쳤습니다.

• 데이터셋:
  • 마우스 배아 줄기세포 (mESC, 발달 단계 E7.5, 생물학적 복제 2 개)
  • 인간 말초혈액 단핵구 (PBMC, T 세포 서브셋)
  • 각 데이터셋은 품질 관리 (QC) 후 학습 (70%), 검증 (20%), 테스트 (10%) 세트로 무작위 분할되었습니다.
• 전처리 및 메타셀 (Metacell) 구축:
  • 단일 세포 데이터의 희소성 (sparsity) 과 기술적 노이즈를 줄이기 위해 k-최근접 이웃 (kNN) 평활화를 적용하여 메타셀을 생성했습니다.
  • 차원 축소 및 통합 분석 전략으로 PCA+LSI, WNN, scVI+PeakVI, MultiVI 등 4 가지 방법을 평가했습니다.
• 특징 세트 (Feature Sets) 구성:
  각 타겟 유전자에 대해 세 가지 입력 특징 집합을 정의하여 비교했습니다.
  1. RNA-only: 학습 세트에서 선택된 상위 1,000 개의 고변이 유전자 (HVGs) 의 발현량.
  2. ATAC-only: 타겟 유전자의 전사 시작 부위 (TSS) 기준 ±250kb 내에 위치한 염색질 접근성 피크 (promoter 및 distal cis-regulatory elements 포함).
  3. Multimodal: RNA-only 와 ATAC-only 특징을 결합한 통합 세트.
• 모델 학습 및 평가:
  • 6 가지 머신러닝 모델: 선형 모델 (OLS, Ridge, Lasso, Elastic Net) 과 비선형 모델 (Random Forest, Deep Neural Network).
  • 평가 지표: 결정 계수 ($R^2$), 평균 제곱근 오차 (RMSE), 스피어만 순위 상관 계수 (Spearman's rank correlation).
  • 해석: 선형 모델의 회귀 계수와 Random Forest 의 특징 중요도 (Gini importance) 를 분석하여 각 모달리티 (RNA vs ATAC) 의 기여도를 정량화했습니다. 특징 수의 불균형을 보정하기 위해 Selection Rate 지표를 도입했습니다.

3. 주요 결과 (Key Results)

• RNA 기반 예측의 우세성:
  • RNA 만을 특징으로 사용한 모델이 모든 데이터셋과 타겟 유전자에서 높은 예측 성능을 보였습니다 (스피어만 상관 계수 0.60~0.78).
  • 이는 유전자 발현이 세포 내 광범위한 유전자 - 유전자 상호작용 네트워크에 의해 조절됨을 시사합니다.
  • 비선형 모델 (Random Forest, DeepNN) 이 정규화 선형 모델 및 OLS 보다 일관되게 우수한 성능을 보였습니다.
• 염색질 접근성 (ATAC) 의 제한적 기여:
  • ATAC-only 모델은 중간 수준의 성능 (상관 계수 0.38~0.60) 을 보였으며, RNA 기반 모델보다 일관되게 낮았습니다.
  • 이는 염색질 접근성이 전사를 허용 (permissive) 하지만 결정적 (deterministic)이지 않으며, 시간적 지연 (time lag) 이나 DNA 메틸화 등 다른 후성유전적 요인의 부재 때문으로 분석됩니다.
• 멀티모달 통합의 비일관적 효과:
  • 핵심 발견: RNA 와 ATAC 를 결합한 멀티모달 모델이 RNA-only 모델보다 일관되게 성능을 개선하지는 않았습니다.
  • 통합의 이점은 유전자별 (gene-specific) 로 나타났습니다. 일부 유전자는 통합 모델에서 성능이 향상되었으나, 많은 유전자는 변화가 없거나 오히려 감소했습니다.
  • 통합 분석 전략 (PCA+LSI, WNN, MultiVI 등) 의 차이는 전체적인 예측 정확도에 큰 영향을 미치지 않았습니다.
• 특징 중요도 및 세포 맥락 의존성:
  • 대부분의 유전자에서는 RNA 특징이 주요 예측 인자로 작용했습니다.
  • 그러나 T 세포와 같은 특정 세포 맥락에서는 ATAC 기반 특징 (염색질 피크) 이 RNA 특징과 유사한 수준의 기여도를 보였습니다.
  • 예시: Etv6, Tbx3 (mESC) 는 전사 조절 인자에 의해 주로 예측되는 반면, RUNX3 (T 세포) 은 전사 인자와 함께 지역 염색질 피크 (local ATAC peak) 가 주요 예측 인자로 작용했습니다.

4. 주요 기여도 (Key Contributions)

1. 체계적인 비교 프레임워크: 단일 세포 멀티오믹스 데이터를 활용하여 전사적 vs 후성유전적 특징의 예측 능력을 개별 유전자 수준에서 체계적으로 벤치마킹하는 최초의 프레임워크 (scMultiPreDICT) 를 제시했습니다.
2. 유전자별 조절 메커니즘 규명: 멀티모달 통합이 모든 유전자에 보편적으로 유용한 것이 아니라, 특정 유전자와 세포 유형에 따라 그 가치가 달라진다는 사실을 실증했습니다.
3. 해석 가능한 모델: 특징 중요도 분석을 통해 어떤 전사 조절 인자나 cis-조절 요소가 특정 유전자 발현을 주도하는지 식별할 수 있는 도구를 제공했습니다.
4. 오픈 소스 도구: R 기반의 오픈 소스 도구로 구현되어 연구자들이 자신의 데이터에 적용할 수 있도록 공개되었습니다.

5. 의의 및 시사점 (Significance)

• 치료 표적 선정: 유전자 발현 조절에 전사적 상호작용이 중요한지, 아니면 염색질 접근성 조절이 더 중요한지를 사전에 판단할 수 있게 되어, 표적 치료 (targeted therapeutic interventions) 및 교란 실험 (perturbation studies) 의 설계를 최적화할 수 있습니다.
• 후성유전적 조절의 중요성 재조명: 전사적 정보가 강력하지만, 특정 맥락 (예: T 세포 발달, RUNX3 조절) 에서는 염색질 상태가 결정적인 역할을 할 수 있음을 보여주어, 후성유전적 개입의 필요성을 강조합니다.
• 데이터 통합 전략의 현실적 접근: 무조건적인 멀티모달 데이터 통합이 항상 성능 향상을 가져오는 것은 아니므로, 연구 목적에 따라 적절한 특징 선택 전략을 수립해야 함을 시사합니다.

이 논문은 단일 세포 멀티오믹스 데이터의 예측 모델링에서 "어떤 정보 층 (layer) 이 가장 유익한가"에 대한 질문에 대한 데이터 기반의 답을 제시하며, 정밀 의학 및 유전자 조절 연구의 새로운 방향성을 제시합니다.