공간전사체 세포 타입 주석화 알고리즘 20종 벤치마크

공간전사체 데이터가 급증하고 있지만 유전자 패널의 크기 제한이나 세포 상태의 동적 변화로 인해 세포 타입을 정확하게 자동 주석화하는 데는 여전히 어려움이 크다. 특히 단일세포 참조 데이터와 공간 쿼리 간 플랫폼 차이가 크거나 세부 서브타입을 구분해야 할 때 기존 도구들의 한계가 드러난다. 이 연구는 전문가가 정제한 참값(ground truth) 레이블을 기준 삼아 20개 세포 주석화 알고리즘을 다각도로 비교 분석했다.

무엇을 했나

• 4가지 공간전사체 기술 플랫폼과 전문가가 검증한 세포 레이블을 바탕으로 6가지 분석 시나리오를 구축했다.
• 참조 기반 및 비참조 기반 알고리즘 20종을 대상으로 분류 정확도(Accuracy, F1)뿐만 아니라 공간 및 생물학적 구조 보존 지표를 함께 평가했다.
• 분석 결과, 손상·재생·발달 과정처럼 세포 상태 변화가 연속적인 조건이나 희소 세포 및 세부 서브타입 분류에서 대부분 도구의 성능이 크게 떨어졌다.
• scANVI, Seurat, TACCO가 전반적으로 상위권 성능을 보였으나 교차 플랫폼 적용이나 질환 모델 등 시나리오에 따라 최적 도구는 달라졌다.

왜 눈여겨볼 만한가

단순 분류 정확도가 높다고 해서 하위 경로 분석이나 조직 내 고차원 생물학적 관계까지 제대로 보존되는 것은 아니라는 점을 보여준다. 동일 플랫폼 내 데이터 전이에는 scANVI나 Seurat 등이 안정적이지만, 이종 플랫폼 간 분석이나 발달·질환처럼 미분화 전이 상태 세포가 섞인 데이터에서는 도구 선택에 주의가 필요하다. 특히 targeted ST처럼 패널 크기가 작거나 참조 데이터에 없는 세포 상태가 존재할 가능성이 높다면 미지 세포 상태를 처리할 수 있는 오픈셋(open-set) 인식 능력을 고려해 파이프라인을 설계해야 한다.

원문

• Research square · DOI 10.21203/rs.3.rs-10731867/v1