GDIS-Bio framework for localizing transcriptional state transitions in single-cell trajectories

과학자들은 단일 세포가 어떻게 자신의 미래를 결정하는지 이해하기 위해 오랫동안 노력해 왔습니다. 발달 중인 인체 내에서, 줄기세포는 박동하는 심장 근육, 인슐린을 생성하는 췌장 세포, 또는 결합 조직을 구축하는 섬유아세포로 변할 수 있습니다. 이 과정은 단순하고 직선적인 경로가 아닙니다. 이는 세포의 내부 지침이 다시 쓰여지고 그 정체성이 변화하는 복잡한 여정입니다. 수십 년 동안 연구자들은 단일 세포 RNA 시퀀싱을 사용하여 이러한 세포들의 스냅샷을 찍어, 수천 개의 개별 세포에 대해 한 번에 한 순간의 장면을 포착해 왔습니다. 이 스냅샷들을 논리적인 순서로 배열함으로써, 그들은 세포가 일반론자(generalist)에서 전문가(specialist)로 어떻게 변해가는지를 보여주는 발전 경로, 즉 타임라인을 재구성할 수 있습니다. 그러나 하나의 큰 수수께끼가 남아 있습니다. 바로 세포가 내부 상태의 급격한 재구성을 겪는 정확한 순간을 찾아내는 일입니다. 세포가 새로운 운명을 결정하는 정밀한 지점을 식별하는 것은 어려운데, 왜냐하면 데이터가 시간에 따라 변화하는 단일 세포의 연속적인 비디오라기보다는 독립적인 개체들의 집합이기 때문입니다.

이를 해결하기 위해, 연구팀은 GDIS-Bio라고 불리는 새로운 분석 도구를 개발했습니다. 이 프레임워크는 미래를 예측하거나 세포가 어떻게 작동하는지에 대한 복잡한 모델을 구축하려 하는 대신, 세포 변화를 위한 지진계처럼 작동합니다. 이는 세포 발달의 재구성된 경로를 스캔하여 세포의 지형이 유난히 불안정해지는 영역을 찾아냅니다. 연구진은 이 도구를 매우 다른 두 가지 생물학적 시스템, 즉 췌장에서의 인슐린 생성 세포 형성 과정과 줄기세포로부터의 심장 세포 발달 과정에 테스트했습니다. 그들은 이 도구가 세포가 대대적인 재구성을 겪고 있는 특정 구역을 발달 경로를 따라 일관되게 식별해 낸다는 것을 발견했습니다. 췌장의 경우, 도구는 세포들이 내분비 세포가 되기 위한 결정적인 단계인 NEUROG3라는 핵심 유전자를 발현하기 시작하는 순간을 찾아냈습니다. 심장의 경우, 세포가 심장 근육이나 섬유아세포가 되기로 결정하는 영역을 찾아냈습니다. 결정적으로, 이 도구는 새로운 생물학적 시스템에 맞춰 다시 조정될 필요 없이 작동했으며, 이는 세포가 한 상태에서 다른 상태로 전이되는 방식의 근본적인 특성을 포착하고 있음을 시사합니다.

이 접근 방식의 힘은 데이터를 다루는 방식에 있습니다. 과학자들이 세포를 발달 진행 정도에 따라 배열할 때, 그들은 '의사 시간(pseudotime)' 궤적을 만듭니다. 이것은 시계로 측정하는 실제 시간이 아니라, 여정을 나타내는 일련의 독립적인 세포들입니다. 연구진은 세포가 주요한 결정을 내리러 이동할 때, 세포 내부 상태 공간의 기하학적 구조가 변한다는 사실을 깨달았습니다. 세포들은 더 가변적이 되고, 그들의 경로는 늘어나며, 상호작용의 복잡성이 변화합니다. GDIS-Bio는 경로를 따라 이동하는 세포 집단의 다섯 가지 서로 다른 특성을 살펴봄으로써 이러한 변화를 측정합니다: 세포가 작은 변화에 얼마나 민감한지, 경로가 얼마나 늘어나는지, 그들이 차지하는 공간이 얼마나 확장되는지, 상호작용이 얼마나 복잡해지는지, 그리고 이러한 불안정한 상태가 얼마나 지속되는지입니다. 이 다섯 가지 신호를 하나의 점수로 결합함으로써, 이 프레임워크는 세포 상태가 가장 격동적인 특정 영역을 강조합니다.

췌장 발달 연구에서 연구진은 약 18,000개의 세포를 포함하는 데이터셋에 이 프레임워크를 적용했습니다. 그들은 세포가 최종 운명을 향해 전구 세포 상태에서 이동함에 따라 점수가 오르내리는 것을 관찰했습니다. 점수는 세포가 NEUROG3 유전자를 발현하기 시작하는 생물학적 랜드마크와 거의 완벽하게 일치하며 특정 지점에서 급격히 정점에 도달했습니다. 이 정점은 두 가지 독립적인 실험과 두 갈래의 발달 트리 모두에서 나타났으며, 이는 이 신호가 우연이 아니라 생물학의 재현 가능한 특징임을 보여주었습니다. 연구진은 세포 간의 변동성을 측정하거나 인접한 세포 간의 유사성을 측정하는 것과 같은 기존의 더 단순한 방법들과 이 새로운 도구를 비교했습니다. 기존의 방법들도 이러한 전이를 찾는 데 어느 정도 능력을 보였지만, 새로운 프레임워크는 알려진 생물학적 사건에 더 가깝게 정점을 찾아냄으로써 더 정밀했습니다.

도구가 단순히 패턴을 우연히 찾아내는 것이 아님을 확실히 하기 위해, 연구진은 엄격한 통계적 테스트를 사용했습니다. 그들은 데이터 자체는 그대로 둔 채 경로를 따라 세포의 순서를 섞음으로써, 생물학적 의미가 제거되었을 때도 도구가 정점을 찾아낼 것인지를 실질적으로 물었습니다. 결과는 '아니오'였습니다. 날카로운 정점은 세포들이 올바른 생물학적 순서에 있을 때만 나타났습니다. 이는 도구가 감지한 불안정성이 데이터 분석의 오류가 아니라 발달 과정의 실제 특징임을 확인시켜 주었습니다. 나아가, 연구진은 이 도구가 조정 없이 완전히 다른 생물학적 시스템을 처리할 수 있는지 테스트했습니다. 그들은 동일한 설정을 줄기세포 유래 심장 세포 데이터셋에 적용했습니다. 도구는 심장 근육이나 섬유아세포가 되기로 결정하는 전이 지점을 성공적으로 식별해 냈는데, 이는 도구가 심장 데이터를 본 적이 없음에도 불구하고 가능했던 일이었습니다. 이는 이 프레임워크가 전이 가능하며, 매번 새로운 생물학적 질문에 대해 맞춤형 조정을 요구하지 않는다는 것을 입증했습니다.

가장 흥ся로운 발견 중 하나는 도구가 항상 최종 상태로 가는 과정에서 단순한 불안정성 증가를 보여주는 것은 아니라는 점이었습니다. 심장 발달 데이터에서, 도구는 경로 상에서 전이 지점을 성공적으로 찾아냈음에도 불구하고, 세포가 최종 운명을 향해 이동함에 따라 점수가 때때로 떨어지기도 했습니다. 이는 여정의 가장 격동적인 부분이 결정의 순간이며, 그 이후에는 세포가 더 안정적이고 전문화된 상태로 안착한다는 아이디어와 일치합니다. 이는 분화가 세포가 새로운 정체성을 확립하기 전 짧은 고도의 불확실성과 재구성 기간을 포함한다는 생각과 맥을 같이 합니다. 연구진은 자신들의 도구가 한 개별 세포가 마음을 바꾸는 정확한 순간이 아니라 재구성의 영역을 식별한다는 점을 주의 깊게 명시했는데, 이는 데이터가 한 세포의 연속적인 기록이 아니라 많은 서로 다른 세포들의 스냅샷에서 오기 때문입니다.

이 연구는 또한 이 도구가 무엇이 아닌지도 명확히 했습니다. 이 도구는 모든 상황에서 항상 더 단순한 방법보다 뛰어난 성능을 보이는 보편적인 예측기가 되겠다고 주장하지 않습니다. 심장 발달 데이터의 일부 구간에서는 총 분산(total variance)을 측정하는 것과 같은 기존의 방법들이 전이를 찾는 데 있어 대등하거나 더 나은 성능을 보이기도 했습니다. GDIS-Bio의 가치는 여러 가지 다른 신호를 하나의 종합적인 관점으로 결합하여 세포 변화에 대한 더 강력한 전체상을 제공한다는 데 있습니다. 이는 연구자들이 발달 경로의 어느 부분이 더 면밀한 생물학적 조사를 필요로 하는지 우선순위를 정할 수 있도록 돕는 보완적인 가이드 역할을 합니다. 역동적인 불안정성이 가장 높은 영역을 지목함으로써, 과학자들이 세포의 운명이 결정되는 특정 창(window)에 실험을 집중할 수 있게 해줍니다.

궁극적으로, 이 연구는 세포 발달의 숨겨진 역학을 지도화하는 새로운 방법을 제공합니다. 이는 단순히 세포를 배열하는 것을 넘어, 그들 사이의 전이의 본질을 이해하는 단계로 나아갑니다. 연구진은 세포 상태의 기하학적 구조를 살펴봄으로써 세포 지형이 변화하는 '단층선'을 찾을 수 있음을 보여주었습니다. 이러한 접근 방식은 변화를 주도하는 특정 분자 기제에 대한 깊은 이해를 요구하지 않으므로, 다양한 생물학적 시스템을 탐구할 수 있는 다재다능한 도구가 됩니다. 과학자들이 조직의 발달과 질병의 진행 과정을 계속해서 지도화함에 따라, 이러한 도구는 세포가 자신의 운명을 결정하는 결정적인 순간을 식별하여, 단일 세포에서 완전히 형성된 유기체로 가는 복잡한 여정에 대한 더 명확한 시야를 제공하는 데 필수적일 것입니다.