💻 bioinformatics

Covariance Nonstationarity is Evident in Spatial Transcriptomics and Provides a New Categorization of Spatially Varying Genes

이 연구는 공분산 비정상성(covariance non-stationarity)이 공간 전사체학에서 흔하고 생물학적으로 유의미한 특징이며 일반적인 가우시안 프로세스 가정을 위반한다는 것을 입증하며, 이로 인해 공간적 변이 유전자가 특성화되고 분류되는 방식에 대한 재평가가 필요함을 시사한다.

원저자: Velidi, P., Wei, Z., Nathoo, F.

게시일 2026-09-05

📖 4 분 읽기☕ 가벼운 읽기

CC BY 4.0

원저자: Velidi, P., Wei, Z., Nathoo, F.

원본 논문은 CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. ⚕️ 이것은 동료 심사를 거치지 않은 프리프린트의 AI 생성 설명입니다. 의학적 조언이 아닙니다. 이 내용을 바탕으로 건강 관련 결정을 내리지 마세요. 전체 면책 조항 읽기

높은 곳에서 도시를 내려다본다고 상상해 보십시오. 그 거리에서는 거리들이 균일한 격자 모양처럼 보일 수 있고, 건물들은 예측 가능한 패턴을 따르는 것처럼 보일 수 있습니다. 하지만 줌을 해서 확대하면, 근처의 모습이 완전히 변하는 것을 볼 수 있습니다. 한 블록은 북적이는 시장이고, 다음 블록은 조용한 공원이며, 또 다른 블록은 고층 빌딩이 밀집한 구역일 수 있습니다. 사람들이 움직이고 상호작용하는 규칙은 시장에서의 규칙과는 다릅니다. 오랫동안 우리 몸속의 미세 세계를 연구해 온 과학자들은 조직을 저 멀리서 본 도시의 모습처럼 취급해 왔으며, 세포들이 서로 소통하는 규칙이 어디에서나 동일하다고 가정해 왔습니다. 그들은 만약 두 세포가 가까이 있다면, 그들은 유사하게 행동할 가능성이 높으며, 이 관계가 조직의 어느 곳을 보더라도 유효하다고 가정했습니다. '정상성(stationarity)'이라고 알려진 이 가정은 수학적 계산을 더 쉽게 만들었지만, 더 복형한 현실을 숨기고 있었을지도 모릅니다.

공간 전사체학(spatial transcriptomics) 분야에서 연구자들은 조직 샘플 내에서 유전자가 어디에서 활성화되는지를 지도화하여, 인체의 내부 지형에 대한 상세한 그림을 그려냅니다. 이 기술은 폭발적인 인기를 끌며 과학자들이 단순히 어떤 유전자가 켜져 있는지를 넘어, 정확히 어디에서 그 유전자가 일을 하고 있는지까지 볼 수 있게 해주었습니다. 이러한 지도를 이해하기 위해 과학자들은 통계 모델을 사용하여 위치에 따라 활동이 변하는 유전자를 찾아냅니다. 이들을 '공간적으로 변화하는 유전자(spatially varying genes)'라고 부릅니다. 표준적인 접근 방식은 유전자 활동이 조직 전체에 어떻게 퍼져나가는지를 설명하기 위해 단일하고 균일한 규칙을 사용하는 것이었습니다. 그러나 새로운 연구는 이러한 균일한 규칙이 종종 틀릴 수 있음을 시사합니다. 연구진은 신체의 많은 부분에서 유전자가 이웃에게 영향을 미치는 방식이 마치 번화한 도시의 거리와 조용한 교외의 규칙이 서로 다르듯, 장소에 따라 변한다는 것을 발견했습니다.

빅토리아 대학교 연구진이 이끄는 팀은 이 균일한 가정이 실제 생물학적 데이터에서도 유효한지 테스트하기 위해 나섰습니다. 그들은 유방암, 난소암, 그리고 뇌의 다양한 부위를 포함한 인간과 생쥐의 서로 다른 12가지 조직 샘플을 조사했습니다. 모든 데이터를 하나의 변하지 않는 패턴에 억지로 맞추는 대신, 그들은 모델이 위치에 따라 행동을 바꿀 수 있도록 허용했습니다. 그들은 표준적이고 변하지 않는 모델을 더 유연하고 적응 가능한 모델과 비교했습니다. 결과는 놀라웠습니다. 일부 조직에서는 거의 절반의 유전자가 단일하고 균일한 규칙을 따르지 않는다는 징후를 보였습니다. 예를 들어, 인간의 유방암 샘플에서는 50%의 유전자가 유연하고 변화하는 모델을 선호했습니다. 다른 조직에서는 그 수치가 더 낮았지만, 3%에서 50%에 이르기까지 여전히 유의미했습니다. 이는 많은 수의 유전자에 있어, 기존의 균일한 패턴이라는 가정이 중요한 퍼즐의 조각을 놓치고 있었음을 의미합니다.

연구진이 균일한 규칙을 따르지 않는 유전자들을 자세히 살펴보았을 때, 그들은 명확한 생물학적 이야기를 발견했습니다. 이 유전자들은 무작위가 아니었습니다. 이들은 종종 면역 반응이나 염증과 같은 신체의 방어 체계와 관련된 것들이었습니다. 암 조직에서 이러한 유전자들은 종종 종양 세포와 그 주변 환경 사이의 복잡한 상호작용과 연결되어 있었습니다. 이 연구는 이러한 유전자들이 조직 전체에 고르게 퍼지기보다는 특정하고 국소적인 포켓(pockets) 내에서 활성화된다는 점을 시사합니다. 예를 들어, 어떤 유전자들은 종양의 가장자리를 따라 높은 활성을 보였고, 다른 것들은 작은 세포 군집 내에서 활성을 보였으며, 또 다른 것들은 샘플을 가로질러 이동함에 따라 변화하는 넓고 변화무쌍한 패턴 속에서 활성화되었습니다. 이러한 국소적 변이는 조직의 고유한 화학적 환경을 가진 독특한 이웃들을 형성하는 세포 그룹들이 존재하는, 조직 자체의 복잡성을 반영하는 것으로 보입니다.

연구진은 자신들의 발견이 신뢰할 수 있는지 확인하기 위해 검증 작업도 수행했습니다. 그들은 실제 데이터를 기반으로 수천 개의 시뮬레이션 데이터셋을 만들어, 새로운 방법이 실수를 하지 않고 변화하는 패턴을 올바르게 식별할 수 있는지 확인했습니다. 테스트 결과, 그들의 접근 방식은 매우 정확했으며, 대부분의 경우 변화하는 패턴을 정확히 찾아냈고, 실제로는 균일한데도 변화한다고 잘못 표시하는 경우는 드물었습니다. 이는 그들이 실제 조직 샘플에서 보고 있는 것이 단순한 수학적 오류가 아니라 실제 생물학적 특징이라는 확신을 줍니다.

아마도 가장 중요한 시사점은 이러한 국소적 변화를 무시하는 것이 과학자들이 중요한 생물학적 신호를 놓치게 만들 수 있다는 점입니다. 만약 연구자가 유전자가 모든 곳에서 동일하게 행동한다고 가정한다면, 그 유전자가 조직의 아주 작은 부분에서만 결정적인 역할을 하고 있다는 사실을 알아차리지 못할 수도 있습니다. 유전자 간의 상호작용 규칙이 장소에 따라 변할 수 있음을 인식함으로써, 과학자들은 이제 유전자를 새로운 방식으로 분류할 수 있습니다. 단순히 특정 지점에서 유전자가 활성화되어 있는지를 묻는 대신, 조직을 통과해 이동함에 따라 유전자의 이웃과의 관계가 어떻게 변하는지를 물을 수 있습니다. 이 새로운 관점은 조직이 어떻게 구성되어 있는지에 대한 더 미묘한 시각을 제공하며, 인체가 균일한 풍경이 아니라 규칙이 끊임없이 변화하는 독특하고 역동적인 영역들의 집합임을 밝혀줍니다.

기술 요약: 공간 전사체학에서의 공분산 비정상성(Covariance Nonstationarity)

문제 정의
공간 전사체학 분석은 공간적으로 변화하는 유전자(SVG)를 탐지하기 위해 가우시안 프로세스(GP) 모델에 크게 의존한다. 그러나 기존의 대다수 도구들은 **공분산 정성성(covariance stationarity)**을 가정하며, 이는 유전자 발현 측정값 사이의 공간적 상관관계가 위치 간의 거리와 각도에만 의통하며 전체 조직 전체에서 일정하게 유지된다고 상정한다. 공간 통계학에서는 실제 공간 데이터가 종종 공분산 비정상성(공간에 따라 상관 구조가 변하는 현상)을 나타낸다는 점을 오래전부터 인식해 왔으나, 공간 전사체학 분야에서는 이 특징이 대체로 무시되어 왔다. 저자들은 이러한 가정이 조직의 내재적 이질성, 세포 집합체, 미세환경을 고려할 때 생물학적으로 비현실적이라고 주장한다. 결과적으로, 정성적 모델을 강제하는 것은 실제 공간 패턴의 탐지를 약화시키고, 유전자의 공간적 척도를 잘못 규정하며, 조직-구획 특이적 유전자를 조직 전체 신호로 오분류하는 결과를 초래할 수 있다.

방법론
본 연구는 12개의 공개된 10x Genomics Visium 데이터셋(인간 및 마우스)을 사용하여 공분산 비정상성을 명시적으로 테스트하고 모델링하는 지질 통계학적 프레임워크를 채택하였다.

모델링 프레임워크: 저자들은 Matérn 가우시안 프로세스를 표현하기 위해 확률적 편미분 방정식(SPDE) 접근법을 활용한다. 이들은 정규화 및 추세 제거된 유전자 발현 잔차에 대해 세 가지 모델을 비교한다:
1. 비정상 공간 모델 ( $M_{NS}$ ): 범위( $\rho$ )와 분산( $\sigma^2$ ) 파라미터가 공간 기저 함수(spatial basis functions)의 선형 결합을 통해 공간적으로 변하는 GP(등방성 케이스).
2. 정상 공간 모델 ( $M_S$ ): 전역 파라미터를 가진 표준 등방성 Matérn GP.
3. 비공간 모델 ( $M_0$ ): 공간 효과가 없는 모델(nugget만 존재).
추론 및 테스트: 파라미터 추정과 주변 가능도(marginal likelihood) 계산은 R-INLA 패키지를 통한 **통합 중첩 라플라스 근사(INLA)**를 사용하여 수행된다. 저자들은 모델 선택을 위해 **근사 베이즈 인자(approximate Bayes factors)**를 사용한다:
- 먼저, $M_{NS}$ 와 $M_S$ 를 비교하여 비정상성을 테스트한다.
- 둘째, 정성성을 보이는 유전자에 대해 $M_S$ 와 $M_0$ 를 비교하여 공간적 변이를 테스트한다.
- 이러한 계층적 접근 방식은 잠재적으로 잘못 설정된 두 모델을 비교하는 오류(예: 실제로는 비정상적인데 두 정성 모델을 비교하는 것)를 방지한다.
검증: 베이즈 인자 결정 규칙(임계값 $BF_{10} > 1$ )의 작동 특성을 평가하기 위해, 저자들은 원래의 적합 결과에서 얻은 파라미터 추정치를 사용하여 Human Breast Cancer (ILC) 및 Human Ovarian Cancer 데이터셋의 유전자들에 대해 100개의 복제 데이터셋을 시뮬레이션했다. 이를 통해 경험적 통계적 검정력과 허위 발견율(FDR)을 계산하였다.
다운스트림 분석: 유전자는 모델 선호도에 따라 분류되었으며, 비정상적 유전자의 생물학적 기능을 식별하기 위해 유전자 온톨로지(GO) 및 KEGG 경로 농축 분석이 수행되었다.

주요 결과

비정상성의 보편성: 12개 데이터셋 전체에서 공분산 비정상성의 증거가 **3%에서 50%**의 유전자에서 발견되었다. Human Breast Cancer (ILC) 데이터셋에서 가장 높은 빈도(50%)를 보였으며, Human Ovarian Cancer 데이터셋은 5.3%를 기록했다.
모델 성능: 시뮬레이션 연구 결과, 베이즈 인자 테스트는 높은 통계적 검정력(Breast Cancer 0.874, Ovarian Cancer 0.811)을 가졌으며, 선택된 임계값에서 잘 제어된 경험적 FDR(각각 0.003 및 0.081)을 보여주었다.
유전자 분류: 본 연구는 유전자를 다음과 같이 세 가지 방식으로 분류할 것을 제안한다:
1. 비정상 공간적: 국소적으로 변화하는 공간적 의존성을 가진 유전자.
2. 정상 공간적: 조직 전체에 걸쳐 일관된 공간적 상관관계를 가진 유전자.
3. 비공간적: 감지 가능한 공간 구조가 없는 유전자.
  Breast Cancer 데이터셋의 경우, 50.0%의 유전자가 비정상적, 33.6%가 정상적, 16.4%가 비공간적으로 분류되었다.
생물학적 농축: 비정상적 공분산을 선호하는 유전자들은 특정 생물학적 프로그램에 유의미하게 농축되어 있었다. 여기에는 면역 및 사이토카인 경로, 작동 기능(effector functions), 그리고 질병 관련 메커니즘(특히 암 데이터셋에서)이 포함되었다. 또한 신경 조직의 시냅스 신호 전달이나 척수 조직의 섬모 운동과 같은 조직 특이적 농축도 관찰되었다.
시각적 패턴: 비정상적 유전자의 잔차 맵(residual maps)은 경계 특이적 발현, 조밀한 클러스터, 분산되어 있으나 밀도가 변하는 신호 등 다양한 공간적 패턴을 보여주었으며, 이는 정성적 모델에 의해 무시되거나 평활화(smoothing)되었을 패턴들이다.

의의 및 주장
본 논문은 공분산 비정상성이 단순한 통계적 아티팩트가 아니라 실질적이고 생물학적으로 구조화된 특징이라고 주장한다. 저자들의 주장은 다음과 같다:

정성성은 무해한 단순화가 아니다: 정성성을 가정하는 것은 생물학적 이질성 및 세포 집합체와 관련하여 빈번하게 위반되며, 이는 생물학적으로 의미 있는 방식으로 발생한다.
SVG 탐지에 미치는 영향: 비정상성을 무시하면 공간적으로 변화하는 유전자의 정의와 분류가 변하며, 이는 실제 공간 유전자를 놓치거나 그 공간적 척도를 잘못 규정할 가능성이 있다.
새로운 분류 체계: 본 연구는 SVGs를 비정상적, 정상적, 비공간적 그룹으로 분류하는 새로운 프레임워크를 제공하여, 공간적 유전자 조절에 대한 더 미묘한 이해를 제공한다.
생물학적 통찰: 비정상적 공분산에 대한 면역 및 작동 기능의 농축은 공간적 의존성의 국소적 변화가 맥락 의존적 생물학적 반응과 연결되어 있음을 시사한다.

저자들은 정성적 커널이 항상 부적절한 것은 아니지만, 그 적절성은 유전자 및 데이터셋마다 다르다고 결론지었다. 이들은 특히 종양과 같은 이질적인 조직에서 공간 전사체 데이터의 정확한 특성화를 위해 비정상적 공분산 구조를 통합하는 것이 필수적임을 강조한다.

유사한 논문