scDblFinder in Python with GPU support

현대 생물학의 미세한 세계에서, 과학자들은 개별 세포 내부의 유전적 지침을 하나씩 읽어내는 방법을 개발했습니다. 단일 세포 시퀀싱(single-cell sequencing)이라고 알려진 이 기술은 연구자들이 수천 또는 수백만 개의 고유한 세포가 어떻게 기능하는지 볼 수 있게 하여, 조직과 장기의 숨겨진 다양성을 드러내 줍니다. 하지만 이 세포들을 포획하는 데 사용되는 기계는 완벽하지 않습니다. 때때로, 이 과정에서 단 하나의 세포만을 담기로 되어 있는 아주 작은 용 안에 두 개 이상의 세포가 함께 갇히기도 합니다. 기계가 이 혼합된 주머니로부터 유전 물질을 읽을 때, 이는 마치 하나의 이상하고 새로운 유형의 세포처럼 보이는 혼란스러운 신호를 만들어냅니다. 과학자들은 이러한 오류를 "더블릿(doublets)"이라고 부르며, 만약 이를 찾아내 제거하지 않는다면 연구자들이 인체의 작동 방식에 대해 잘못된 결론을 내리게 될 수 있습니다.

이 문제를 해결하기 위해, 한 연구팀은 이러한 오류를 추적하기 위해 설계된 새로운 디지털 도구를 만들었습니다. 이 도구는 원래 다른 종류의 컴퓨터 언어를 위해 구축된 성공적인 프로그램의 버전으로, 오늘날 데이터 과학자들이 가장 흔히 사용하는 언어로 다시 작성되었습니다. 이 전환을 통해 연구자들은 도구를 더 빠르고 접근하기 쉽게 만들었으며, 또한 고사양 게이밍 컴퓨터에서 발견되는 것과 같은 종류의 강력한 그래픽 프로세서에서 실행되어 방대한 양의 데이터를 놀라운 속도로 처리할 수 있는 특별한 기능을 추가했습니다.

scDblFinder로 알려진 기존 도구는 이미 생물학 분야에서 최고 수준의 성능을 가진 것으로 간주되었지만, 통계학자들에게 인기 있는 R이라는 소프트웨어 환경을 기반으로 구축되었습니다. 대규모 생물학적 데이터셋을 다루는 많은 연구자들은 파이썬(Python)이라 불리는 다른 환경을 선호합니다. 기존 도구가 파이썬을 지원하지 않았기 때문에, 많은 과학자들은 덜 정확한 방법을 사용하거나 호환성 문제로 어려움을 겪어야 했습니다. 여기에 제시된 새로운 작업은 scDblFinderPy의 탄생을 설명하며, 이는 원본 도구의 충실한 파이썬 번역본입니다. 목표는 새로운 오류 탐색법을 발명하는 것이 아니라, 결과의 높은 품질을 잃지 않으면서 더 많은 사람이 사용할 수 있도록 새로운 언어로 동일한 로직을 재현하는 것이었습니다.

새로운 도구가 의도한 대로 정확히 작동하는지 확인하기 위해, 연구자들은 원본 프로그램과 일치하도록 내부 단계들을 재구축했습니다. 그들은 코드를 번역할 때, 예를 들어 새로운 소프트웨어에서 사용 가능한 약간 다른 표준 방식이라 할지라도 원본 로직과 동일하게 작동하는 특정 수학적 방법을 선택하는 것과 같이 신중한 선택을 해야 했습니다. 또한 그들은 세포를 그룹화하는 특정 방식을 선택하여 원본의 로직과 일치하도록 했습니다. 또한 그들은 세포를 비교하는 데 필요한 복잡한 수학 연산을 처리하기 위해 파이썬 커뮤니티에서 잘 알려지고 신뢰받는 표준 라이브러리를 사용하여 도구가 작동하도록 보장했습니다.

이 새로운 버전의 주요 혁신은 그래픽 처리 장치(GPU)를 사용하여 작업 속도를 높이는 능력입니다. 기존 도구가 표준 컴퓨터 프로세서에서 실행된 반면, 이 새로운 버전은 GPU의 병렬 처리 능력을 사용하도록 전환될 수 있습니다. 연구자들은 수천 개의 세포의 유전 프로필을 비교하는 것과 같은 무거운 작업은 GPU에서 수행되고, 작고 덜 집약적인 작업은 표준 프로세서에 남도록 시스템을 설계했습니다. 이 설정은 특히 수백만 개의 세포를 포함하는 매우 큰 데이터셋을 다룰 때, 도구가 이전보다 훨씬 빠르게 데이터를 처리할 수 있게 해줍니다. 이 시스템은 유연하게 설계되어, 호환 가능한 그래픽 카드가 없는 컴퓨터의 경우 자동으로 표준 프로세서로 전환되어 실패 없이 작동합니다.

연구팀은 새로운 도구를 원본 버전 및 과학자들이 이러한 오류를 찾기 위해 사용하는 몇 가지 다른 방법들과 비교 테스트했습니다. 그들은 도구의 성능을 테스트하기 위해 정교하게 준비된 16개의 서로 다른 데이터셋을 사용했습니다. 이 테스트에서 새로운 파이썬 버전은 원-본 R 버전만큼 잘 작동하여, 혼합된 세포들을 동일한 높은 정확도로 성공적으로 식별해 냈습니다. 또한 다른 그룹이 만든 다른 파이썬 도구보다 우수한 성능을 보였는데, 그 차이는 미미했습니다. 결과는 단 하나의 방법이 모든 데이터셋에 완벽할 수는 없음을 보여주었지만, 새로운 도구는 일관되게 최상위권에 위치했으며, 이는 언어를 번hest한 것이 데이터의 진실을 찾는 능력을 약화시키지 않았음을 증명했습니다.

정확성 외에도, 연구자들은 분석이 실행되는 데 걸리는 시간을 측정했습니다. 표준 컴퓨터 프로세서에서 새로운 파이썬 버전은 원본 R 버전보다 거의 두 배 더 빨랐습니다. 그래픽 프로세서를 켰을 때 속도는 더욱 증가하여, 대규모 연구를 훨씬 더 빠르게 진행할 수 있게 되었습니다. 이러한 속도 향상은 생물학적 데이터셋의 크기가 급격히 커지고 있기 때문에 매우 중요하며, 연구자들에게는 생성되는 정보의 양을 따라잡을 수 있는 도구가 필요합니다. 또한 이 새로운 도구는 분석을 여러 번 실행하고 결과를 평균 내는 것이 정확도 면에서 아주 미미한 개선만을 제공한다는 것을 보여주었으며, 이는 대부분의 목적에 단 한 번의 실행만으로도 충분하다는 것을 시사합니다.

연구자들은 자신들의 작업이 최첨단 생물학 데이터 정제 방법을 파이썬 커뮤니티로 성공적으로 가져왔다고 결 결론지었습니다. 원래의 로직을 보존하면서 현대적인 속도와 접근성을 더함으로써, 그들은 과학자들이 자신의 데이터가 더블릿의 혼란으로부터 자유로운지 확인할 수 있는 견고한 솔루션을 제공했습니다. 이 도구는 확률로 해석될 수 있는 점수를 제공하여 연구자들이 실제 세포와 실수 사이의 경계를 결정할 수 있게 함으로써 사용하기 쉽습니다. 단일 세포 생물학 분야가 계속 확장됨에 따라, 이와 같은 도구는 수집되는 방대한 양의 데이터가 우발적인 혼합으로 인한 노이즈 없이 명확하고 정확하게 이해될 수 있도록 보장합니다.