세포 운명 예측 AI 싱글 셀 유전체학

헬름홀츠 젠트리움 뮌헨(Helmholtz Zentrum München)의 전산 생물학 연구소와 TUM의 수학학과 연구원들은 “scVelo(Single-cell velocity)’를 개발했다. 이 방법은 전체 유전자 현명한 전사 역학을 해결하여 AI 기반 모델로 RNA 속도를 추정합니다. 이를 통해 RNA 속도의 개념을 동적 집단을 포함한 다양한 생물학적 시스템으로 일반화할 수 있다.

기존의 단일 세포 시퀀싱(sequencing) 방법은 세포가 지닌 차이 및 기능에 대한 통찰력을 밝히는 데 도움이되지만 타임 랩스 필름이 아닌 정적 스냅 샷으로 만 수행됐다. 이러한 제한으로 인해 세포 발달 및 유전자 활성의 역학에 대한 결론을 도출하기가 어렵다.

‘RNA 속도(RNA velocity)’는 미접합 및 접합 전사체의 레버리징 비율 계산 기반으로 세포 발달 궤적을 재구성하는 것을 목표로한다. 그러나 이 방법은 스테디 상태 집단 에서만 적용할 수 있다. 따라서 연구자들은 RNA 속도의 개념을 세포 집단과 질병 반응을 이해하는 데 중요한 역학적 집단으로 확장 할 수있는 방법을 찾고있었다.

scVelo의 주요 개발자이자 네이처 바이오테크놀로지(Nature Biotechnology) 논문의 제1저자 볼커 베르겐(Volker Bergen)은 “우리는 scVelo를 사용해 해마 내분비 췌장의 세포 발달을 밝히고 폐 재생의 역동적 과정을 연구했다. 이것은 시작에 불과하다”고 말했다. scVelo 연구원은 실험 데이터없이 RNA 전사, 접합 및 분해 반응 속도를 추정할 수 있다. 이 반응 속도는 세포 정체성과 표현형 이질성을 더 잘 이해하는 데 도움이 될 수 있다.

잠복 시간의 도입은 기본 생물학적 과정의 궤도를 따라 세포를 위치시키는 미지의 발달 시간을 재구성합니다. 이는 세포 의사 결정을 보다 잘 이해하는 데 특히 유용하다. 또한, scVelo는 그 안에 조절 변화 및 추정 드라이버 유전자를 밝힌다. 이것은 세포가 어떻게 자신의 방식으로 발전하고 있는지뿐만 아니라 그 이유를 이해하는 데 도움이된다.

맞춤형 치료

scVelo와 같은 AI 기반 도구는 맞춤형 치료를 제공한다. 정적 스냅 샷에서 풀 다이나믹스로 이동하면 연구원들은 서술적 모델에서 예측적 모델로 이동할 수 있다. 앞으로, 이것은 종양 형성과 같은 질병 진행을 더 잘 이해하거나 암 치료에 반응해 세포 신호를 풀는데 도움이 될 것이다.

연구를 고안한 헬름홀츠 젠트리움 뮌헨 전산 생물학 연구소 디렉터 파비안 떼시스(Fabian Theis) 교수는 “scVelo는 작년에 출시 된 이후 거의 60,000 회 다운로드됐다. 단일 세포 전 사체의 동역학 기반을 향한 디딤돌 도구”라고 말했다.

*Volker Bergen, Marius Lange, Stefan Peidli, F. Alexander Wolf, Fabian J. Theis. Generalizing RNA velocity to transient cell states through dynamical modeling. Nature Biotechnology, 2020; DOI: 10.1038/s41587-020-0591-3