Selection and weighting change the interpretation of phagocyte uptake and optical imaging

우리 몸이 어떻게 스스로의 노폐물을 청소하는지 이해하기 위해, 과학자들은 대식세포(macrophages)라고 불리는 면역 세포를 관찰하곤 합니다. 이 세포들은 미세한 진공청소기처럼 작동하여, 부스러기, 죽은 세포, 또는 침입한 박테리아를 찾아내어 삼키고 분해합니다. 이러한 과정을 보기 위해 연구자들은 세포와 그 세포가 먹어 치운 쓰레기에 붙어 있는 빛나는 표식(tag)을 추적할 수 있는 강력한 현미경을 사용합니다. 과학자들은 얼마나 많은 세포가 먹고 있는지 세고, 그들로부터 나오는 빛의 밝기나 타이밍을 측정함으로써 면역 체계가 얼마나 잘 작동하고 있는지 이해하고자 합니다. 그러나 이 이미지들이 수집되는 방식과 그것들을 세는 데 사용되는 특정 규칙들은 데이터가 들려주는 이야기를 조용히 바꿀 수 있습니다. 만약 연구자가 조금 다른 그룹의 세포를 관찰하기로 결정하거나 이미지 속의 밝은 지점에 더 많은 비중을 두기로 한다면, 비록 가공되지 않은 원본 사진은 변하지 않았더라도 면역 체계의 활성도에 대한 최종 결론은 극적으로 변할 수 있습니다.

콜롬비아 시몬 볼리바르 대학교의 엘킨 나바로 키로스(Elkin Navarro Quiroz)가 수행한 최근 연구는 이러한 선택들이 우리의 면역 세포 행동에 대한 이해를 어떻게 형성하는지를 정확히 조사합니다. 연구자는 새로운 실험을 수행하거나 새로운 세포를 관찰하지 않았습니다. 대신, 그는 기존의 공개 데이터 세 가지—대식세포 수치 기록, 빛 신호의 원본 이미지, 그리고 물고기 내 면역 세포의 영상—를 가져와 서로 다른 규칙을 사용하여 재분석했습니다. 목표는 선택 기준이나 신호의 가중치를 부여하는 방식을 바꾸는 것이 동일한 관찰로부터 도출되는 과학적 결론을 뒤집을 수 있는지 확인하는 것이었습니다. 연구 결과는 답이 데이터가 어떻게 처리되느냐에 전적으로 달려 있으며, 이러한 이미지들을 요약하는 표준적인 방식들이 중요한 세부 사항을 숨기거나 오해의 소지가 있는 경향을 만들어낼 수 있음을 보여주었습니다.

연구는 과학자들이 어떻게 대식세포가 먹는 활동에 참여하고 있는지를 세는 방법에서 시작되었습니다. 한 데이터 세트에서 연구자들은 서로 다른 시간에 얼마나 많은 세포가 관찰되었고, 그중 몇 개가 "먹고 있는 상태"로 표시되었는지를 기록했습니다. 저자가 하나의 규칙, 즉 특정 순간에 보이는 모든 세포를 세는 규칙을 적용했을 때, 먹고 있는 것처럼 보이는 세포의 비율은 약 24%에서 37%로 증가했습니다. 하지만 세포가 실험 전체 기간 동안 관찰 가능하고 적격이어야 한다는 더 엄격한 규칙을 적용했을 때는, 비율이 거의 47%에서 37%로 떨어졌습니다. 두 계산 모두 먹고 있는 세포의 수는 동일하게 시작했지만, 고려된 전체 세포 수가 변했습니다. 이 단순한 분모, 즉 측정 대상이 되는 전체 집단의 변화는 두 가지 서로 다른 실험 조건 사이의 비교 방향을 뒤집어 놓았습니다. 한 규칙 아래에서는 활동의 증가로 보였던 것이 다른 규칙 아래에서는 감소로 보였습니다. 이 연구는 최종 수치에 어떤 세포를 포함할지를 명확하게 밝히지 않는다면, 면역 체계가 정말로 더 활발해진 것인지 아니면 단지 계산 방식에 의한 결과물인지를 알 수 없다는 점을 강조합니다.

이어서 연구는 형광 수명 이미징(fluorescence lifetime imaging)이라는 기술을 사용하여 빛 신호 자체를 조사했습니다. 이 방법은 세포가 빛의 펄스를 맞았을 때와 다시 빛을 낼 때 사이의 아주 미세한 지연 시간을 측정합니다. 나노초 단위로 측정되는 이 지연 시간은 과학자들에게 세포 내부의 화학적 환경에 대해 알려줄 수 있습니다. 저자는 두 개의 대식세포 원본 이미지를 가져와, 만약 이미지에서 가장 밝은 부분만을 본다면 어떤 일이 일어날지 물었습니다. 가장 많은 빛을 가진 픽셀만을 선택했을 때, 한 이미지에서는 광자가 도착하는 평균 시간이 0.135 나노초 앞당겨졌고, 다른 이미지에서는 0.099 나노초 앞당겨졌습니다. 이것이 실제 효과인지 아니면 단순한 노이즈인지 테스트하기 위해, 저자는 동일한 수의 빛 입자를 유지하면서 그 위치를 무작위로 섞는 컴퓨터 시뮬레이션을 만들었습니다. 그 시뮬레이션에서 변화는 매우 미미하여 거의 움직이지 않았습니다. 실제 변화가 시뮬레이션된 변화보다 훨씬 크다는 사실은, 이미지의 밝은 영역이 더 이른 도착 시간과 진정으로 연관되어 있음을 증л했습니다. 이는 만약 과학자가 가장 밝은 지점에만 집중하기로 선택한다면, 단순히 더 많은 빛을 보는 것이 아니라 완전히 다른 타이밍 신호를 보고 있는 것임을 의미합니다. 이 연구는 빛의 가중치를 어떻게 두느냐—모든 입자를 동등하게 취급할 것인지, 아니면 밝은 지점에 더 많은 비중을 둘 것인지—가 보고되는 요약 수치를 근본적으로 바꾼다는 점을 강조합니다.

마지막으로, 논문은 영상 속의 면의 시간 처리를 조사했습니다. 연구자는 뇌 속의 면역 세포의 일종인 미세아교세포(microglia)의 영상 세 개를 살펴보고, 한 프레임에서 다음 프레임으로 이미지가 얼마나 변하는지를 측정했습니다. 그는 프레임의 순서를 뒤섞어 사건의 타임라인을 완전히 파괴하더라도, 영상들의 "가장 활발한" 것부터 "가장 덜 활발한" 것까지의 순위는 정확히 그대로 유지된다는 것을 발견했습니다. 원래 순서에서 가장 활발해 보였던 영상은 프레임이 섞인 후에도 여전히 가장 활발한 상태로 남았습니다. 이는 해당 영상 내에서 임의의 두 프레임 사이의 시각적 차이가 본래 다른 영상들보다 자연스럽게 높았기 때문입니다. 순위는 혼돈 속에서도 살아남았지만, 시간에 따른 실제 변화량은 그렇지 못했습니다. 누적된 변동량(이미지가 단계별로 얼마나 변했는지를 설명하는 값)은 순서가 깨졌을 때 크게 감소했습니다. 이는 안정적인 순위가 데이터가 일어난 일의 진정한 흐로직(temporal relationships)을 보존한다는 것을 보장하지는 않는다는 점을 드러냅니다. 즉, 요약된 정보는 생물학적 과정을 정의하는 시간적 관계가 사라졌음에도 불구하고 일관되게 보일 수 있다는 것입니다.

이 연구의 핵심 메시지는 생물학적 이미징의 해석이 매우 취약하다는 것입니다. 이 연구는 면역 건강을 측정하는 새로운 방법이나 질병의 새로운 지표를 찾아냈다고 주장하는 것이 아닙니다. 대신, 현재 데이터가 어떻게 사용되고 있는지에 대한 엄격한 점검 역할을 합니다. 이 연구는 어떤 세포를 포함할지, 빛 신호에 어떻게 가중치를 부여할지, 그리고 시간을 어떻게 다룰지에 대한 선택이 생물학적 사건 자체만큼이나 결론을 바꿀 수 있음을 보여줍니다. 연구자들이 한 그룹의 세포가 다른 그룹보다 더 많이 먹고 있다거나, 특정 화학적 상태가 존재한다고 보고할 때, 그들은 반드시 그 결과를 얻기 위해 사용한 구체적인 규칙을 함께 보고해야 합니다. 이러한 세부 사항이 없다면, 그 숫자들은 여러 가지, 때로는 서로 모순되는 이야기들에 노출될 수 있습니다. 연구는 과학이 앞으로 나아가기 위해서는 선택과 가중치 부여 방식이 명시적으로 밝혀져야 하며, 그래야만 요약된 숫자가 설명하고자 하는 생물학적 실체를 진정으로 반영할 수 있다고 결론짓습니다.