CHACAM: a cell-cell interaction-guided hierarchical attention model for high-precision cell identity annotation of scRNA-seq data in early C. elegans embryogenesis

생명은 하나의 세포, 즉 전체 유기체의 설계도를 담고 있는 작은 구체로부터 시작됩니다. 발달의 가장 초기 단계에서 이 세포는 다시 계속해서 분열하며, 빠르게 성장하는 세포 집단을 만들어냅니다. 수십 년 동안 과학자들은 예쁜꼬마선충(Caenorhabditis elegans)이라는 작은 둥근 벌레에서 이 과정이 놀라울 정도로 예측 가능하다는 사실을 알고 있었습니다. 모든 벌레는 정확히 동일한 경로를 따릅니다. 첫 번째 세포가 갈라지고, 딸세포들이 갈라지며, 그들은 다시 갈라집니다. 항상 같은 순서로, 항상 같은 곳에 도달합니다. 이러한 완벽한 일관성 덕분에 생물학자들은 이 벌레를 하나의 세포가 어떻게 복잡한 동물이 되는지를 이해하기 위한 지도로 오랫동안 사용해 왔습니다. 그러나 기술이 발전함에 따라 새로운 과제가 등장했습니다. 이제 과학자들은 이 배아 내 개별 세포의 유전적 지침, 즉 '전사체(transcriptome)'를 읽을 수 있습니다. 이것이 돌파구처럼 들리지만, 혼란스러운 문제를 드러냈습니다. 세포가 분열함에 따라 밀접하게 연관된 자매 세포들의 유전적 지침이 거의 동일해진다는 것입니다. 과학자들이 유전 코드를 기준으로만 이 세포들을 분류하려고 할 때, 그들은 종종 이들을 서로 구별할 수 없게 되어, 별개의 세포들을 모호하고 불분명한 범주로 묶어야 하는 상황에 직면합니다.

이 퍼즐을 풀기 위해 연구진은 세포 내부의 유전 코드 너머를 바라보는 새로운 접근 방식을 개발했습니다. 그들은 세포가 진공 상태에 존재하는 것이 아니라, 끊임없이 이웃과 접촉하고 대화한다는 사실을 깨달았습니다. 배아 초기 단계에서 세포의 운명은 자신이 물리적으로 접촉하고 있는 특정 세포들로부터 받는 신호에 의해 크게 좌우됩니다. 연구진은 세포의 유전 데이터와 누가 누구와 접촉하고 있는지에 대한 상세한 지도를 결합한 CHACAM이라는 컴퓨터 모델을 구축했습니다. 이 물리적 맥락을 통합함으로써, 이 모델은 유전적으로는 동일해 보이지만 서로 다른 동네에 위치한 세포들을 구별할 수 있습니다. 이 방법은 그들에게 초기 벌레 배아의 완벽하게 선명한 지도를 만들 수 있게 해주었으며, 수년 동안 모호했던 정체성을 해결하고 각 고유한 세포를 정의하는 새로운 유전적 표지자를 밝혀냈습니다.

문제의 핵심은 얼마나 밀접하게 관련된 세포들이 서로 닮았는가에 있습니다. 벌레 발달의 초기 단계에서는 세포가 매우 빠르게 분열하기 때문에, 동일한 부모로부터 태어난 자매 세포들은 거의 똑같은 유전적 프로필을 가집니다. 이러한 세포들을 식별하는 전통적인 방법은 이름표처럼 작동하는 특정 유전자를 표지자로 찾는 것에 의존합니다. 하지만 유전적 차이가 이토록 작을 때는 이름표가 자매 세포를 구별할 만큼 뚜렷하지 않습니다. 이전 연구들에서 이는 과학자들이 특정 세포가 무엇인지 알 수는 있지만 어떤 세포인지 구체적으로 말할 수 없는 것을 인지한 채, "ABalx"와 같은 일반적인 이름으로 세포 그룹을 명명할 수밖에 없는 상황으로 이어졌습니다. 이러한 정밀도의 부족은 연구자들이 본질적으로 흐릿한 지도를 가지고 작업하는 것이었기에, 발달을 주도하는 정확한 사건의 순서를 이해하는 것을 어렵게 만들었습니다.

연구진은 누락된 정보가 물리적 환경이라는 가설을 세웠습니다. 그들은 벌레 배아의 특정 세포가 항상 특정 이웃과 접촉한다는 것을 수십 년간의 관찰을 통해 알고 있었습니다. 예를 들어, 한 세포는 근육 세포가 되라는 신호를 보내는 이웃과 접촉할 수 있는 반면, 유전적으로는 동일해 보이는 그 자매는 신경 세포가 되라는 신호를 보내는 다른 이웃과 접촉할 수 있습니다. 새로운 모델인 CHACAM은 이러한 지식을 사용하도록 설계되었습니다. 이 모델은 세포 간의 통신 채널, 즉 한 세포가 다른 세포에게 신호를 보낼 수 있게 하는 분자 쌍에 대한 큐레이팅된 데이터베이스에서 시작합니다. 그런 다음 이를 발달의 매 분마다 어떤 세포들이 서로 접촉하고 있는지를 보여주는 고해解상도의 4차원 배아 지도와 겹쳐 놓습니다.

이 모델은 세포를 보고 두 가지 질문을 던지는 방식으로 작동합니다: 이 세포는 어떤 유전자를 발현하고 있는가, 그리고 누구와 접촉하고 있는가? 모델은 세포의 유전적 프로필을 알려진 세포 유형의 참조 라이브러리와 비교합니다. 만약 유전적 프로필이 모호하다면, 모델은 그 세포의 이웃들을 살펴봅니다. 모델은 세포와 그 이웃 사이의 특정 상호작용 가능성에 기반하여 점수를 계산합니다. 예를 들어, 어떤 세포가 특정 세포 유형과 상호작용하는 것으로 알려진 이웃과 접촉하고 있다면, 모델은 그 세포가 해당 유형일 가능성이 높다고 추론합니다. 연구진은 이 추측을 확인하기 위해 "삼각측량(triangulation)"이라 부르는 전략을 사용했습니다. 그들은 알려진 정체성을 가진 참조 세포를 선택하여 모호한 세포와의 상호작용을 확인했습니다. 만약 참조 세포가 한쪽 자매와는 접촉하지만 다른 쪽과는 접촉하지 않는 것으로 알려져 있고, 상호작용 점수가 그 패턴과 일치한다면, 모호한 세포의 정체성을 높은 신뢰도로 결정할 수 있습니다.

연구팀이 기존의 예쁜꼬마선경 배아 데이터에 이 방법을 적용했을 때, 결과는 놀라웠습니다. 1개에서 16개 세포까지 다루는 데이터셋에서, 모델은 모든 단일 세포의 정체성을 성공적으로 해결했습니다. 이전에는 16세포 단계에서 8개의 세포가 구별 불가능한 네 쌍의 쌍둥이로 묶여 있었습니다. 새로운 방법은 이들을 모두 분리하여 100%의 해상도를 달 achievement 했습니다. 이는 과학자들이 16세포 배아의 모든 세포에 대한 완전하고 명확한 유전적 정체성 지도를 처음으로 갖게 되었음을 의미합니다. 모델은 데이터가 일부 누락된 경우에도 102세포 단계까지 올라가는 더 큰 데이터셋에서 대부분의 세포를 정확하게 식별하며 동일하게 우수한 성능을 보였습니다.

세포를 분류하는 것을 넘어, 모델은 각 세포를 독특하게 만드는 것이 무엇인지에 대한 더 깊은 이해를 제공했습니다. 세포들이 올바르게 식별되자, 연구진은 한 자매 세포에서만 활성화되는 특정 유전자를 찾기 위해 조사할 수 있었습니다. 그들은 이전 연구들이 세포 그룹에 대해서만 작동하는 표지자만을 발견했던 것과 달리, 한쪽 자매 세포에서만 나타나는 새로운 표지 유전자 세트를 발견했습니다. 예를 들어, 그들은 이전에 하나로 묶였던 두 특정 세포를 구별할 수 있는 유전자를 찾아냈습니다. 이러한 새로운 표지자들은 훨씬 더 세밀한 수준의 디테일을 제공하여, 과학자들이 각 개별 세포에서 실행되는 정확한 유전 프로그램들을 볼 수 있게 해줍니다. 이 고해상도 지도는 세포가 결정을 내리는 과정을 이해하기 위한 새로운 자원으로서, 각 단계에 관여하는 유전자들의 명확한 목록을 제공합니다.

이 접근 방식의 성공은 세포 정체성을 바라보는 과학자들의 근본적인 시각 변화를 강조합니다. 이는 세포의 정체성이 단순히 세포가 가진 유전자에 의해 결정되는 것이 아니라, 주변의 물리적 및 화학적 맥락에 의해서도 결정된다는 것을 입증합니다. 내부의 유전 데이터와 누가 누구와 접촉하고 있는지에 대한 외부 현실을 결합함으로써, 연구진은 이전의 분석들을 혼란스럽게 했던 노이즈를 뚫고 볼 수 있었습니다. 모델은 추측이나 복잡한 시뮬레이션에 의존하지 않고, 벌레의 발달에 관한 알려진 불변의 규칙을 사용하여 유전 데이터의 해석을 안내합니다. 이 방법은 세포를 유전자만으로 구별하기 어려울 때, 배아의 물리적 지도가 그들의 진정한 정체성을 여는 열쇠를 쥐고 있음을 증명했습니다.

이 연구의 함의는 이 벌레를 넘어 확장됩니다. 이 연구는 완벽하게 매핑된 계보 때문에 예쁜꼬마선경에 집중했지만, 그 논리는 세포를 구별하기 어려운 모든 시스템에 적용됩니다. 인간과 같은 더 복잡한 유기체에서 세포들은 종종 이웃이 행동에 영향을 미치는 밀집된 환경에 존재합니다. 만약 과학자들이 조직이나 종양 내 세포 간의 물리적 접촉을 매핑할 수 있다면, 그들은 현미경 아래에서 동일해 보이는 세포 유형을 분류하기 위해 유사한 접근 방식을 사용할 수 있을 것입니다. 연구진은 세포 위치를 매핑하는 기술이 향상됨에 따라, 이러한 맥락 인식 분석이 점점 더 중요해질 것이라고 언급했습니다. 이 연구는 물리적 상호작용 데이터를 유전 데이터와 통합하는 것이 이전에 숨겨져 있던 생물학적 진실을 밝혀낼 수 있다는 개념 증명 역할을 합니다.

연구진은 또한 자신들의 방법이 가진 한계를 인정했습니다. 모델은 접촉 지도와 세포 간 신호 데이터베이스의 정확도에 크게 의존합니다. 만약 누가 누구와 접촉하는지에 대한 지도가 틀리거나, 핵심적인 신호 전달 경로가 데이터베이스에서 누락된다면, 모델은 제대로 작동하지 않을 수 있습니다. 예쁜꼬마선경의 경우, 수십 년간의 이미징 덕분에 접촉 지도가 극도로 정밀하게 알려져 있지만, 다른 유기체에서는 이 정보를 얻기가 더 어려울 수 있습니다. 또한, 현재 모델은 상호작용을 배아가 성장함에 따라 어떻게 변하는지를 추적하기보다는 정적인 스냅샷으로 취급합니다. 그럼에도 불구하고, 이 방법은 이미 초기 벌레 배아의 완전히 해결된 아틀라스를 제공했으며, 이는 이전에 도달할 수 없었던 자원입니다. 이 성취는 미래의 연구를 위한 견고한 토대를 제공하며, 과학자들이 세포가 어떻게 소통하고 무엇이 될지 어떻게 결정하는지에 대해 더 정밀한 질문을 던질 수 있게 해줍니다.