A Principled Statistical Framework for Analyzing Spatial Patterns in Spatially Resolved Multi-Omics

당신이 북적이고 붐비는 도시 안에서 미스터리를 풀려는 탐정이라고 상상해 보십시오. 과거에 과학자들은 도시 전체를 한 스쿱 떠서 거대한 스무디처럼 모두 섞은 뒤 그 결과물을 맛보는 것밖에 할 수 없었습니다. 그들은 도시에 무엇이 있는지—예를 들어 얼마나 많은 사람이 프랑스어를 하는지, 혹은 얼마나 많은 사람이 빨간 모자를 쓰고 있는지—는 알 수 있었지만, 그 사람들이 어디에 사는지에 대해서는 전혀 알지 못했습니다. 프랑스어 화자들이 공원 근처에 모여 있었을까요? 빨간 모자를 쓴 사람들은 학교 주변에 모여 있었을까요? 레이아웃을 알지 못한다면, 그 이야기는 절반만 전해진 것이나 다름없습니다.

이제, 새로운 세대의 첨단 카메라 덕분에 과학자들은 도시의 사진을 찍어 어떤 분자가 어떤 다른 분자 옆에 서 있는지 정확하게 볼 수 있게 되었습니다. 이것을 "공간 멀티오믹스(spatial multi-omics)"라고 부릅니다. 이것은 단순히 인구수뿐만 아니라 동네의 역동성까지 보여주는 지도와 같습니다. 하지만 까다로운 점이 있습니다. 이 지도들을 살펴보는 것은 어렵습니다. 단지 두 가지가 우연히 가까이 있다고 해서 반드시 친구인 것은 아니기 때문입니다. 과학자들은 실제적인 이웃 패턴과 무작위적인 우연을 구별할 수 있는 신뢰할 수 있는 방법을 필요로 합니다. 또한, 답을 찾기 위해 얼마나 큰 도시를 연구해야 하는지, 혹은 확신을 갖기 위해 얼마나 많은 사진을 찍어야 하는지도 알아야 합니다. 좋은 계획이 없다면, 그들은 유령을 쫓느라 시간을 낭비하거나 진짜 단서를 완전히 놓칠 수도 있습니다.

여기에, 이러한 분자 지도들을 위한 궁극적인 탐정 가이드가 되도록 설계된 새로운 도구인 STORM이 등장합니다. STORM을 과학자들이 공간 데이터를 분석할 때 혼란에 빠지지 않도록 도와주는 매우 똑똑하고 규칙을 준수하는 심판이라고 생각하십시오.

이 논문은 이러한 새로운 분자 지도의 혼돈에 질서를 가져오기 위한 방법으로서 STORM(Statistical TOol for spatially Resolved Multi-omics)을 소개합니다. 분자들이 서로 뭉쳐 있는지 추측하는 대신, STORM은 영리한 비모수 검정(non-parametric test)을 사용합니다. 이 검정은 마치 "동네 분위기 체크(neighborhood vibe check)"와 같습니다. 특정 지점을 보고 "이곳의 분자 활동이 바로 옆 지점들과 비교했을 때 이상하게 다른가?"라고 묻습니다. 만약 대답이 '예'라면, STORM은 그것이 유전 정보(전사체학)를 보고 있든 단백질(단백질체학)을 보고 있든 상관없이 실제적인 공간 패턴으로 표시합니다.

하지만 STORM은 단순히 패턴을 찾아내는 것 이상의 일을 합니다. STORM은 과학자들이 조사를 시작하기도 전에 조사를 계획할 수 있도록 돕습니다. 이는 "내가 특정 유형의 분자 클러스터를 찾고 싶다면, 얼마나 많은 조직 샘플을 살펴봐야 하며, 조직 내의 몇 군데 지점을 확인해야 하는가?"라고 묻는 것과 같은 "연구의 검정력(power)"을 계산할 수 있습니다. 이는 연구자들이 너무 적게 연구하여 아무것도 발견하지 못하거나, 너무 많이 연구하여 자원을 낭비하는 좌절감을 피하도록 도와줍니다.

나아가, STORM은 단순히 "무언가 일어나고 있다"라고 말하는 데 그치지 않고, 그것이 "얼마나 많이" 일어나고 있는지를 알려줍니다. STORM은 "공간 효과 크기(spatial effect size)"를 추정하는데, 이는 동네 트렌드의 강도를 측정하는 것과 같습니다. 이 클러스터링이 아주 작은 속삭임인지, 아니면 큰 외침인지 말입니다. 마지막으로, 이 도구는 과학자들이 건강한 조직의 분자 동네가 아픈 조직의 동네와 어떻게 다른지 확인하는 것처럼, 서로 다른 그룹들을 공식적으로 비교할 수 있게 해줍니다.

저자들은 컴퓨터 시뮬레이션(도구가 작동하는지 확인하기 위해 가짜 데이터를 생성함)과 실제 공간 멀티오믹스 연구의 실험 데이터를 모두 사용하여 STORM을 테스트했습니다. 이러한 테스트에서 STORM은 공간 구조를 안정적으로 감지할 수 있음을 보여주었으며, 실험을 설계하는 데 있어 의사 결정을 내릴 수 있는 견고하고 정량적인 근거를 제공했습니다. 이 논문은 가설 검정, 효과 크기 측정, 그리고 실험 계획을 하나의 원칙적인 패키지로 통합하여, 조직 속에 숨겨진 공간적 이야기를 더 엄격한 방식으로 이해할 수 있게 해주는 통합된 프레임워크로서 STORM을 제시합니다.