공간 다중 오믹스 통합 분석 프레임워크 SpatialCOC 개발
연구진이 공간 정보를 활용해 오믹스 데이터 간 비선형 상관관계를 분석하는 통합 프레임워크 SpatialCOC를 개발했습니다. 이 기술은 데이터의 기술적 편향을 최소화하고 세포의 공간적 패턴을 정확하게 규명합니다.
주장SpatialCOC는 공간 정보를 사전 지식으로 활용하여 오믹스별 공간 분포를 학습하고 데이터 모달리티 간 비선형 상관관계를 발견하는 통합 프레임워크입니다. 이 기술은 기존 분석법의 한계를 극복하고 세포의 공간적 패턴을 더욱 정확하게 규명합니다.
주장연구진은 생명공학적 기술 편향이 분석 결과의 불안정성을 초래한다는 점에 착안했습니다. SpatialCOC는 이러한 편향을 최소화하여 각 모달리티의 잠재력을 극대화합니다.
팩트연구팀은 마우스 뇌, 마우스 비장, 마우스 흉선, 인간 림프절 등 다양한 실제 조직 데이터셋으로 모델의 성능과 견고성을 검증했습니다. 해당 데이터는 지오(Gene Expression Omnibus, GEO) 및 제노도(Zenodo) 저장소에서 확인할 수 있습니다.
팩트마우스 뇌 데이터셋은 GSE205055, 마우스 비장 데이터셋은 GSE198353, 인간 림프절 데이터셋은 GSE263617 접근 번호를 부여받았습니다. 마우스 흉선 데이터셋은 제노도(https://doi.org/10.5281/zenodo.7879713)를 통해 제공됩니다.
팩트연구에 사용된 모델 개발 코드와 분석 결과는 깃허브(https://github.com/xjtu-omics/SpatialCOC)에 공개했습니다. 해당 코드는 지피엘-3.0(GPL-3.0) 라이선스를 따르며, 특정 버전은 제노도(https://doi.org/10.5281/zenodo.18595579)에 아카이빙했습니다.
교차검증기존 공간 다중 오믹스 분석법은 데이터 통합 과정에서 배치 효과나 기술적 노이즈로 인해 결과가 왜곡될 위험이 있습니다. SpatialCOC는 배치 일관성을 유지하면서 영역별 연속적 공간 도메인을 식별하는 데 강점을 보입니다.
교차검증본 프레임워크는 임의의 차원을 가진 모달리티 데이터를 수용하는 유연한 구조를 갖췄습니다. 이는 다양한 실험 기법으로 생성된 이질적인 데이터를 통합해야 하는 연구 현장에서 기술적 이점으로 작용합니다.
팩트연구진은 논문에서 사용한 모든 데이터셋을 제노도(https://doi.org/10.5281/zenodo.17655345)에 업로드하여 연구자의 활용을 돕습니다. 이는 데이터의 투명성과 재현성을 확보하기 위한 조치입니다.
주장공간 다중 오믹스 데이터의 통합은 세포의 공간적 패턴을 이해하고 실제 조절 메커니즘을 해독하는 데 필수적입니다. SpatialCOC는 공간 정보와 다중 오믹스 모달리티 간 상호작용에 새로운 관점을 제시합니다.
출처네이처 커뮤니케이션즈(Nature Communications)에 게재된 "SpatialCOC: an integrative framework for spatial continuous mapping and cross-omics correction in spatial multi-omics data" 논문을 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.