PaperAI 요약
디컨볼루션 기반 단일 샘플 세포 비율 및 특이적 전사체 통합 추론
· Cell regeneration (London, England)
Zhang Z, Wang X, Hong F, Yu P, Suo S, Chen YG
DOI: 10.1186/s13619-026-00299-5
요약
벌크 RNA-seq 및 공간전사체 스팟 수준에서 가려진 세포 특이적 유전자 발현과 경로를 복원하는 컴퓨팅 프레임워크다.
기존 디컨볼루션 알고리즘은 벌크 조직 데이터에서 세포 타입의 비율을 추정하는 데 주로 사용되었으나, 단일 샘플 수준에서 세포 타입별 전사체를 유전자 단위로 정확히 복원하는 데는 알고리즘적 한계가 존재했다. 연구진은 기존 모델들의 계산적 한계를 평가한 뒤, 세포 비율과 세포 특이적 유전자 발현을 단일 샘플 해상도에서 동시에 추론하는 BayesPrism-DWLS 프레임워크를 개발했다.
무엇을 했나
- 의사 벌크(pseudo-bulk) 혼합물과 여러 조직의 실제 벌크 RNA-seq 데이터셋을 활용해 기존 디컨볼루션 접근법들을 체계적으로 벤치마킹했다.
- 기존 알고리즘의 한계를 보완하여 단일 샘플 해상도에서 세포 비율과 세포 타입별 발현량을 통합 추론하는 BayesPrism-DWLS를 구축했다.
- 마우스 대장 벌크 RNA-seq과 공간전사체 데이터에 적용하여, 벌크 및 스팟 수준에서는 감지되지 않던 세포 특이적 유전자와 신호 전달 경로를 확인했다.
왜 눈여겨볼 만한가
scRNA-seq을 매번 수행하기 부담스러운 연구 환경에서 기존 벌크 RNA-seq이나 Visium 같은 공간전사체 스팟 데이터를 유전자 수준의 세포 특이적 해상도로 재분석할 때 유용할 수 있다. 시퀀싱 비용을 절감하면서 세포 이질성을 분석하는 대안이 될 수 있으나, 초록 결과가 마우스 대장 조직 위주로 확인된 만큼 다양한 임상 시료나 노이즈가 큰 데이터셋에서의 추론 정확도는 추가적인 검증이 필요할 것으로 보인다.
원문
- Cell regeneration (London, England) · DOI 10.1186/s13619-026-00299-5