단일세포 시퀀싱 혁명: scGSDR로 정밀의학의 새 지평을 열다

황유안 박사 연구팀이 개발한 scGSDR 모델은 유전자 의미론을 활용하여 단일세포 약물 반응 예측의 정확도를 높였으며, 다양한 약물 및 약물 조합에 적용 가능하고, 약물 내성 관련 경로를 식별하는 데 효과적임을 보였습니다. 이는 정밀의학과 표적 치료 개발에 크게 기여할 것으로 기대됩니다.

최근 급부상하고 있는 단일세포 시퀀싱 기술은 약물 내성 연구에 혁명을 일으키고 있습니다. 세포의 이질성이 정밀의학 발전에 중요한 역할을 한다는 사실을 밝혀낸 것이죠. 기존 단일세포 약물 반응 데이터를 기반으로 계산 모델을 구축하면 후속 임상시험에서 세포의 약물 반응을 신속하게 분석할 수 있습니다. 이러한 필요성에 발맞춰, 황유안 박사를 비롯한 연구진은 세포 상태와 유전자 신호 전달 경로에 대한 지식을 바탕으로 두 가지 계산 파이프라인을 통합한 scGSDR 모델을 개발했습니다.

scGSDR은 유전자 의미론을 통합하여 예측 성능을 향상시키고, 해석 가능성 모듈을 통해 약물 내성 표현형에 기여하는 주요 경로를 식별합니다. 11가지 약물을 포함한 16가지 실험을 통해 광범위한 검증을 거친 결과, scGSDR은 bulk-seq 또는 scRNA-seq 데이터로 학습했을 때 모두 높은 AUROC, AUPR, F1 점수를 달성하며 뛰어난 예측 정확도를 보였습니다. 더 나아가, 단일 약물 예측에서 약물 조합 시나리오까지 적용 범위를 확장했습니다.

알려진 약물 표적 유전자의 경로를 활용하여 scGSDR의 세포-경로 어텐션 점수가 생물학적으로 해석 가능함을 확인했습니다. 이를 통해 다른 잠재적인 약물 관련 유전자를 식별하는 데 성공했습니다. 예측 결과 상위에 랭크된 유전자(PLX4720의 경우 BCL2, CCND1, AKT 계열, PIK3CA; Paclitaxel의 경우 ICAM1, VCAM1, NFKB1, NFKBIA, RAC1)에 대한 문헌 검토를 통해 그 관련성을 확인했습니다.

결론적으로, scGSDR은 유전자 의미론을 통합하여 다양한 약물에 대한 세포 반응의 예측 모델링을 향상시키고, 단일 약물 및 약물 조합 치료 모두에서 귀중한 도구로 활용될 수 있음을 증명했습니다. 또한, 주요 내성 관련 경로를 효과적으로 식별하여 정밀의학과 표적 치료 개발을 발전시키는 데 기여할 것으로 기대됩니다. scGSDR은 단순한 기술적 진보를 넘어, 질병 치료의 패러다임을 변화시킬 잠재력을 가지고 있습니다. 앞으로 더욱 발전된 scGSDR을 통해 개인별 맞춤 치료의 시대가 더욱 가까워질 것으로 예상됩니다. 🎉