A unified framework for batch correction and missing data handling in large-scale and single-cell mass spectrometry proteomics

본 논문은 대규모 및 단일 세포 질량 분석 프로테오믹스에서 기존 방법보다 생물학적 구조를 보존하고 정보 손실을 줄이면서, 이산적 배치 효과와 연속적 신호 드리프트를 동시에 보정하고 결측치를 직접 처리하는 통합 통계 프레임워크인 NMFBatch 를 소개합니다.

핵심

만약 모든 가수가 서로 다른 소음 제거 헤드폰을 착용한 합창단을 듣는다고 상상해 보세요. 어떤 헤드폰은 목소리를 약간 낮게 들리게 하고, 다른 헤드폰은 더 높게 들리게 하며, 어떤 것은 지속적인 정전기 잡음을 추가합니다. 그뿐만 아니라, 일부 가수는 노래에서 완전히 빠져 있어 화음에 공백이 생깁니다.

이것은 바로 질량 분석 프로테오믹스에서 일어나는 일입니다. 이 기술은 과학자들이 혈액이나 단일 세포와 같은 시료에서 수천 개의 단백질을 측정하는 데 사용합니다. 여기서 '합창단'은 생물학적 데이터이지만, '헤드폰'은 기술적 결함들입니다:

• 배치 효과: 서로 다른 날이나 다른 실험실에서 시료를 처리함으로써 발생하는 차이.
• 신호 드리프트: 하루가 지남에 따라 기계가 서서히 그 '음정'을 바꾸는 현상.
• 결측 데이터: 때로는 기계가 단순히 단백질을 '듣지 못해' 빈 자리가 생기는 경우.

구식 방법: '자르고 붙이기' 문제

과거에는 과학자들이 이러한 문제들을 하나씩 해결하려 했으며, 그 과정은 매우 지저분했습니다.

1. 결손 조각의 딜레마: 데이터에서 단백질이 누락된 경우, 과학자들은 종종 해당 단백질 전체를 버리거나 (가치 있는 정보를 잃음) 보정 (imputation) 을 통해 무엇이어야 했을지 추측한 후에 소음을 제거하려 했습니다.
2. 실로 (Silo) 접근법: 그들은 먼저 '서로 다른 날' 문제를 해결한 다음, 별도로 '기계 드리프트' 문제를 해결하려 했습니다. 이는 누수 지붕을 고칠 때 구멍 하나를 패치한 후, 다른 방으로 이동하여 바람 구멍을 고치는 것과 같아서, 집 전체에 새 지붕이 필요하다는 사실을 전혀 깨닫지 못했습니다.

이로 인해 중요한 생물학적 세부 사항이 손실되거나, 우연히 기술적 잡음을 더 악화시키는 경우가 종종 있었습니다.

새로운 해결책: NMFBatch

이 논문은 NMFBatch라는 새로운 도구를 소개합니다. 이는 전체 합창단을 한 번에 듣고 모든 것을 동시에 수정할 수 있는 초지능 오디오 엔지니어라고 생각하세요.

• 원스톱 샵: NMFBatch 는 문제들을 별도로 해결하는 대신 '서로 다른 날'(이산적 배치) 과 '서서히 변하는 드리프트'(연속적 변동) 를 한 번에 모두 처리합니다.
• 자연스러운 공백 채우기: 구식 방법과 달리, 이 도구는 소음을 제거하기 전에 누락된 음을 미리 추측할 필요가 없습니다. 소음을 정리하는 동안 누락된 값을 '상상'해 낼 수 있습니다. 마치 엔지니어가 트랙을 먼저 음소거할 필요 없이, 정전기 잡음을 제거하는 동시에 노래에서 누락된 악기를 채워 넣을 수 있는 것과 같습니다.
• 멜로디 유지: 가장 중요한 점은 기술적 잡음을 제거하면서도 실제 '노래'(예: 건강한 세포와 아픈 세포 간의 생물학적 차이) 가 정확히 그대로 유지되도록 한다는 것입니다.

테스트 방법

연구자들은 이 새로운 엔지니어를 다음을 사용하여 여섯 가지 다른 인기 있는 방법들과 비교 테스트했습니다:

• 참조 데이터셋: 여러 다른 실험실에서 처리된 샘플들을 사용하여 도구가 이들을 동일한 소리로 만들 수 있는지 확인.
• 실제 혈액 샘플: 실제 세계의 복잡성을 어떻게 처리하는지 보기 위한 대규모 혈장 샘플 그룹.
• 단일 세포 데이터: 기계의 '잡음'이 보통 매우 큰 개별 세포들을 분석.

결과: NMFBatch 는 일관되게 기술적 잡음을 침묵시키는 동시에 생물학적 '멜로디'를 선명하게 유지하는 데 더 나은 성과를 보였습니다. 실험 설계가 지저분 (교란) 했을 때도 잘 작동했으며, 단일 세포 연구에서 유사한 세포들을 성공적으로 그룹화하는 데 도움을 주었습니다.

결론

이 논문은 NMFBatch가 기존 방법들보다 프로테오믹스 데이터를 더 효과적으로 정리하는 유연하고 올인원 프레임워크라고 주장합니다. 이를 통해 과학자들은 누락된 데이터와 기술적 잡음을 동시에 처리할 수 있게 되어, 진정한 생물학적 이야기를 잃지 않고 서로 다른 연구나 실험실의 데이터를 결합하기가 더 쉬워졌습니다.

기술 요약

기술적 요약: 프로테오믹스에서의 배치 보정 및 결측 데이터 처리를 위한 통합 프레임워크

문제 제기
대규모 질량 분석 (MS) 기반 프로테오믹스 (벌크 및 단일 세포 응용 모두 포함) 는 기술적 변이로 인해 자주 훼손됩니다. 이러한 변이는 이산적인 배치 효과, 실험실 간 차이, 그리고 데이터 획득 중 발생하는 연속적인 신호 드리프트로 나타납니다. 현재 보정 전략은 두 가지 주요 한계를 겪고 있습니다: 첫째, 이러한 서로 다른 원인의 원치 않는 변이를 독립적으로 처리하며, 둘째, 보정 전에 결측값을 가진 단백질들을 제거하거나 대체 (imputation) 하는 전처리 단계를 종종 필요로 합니다. 이러한 전통적인 접근법은 중요한 정보 손실의 위험이 있으며, 의도치 않게 기술적 편향을 증폭시킬 수 있습니다.

방법론: NMFBatch
이러한 도전 과제를 해결하기 위해 저자들은 벌크 및 단일 세포 프로테오믹스 데이터에서 이산적 및 연속적인 원치 않는 변이를 동시에 모델링하도록 설계된 통합 통계 프레임워크인 NMFBatch를 소개합니다. 핵심 방법론은 **비음수 행렬 분해 (Non-Negative Matrix Factorization, NMF)**와 **일반화 가법 모델링 (Generalized Additive Modelling, GAM)**을 통합합니다.

NMFBatch 의 중요한 기술적 혁신은 분해 과정에서 결측값을 직접 수용할 수 있다는 점입니다. 이 기능은 두 가지 뚜렷한 작동 모드를 가능하게 합니다:

1. 실시간 대체 (On-the-fly imputation): 보정 과정에서 결측값이 동시에 대체됩니다.
2. 선택적 사후 보정 대체: 변이가 모델링되고 제거된 후 대체가 수행될 수 있습니다.

이러한 단계를 통합함으로써, 이 프레임워크는 현재 파이프라인에서 발견되는 순차적 의존성을 피하여 데이터 무결성을 유지하고 편향 증폭 가능성을 줄입니다.

주요 결과
NMFBatch 의 성능은 다중 실험실 참조 데이터셋과 대규모 혈장 프로테오믹스 코호트를 사용하여 기존 6 가지 배치 보정 방법과 엄격하게 벤치마킹되었습니다. 결과는 다음과 같습니다:

• 변이 감소: NMFBatch 는 균형 잡힌 실험 설계와 교란된 실험 설계 모두에서 배치 관련 변이를 일관되게 감소시킵니다.
• 생물학적 보존: 일부 경쟁 방법과 달리 NMFBatch 는 기술적 노이즈를 제거하면서도 근본적인 생물학적 구조를 성공적으로 보존합니다.
• 단일 세포 응용: 단일 세포 프로테오믹스 데이터에 적용될 때, 이 프레임워크는 TMT(탠덤 질량 태그) 라벨링 및 획득 과정과 관련된 변이를 효과적으로 감소시켰습니다. 특히, 고해상도 저입력 맥락에서의 유용성을 입증하는 생물학적으로 의미 있는 클러스터링 패턴을 유지했습니다.

의의 및 주장
이 논문은 NMFBatch 를 프로테오믹스 실험에서 원치 않는 변이를 모델링하는 유연한 프레임워크로 확립합니다. 그 주요 의의는 별도의 대체 및 보정 단계가 필요 없도록 단일 통합 통계 모델 내에서 결측 데이터와 여러 원인의 기술적 변이를 처리할 수 있다는 점에 있습니다. 저자들은 이 접근법이 더 강력한 코호트 간 조화 (cross-cohort harmonization) 및 통합 프로테오믹스 분석을 촉진하여 대규모 MS 기반 연구에서 기술적 변이의 지속적인 과제를 해결한다고 주장합니다.