고해상도 공간전사체 기반 단일세포 추출 프레임워크 CellART

최근 서브셀룰러 해상도의 공간전사체 플랫폼이 등장하고 있으나, 스팟당 검출되는 트랜스크립트가 희소하거나 측정 유전자가 제한되어 포괄적인 단일세포 정보를 얻기 까다로웠다. CellART는 딥러닝과 확률 모델을 결합해 다양한 고해상도 플랫폼에서 단일세포 수준의 정보를 통합적으로 추출하고자 한다.

무엇을 했나

• 세포 염색 이미지, 공간전사체 데이터, 단일세포 RNA 시퀀싱 레퍼런스를 다중 모달로 활용했다.
• 딥러닝과 확률 모델을 통합하여 세포 분할과 세포 타입 주석화를 동시에 수행하는 프레임워크를 개발했다.
• 다양한 고해상도 공간전사체 플랫폼 데이터에 적용 가능한 범용성과 효율성을 확인했다.
• 분석 결과물을 널리 쓰이는 커뮤니티 분석 도구들과 호환되도록 구성했다.

왜 눈여겨볼 만한가

고해상도 공간전사체 데이터에서 세포 경계와 타입을 따로 분리해 분석하던 기존 파이프라인의 번거로움을 줄여줄 수 있는 통합 도구로 보인다. scRNA-seq 레퍼런스와 염색 이미지를 동시에 입력해야 하므로 보유한 데이터의 모달리티에 맞춰 적용 가능성을 검토해 볼 만하다. 출력 결과가 기존 커뮤니티 툴과 호환되므로 하위 분석 파이프라인에 큰 무리 없이 편입할 수 있을 것으로 기대된다.

원문

• Nature computational science · DOI 10.1038/s43588-026-01054-1