단일 세포 분석의 혁신: 세포 간 통신을 고려한 새로운 VAE 프레임워크, CCCVAE

Cong Qi 등 연구팀이 개발한 CCCVAE는 세포 간 통신 정보를 활용하여 단일 세포 RNA 시퀀싱 데이터 분석의 정확도와 효율성을 크게 향상시킨 혁신적인 VAE 프레임워크입니다. 생물학적 사전 정보를 통합하여 기존 VAE보다 우수한 군집화 성능을 보이며, 단일 세포 분석 분야의 새로운 가능성을 제시합니다.

단일 세포 분석의 새로운 지평을 열다: CCCVAE

단일 세포 RNA 시퀀싱(scRNA-seq) 기술의 발전으로 복잡한 세포 이질성에 대한 이해가 깊어지고 있습니다. 하지만 최근 연구들은 생물학적 기능을 이해하기 위해서는 세포 간의 통신(CCC), 즉 리간드-수용체 쌍에 의해 매개되는 신호 상호작용을 모델링하는 것이 필수적임을 강조하고 있습니다. CellChat과 같은 도구는 CCC가 세포 분화, 조직 재생, 면역 반응과 같은 과정에서 중요한 역할을 하고, 전사체 데이터가 세포 간 신호 전달에 대한 풍부한 정보를 내포하고 있음을 보여주었습니다.

이러한 필요성에 발맞춰 Cong Qi, Yeqing Chen, Jie Zhang, Wei Zhi 연구팀은 CCCVAE 라는 혁신적인 변이 오토인코더(Variational Autoencoder, VAE) 프레임워크를 개발했습니다. CCCVAE는 세포 간 통신 신호를 단일 세포 표현 학습에 통합하는 것을 특징으로 합니다. 리간드-수용체 상호작용에서 파생된 통신 인식 커널과 희소 가우시안 프로세스를 활용하여 생물학적 정보를 잠재 공간에 효과적으로 인코딩합니다.

기존의 VAE는 각 세포를 독립적으로 처리하지만, CCCVAE는 잠재 임베딩이 전사 유사성과 세포 간 신호 전달 상황을 모두 반영하도록 유도합니다. 네 개의 scRNA-seq 데이터 세트에 대한 실험 결과, CCCVAE는 표준 VAE 기준보다 높은 평가 점수를 달성하며 군집화 성능을 향상시키는 것을 보여주었습니다. 이 연구는 비지도 단일 세포 분석을 위한 심층 생성 모델에 생물학적 사전 정보를 통합하는 가치를 입증합니다.

CCCVAE의 핵심:

• 세포 간 통신(CCC) 정보 통합: 리간드-수용체 상호작용을 고려하여 세포 간 관계를 모델링합니다.
• 생물학적 사전 정보 활용: 희소 가우시안 프로세스를 통해 생물학적 지식을 잠재 공간에 효과적으로 반영합니다.
• 향상된 군집화 성능: 기존 VAE 대비 우수한 성능을 여러 데이터 세트에서 검증했습니다.

이 연구는 단일 세포 분석 분야에 새로운 패러다임을 제시하며, 향후 더욱 정교하고 생물학적으로 의미 있는 단일 세포 분석을 가능하게 할 것으로 기대됩니다. 이는 단순한 데이터 분석을 넘어, 생명 현상의 이해를 심화시키는 데 크게 기여할 것입니다.