공간 전사체 해상도 개선을 위한 STARS 모델 개발
연구진이 단일 세포 수준의 유전자 발현을 재구성하는 계산 모델 STARS를 개발했습니다. 기존 공간 전사체 플랫폼의 해상도 한계를 극복하고 복잡한 조직 내 세포 식별 능력을 높였습니다. 이 연구는 네이처 커뮤니케이션즈에 게재되었습니다.
주장기존 공간 전사체 플랫폼은 다세포 수준에서 아세포 수준까지 데이터를 생성하지만, 생물학적 활동의 기본 단위인 단일 세포 수준으로 정보를 통합하는 데 한계가 있습니다. 연구진은 이러한 기술적 공백을 해소하기 위해 STARS(Spatial Transcriptomics across Resolutions for Single Cells)라는 새로운 계산 모델을 제시했습니다.
팩트STARS 모델은 비전 트랜스포머(Vision Transformer) 아키텍처와 대조 학습(contrastive learning) 기법을 결합하여 설계되었습니다. 이 모델은 고해상도 조직학 이미지와 스팟 수준의 전사체 데이터를 통합하여 단일 세포 수준의 유전자 발현을 재구성합니다.
팩트연구진은 마우스 폐 조직을 대상으로 비지움(Visium), 비지움 HD(Visium HD), 스테레오-시크(Stereo-seq) 등 3가지 공간 전사체 플랫폼 데이터를 사용하여 모델 성능을 검증했습니다. 또한 공공 데이터셋을 추가로 활용하여 모델의 범용성과 정확성을 입증했습니다.
주장STARS는 조직과 개별 세포, 분자 수준에서 다각적인 분석을 수행합니다. 특히 복잡한 조직 내부의 특정 구조나 면역 영역을 식별하는 데 탁월한 성능을 보이며 기존 스팟 수준 분석의 해상도 한계를 극복합니다.
팩트개별 세포 수준에서 STARS는 CD4/CD8 T 세포와 암 관련 섬유아세포(CAF)를 식별하며 희귀한 SPP1+ 대식세포를 포함한 다양한 세포 아형을 구분합니다. 대장암 조직에서는 임상적 예후와 관련된 3차 림프 구조를 성공적으로 탐지했습니다.
팩트이 모델은 인플루엔자 감염과 세균성 중복 감염 사이의 마우스 폐 조직 내 면역 세포 집단 변화를 감지하는 데 활용되었습니다. 분자 수준에서는 세포 유형별 마커를 정확하게 식별하여 차등 유전자 발현 분석의 신뢰도를 높였습니다.
교차검증현재 대다수 계산 방법론은 스팟 수준에서 작동하며 단일 세포 해상도로 전사체를 효과적으로 재구성하지 못하는 기술적 공백이 존재합니다. STARS는 이러한 공백을 메우기 위한 시도이나, 향후 다양한 조직 유형에 대한 추가적인 검증이 필요합니다.
팩트이번 연구에는 피츠버그 대학교, 칭화 대학교, 하버드 의대 소속 연구자들이 공동으로 참여했습니다. 연구진은 미국 국립보건원(NIH)과 국립과학재단(NSF)으로부터 연구 자금 및 컴퓨팅 자원을 지원받았습니다.
팩트해당 논문은 2025년 3월 13일에 접수되어 2026년 4월 21일에 승인되었습니다. 이후 2026년 5월 18일 네이처 커뮤니케이션즈(Nature Communications)를 통해 공식 출판되었으며 저자들은 이해 상충이 없음을 명시했습니다.
출처Zhao, C., Liu, T., Miller, L.M. et al. Decoding spatial transcriptomics across multicellular and subcellular resolutions. Nat Commun (2026). 해당 논문의 내용을 교차 검증했습니다.
본 기사는 전문가의 분석과 공개 자료를 기반으로 AI가 작성 후 다른 AI의 검증을 거쳐 작성됐으며 정보의 정확성과 완전성을 보장하지 않습니다. 기사 내용은 특정 투자·의사결정의 권유가 아니며, Wittgenhaus는 이를 근거로 한 행위의 결과에 책임을 지지 않습니다.
