기술 요약: SCPInt – 단일 세포 단백질체 통합을 위한 생물학적 및 배치 변이의 명시적 분리

문제 정의

질량 분석 기반 단일 세포 단백질체학(MS-based SCP)은 CITE-seq와 같이 단백질체의 1% 미만을 포착하는 시퀀싱 기반 방법의 한계를 극복하여 세포의 기능적 상태를 직접적으로 측정할 수 있게 해준다. 그러나 MS 기반 SCP 데이터는 본질적으로 처리량이 낮아, 앗라스 규모의 연구를 지원하기 위해서는 여러 데이터셋의 통합이 필수적이다. 현재의 통합 방법들(예: Harmony, scVI, Scanoma)은 주로 카운트 기반 시퀀싱 데이터(scRNA-seq)를 위해 설계되었으며, 연속적인 분포, 이질적인 결측 구조, 그리고 다양한 플랫폼과 시료 준비 프로토콜에서 발생하는 상당한 기술적 변이를 보이는 SCP 데이터를 모델링하는 데 적합하지 않다. 또한, 기존 도구들은 MS 기반 SCP 특유의 복잡한 배치 효과를 명시적으로 분리하고 정량화하는 능력이 부족하여, 포괄적인 다운스트림 분석과 통일된 단백질체 앗라스를 구축하는 데 어려움이 있다.

방법론: SCPInt 프레임워크

SCPInt는 기술적 변이를 명시적으로 분리하면서 통일된 생물학적 표현형을 학습하도록 설계된 딥러닝 프레임워크이다. 이는 두 가지 핵심 과제, 즉 MS 단백질체 데이터의 특정 분포 모델링과 생물학적 신호와 배치 효과의 분리를 해결한다.

1. 아키텍처 및 구성 요소

이 모델은 입력 단백질 발현 행렬과 배치 레이블을 작동하며, 각 세포에 대해 두 개의 뚜렷한 잠재 임베딩인 **생물학적 임베딩(biological embedding)**과 **배치 임베딩(batch embedding)**을 생성한다.

• 인코더(Encoder): 공유된 다층 퍼셉트론(MLP)이 입력 발현 행렬로부터 전역적 특징을 추출한다. 이 특징들은 생물학적 헤드와 배치 헤드로 투영되어 각각의 임베딩을 생성한다.
• 배치 조건부 가우시안 혼합 모델(GMM) 디코더: 단일 가우시안 분포를 가정하는 표준 오토인코더와 달리, SCPInt는 제로-팽창(zero-inflated) 및 연속적 특성을 가진 SCP 데이터에 맞춤화된 2-성분 가우시안 혼합 모델을 활용한다. 디코더는 생물학적 임베딩과 원-핫 인코딩된 배치 레이블 벡터의 결합을 입력으로 받아, 각 단백질에 대한 혼합 가중치($\pi$), 평균($\mu$), 분산($\sigma$)을 예측함으로써 단백질 발현 행렬을 재구성한다. 이러한 설계는 재구성이 명시적인 배치 입력을 바탕으로 이루어지게 함으로써 생물학적 임베딩이 배치 정보에 의해 혼동되지 않도록 보장한다.
• 적대적 분리(Adversarial Disentanglement):
  • 배치 분류기(Batch Classifier): 배치 임베딩으로부터 배치 레이블을 예측하여, 이 임베딩이 배치 관련 정보를 완전히 포착하도록 유도한다.
  • 배치 판별기(Batch Discriminator): 생물학적 임베딩으로부터 배치 레이블을 예측하려고 시도한다. 결정적으로, 생물학적 헤드와 판별기 사이에 그래디언트 역전 층(Gradient Reversal Layer, GRL)이 삽입된다. 역전파 과정에서 GRL은 그래디언트를 반전시켜, 인코더가 생물학적 임베딩으로부터 배치를 예측하는 판별기의 능력을 최소화하도록 강제한다. 이 적대적 프로세스는 생물학적 표현형에서 배치 특유의 정보를 명시적으로 제거한다.

2. 손실 함수 (Loss Function)

총 손실은 네 가지 구성 요소의 가중 합계이다:

1. GMM 재구성 손실: 2-성분 가우시안 혼합 모델 하에서 관측된 데이터의 가능도(likelihood)를 최대화한다.
2. 평균 제곱 오차(MSE) 손실: 전역적인 단백질 발현 프로파일을 보존하기 위해 혼합 평균에 적용되는 보조 손실이다.
3. 배치 분류 손실: 배치 임베딩에 대한 크로스 엔트로피 손실로, 배치 정보를 유지하도록 한다.
4. 적대적 손실: 판별기를 통한 생물학적 임베딩의 크로스 엔트로피 손실로, 배치 정보를 제거한다.

주요 기여

1. 분포 인식 모델링: SCPInt는 카운트 기반 가정을 사용하는 대신, 연속적 분포와 제로-팽창 특성을 다루기 위해 2-성분 가우시안 혼합 모델을 사용하는 최초의 MS 기반 SCP 전용 통합 방법이다.
2. 명시적 분리: 이 프레임워크는 암묵적인 배치 교정을 넘어선다. 별도의 생물학적 및 배치 임베딩을 생성함으로써, 생물학적 구조를 보존하는 동시에 기술적 변이를 명시적으로 정량화할 수 있게 한다.
3. 정량적 기술 표현형: 배치 임베딩은 "정량적 기술 표현형" 역할을 하여, 플랫폼 편향, 냉동 보존 효과, 세포 유형별 기술적 민감도를 측정할 수 있게 한다.

결과

SCPInt는 8개의 독립적인 연구에서 유래한 18개의 데이터셋을 포함하는 6개의 통합 작업에 대해 평가되었다.

• 이질적 데이터셋 벤치마킹: 단일 연구 내의 다중 배치(예: Huffman et al.) 및 교차 연구 통합(예: Derks, Leduc, Specht) 작업에서, SCPInt는 최신 기법들(Harmony, scVI, Scanorama, LIGER, scProtein)보다 일관되게 우수한 성능을 보였다. SCPInt는 생물학적 보존(세포 유형 분리 유지)과 배치 교정(서로 다른 배치 간의 세포 혼합) 사이에서 탁월한 균형을 달성했다.
• 앗라스 구축 및 발달 연속성: 인간 뇌 SCP 데이터(발달 단계 GW13, GW15, GW19)에 적용되었을 때, SCPInt는 데이터를 성공적으로 통합하면서 연속적인 발달 매니폴드를 보존했다. 이를 통해 방사형 글리아(radial glia)에서 흥분성 뉴런으로 이어지는 단백질체 발달 궤적을 재구성할 수 있었으며, 이는 다른 방법들이 연속성이나 세포 유형 분리를 유지하는 데 실패했던 지점이다.
• 세포 상태 식별: 대식세포(macrophage) 데이터셋에서 SCPInt는 뚜렷한 생물학적 상태(예: LPS 처리 vs 미처리)를 보존하면서 배치 효과를 제거했다. 또한 생물학적으로 의미 있는 "정상(Normal)" 및 "염증(Inflammatory)" 상태를 식별하였으며, 경로 풍부도 분석(pathway enrichment analysis)을 통해 식별된 상태가 Type I IFN 신호 전달 및 대사 재프로그래밍과 상관관계가 있음을 확인했다.
• 기술적 변이의 정량화:
  • 플랫폼 편향: 배치 임베딩을 사용하여 세 가지 MS 플랫폼(pSCoPE, SCoPE2, plexDIA) 간의 분리를 정량화했다. 결과는 알려진 기술적 원리와 일치하였으며, pSCoPE와 SCoPE2(TMT 기반)가 plexDIA(DIA 기반)보다 서로 더 가깝다는 것을 보여주었다.
  • 시료 준비 효과: 신선 조직(fresh) 대 냉동 조직(frozen) 데이터에서, SCPInt는 플랫폼 차이가 변이의 대부분을 차지하는 반면, 냉동 보존 효과는 세포 유형 특이적임을 밝혔다. 예를 들어, 연골세종(chondrocytes)은 다른 세포 유형보다 더 큰 신선-냉동 간 변화를 보였으며, 이 변화의 방향은 세포 유형마다 달랐다. 이는 무작위 노이즈가 아닌 구조화된 기술적 변이가 존재함을 나타낸다.

의의 및 주장

본 논문은 SCPInt가 단일 세포 단백질체 통합의 패러다임을 암묵적인 배치 효과 제거에서 명시적이고 해석 가능하며 정량적인 기술적 변이 분석이 결합된 통일된 생물학적 표현형 구축으로 전환시킨다고 주장한다.

확장 가능한 앗라스 구축의 토대를 제공함으로써, SCPInt는 현재 파편화된 MS 기반 SCP 데이터셋 문제를 해결한다. 정량적 기술 표현형을 생성하는 능력은 연구자들이 실험 워크플로우, 기기, 시료 준비 전략을 체계적으로 평가할 수 있게 한다. 저자들은 이러한 능력이 특히 미세한 메타데이터가 없는 환경에서도 재현 가능한 앗라스 구축과 SCP 워크플로우 최적화를 지원한다고 강조한다.

인정된 한계점:
저자들은 SCPInt가 현재 사전 정의된 배치 레이블에 의존하며, 기술적 변화의 인과적 실험 요인을 식별하지는 못한다는 점을 언급했다. 또한, 이 프레임키는 발현 행렬 통합을 위해 설계되었으므로 공간 좌표나 이미징 유래 특징을 모델링하지 않으며, 따라서 scDVP와 같은 공간 해상도 SCP 기술에 직접 적용하는 데는 한계가 있다.