scPyviewer: a Python-native interactive viewer from AnnData single-cell data

지난 10년 동안 생물학 실험실 내부에서는 혁명이 일어났습니다. 이제 과학자들은 개별 세포를 하나하나 관찰하며, 각 세포가 무엇을 할지 지시하는 유전적 명령을 읽을 수 있습니다. 이는 생명 연구를 거대한 데이터 문제로 바꾸어 놓았습니다. 단 한 번의 실험으로도 수십만 개의 세포에 대한 정보를 생성하여, 조직이 어떻게 구성되고 질병 중에 어떻게 변화하는지를 보여주는 디지털 지도를 만들 수 있습니다. 하지만 이 데이터의 홍수는 새로운 문제를 낳았습니다. 바로 '누가 이 지도를 볼 수 있는가?' 하는 문제입니다. 실험을 수행하는 사람들, 즉 세포를 키우고 환자를 치료하는 생물학자들은 이 지도를 탐색하는 데 필요한 컴퓨터 코드를 작성하는 법을 모르는 경우가 많습니다. 수년간 해결책은 '인수인계'였습니다. 계산 전문가들이 작업을 마치고 결과를 특정 형식으로 패키징하면, 이를 다른 프로그래머 그룹이 만든 별도의 소프트웨어 도구로 넘겨주는 방식이었습니다. 이 도구를 통해 생물학자는 코드를 한 줄도 쓰지 않고도 클릭하며 돌아다니거나, 세포 집단을 확대해 보거나, "어떤 세포가 이 단백질을 만들고 있는가?"와 같은 질문을 던질 수 있었습니다.

그러나 두 집단 사이에는 조용히 언어 장벽이 커졌습니다. 이러한 세포 지도를 분석하는 지배적인 소프트웨어는 현대 생물학의 표준이 된 파이썬(Python)이라는 프로그래밍 언어로 작성되어 있습니다. 하지만 비프로그래머들이 결과를 탐색할 수 있게 해주는 대화형 도구들은 R이라는 다른 언어를 기반으로 구축되었습니다. 이 도구들을 사용하기 위해, 파이썬으로 작업하는 실험실은 전체 데이터셋을 먼저 R 형식으로 변환해야 합니다. 이 변환 단계는 느리고 오류가 발생하기 쉬우며, 최신 기술이 적용된 가장 복잡한 유형의 데이터에는 아예 불가능한 경우도 많습니다. 이는 마치 영어로 쓰인 책들을 도서관에 가득 보유하고 있으면서, 그 요약본을 읽기 위해서는 모든 책을 반드시 프랑스어로 번어해야 한다는 말을 듣는 것과 같습니다. 많은 실험실에서 이는 그들이 자신의 발견을 쉽게 공유하지 못하거나, 프로그래머에게 탐색 과정을 대신 실행해 달라고 의존해야 함을 의미합니다.

한 연구팀이 이 간극을 메우기 위한 새로운 도구를 개발했습니다. 그들은 과학자들이 파이썬 환경을 떠나거나 데이터를 변환할 필요 없이, 복잡한 세포 지도를 직접 탐색할 수 있도록 설계된 scPyviewer라는 소프트웨어 애플리케한을 만들었습니다. 연구진은 이 새로운 도구를 현재 실험실에서 사용되는 가장 인기 있는 세 가지 기존 도구와 비교 테스트했습니다. 그 결과, 새 도구는 기존 도구들이 할 수 있는 모든 것을 수행하면서도 훨씬 더 빠르고 컴퓨터 메모리 부담을 훨씬 적게 준다는 것을 발견했습니다. 22,000개에서 300,000개가 넘는 세포를 포함하는 데이터셋을 대상으로 한 테스트에서, 새 도구는 빠르고 반응성이 좋게 유지되었습니다. 반면, 변환 단계에 의존하는 기존 도구들은 가장 큰 데이터셋을 마주했을 때 컴퓨터 메모리가 부족하여 충돌이 발생했습니다. 새 도구는 데이터를 네이티브 방식으로 처리할 뿐만 아니라, 서로 다른 실험을 나란히 비교할 수 있는 기능도 제공하는데, 저자들은 이 교차 종(cross-species) 비교에 대한 전용 스트레스 테스트는 향후 과제로 남아 있다고 언급했습니다.

이 연구의 핵심은 단순하지만 강력한 아이디어입니다. 바로 '도구가 데이터와 같은 언어를 말해야 한다'는 것입니다. 연구진은 파이썬에서 단일 세포 데이터의 표준 컨테이너인 AnnData라는 특정 파일 형식을 직접 읽을 수 있도록 애플리케이션을 구축했습니다. 이 도구는 이 형식을 직접 읽기 때문에 변환 단계가 필요 없습니다. 애플리케이션은 웹 브라우저에서 실행될 수 있는 Streamlet이라는 웹 프레임워크를 기반으로 구축되었습니다. 즉, 생물학자는 링크를 열고 데이터셋을 로드하여 즉시 탐색을 시작할 수 있습니다. 세포 집단을 클릭하여 어떤 유전자가 활성화되어 있는지 확인하거나, 특정 조건을 보기 위해 뷰를 필터링하거나, 두 실험을 비교하여 세포 유형이 어떻게 일치하는지 확인할 수 있습니다. 이 도구에는 세포 위치의 지도, 유전자 활성을 보여주는 차트, 각 세포 유형의 가장 중요한 마커를 나열하는 표와 같이 과학자들이 기대하는 모든 표준 기능이 포함되어 있습니다.

이 접근 방식이 효과적임을 증명하기 위해, 연구진은 도구를 엄격한 테스트에 투입했습니다. 그들은 서로 다른 종과 조직에서 가져온 세 가지 실제 데이터셋을 사용했습니다. 첫 번째는 약 22,000개의 세포를 포함하는 발달 중인 닭 심장 지도였습니다. 두 번째는 약 78,000개의 세포를 가진 그린 몽키(green monkey)의 폐와 림프절 지도였습니다. 세 번째는 거의 313,000개의 세포를 포함하는 인간 폐 질환에 대한 대규모 조사 데이터였습니다. 그들은 데이터 로딩 시간과 각 뷰를 그리는 데 걸리는 시간을 측정하여, 새 도구를 기존 R 기반 도구들을 구동하는 엔진과 직접 비교했습니다. 가장 작은 데이터셋에서 새 도구는 1초도 안 되어 데이터를 로드한 반면, 기존 엔진은 세 배 이상 더 오래 걸렸습니다. 또한 새 도구는 뷰를 그리는 속도도 훨씬 빨랐으며, 종종 2~3배 더 빨랐습니다.

데이터가 커질수록 차이는 더욱 극적으로 나타났습니다. 몽키 데이터셋에서 새 도구는 여전히 로딩 속도가 3배 더 빨랐고 모든 종류의 차트를 그리는 데 지속적으로 더 빨랐습니다. 그러나 313,000개의 세포가 포함된 인간 폐 데이터셋에서는 기존 엔진이 완전히 실패했습니다. 기존 엔진은 가용 컴퓨터 메모리가 바닥나서 단 하나의 뷰도 완성하지 못했습니다. 반면 새 도구는 전체 데이터셋을 로드하고 각 차트를 그리는 데 2초 미만이 소요되었습니다. 연구진은 기존 도구들이 작은 데이터셋을 처리하기 위해 8GB의 메모리가 필요했지만, 가장 큰 데이터셋은 아예 감당할 수 없었다고 언급했습니다. 새 도구는 동일한 기기에서 가장 큰 데이터셋을 처리하면서도 기존 방식에 필요한 메모리의 아주 적은 부분만을 사용했습니다.

속도 외에도 새 도구는 기존 도구들이 갖지 못한 기능을 제공합니다. 파이썬 데이터와 네이티브로 작동하기 때문에, 서로 다른 종이나 서로 다른 실험 설계를 사용하더라도 두 가지 다른 실험을 직접 비교할 수 있습니다. 연구진은 이 세 가지 데이터셋을 처리하는 능력을 입증했지만, 서로 다른 유전자 세트, 주석 어휘 및 정규화 관례와 같이 진정으로 이질적인 입력값에 대한 교차 종 비교 모듈의 전용 스트레스 테스트는 아직 수행되지 않았으며 향후 과제로 남아 있다고 명시했습니다. 또한, 이 도구는 하드 드라이브에서 직접 읽음으로써 컴퓨터 메모리에 전부 들어가지 않는 대규모 파일을 처리할 수 있다는 점을 보여주었는데, 이 기능 덕분에 방대한 양의 인간 폐 파일을 충돌 없이 처리할 수 있었습니다. 이는 도구가 데이터와 함께 성장하며, 현재의 실험실들이 생산하는 것보다 훨씬 더 큰 데이터셋도 처리할 수 있음을 의미합니다.

연구진은 또한 누구나 파이썬 환경이 있다면 쉽게 설치하고 사용할 수 있도록 도구의 공개 인터페이스를 구축했습니다. 그들은 과학자들이 도구에서 직접 출판 가능한 수준의 이미지와 표를 생성할 수 있는 방법을 제공하여, 인터랙티브한 탐색이 재현 가능한 결과로 이어질 수 있도록 했습니다. 코드는 공개되어 있어 누구나 사용하거나 개선할 수 있습니다. 팀은 이 도구가 빠르고 가볍게 제작되었지만, 가장 큰 데이터셋에도 견딜 수 있을 만큼 견고하게 설계되었다는 점을 강조했습니다. 그들은 특수 그래픽 하드웨어 없이 일반 컴퓨터에서 테스트를 진행하여, 고성 de 성능의 탐색이 값비싼 장비를 요구하지 않는다는 것을 증명했습니다.

이 연구는 생물학적 데이터를 공유하고 탐색하는 방식의 변화를 나타냅니다. 수년간 계산 분석과 생물학적 해석 사이의 장벽은 데이터를 언어 간에 변환해야 한다는 점이었습니다. 그 변환 단계를 제거함으로써, 이 새로운 도구는 데이터가 분석에서 생물학자에게 직접 흐를 수 있게 합니다. 생물학자가 새로운 언어를 배울 필요도 없고, 계산 전문가가 워크플로우를 바꿀 필요도 없습니다. 대신, 이 도구는 현대 생물학의 표준이 된 파이썬 환경에서 그들을 맞이합니다. 그 결과, 더 빠르고 효율적일 뿐만 아니라 더 포용적인 시스템이 탄생하여, 비프로그래머들도 전문가들과 마찬가지로 복잡한 데이터셋을 쉽게 탐색할 수 있게 되었습니다.

이 도구의 성공은 생물학적 데이터 탐색의 미래가 번역이 아닌 네이티브 통합에 달려 있음을 시사합니다. 데이터셋의 크기와 복잡성이 계속 증가함에 따라, 충돌하거나 느려지지 않고 이를 처리하는 능력은 매우 중요해지고 있습니다. 연구진은 네이티브 형식을 고수함으로써 기존의 번역 방식으로는 도저히 따라올 수 없는 성능을 달성할 수 있음을 보여주었습니다. 이것이 기존 도구들이 쓸모없다는 뜻은 아니지만, 파이썬으로 작업하는 실험실들에게 이제 데이터에 접근할 수 있는 더 직접적인 경로가 생겼음을 보여줍니다. 이 도구는 이미 사용 가능하며, 연구진은 다른 사람들이 이를 바탕으로 발전시킬 수 있도록 코드를 공개했습니다. 데이터가 이를 처리할 하드웨어보다 더 빠르게 성장하는 분야에서, 부하를 견디며 작동하는 도구는 중요한 진전입니다.

이 작업의 영향은 단순히 속도에만 국end지 않습니다. 데이터를 탐색하기 쉽게 만듦으로써, 이 도구는 더 많은 과학자가 자신의 결과에 참여하도록 독려합니다. 생물학자가 데이터셋을 클릭하며 패턴을 직접 확인할 수 있을 때, 그들은 새로운 질문을 던지고 예상치 못한 연결 고리를 찾을 가능성이 더 높습니다. 두 가지 서로 다른 실험을 나란히 비교할 수 있는 능력은 연구의 새로운 가능성을 열어주며, 과학자들이 서로 다른 종이나 질병 상태에 따라 세포 유형이 어떻게 행동하는지 관찰할 수 있게 합니다. 이 도구가 이러한 기능을 도입했음에도 불구하고, 저자들은 이질적인 입력값에 대한 완전한 비교 잠재력을 위해서는 추가적인 전용 테스트가 필요하다고 언급했습니다. 기존 도구들은 단일 데이터셋으로 제한되어 있었기에 이러한 비교가 어려웠습니다. 새 도구는 이러한 제한을 제거하여 생물계에 대한 더 넓은 시야를 제공합니다.

결국, 이 논문은 많은 실험실을 가로막았던 실질적인 문제에 대한 해결책을 제시합니다. 언어 간의 데이터 변환 필요성은 연구를 늦추고 탐색에 참여할 수 있는 범위를 제한하는 마찰의 원인이었습니다. 데이터를 사용하는 언어와 동일한 언어를 구사하는 도구를 구축함으로써, 연구진은 그 마찰을 제거했습니다. 그 결과는 더 빠르고, 더 신뢰할 수 있으며, 현대 생물학을 정의하는 거대한 데이터셋을 처리할 수 있는 역량을 갖춘 시스템입니다. 이는 때때로 앞으로 나아가는 가장 좋은 방법이 무언가를 처음부터 새로 만드는 것이 아니라, 사람들이 이미 일하는 방식에 딱 맞는 것을 만드는 것임을 상기시켜 줍니다. 도구는 준비되었고, 데이터는 존재하며, 이해로 가는 길은 그 어느 때보다 명확해졌습니다.