다중 scRNA-seq 레퍼런스 기반 공간전사체 디콘볼루션 프레임워크 SWIMR

기존 공간전사체 디콘볼루션 알고리즘은 단일 scRNA-seq 레퍼런스에 의존하기 때문에 참조 데이터의 품질이나 이질성에 따라 세포 비율 추정 오차가 크게 발생했다. 이 연구는 공간적 상관관계와 복수의 참조 패널 가중치를 동적으로 결합한 통계 프레임워크 SWIMR을 제안한다. 이를 통해 레퍼런스 불일치가 존재하는 복잡한 조직 환경에서도 정교한 디콘볼루션을 가능하게 했다.

무엇을 했나

• 각 Spot 위치를 복수 scRNA-seq 레퍼런스의 가중치 조합으로 모델링하고 공간 상관관계를 함께 고려하는 통계 알고리즘 SWIMR을 구축했다.
• 발달 중인 인간 심장, 폐암, 유방암, 마우스 배아 및 간암 등 다양한 ST 데이터셋과 시뮬레이션 데이터를 통해 성능을 검증했다.
• 인간 심장 조직에서 참값에 가장 가까운 세포 조성을 복원했으며, 암 조직에서는 종양 미세환경 구획 구별 및 세포 유형 특이적 공간 가변 유전자(SVG)를 발굴했다.

왜 눈여겨볼 만한가

단일 참조 데이터에 의존할 때 발생하는 바이어스나 셀 타입 미스매치 문제를 여러 아틀라스를 동시에 활용해 완화할 수 있다는 점에서 유용하다. 공개된 복수의 scRNA-seq 데이터 세트를 보유하고 있거나 레퍼런스 이질성이 높은 종양 조직 공간전사체 분석 시 적용을 검토해 볼 만하다. 다만 복수 레퍼런스와 공간 가중치를 동시에 계산해야 하므로 분석 대상 Spot 수가 많을 경우 계산 자원 소요를 사전 검토할 필요가 있다.

원문

• PLoS genetics · DOI 10.1371/journal.pgen.1012345