LeafRank: A phylodynamic framework for inferring relative fitness from single-cell phylogenies in chromosomally unstable tumors

기술 요약: LeafRank – 단일 세포 계통 발생으로부터 상대적 적응도(Relative Fitness)를 추론하기 위한 계통역학적 프레임워크

문제 정의
종양은 단일 염기 변이(SNV) 및 복제수 변이(CNA)와 같은 체세포 변이에 의해 유도되는 상당한 세포 적응도 이질성을 나타낸다. 이러한 적응도 다양성을 특징짓는 것은 암의 진화, 치료 저항성 및 적응 잠재력을 이해하는 데 매우 중요하지만, 특히 염색체 불안정성(CIN) 및 전전체 게놈 복제(WGD)가 있는 종양에서는 이를 정량화하는 것이 여전히 어렵다. 기존의 아클론(subclone) 적응도 추론 방식은 주로 벌크 시퀀싱에 의존하는데, 이는 CIN 맥락에서 변이 대립유전자 빈도(VAF)를 혼동시킨다. 또한, 균일한 적응도 가정을 가진 사전 정의된 아클론에 초점을 맞춘다. 표준 계통 발생 추론은 대개 일정한 분자 시계(molecular clock)를 가정하지만, WGD가 게놈 이상율을 가속화하여 가지 길이(branch length)를 왜곡하고 진정한 진화 시간을 가리는 CIN 종양에서는 이 가정이 위배된다. 따라서 복잡하고 비선형적인 염색체 불안정성 역학을 고려하면서, 단일 세포 DNA 시퀀싱(scDNA-seq) 계통 발생으로부터 개별 세포의 상대적 적응도를 추론할 수 있는 프레임워크가 필요하다.

방법론
저자들은 scDNA-seq 데이터로부터 재구성된 계통 발생 트리(phylogenetic trees)로부터 샘플링된 단일 세포의 상대적 적응도 순위를 추론하기 위해 설계된 확률적 프레임워크인 LeafRank를 제시한다.

• 모델 기초: LeafRank는 다중 유형 분지 과정(multi-type branching process) 모델을 활용한다. 이 모델은 특정 출생률($b$) 및 사망률($d$)로 특징지어지는 $V$개의 적응도 유형 집합을 가정한다. 모델은 세포를 더 높은 적응도 상태로 전이시키는 드라이버 이상(rate $\nu$)과 중립적으로 축적되는 패신저(passenger) 이상(rate $\mu$)을 포함한다.
• 알고리즘 핵심: 연속적인 확산 근사(diffusion approximations)나 결정론적 상미분 방정식(ODE)에 의존하는 기존 방식과 달리, LeafRank는 계통 발생 확률 밀도를 **분지 전파자(branch propagators)**와 **분기 전파자(bifurcation propagators)**로 정확하게 분해하여 사용한다. 이 공식화는 **메시지 전달 알고리즘(belief propagation)**을 사용할 수 있게 한다. 이 알고리즘은 양방향 패스(pass)를 수행한다:
  • 업-메시지(Up-message, 뿌리 방향): 각 노드로부터 하위 트리의 조건부 확률을 재귀적으로 수집한다.
  • 다운-메시지(Down-message, 잎 방향): 노드의 상위(조상 및 형제 계통)에 관찰된 계통 발생을 조건으로 하여, 각 노드의 적응도 유형에 대한 주변 확률(marginal probability)을 업데이트한다.
    이 접근 방식은 모든 가능한 잠재 상태 구성을 열거하지 않고도 모든 잎 세포(leaf cell)에 대한 적응도 분포를 효율적으로 계산한다.
• 염색체 불안정성(WGD) 처리: WGD가 DNA 기질을 두 배로 늘리고 이상율을 가속화하여 분자 시계 가정을 위반하는 문제를 해결하기 위해, LeafRank는 트리 재스케일링(tree-rescaling) 전략을 통합한다. 수정된 chronos 알고리즘을 사용하여, 거리 행렬(distance-matrix, DM) 기반 트리(가지 길이가 게놈 분기 정도를 나타냄)를 **울트라메트릭 트리(ultrametric trees, 진화 시간을 나타냄)**로 변환한다. 이는 WGD 음성(negative) 및 WGD 양성(positive) 가지에 서로 다른 이상율을 할당하는 상태 의존적 분자 시계 모델 하에서 수행되며, 이를 통해 계통 간의 진화 템포를 효과적으로 정규화한다.
• 파라미터 강건성: 프레임워크에는 "순위 불안정성"(노이즈에 대한 과도한 민감도) 및 "경계 포화"(추정치가 극단값으로 압축됨)를 탐지하는 품질 관리 워크플로우가 포함되어 있어, 사용자가 정보가 풍부한 순위를 얻기 위해 입력 파라미터(예: 시간 척도 $\tau$, 적응도 상태 수 $V$)를 조정할 수 있도록 안내한다.

주요 기여

1. 세포 수준 해상도: 사전 정의된 아클론의 적응도를 추정하는 방법들과 달리, LeafRank는 모든 샘플링된 세포를 순위 매김으로써 계통 내에서의 적응도 이질성을 탐지하고, 높은 적응도를 나타내는 "늦었지만 빠른(late but rapid)" 분지 패턴을 식별할 수 있게 한다.
2. CIN에 대한 강건성: WGD 조정된 트리 재스케일링의 도입은 염색체 불안정성이 있는 종양에서 정확한 적응도 추론을 가능하게 하며, 조정되지 않은 거리 행렬을 사용할 때 발생하는 거짓 적응도 팽창을 교정한다.
3. 파라미터 회복력: 본 연구는 적응도 값 자체는 파라미터 선택에 따라 변할 수 있지만, 세포의 상대적 적응도 순위는 생물학적으로 타당한 범위 내의 다양한 파라미터 섭동(perturbation)에 대해 견고하게 유지됨을 입증한다.
4. 진단 프레임워크: 저자들은 추론 정확도의 대리 지표로서 서브샘플링 분산을 사용하는 진단적 접근 방식을 제공하여, 정답(ground truth)이 없는 상황에서도 사용자가 결과의 신뢰성을 평가할 수 있도록 한다.

결과

• 시뮬레이션 검증: 비공간적 및 3D 공간적 가상 종양 시뮬레이션에서, LeafRank는 참 시간(true-time, TT) 트리와 추론된 적응도 순위 사이에서 높은 상관관계(Spearman $r_s > 0.7$, 50개 사례 중 35개)를 달eric했다. 노이즈가 있는 재구성된 트리에 적용했을 때, WGD 조정된 울트라메트릭 트리는 조정되지 않은 거리 행렬 기반 트리보다 성능이 현저히 우수했으며, TT 벤치마크에 근접하게 순위를 회복하고 적응도 추정의 편향을 교정했다.
• 임상 적용 (HGSOC): 고등급 장액성 난소암(HGSOC) 환자의 단일 세포 데이터에 적용한 결과:
  • Truncal WGD 종양: LeafRank는 여러 환자에서 중립적 확장이 아닌, 불연속적인 점프(예: 유형 0에서 6, 9, 10으로)를 통한 **방향성 선택(directional selection)**을 밝혀냈다. 또한 서로 다른 계통이 독립적으로 높은 적응도를 획득하는 평행 선택(parallel selection) 사건을 식별했다.
  • 게놈 드라이버: 적응도 순위를 복제수 변이 프로파일과 상관 분석함으로써, 높은 적응도와 연관된 재발성 SCNAs를 식별했다. 특히, 종양 억제 인자 PTEN을 포함하는 염색체 10q의 소실은 6명의 환자에서 고적응도와 반복적으로 연관되어 있었다. 다른 재발성 사건으로는 KRAS를 포함하는 Chr12p 증폭 및 항암제 저항성과 연결된 Chr6q 소실 등이 있었다.
  • 아클론 WGD: WGD+ 계통과 WGD- 계통이 공존하는 종양에서, LeafRank는 WGD+ 세포가 샘플링 시점에 WGD- 대응 세포에 비해 즉각적이고 균일한 적응도 이점을 보이지 않는다는 것을 발견했다. 대신, 적응도 이점은 후속 변화를 통해 획득되었으며, 이는 WGD가 즉각적인 성장 촉진보다는 장기적인 진화 가능성(evolvability)을 제공함을 시사한다.

의의 및 주장
본 논문은 LeafRank가 단일 세포 계통 발생의 구조적 정보를 상대적 적응도 순위로 변환하는 일반화 가능한 도구를 제공한다고 주장한다. 저자들은 이 방식이 아클론 내의 균일한 적응도를 가정하지 않으므로 계통 내의 선택을 해상도 높게 보여줄 수 있음을 강조한다. 트리 재스케일링을 통해 이상율을 진화 시간으로부터 분리함으로써, LeafRank는 CIN 종양 분석의 결정적인 한계를 해결한다. 연구는 WGD가 HGSOC에서 재발하는 사건이지만, 반드시 즉각적인 적응도 이점을 부여하는 것은 아니며, 오히려 그 존재가 향상된 장기적 진화 가능성에 의해 주도될 수 있음을 결론짓는다. 이 프레임워크는 표준 벌크 게놈 분석에서는 숨겨질 수 있는 특정 이배성(aneuploidy) 패턴이 클론 확장을 어떻게 주도하는지 식별할 수 있게 한다. 저자들은 특히 엄격한 중립성 하에서 진화하거나 개체군 정체(carrying capacity)에 도달한 종양처럼, 추론에 필요한 팽창 신호가 부재한 경우의 한계점도 언급하였다.