딥러닝 기반 세포 유형별 유전자 조절 분석 기술 DeepDETAILS 개발

주장연구진은 딥러닝 기반의 디컨볼루션 프레임워크인 DeepDETAILS를 개발하여 벌크 시퀀싱 데이터에서 세포 유형별 전사 조절 과정을 고해상도로 재구성했습니다. 이 기술은 기존 단일 세포 시퀀싱 방식이 가진 기술적 한계를 극복하고 다양한 오믹스 데이터셋에서 세포별 유전체 신호를 정확하게 매핑합니다.

팩트DeepDETAILS는 scATAC-seq(단일 세포 염색질 접근성 시퀀싱) 참조 라이브러리를 활용하여 벌크 데이터셋을 교차 모달리티 방식으로 분석합니다. 해당 모델은 PRO-cap, PRO-seq 등 신생 전사체 시퀀싱 데이터와 히스톤 변형을 측정하는 ChIP-seq 데이터 분석에 폭넓게 활용됩니다.

팩트연구진은 이 기술을 사용하여 39개의 인간 조직과 86개의 서로 다른 세포 유형에 걸친 고해상도 신생 전사 및 히스톤 변형 신호 지도를 구축했습니다. 구축된 데이터는 세포 수준의 유전체 조절 기전을 이해하는 기초 자료로 활용됩니다.

팩트개발된 기술은 원발성 경화성 담관염과 같은 진행성 담즙 정체성 간 질환의 위험 변이를 미세 매핑하는 데 적용되었습니다. 연구진은 이를 통해 해당 질병의 잠재적인 발병 원인과 기전을 규명했습니다.

주장이번 연구는 단일 세포 수준의 해상도를 확보하기 어려운 실험적 한계를 딥러닝 알고리즘으로 해결했다는 점에서 의의가 있습니다. 기술은 복잡한 조직 내에서 특정 세포 유형이 유전자 발현을 어떻게 조절하는지 정밀하게 파악합니다.

팩트DeepDETAILS의 소스 코드는 깃허브(GitHub)를 통해 공개되어 누구나 접근하고 활용할 수 있습니다. 연구 결과 재현을 위한 스크립트 또한 동일한 저장소에서 제공하여 투명성을 확보했습니다.

팩트인간 조직 PRO-cap 라이브러리는 미국 국립생명공학정보센터(NCBI)의 유전자 발현 옴니버스(GEO)에 기탁되었습니다. 관련 접근 번호와 기타 시퀀싱 데이터셋 정보는 논문의 보충 표 1에 상세히 명시했습니다.

교차검증본 연구에서 사용된 데이터의 신뢰성을 위해 세포 유형 주석은 ENCODE 포털에서 확보했습니다. eQTL(발현 양적 형질 유전자 좌) 분석 데이터는 2024년 12월 13일 기준 GTEx 포털의 정보를 사용했습니다. 모든 디컨볼루션 결과는 온라인 포털을 통해 공개하여 연구자들의 검증을 지원합니다.

교차검증다만, 본 기술은 참조 라이브러리로 사용되는 scATAC-seq 데이터의 품질과 정확도에 결과가 의존적일 수 있다는 한계가 있습니다. 따라서 다양한 조직과 세포 유형에 대한 지속적인 참조 데이터 확보가 기술의 범용성을 결정짓는 핵심 요소입니다.

주장연구진은 향후 더 방대한 참조 데이터를 통합하여 DeepDETAILS의 분석 정확도를 높일 계획입니다. 이는 정밀 의료 분야에서 유전체 데이터 활용도를 극대화하는 기반이 됩니다.

주장세포 유형별 유전자 조절 분석 기술의 발전은 복잡한 질환의 기전 이해를 앞당깁니다. 앞으로 데이터의 양과 질이 확보될수록 분석의 정밀도는 더욱 향상됩니다.

출처네이처 바이오테크놀로지(Nature Biotechnology) 게재 논문(https://www.nature.com/articles/s41587-026-03218-w) 및 논문 내 데이터 가용성 섹션을 교차 검증했습니다.