Morphology-Dependent Bias in the Enumeration of Adherent Cells
이 연구는 세포 형태와 응집이 서로 다른 방법들 간의 부착 세포 계수에 상당한 편향을 유발한다는 것을 입증하며, 이는 계수 기술을 선택하고 표준화된 워크플로를 구축할 때 형태학적 특성을 고려해야 할 필요성을 강조한다.
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
생물학 연구와 의학의 세계에서 과학자들은 단순하지만 매우 중요한 수치인 샘플 내 세포 수가 몇 개인가에 의존합니다. 새로운 약물을 테스트하든, 치료를 위해 조직을 배양하든, 혹은 질병이 어떻게 진행되는지 연구하든, 이 숫자의 정확도가 전체 실험의 신뢰도를 결정합니다. 시작하는 숫자가 틀리면 그 뒤에 따르는 결과들은 신뢰할 수 없게 됩니다. 수십 년 동안 연구자들은 격자가 그려진 단순한 유리 슬라이드부터 흐르는 액체에 레이저를 쏘는 정교한 기계에 이르기까지, 이 미세한 단위들을 세기 위해 다양한 도구들을 사용해 왔습니다. 그러나 하나의 지속적인 문제가 배경에 남아 있었습니다. 바로 세포들이 모두 동일하게 보이지 않거나 행동하지 않을 때, 이러한 도구들이 종종 어려움을 겪는다는 점입니다. 세포는 균일한 구형이 아닙니다. 세포들은 다양한 모양, 크기, 그리고 성장 습성을 가지고 있습니다. 어떤 세포는 카펫처럼 평평하게 퍼져 있고, 어떤 세포는 단단한 공처럼 뭉쳐 있기도 합니다. 이 연구는 이러한 물리적 차이가 우리가 신뢰하는 계수 기계의 정확도에 어떤 영향을 미치는지 이해하기 위해 수행되었습니다.
과학 기구인 LGC의 연구팀은 실험실에서 흔히 사용되는 다섯 가지의 매우 다른 유형의 세포를 테스트하기로 했습니다. 그들은 세포가 서로 다른 방식으로 성장하는 것을 선택했습니다. 어떤 세포는 단단하고 둥근 클러스터를 형성하는 반면, 어떤 세포는 길게 늘어나거나 느슨한 시트 형태로 자랍니다. 현재의 방법들이 얼마나 잘 작동하는지 확인하기 위해, 연구진은 이 세포들을 표준 실험용 디쉬에서 배양한 다음 네 가지 다른 접근 방식을 사용하여 측정했습니다. 첫 번째는 세포를 디쉬에서 씻어내어 액체에 혼합한 뒤 수동으로 또는 간단한 기계로 세는 전통적인 방식이었습니다. 두 번째는 세포가 여전히 디쉬에 부착된 상태에서 현미경을 이용해 직접 사진을 찍어 세포를 세는 방식이었습니다. 세 번째와 네 번째 방식은 고급 유세포 분석법(flow cytometry)을 사용했는데, 이는 세포를 유체 속에 부유시켜 레이저 빔을 통과시키며 하나씩 세는 기술입니다. 이 중 한 가지 유세포 분석법은 "이미지 강화형"이었는데, 이는 세포가 통과할 때마다 사진을 찍어 컴퓨터가 단 하나의 '신호(blip)'가 실제 세포 한 개인지 아니면 서로 붙어 있는 여러 개의 클러스터인지를 식별할 수 있게 해줍니다.
연구진은 세포의 형태와 행동이 측정의 정확도를 결정한다는 것을 발견했습니다. 세포를 디쉬에서 씻어내어 액체에 부유시킨 상태로 셀 때, 결과는 세포 유형에 따라 크게 달랐습니다. 주요 원인은 세포 클러스터링(clustering)이었습니다. 자연적으로 서로 달라붙는 성질이 있는 세포들을 강제로 액체 속에 넣었을 때, 이들은 종종 그룹을 유지한 채로 남았습니다. 모든 신호를 단일 세포로 가정하는 표준 계수 기계들은 다섯 개의 세포가 뭉친 것을 단 하나의 세포로 계산하게 됩니다. 이는 심각한 과소 계측으로 이어졌습니다. 연구는 일부 세포 유형의 경우, 이 오류가 매우 커서 기존 기계들이 클러스터 안에 숨어 있는 실제 세포의 절반 이상을 놓치는 일이 발생한다는 것을 보여주었습니다. 반면, 클러스터를 실제로 보고 그 안의 개별 세포를 셀 수 있는 이미지 강화형 유세포 분석법은 훨씬 더 정확한 그림을 제공했습니다. 이 방법은 편향을 교정하여 숫자를 실제 존재하는 수치와 일치시켰습니다.
또한 연구는 세포의 밀도가 계수에 어떤 영향을 미치는지 살펴보았습니다. 세포가 매우 희박하게 또는 매우 조밀하게 배양되었을 때, 다양한 방법들의 정확도는 다시 변화했습니다. 예를 들어, 세포들이 디쉬 위에 빽빽하게 모여 있을 때 현미경 기반의 계수 방식은 세포의 끝이 어디인지 구분하는 데 어려움을 겪어 오류를 일으켰습니다. 연구진은 세포 자체가 얼마나 붐비느냐에 따라 행동을 바꾼다는 것을 관찰했습니다. 밀도가 높은 배양 환경에서 세포들은 더 작아지고 균일해진 반면, 희박한 배양 환경에서는 넓게 퍼지며 크기가 매우 다양해졌습니다. 이러한 물리적 변화는 특정 밀도에서 잘 작동하던 계수 방식이 다른 밀도에서는 실패할 수 있음을 의미했습니다. 데이터는 모든 상황에 완벽한 단일 계수 도구는 없다는 것을 드러냈습니다. 한 종류의 세포에 가장 잘 맞았던 방식이 다른 세포 유형에는 성능이 떨어졌는데, 이는 단순히 세포의 모습이 달랐기 때문입니다.
결국, 이 연구는 세포의 형태학(morphology), 즉 세포의 물리적 모양과 구조가 무시할 수 없는 결정적인 요소임을 입증합니다. 연구는 모든 유형의 세포를 세는 데 단 하나의 표준적인 방식을 사용하는 것은 실수라고 제안합니다. 대신, 과학자들은 자신이 연구하는 특정 세포의 특성에 따라 계수 방법을 선택해야 합니다. 클러스터를 형성하는 경학년의 세포를 위해서는, 그 클러스터를 시각화하고 분리할 수 있는 기술을 사용하는 것이 필수적입니다. 이 연구 결과는 계수 프로토콜이 샘플의 생물학적 특성에 맞춰 설계되어, 의료 및 과학적 결정의 근거가 되는 숫자들이 가능한 한 정확하게 보장되는 미래를 향하고 있습니다. 세포가 모두 같지 않다는 점을 인정함으로써, 연구자들은 숨겨진 오류를 피하고 더 신뢰할 수 있는 실험을 구축할 수 있습니다.
연구 분야의 논문에 파묻히고 계신가요?
연구 키워드에 맞는 최신 논문의 일일 다이제스트를 받아보세요 — 기술 요약 포함, 당신의 언어로.