암 미세환경 분석을 위한 공간 생태형 머신러닝 기술 개발
스탠퍼드 대학교와 메이요 클리닉 공동 연구팀이 암세포와 주변 환경의 상호작용을 분석하는 머신러닝 도구를 개발했습니다. 이 기술은 암의 진행과 치료 반응을 예측하는 새로운 지표를 제시합니다. 연구 결과는 네이처 메소드에 게재되었습니다.
주장암세포는 단독으로 존재하지 않으며 주변 미세환경 내 다양한 세포들과 복잡한 상호작용을 합니다. 암의 진행과 전이, 치료 반응을 정확히 파악하려면 이러한 다세포적 특성을 이해해야 합니다.
팩트스탠퍼드 대학교의 아론 뉴먼과 메이요 클리닉의 아델 초드리 연구팀은 암 미세환경을 분석하는 새로운 머신러닝 방법론을 개발했습니다. 이들은 공간 전사체 데이터를 활용하여 암세포와 주변 환경의 상호작용을 체계적으로 분류했습니다.
팩트연구팀은 공간 에코타이퍼라는 분석 도구를 개발하여 다양한 암종에서 공통적인 다세포 패턴을 식별했습니다. 이 도구는 유사성 네트워크 융합 방식을 사용하여 서로 다른 샘플 간의 공통된 임베딩을 찾아냅니다.
팩트연구팀은 비음수 행렬 분해 기법을 통해 9개의 강력한 공간 클러스터를 확인했습니다. 이들은 이를 공간 생태형이라고 명명했습니다.
팩트확인된 생태형들은 서로 다른 기술적 플랫폼에서 생성된 독립적인 데이터셋을 통해 검증을 마쳤습니다.
주장공간 생태형은 암 미세환경의 생물학적 특징을 규명하는 지표가 됩니다. 암 치료 전략을 수립할 때 환자 개별적인 미세환경 특성을 고려해야 함을 시사합니다.
팩트연구진은 세포 유형과 무관하게 나타나는 공간 생태형 특유의 발현 서명을 발견했습니다. 이를 합의 프로그램이라고 부르며 급성 스트레스 반응, 상처 치유, 면역 억제 등의 특징을 포함합니다.
교차검증현재 다양한 오믹스 데이터를 통합하고 활용하는 표준은 여전히 부족합니다. 이번 연구는 데이터 통합의 복잡성을 해결하려는 시도 중 하나입니다.
팩트이번 연구 결과는 2026년 6월 11일 네이처 메소드 학술지에 게재되었습니다. 린 탕이 저자로 참여했습니다.
팩트해당 논문의 디지털 객체 식별자는 10.1038/s41592-026-03135-5입니다.
주장암 연구 분야에서 공간 전사체 데이터의 중요성은 점점 커집니다. 머신러닝을 통한 데이터 분석은 암의 복잡한 생태계를 이해하는 핵심 도구가 됩니다.
출처https://www.nature.com/articles/s41592-026-03135-5 및 네이처 메소드 공식 발표 자료를 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.
