Joint analysis of multiply perturbed cells improves statistical power and cost efficiency in Perturb-seq

기술 요약: Perturb-seq에서 다중 섭동된 세포의 공동 분석

문제 정의
전통적인 Perturb-seq(풀링된 단일 세포 CRISPR 스크리닝) 설계는 일반적으로 섭동을 모호하지 않게 할당하기 위해 세포당 평균 하나의 가이드 RNA(가이드)를 목표로 합니다. 결과적으로, 여러 가이드를 보유한 세포(가이드 멀티플렛)는 분석 과정에서 제외되며, 이는 실험의 가용 수율을 크게 제한합니다. 최근 연구들은 가이드 멀티플렛을 생성하기 위해 감염 다중도(MOI)를 높이는 것이 비용을 절감할 수 있다고 제안해 왔으나, 높은 가이드 부하에 따른 신호 회복, 정보 손실 및 생물학적 아티팩트에 관한 체계적인 트레이드오프는 아직 정량화되지 않았습니다. 주요 불확incity는 극단적인 가이드 로딩에 의해 유발되는 전사적 아티팩트, 수천 개의 섭동을 가진 다중 섭동 세포를 분석하기 위한 계산 프레임워크의 확장 가능성, 그리고 비용 절감과 정보 손실 사이의 정량적 균형 등이 포함됩니다.

방법론
저자들은 세 가지 서로 다른 실험 규모를 사용하여 종합적인 평가를 수행했습니다: 표적 35-유전자 스크린, 1/4 게놈(5,000-유전자) 스크린, 그리고 기존의 게놈 와이드(9,000-유전자) 데이터셋 재분석.

1. 실험 설계:

   • 표적 스크린: 45개 프로모터를 대상으로 하는 6가지 MOI 수준(낮은 수준부터 높은 수준의 스핀펙션 포함)을 사용하여 DLD-1 세포에서 수행되었습니다. 이를 통해 가이드 부하가 세포 생리에 미치는 영향을 특성화했습니다.
   • 대규모 스크린: 확장성 및 비용 효율성을 평가하기 위해 저, 중, 고 MOI를 대상으로 약 5,000개 유전자를 타겟팅하는 세 번의 Perturb-seq 스크리닝을 수행했습니다.
   • 재분석: 제안된 프레임워크를 K562 세포의 Replogle et al. 9,000-섭동 데이터셋에 적용했습니다.

2. 계산 프레임워크 (PerturbMatch):

   • 가이드 할당: 주변 RNA 및 바코드 스와핑을 고려하여 세포에 가이드를 할당하기 위해 contingency table 기반 접근 방식인 fishash를 사용했습니다.
   • 한계 모델링 (Marginal Modeling): 모든 섭동에 대해 하나의 거대한 모델을 적합시키는 대신, 각 유전적 섭동에 대해 별도의 차등 발현 모델을 적합시키는 확장 가능한 통계 프레믹워크인 PerturbMatch를 개발했습니다.
   • 성향 점수 매칭 (Propensity Score Matching): (비표적 가이드가 더 풍부하기 때문에 발생하는) 처리군과 대조군 사이의 불균형한 가이드 부하로 인한 혼란을 해결하기 위해, 방법론은 세포를 멀티플렛 클래스(예: 더블렛, 트리플렛)로 계층화하고 각 계층 내에서 기술적 공변량(예: 미토콘드리아 분율, 라이브러리 크기)을 균형 있게 맞추기 위해 성향 점수 매칭을 적용합니다.
   • 상호작용 스크리닝: "reluctant interaction modeling" (sprinter)의 다변량 확장을 활용하여, 가이드-가이드 상호작용 효과가 기술적 공변량에 비해 무시할 수 있는 수준임을 입증함으로써 모델 단순화를 위한 상호작용 항의 생략을 정당화했습니다.

3. 평가 지표:

   • 정보 손실: MOI가 증가함에 따라 섭동의 근접 이웃 관계가 어떻게 저하되는지 측정하기 위해 이웃 순위 통계(정보 불균형)를 사용하여 정량화했습니다.
   • 신호 회복: 참조 ground truth에 대한 정밀도(precision), 재현율(recall), F-score 및 로그 폴드 변화(LFC) 벡터의 코사인 유사도를 통해 평가했습니다.
   • 이론적 벤치마크: 전사적 반응의 크기(신호 대 잡음비, SNR)와 기대되는 재현성(코사인 유사도) 사이의 이론적 관계를 $\rho = \frac{SNR}{SNR+1}$로 모델링하여 도출했습니다.

주요 결과

1. 가이드 부하의 생물학적 영향:

   • 극단적인 가이드 부하(높은 MOI)는 특정 전사 스트레스 반응을 유도하고 세포 주기 진행을 억제합니다.
   • 가이드 부하와 함께 상향 조절되는 유전자는 스트레스 마커(예: GDF15, TXNIP, FTH1) 및 미토콘드리아 ATP 합성 유전자입니다.
   • 하향 조절되는 유전자는 세포 주기 및 증식 마커(예: MKI67, TOP2A, CENPF)입니다.
   • 이러한 효과는 p53 상태와 독립적입니다 (TP53 변이 DLD-1 세포에서 관찰됨).

2. PerturbMatch의 성능:

   • 하나의 섭동당 하나의 모델을 적합시키는 한계 모델링 접근 방식은 전체 모델과 매우 높은 상관관계(Pearson 상관계수 > 0.97)를 보였으나, 수천 개의 섭동을 처리하는 데 걸리는 시간은 훨씬 단축되었습니다 (수 시간/수 일 vs 수 분).
   • 가이드-가이드 상호작용 효과를 무시하는 것은 기술적 공변량이 상호작용 점수를 압도하므로 유효한 단순화입니다.

3. 최적의 멀티플렛 클래스:

   • 더블렛 및 트리플렛: 이 클래스들은 싱글렛 섭동 반응을 가장 잘 재현합니다. 이들의 비율이 높아지더라도 높은 정밀도와 재현율을 유지합니다.
   • 고차 멀티플렛: 4중 또는 5중 멀티플렛은 표적 스크리닝에서 "승객(passenger)" 가이드로 인한 노이즈로 인해 신호 회복(재현율 및 코사인 유사도)이 급격히 저하됩니다. 그러나 5,000개 유전자를 대상으로 하는 대규모 비편향 스크리닝에서는 승객 가이드로 인한 노이즈가 더 낮아, 고차 멀티플렛이 트리플렛과 유사한 성능을 보입니다.

4. 비용 vs 정보 트레이드오프:

   • 5,000-유전자 스크리닝에서 MOI를 중간 및 높은 수준으로 높임으로써 세포당 비용을 각각 66% 및 81% 감소시켰습니다.
   • 이러한 비용 절감에도 불구하고, 정보 손실은 베이스라인(낮은 MOI) 대비 1.5배에서 2배 증가하는 수준 내에 머물렀으며, 이는 기술적 반복 실험(technical replicates)에서 관찰되는 손실과 유사합니다.
   • 가이드당 유효 세포 수는 높은 MOI에서 최대 7.1배까지 증가했습니다.

5. 게놈 와이드 데이터 재분석:

   • 이전에 버려졌던 가이드 멀티플렛(더블렛 및 트리플렛)을 Replogle 데이터셋에 포함함으로써 통계적 검정력을 향상시켰습니다.
   • 싱글렛과 멀티플렛의 공동 분석은 신호 회복을 이론적 기대 재현성 벤치마크에 더 가깝게 유도한 반면, 싱글렛 전용 또는 멀티플렛 전용 분석은 이 이론적 한계 미만으로 떨어졌습니다.

의의 및 주장
본 논문은 다중 섭동된 세포를 버리는 전통적인 관행이 대규모 Perturb-seq 실험에서 최적이 아니라고 주장합니다. 저자들은 PerturbMatch를 개발하고 고-MOI 설계의 생물학적 및 통계적 한계를 규명함으로써 다음을 입증했습니다:

• 비용 효율성: 의도적으로 싱글렛, 더블렛, 트리플렛을 포함하도록 설계된 스크리닝은 신호 회복을 유지하면서 비용을 최대 81%까지 절감할 수 있습니다.
• 확장성: 제안된 한계 모델링 프레임워크는 최소한의 계산 오버헤드로 수백만 개의 세포와 수천 개의 섭동을 분석할 수 있게 합니다.
• 신호 회복: 가이드 멀티플렛의 공동 분석은 통계적 검정력을 높이고 실험 결과를 이론적 재현성 한계에 더 가깝게 만들어, 대규모 Perturb-seq을 보다 실용적인 "lab-in-the-loop" 패러다임으로 만듭니다.
• 가이드라인: 본 연구는 극단적인 가이드 부하(스트레스를 유발함)를 피하면서, 수율을 극대화하기 위해 더블렛과 트리플렛을 활용하라는 데이터 기반의 권고를 제공합니다.

저자들은 이 연구 결과가 파운데이션 모델 학습 및 포괄적인 기능 유전학에 필요한 수천 개의 유전자로 Perturb-seq을 확장하는 데 있어 발생하는 비용 및 복잡성 병목 현상을 해결하기 위한 실질적인 프레임워크라고 위치시킵니다.