최대 5가지 공간오믹스 모달리티를 통합하는 SCIGMA

서로 다른 플랫폼과 모달리티에서 생성된 공간오믹스 데이터를 통합할 때 모달리티 고유 신호가 손실되거나 확장성에 한계가 생기는 문제가 존재한다. 이 연구에서는 이러한 문제를 해결하기 위해 불확실성을 고려하는 딥러닝 프레임워크 SCIGMA를 제시한다.

무엇을 했나

• 최대 5개의 공간오믹스 모달리티를 동시에 통합할 수 있는 딥러닝 프레임워크 SCIGMA를 구축했다.
• 데이터 통합 과정에서 모달리티별 고유 신호가 유실되지 않도록 보존하는 구조를 적용했다.
• 다양한 플랫폼 데이터를 바탕으로 공간 도메인 탐지 정확도와 다중모달 분석의 해석 가능성을 높였다.

왜 눈여겨볼 만한가

Visium이나 Xenium 등 다양한 플랫폼과 모달리티를 조합하는 공간 multiomics 데이터 분석 시 유용한 통합 옵션이 될 수 있다. 각 모달리티의 고유 신호를 보존하면서 공간 도메인을 구분한다는 점이 실무 분석에서 가치가 있을 것으로 보인다. 다만 초록 정보만으로는 대용량 데이터 처리 시 필요한 컴퓨팅 자원 규모를 파악하기 어려우므로 실제 파이프라인 적용 시 직접적인 검증이 요구된다.

원문

• Nature Genetics · DOI 10.1038/s41588-026-02706-8