PanoMito: mapping mitochondrial heterogeneity from morphofunctional profiling to single-mitochondrion spatial transcriptomics

당신의 몸 내부를 북적이는 첨단 기술 도시라고 상상해 보세요. 모든 건물(세포) 안에는 미토콘드리아라고 불리는 수천 개의 작은 발전소들이 있습니다. 이들은 단순히 정적인 배터리가 아닙니다. 에너지가 필요한 곳에 정확히 전달하기 위해 끊임없이 서로 융합하고, 분리되며, 이곳저곳을 빠르게 이동하는 역동적이고 형태가 변하는 기계입니다. 오랫동안 과학자들은 미토콘드리아의 모양만 보고도 그 발전소가 얼마나 잘 작동하는지 추측할 수 있다고 생각했습니다. 마치 긴 굽이진 도로를 보고 교통 흐름이 원활하다고 가정하는 것과 같습니다. 하지만 실제로는 그 관계가 매우 복잡하고 혼란스럽다는 것이 밝혀졌습니다. 때로는 "고장 난" 것처럼 보이는 발전소가 완벽하게 돌아가고 있는 반면, "완벽한" 모양을 가진 것이 실패하고 있을 수도 있습니다. 문제는 지금까지 우리는 이 작은 발전소들을 개별적으로 관찰할 좋은 방법을 가지고 있지 않았다는 점입니다. 그것들은 너무 작고, 스파게티 그릇처럼 서로 엉켜 있으며, 수가 너무 많아서 하나하나 세거나 에너지 출력을 측정하는 것은 두꺼운 장갑을 끼고 백만 개의 모래알을 손으로 분류하는 것만큼이나 어려운 일이었습니다.

여기서 새로운 연구가 게임의 판도를 바꿀 해결책을 제시합니다. 연구진은 이 "스파게티 문제"를 해결하기 위해 PanoMito라는 초스마트 디지털 도구 상자를 구축했습니다. 이것은 마치 엉킨 실타래를 즉시 풀어내고, 모든 발전소를 식별하며, 각 발전소가 얼마나 많은 에너지를 만드는지, 어떤 유전자를 읽고 있는지, 그리고 어떤 모양인지를 동시에 알려주는 마법의 안경과 같습니다. 그들은 단지 안경을 만든 것에 그치지 않고, 컴퓨터가 미토콘드리아를 인식할 수 있도록 작은 물고기부터 인간에 이르기까지 16가지 다른 종을 학습시킨 역대 최대 규모의 훈련 매뉴얼도 함께 만들었습니다. 이 새로운 시스템을 사용함으로써, 그들은 "모양이 기능을 결정한다"는 기존의 생각이 대부분 틀렸다는 것을 발견했습니다. 대신, 그들은 같은 세포 내에서도 미토콘드리아가 각기 고유한 개성과 직업을 가진 다양한 개인들의 집단이라는 것과, 상황이 좋지 않을 때도 놀라울 정도로 회복력이 강한 특정 모양들이 존재한다는 것을 발견했습니다.

마법의 안경과 거대한 도서관

이 프로젝트를 이끈 동부 공과대학교 및 상하이 교통 대학교 등의 연구진은 이 작은 발전소들을 이해하기 위해 두 가지가 필요하다는 것을 깨달았습니다. 바로 방대한 사례의 도서관과 이를 읽어낼 초지능형 두뇌입니다.

첫째, 그들은 PanoMitoAtlas를 구축했습니다. 132,798개 이상의 개별 미토콘드리아 사진이 담긴 도서관을 상상해 보세요. 이는 단순히 몇 장의 사진이 아닙니다. 인간, 물고기, 개구리, 심지어 특정 종류의 조류를 포함한 16가지 다른 종과 심장, 간, 신장 등 14가지 다른 조직 유형을 아우르는 거대한 컬렉션입니다. 그들은 단순히 사진을 찍은 것이 아니라, 각 이미지 속의 미토콘드리아를 정교하게 라벨링하여 이전에는 누구도 구축하지 못했던 "정답(ground truth)" 데이터셋을 만들었습니다. 이 도서관에는 다양한 유형의 첨단 현미경으로 촬영된 이미지가 포함되어 있어, 어떤 방식으로 관찰하더라도 시스템이 미토콘드리아를 인식할 수 있도록 보장합니다.

둘째, 그들은 두 가지 일을 동시에 수행하도록 설계된 딥러닝 AI 두뇌인 PanoMitoNet을 구축했습니다.

1. 분할 마스터(The Segmentation Master): 흐릿하고 엉킨 미토콘드리아 이미지를 보고, 서로 접촉하거나 겹쳐 있더라도 모든 개별 미토콘드리아의 완벽한 윤곽을 그려냅니다. 이는 마치 그릇 속의 스파게티 가닥을 하나도 부러뜨리지 않고 즉시 분리해내는 디지털 화가와 같습니다.
2. 형태 분류기(The Shape Classifier): 각 미토콘드리아를 격리한 후, 비지도 학습(선생님 없이 스스로 학습하는 방식)을 사용하여 이를 구형, 분지형 네트워크, 루프형, 그리고 짧은, 중간, 긴 튜브형의 여섯 가지 뚜렷한 모양으로 분류합니다.

연구진이 이 새로운 AI를 기존 도구들과 비교 테스트했을 때, 결과는 인상적이었습니다. 기존 방식들이 약 53.6%에서 59.4% 사이의 정확도(AP₅₀)를 기록하며 고전하는 동안, PanoMitoNet은 **65.0%**를 달려 나갔습니다. 또한, 차세대 도구보다 높은 **69.8%**의 F1-score를 기록하며(차순위는 64.9%), 미토콘드리아를 찾아내고 그 주변에 정확한 선을 긋는 능력이 훨씬 뛰어남을 입증했습니다. 특히 다른 도구들이 혼란을 느끼거나 실패하기 쉬운 밀집되고 복잡한 영역에서 더욱 빛을 발했습니다.

형태-기능의 거대한 미스터리

새로운 도구를 갖춘 연구진은 큰 질문에 답하기 위해 탐정 임무를 수행했습니다. "미토콘드리아의 모양이 기능의 척도가 되는가?"라는 질문입니다.

수년 동안 과학자들은 단순한 연결 고리를 가정해 왔습니다. 길게 연결된 튜브는 "건강"하고 효율적인 반면, 작고 둥근 덩어리는 "고장 났거나" 스트레스를 받은 상태라는 것입니다. 하지만 PanoMito의 고해лу 해상도 뷰는 훨씬 더 복잡한 이야기를 보여주었습니다.

제브라피쉬 신장의 놀라운 발견:
연구팀은 제브라피쉬 신장의 면역 세포를 조사했습니다. 그들은 서로 다른 유형의 면역 세포가 매우 다른 미토콘드리아 전략을 가지고 있다는 것을 발견했습니다.

• 호산구(백혈구의 일종)는 긴 튜브형 네트워크를 가지고 있었고 높은 에너지 수준을 보였는데, 이는 상식적인 결과였습니다.
• 그러나 림프구는 충격적이었습니다. 이들은 대부분 아주 작고 파편화된 구형 미토콘드리아를 가지고 있었음에도 불구하고(약 **72.7%**가 구형), 놀라울 정도로 높은 에너지 수준을 유지했습니다. 이는 "파편화"된 상태가 반드시 "고장"을 의미하는 것은 아님을 시사합니다.
• 단핵구는 다양한 형태가 섞여 있어, 무엇이든 준비된 다재다능한 팀처럼 행동했습니다.

이 발견은 "길면 좋고 짧으면 나쁘다"는 기존의 규칙이 너무 단순하다는 것을 보여줍니다. 형태와 기능의 관계는 맥락 의존적이며, 즉 세포가 무엇을 하고 있느냐에 따라 달라집니다.

스트레스 테스트:
이를 더 검증하기 위해 연구진은 미토콘드리아를 손상시키고 에너지를 잃게 만드는 것으로 알려진 CCCP라는 화학 물질을 세포에 처리했습니다. 또한 미토콘드리아의 분열을 막는 약물인 Mdivi-1도 사용했습니다.

• CCCP를 추가했을 때, 미토콘드리아는 실제로 파편화되었고 전체적인 에너지도 떨어졌습니다.
• 하지만 생존자들을 자세히 관찰했을 때, 흥미로운 사실을 발견했습니다. 손상된 상태에서도 특정 형태들은 다른 형태들보다 에너지를 더 잘 유지했습니다. 분지형(branched) 미토코드리아가 가장 강인하여 약 **38.0%**의 높은 에너지 상태를 유지했습니다. 반면 구형(sphere-shaped) 미토콘드리아는 가장 취약하여 고에너지 상태를 **13.8%**밖에 유지하지 못했습니다.
• 이는 형태와 기능이 연결되어 있기는 하지만, 그 연결이 직선적인 관계는 아니라는 것을 증명합니다. 즉, 평균적인 세포의 모습과 상관없이 특정 형태 자체가 스트레스에 더 잘 견디는 능력을 갖추고 있다는 것입니다.

미토콘드리아의 마음 읽기

이 연구의 가장 흥lı로운 부분은 시각적 능력과 "공간 전사체학(spatial transcriptomics)"—즉, 각 개별 미토콘드리아 내부의 유전적 지침을 읽는 기술—을 결합한 방법입니다.

보통 과학자들이 유전자를 읽을 때는 수천 개의 세포를 한데 섞어 평균적인 결과를 얻습니다. 하지만 PanoMito는 단일 미토콘드리아의 유전자를 읽고 이를 특정 형태와 다시 연결할 수 있게 해주었습니다. 연구진은 13가지의 서로 다른 미토로콘드리아 RNA 종을 식별하고, 미토콘드리아를 세 가지 주요 "분자 상태"로 그룹화했습니다.

1. 정지 상태 (Quiescent/Sleeping): 낮은 활동성, 주로 작고 둥근 구형과 짧은 튜브에서 발견됨.
2. 균형 상태 (Balanced): 다양한 활동성, 루프 형태의 미토콘드리아에서 발견됨.
3. cox1 편향 상태 (cox1-biased/Active): 높은 활동성, 특히 cox1 유전자가 풍부하며 주로 긴 튜브와 분지형 네트워크에서 발견됨.

여기서의 큰 발견은 형태와 유전적 정체성이 밀접하게 결합되어 있다는 점입니다. 긴 분지형 미토콘드리아는 단순히 크기만 큰 것이 아니라, 높은 cox1 수치를 가진 "에너지 생산원"이 되도록 유전적으로 프로그래밍되어 있습니다. 반면, 작은 구형들은 유전적으로 "잠들어" 있는 상태입니다. 이는 세포가 단순히 무작위로 미토콘드리아를 부수는 것이 아니라, 형태와 유전적 구성을 바탕으로 미토콘드리아를 서로 다른 기능적 팀으로 능동적으로 분류한다는 것을 시사합니다.

이것이 왜 중요한가

이 논문은 단순히 미토콘드리아의 수를 세는 더 나은 방법을 제시하는 데 그치지 않고, 우리가 미토콘드리아를 생각하는 방식 자체를 바꿉니다. 미토콘드리아는 동일한 노동자들의 집단이 아니라, 형태, 기능, 유전이 모두 복잡하고 개별화된 시스템의 일부인 매우 전문화된 노동력이라는 점을 시사합니다.

연구진은 현재의 방식이 3D 객체의 2D 단면을 보는 것이라, 여러 층에 걸쳐 있는 길고 굽이진 미토콘드리아의 전체 모습을 놓칠 수 있다고 인정합니다. 또한 유전적 읽기가 실시간 유전자 활동의 영화가 아닌 "정적 상태"의 풍부함을 보여주는 스냅샷이라는 점도 언급했습니다. 하지만 무료로 공개된 오픈 소스 도구 상자와 방대한 데이터셋을 제공함으로써, 그들은 과학계에 강력한 새로운 렌즈를 선물했습니다.

미래에 이 기술은 미토콘드리아가 잘못 작동하는 질병(예: 신경 퇴행성 질환이나 대사 질환)을 연구할 때, 단순히 평균적인 수치를 보는 것이 아니라 실패하는 발전소들의 구체적인 "개성"을 파악함으로써 도움을 줄 수 있을 것입니다. 하지만 지금 당장 중요한 핵심은 간단합니다. 다음에 엉킨 스파게티를 보게 된다면, 그 엉킨 가닥 하나하나 속에 자신만의 이야기를 가진 고유하고도 열심히 일하는 발전소가 있을지도 모른다는 사실을 기억하십시오. 그리고 PanoMito 덕분에, 우리는 마침내 그 목소리에 귀를 기울일 수 있게 되었습니다.