Communication-space representation of multicellular tissue organization

기술 요약: 다세포 조직 구조의 통신 공간 표현 (Communication-Space Representation of Multicellular Tissue Organization)

문제 제기
다세포 조직 구조는 조정된 세포 간 상호작용으로부터 발생하는 고차원적 속성이지만, 현재의 공간 전사체 데이터에 대한 계산적 표현 방식은 주로 내재적인 전사적 정체성이나 국소적 이웃 구성에 기반하여 세포를 조직화합니다. 이러한 표현형 중심의 접근 방식은 세포 상태와 공간적 도메인을 식별하는 데 진전이 있었으나, 조정된 신호 전달을 통해 발생하는 고차원적 다세포 조직화를 해결하는 데는 한계가 있습니다. 구체적으로, 유사한 전사 프로파일을 가진 세포들이 서로 다른 통신 환경에서 분화될 수 있으며, 전사적으로는 구별되는 집단이 공유된 기능적 조직화를 향해 수렴할 수도 있습니다. 기존 방법론들은 특히 계층적 피질 구조, 특화된 병리적 경계, 역동적인 조직 재구성형태와 같은 복잡한 맥락에서 나타나는 이러한 "통신 생태계(communication ecosystems)"를 포착하는 데 어려움을 겪고 있습니다.

방법론: CommuSpace 프레임워크
저자들은 인접한 세포 집단 간의 국소적 리간드-수용체(LR) 매개 상호작용에 의해 정의되는 "통신 공간(communication space)"에서 조직 구조를 표현하는 계산 프레임워크인 CommuSpace를 소개합니다.

1. 국소 통신 구조 구축:

   • 각 초점 세포(focal cell)에 대해, 프레임워크는 송신자 중심(sender-centric)의 신호 전달 상호작용을 정량화함으로써 통신 텐서(Communication Tensor, $T \in \mathbb{R}^{N \times K \times P}$)를 구축합니다.
   • 텐서의 차원은 초점 세포($N$), 인접 세포 집단($K$), 그리고 리간드-수용체 신호 채널($P$)을 나타냅니다.
   • 초점 세포 $i$와 인접 집단 $k$ 사이의 특정 LR 쌍 $p$에 대한 상호작용 점수는 초점 세포의 리간드 발현, 이웃 세포의 수용체 발현, 그리고 유클리드 거리를 기반으로 송신자 중심 공식에 따라 가중치를 두어 계산됩니다.

2. 비음수 텐서 분해 (Non-Negative Tensor Decomposition):

   • CommuSpace는 비음수 제약 조건 하에서 통신 텐서를 반복적인 **통신 프로그램(communication programs)**으로 인수분해하기 위해 비음수 텐서 분해를 사용합니다.
   • 이 과정은 재구성 오차를 최소화하며, 텐서를 세 가지 인자 행렬인 세포별 프로그램 활성($U$), 인접 집단 로딩($V$), 그리고 LR 채널 로딩($W$)으로 분해합니다.
   • 행렬 $U$는 통신 임베딩(communication embedding) 역할을 하며, 여기서 각 세포는 프로그램 활성들의 벡터로 표현됩니다. 이 공간에서의 거리는 전사적 유사성이 아니라 국소적 신호 전달 구조의 유사성을 반영합니다.

3. 생태계 식별 및 해석:

   • **통신 생태계(Communication Ecosystems, CEs)**는 여러 해상도에 걸친 합의 클러스터링(consensus clustering, Louvain 알고리즘)을 사용하여 통신 공간 내의 안정적인 영역으로 식별됩니다.
   • 이러한 생태계는 세포 구성, 지배적인 통신 프로그램, 상호작용하는 집단, 그리고 특정 LR 신호 채널을 통해 해석됩니다.
   • 프레임워크는 아틀라스 규모의 데이터셋을 처리하기 위한 확장 가능한 절차(예: 마이크로 클러스터링)를 포함하며, 견고성을 보장하기 위해 대안적인 신호 전달 공식(수신자 중심, 결합형 등)을 지원합니다.

주요 결과
프레임워크는 세 가지 서로 다른 생물학적 시스템을 통해 검증되었습니다:

• 마우스 일차 운동 피질 (MOp):

  • CommuSpace는 세포들을 단순한 전사적 정체성이나 이웃 구성의 클러스터가 아닌, **교차 계통 통신 생태계(cross-lineage communication ecosystems)**로 재구성했습니다.
  • 이는 계층적 피질 구조를 드러냈는데, 부모 생태계(예: CE-6)가 뚜렷한 층판 위치와 통신 프로그램을 가진 자식 생태계(CE-6a, CE-6b)로 재현 가능하게 세분화됨을 보여주었으며, 표현형 중심 방법보다 다중 척도 구조를 더 잘 보존했습니다.
  • 특정 생태계(예: CE-0)는 해부학적으로 떨어진 층에서 반복적으로 발견되었으며, 이는 신경 지원 관련 협력(glial and vascular coordination)을 포함하는 공유된 신경 지원 통신 상태를 나타냅니다.

• 인간 유방암 (Xenium):

  • 프레임워크는 세포 구성만으로는 구별할 수 없는 특화된 병리적 경계 상태를 해결했습니다.
  • DCIS 경계(CE-7)와 침습적 종양 가장자리(CE-1)에서 구별되는 생태계를 식별했습니다. 두 경계는 유사한 기질-혈관 구성을 가짐에도 불구하고, 서로 다른 통신 프로그램(예: ECM 리모델링 vs. 이동성/기질 결합)을 가동하고 있었습니다.
  • CommuSpace는 생태계 관련 면역 리모델링을 밝혀냈으며, CD8+ T 세포가 특정 통신 생태계에 따라 서로 다른 기능적 상태(활성화, 적응 또는 억제)를 채택함을 보여주었습니다. 이는 표현형 중심 임베딩에서는 가려져 있던 패턴입니다.

• 마우스 신장 손상 및 회복:

  • 종단적(longitudinal) 데이터에 적용했을 때, CommuSpace는 안정적인 조직 스캐폴드(표준 네프론 구획)와 시간적으로 순서화된 리모델링 전이를 구분했습니다.
  • 급성 손상 생태계(CE-4)와 지속적인 부적응/회복 실패 생태계(CE-5, CE-10)를 식별하여, 상피 세포 상태의 변화를 진화하는 다세포 통신 맥락과 연결했습니다.
  • 다른 방법들이 이러한 전이 과정을 파편화하는 것과 달리, CommuSpace는 급성 손상, 섬유-염증 리모델링, 그리고 회복 실패 사이의 순차적 관계를 보존했습니다.

의의 및 주장
본 논문은 통신 생태계가 세포 정체성이나 전통적인 공간적 니치(niche)만으로는 완전히 설명될 수 없는, 다세포 조직의 이전에 인식되지 않았던 고차원적 조직화 층을 나타낸다고 주장합니다.

• 관계적 표현: CommuSpace는 "세포가 무엇인가"(표현형)를 기술하는 것에서 "세포가 어떻게 집단적으로 조직되는가"(통신 구조)로 패러다임을 전환합니다.
• 계통과 조직의 분리: 본 프레임워크는 조직 구조가 조정된 세포 간 통신을 통해 해결될 수 있음을 입증하며, 이를 통해 전사적으로 구별되는 집단이 공유된 조직화 상태로 수렴하거나, 전사적으로 유사한 집단이 통신 맥락에 따라 분리될 수 있음을 보여줍니다.
• 생물학적 해석 가능성: 블랙박스 형태의 잠재 임베딩(latent embedding)과 달리, 통신 생태계는 구성 요소인 신호 프로그램, LR 쌍, 그리고 세포 간 상호작용을 통해 직접적으로 해석 가능하므로 생리학적, 병리학적, 재생적 맥락에서 조직 구조를 이해하기 위한 근거 있는 틀을 제공합니다.
• 견고성: 이 접근 방식은 다양한 신호 전달 공식에 대해 견고하며 대규모 공간 전사체 데이터셋에 확장 가능하여, 다양한 조직 간의 다세포 조직을 비교할 수 있는 일반적인 토대를 제공합니다.

저자들은 통신 공간이 세포 상태, 공간적 구조, 그리고 다세포 행동을 조정된 세포 간 통신을 통해 연결하는, 공간 생물학의 보완적인 표현 원리라고 결론짓습니다.