기초과학연구원(IBS)은 수리·계산과학연구단 의생명수학그룹 김재경 CI(그룹장) 연구팀이 단일세포 유전체 분석법의 효율성과 정확도를 높일 수 있는 분석 도구 'scICE'(single-cell Inconsistency Clustering Estimator·단일세포 비일관성 클러스터링 평가 도구)를 개발했다고 3일 밝혔다.

단일세포 유전체 분석법은 조직 내 개별 세포 수준의 유전자 분석을 통해 유전자 발현을 파악할 수 있는 기술이다.

우선 클러스터링(유사한 유전자 발현 특성을 가진 세포들을 그룹으로 묶는 작업)을 통해 정상 세포와 암세포를 구분한 뒤 후속 분석 작업에 들어가게 되는데, 기존 그래프 기반 클러스터링은 무작위로 세포를 분류하는 알고리즘 때문에 실행 시마다 결과가 달라지는 한계가 있었다.

정상 세포가 암세포로 잘못 분류되거나 중요한 세포 유형이 누락되는 불안정성으로 인해 연구자가 다시 계산해야 했다.

여러 번 계산을 반복해 합의된 결과를 도출하는 기존의 방식은 수만 개 이상의 세포가 포함된 대용량 데이터에는 적합하지 않다.

연구팀은 '불일치 계수'(Inconsistency Coefficient, IC·동일한 데이터를 일부 바꿔 얻은 여러 클러스터링 결과가 서로 얼마나 유사한지를 측정하는 정량적 지표)라는 개념을 도입해 연산 시간을 획기적으로 단축하는 데 성공했다.

세포 쌍이 같은 클러스터에 포함됐는지 하나하나 확인하는 기존 방식과 달리, 클러스터 단위로 유사도를 측정하기 때문에 분석 시간을 크게 줄일 수 있다.

한 번의 분석만으로 기존 방법보다 최대 30배 빠르게 클러스터링 결과를 도출할 수 있다.

연구팀은 뇌, 폐, 혈액 등 다양한 조직에서 수집된 48개의 실제·모의 단일세포 유전체 데이터를 대상으로 scICE를 적용해 유효성을 입증했다.

기존 분석 방법으로는 결과 중 3분의 2는 통계적으로 불안정하며 신뢰하기 어렵다는 사실을 확인했다. scICE를 통해 신뢰할 수 있는 결과만을 선별해 효율성과 정확성을 높였다고 연구팀은 설명했다.

또 기존 방식으로는 찾기 어려웠던 대식세포(외부 병원체를 잡아먹는 면역세포)의 다양한 아형(subtype)들을 안정적으로 식별하는 데 성공했다.

이번 연구 성과는 국제 학술지 '네이처 커뮤니케이션즈' (Nature Communications) 전날 자 온라인판에 실렸다. 연구팀은 이번에 개발한 도구를 오픈소스 플랫폼인 '깃허브'에 공개했다.