RNA시퀀싱

3 Contents

POINTseq: Cell-type-specific 바코딩 기반 개별 뉴런 투사 패턴 맵핑 및 이를 통한 마우스 중뇌 도파민 뉴런의 투사 아키텍처 규명

우리의 뇌는 수많은 뉴런이 복잡한 네트워크를 형성하여 정보를 주고받는 거대한 시스템입니다. 특히 중뇌의 도파민 뉴런은 보상 처리, 운동 제어, 학습 등 필수적인 기능을 담당하며 다양한 뇌 영역으로 긴 투사 경로를 뻗어냅니다. 지금까지의 연구는 주로 뉴런 집단을 하나로 묶어 분석하는 벌크 수준에서 이루어졌으나, 개별 뉴런은 저마다 다른 투사 패턴을 지닌 이질적인 특성을 보입니다. 이러한 개별 뉴런의 정교한 투사 방식은 뇌 전체의 정보 흐름을 결정하는 핵심적인 요소이지만, 이를 하나하나 분리하여 분석하는 것은 기술적으로 매우 어려운 과제였습니다. 기존의 이미지 기반 추적 기술은 해상도는 높지만, 분석 가능한 뉴런의 수가 제한적이고 막대한 시간과 특수한 장비가 필요하다는 한계가 있었습니다. 이를 극복하기 위해 등장한 혁신적인 방법이 바로 RNA 바코딩 기술입니다. 무작위로 생성된 염기서열 바코드를 개별 뉴런에 부여하면 수많은 세포를 고유하게 식별할 수 있습니다. 이러한 아이디어를 바탕으로 개발된 MAPseq은 수천 개의 뉴런 투사를 시퀀싱을 통해 일주일 내에 대량으로 분석할 수 있게 해주었으며, 이는 바코드 기반 커넥토믹스라는 새로운 연구 분야를 선도하는 도구로 자리 잡았습니다. 하지만 기존의 MAPseq은 모든 뉴런을 무차별적으로 감염시키기 때문에, 우리가 원하는 특정 성질을 가진 뉴런만을 골라 분석하기 어렵다는 단점이 있었습니다. 김효필 박사 연구팀은 이를 해결하기 위해 특정 세포 유형에만 선택적으로 감염되어 투사 패턴을 읽어내는 POINTseq 기술을 개발했습니다. 이 기술은 마우스 뇌 뉴런에는 존재하지 않는 특정 수용체인 MXRA8을 목표 세포에만 발현시킨 뒤, 이를 인식하는 슈도타입 바이러스를 주입하는 전략을 취합니다. 이를 통해 연구자가 원하는 분자적 특성을 가진 뉴런들만의 연결망을 정밀하게 추적할 수 있게 되었습니다. 연구팀은 Cux2-Cre와 RBP4-Cre 마우스 라인을 활용하여 POINTseq의 성능을 철저히 검증했습니다. 실험 결과, 이 기술은 약 99%라는 매우 높은 특이성으로 목표한 층의 뉴런들만을 선택적으로 바코딩하는 데 성공했습니다. 또한 시퀀싱을 통해 얻은 데이터를 분석한 결과, IT나 ITC와 같은 기존의 커넥토믹 세포 유형들을 높은 정확도로 분류해낼 수 있음을 입증했습니다. 이는 POINTseq이 기존의 유전적 분석 도구들과 완벽하게 호환되면서도, 이전보다 훨씬 방대한 규모의 신경 회로 정보를 정확하게 추출할 수 있음을 보여주는 중요한 성과입니다. POINTseq의 기술적 우수성은 중뇌 도파민 뉴런의 투사 구조를 규명하는 과정에서 더욱 선명하게 드러났습니다. 도파민 뉴런이 위치한 VTA와 SNc 영역은 중독이나 파킨슨병 등 다양한 질환과 직결되는 중요한 부위이지만, 개별 뉴런 수준에서의 전체 연결망은 충분히 규명되지 않은 상태였습니다. 이전의 연구들은 분석할 수 있는 뉴런의 표본 수가 너무 적어 전체 시스템의 다양성을 대변하기 어려웠으나, 연구팀은 POINTseq을 통해 수천 개의 도파민 뉴런을 동시에 추적함으로써 기존 연구의 한계를 뛰어넘는 방대한 데이터를 확보할 수 있었습니다. 데이터 분석 결과, 약 6,000개에 달하는 개별 도파민 뉴런의 투사 패턴을 바탕으로 총 28개의 새로운 커넥토믹 세포 유형을 정의할 수 있었습니다. 이는 현재까지 알려진 분자적 서브타입의 숫자를 상회하는 고해상도의 분류 결과입니다. 예를 들어 특정 클러스터에 속한 뉴런들은 전두엽 피질과 편도체 등 서로 다른 기능을 수행하는 여러 영역으로 동시에 정보를 전달하는 독특한 특징을 보였습니다. 이러한 발견은 도파민 시스템이 단순히 정보를 흩뿌리는 것이 아니라, 고도로 구조화된 연결망을 통해 뇌의 각 부위를 정교하게 조절하고 있음을 시사합니다. 마지막으로 연구팀은 도파민 뉴런의 투사 모티프 분석을 통해 이러한 연결 패턴이 무작위가 아닌 정형화된 형태를 띠고 있음을 확인했습니다. 특정 영역들에 정보를 동시에 공유하는 공동 투사(co-innervation) 패턴은 진화적으로 보존된 유전자처럼 생물학적으로 중요한 기능을 수행할 가능성이 큽니다. 특히 mPFC와 편도체 사이의 강한 연결성은 위협 학습이나 혐오 자극 처리와 같은 필수적인 생존 기제와 밀접한 관련이 있을 것으로 보입니다. 이번 연구를 통해 구축된 정밀한 커넥톰 지도는 향후 뇌 질환의 원인 규명과 치료법 개발을 위한 새로운 이정표가 될 것입니다.

POINTseq: Cell-type-specific 바코딩 기반 개별 뉴런 투사 패턴 맵핑 및 이를 통한 마우스 중뇌 도파민 뉴런의 투사 아키텍처 규명
생물학연구정보센터학술웨비나
  • 생명과학
  • 뇌인지과학

세포지도의 데이터 이렇게 그린다ㅣ빅데이터를품은 인간세포지도ㅣ이혜옥(가톨릭대학교)[토요과학강연#7-1부]

우리 몸을 이루는 최소 단위인 세포는 생명 과학 연구의 핵심적인 대상입니다. 과거에는 주로 현미경을 통해 세포의 형태를 관찰하는 방식이 주를 이루었으나, 최근에는 데이터 과학의 발전과 함께 의학과 생물학의 패러다임이 급격히 변하고 있습니다. 수많은 세포 데이터를 분석하여 생명 현상을 심도 있게 이해하려는 시도는 질병 치료와 생명 연장을 위한 새로운 길을 열어주고 있으며, 특히 빅데이터를 활용한 연구는 세포 수준에서의 정밀한 분석을 가능하게 합니다. 유전체(Genome)는 한 생명체가 가진 완전한 유전 정보의 총합을 의미합니다. DNA에 저장된 이 정보는 전사 과정을 거쳐 RNA라는 중간 산물을 만들어내며, 이들의 총합을 전사체(Transcriptome)라고 부릅니다. 결국 이러한 정보들이 단백질로 발현되어 우리 몸의 실제적인 기능을 수행하게 되는데, 전사체를 분석하는 것은 유전 정보가 실제 생명 활동으로 어떻게 전환되는지를 해독하는 중요한 열쇠가 되며 세포의 상태를 파악하는 핵심 지표가 됩니다. 인간의 몸은 약 37조 개의 세포로 구성되어 있으며, 그 종류는 대략 210가지에 달하는 것으로 알려져 있습니다. 그동안 과학자들은 세포의 모양이나 위치, 기능을 기준으로 세포를 분류해 왔으나, 데이터 기반의 전사체 분석을 통하면 육안으로 확인하기 어려운 더욱 세밀한 차이를 발견할 수 있습니다. 정상 상태와 질병 상태에서 세포가 어떻게 변화하는지 데이터로 파악함으로써, 우리는 생명의 미세한 움직임을 추적하고 질병의 근본적인 원인에 한 걸음 더 다가갈 수 있게 되었습니다. 우리의 모든 세포는 수정란이라는 하나의 세포에서 시작되었기에 기본적으로 동일한 유전 정보를 공유하고 있습니다. 하지만 피부 세포와 혈액 세포가 서로 다른 형태와 기능을 갖는 이유는 유전 정보 중 특정 부분만을 선택적으로 해독하여 사용하기 때문입니다. 전체 유전체의 단 1%만이 유전자를 만드는 영역이지만, 나머지 영역은 세포의 종류에 따라 어떤 정보를 추출할지 조절하는 중요한 역할을 수행하며 우리 몸을 구성하는 세포의 다양성을 만들어냅니다. 과거 인간 유전체 프로젝트는 32억 개의 염기쌍 서열을 밝히기 위해 13년이라는 긴 시간과 천문학적인 비용을 투입해야 했습니다. 그러나 오늘날의 시퀀싱 기술은 비약적인 발전을 거듭하여 일주일 이내에 훨씬 적은 비용으로 전체 유전 정보를 읽어낼 수 있게 되었습니다. 이러한 기술적 진보는 수많은 세포의 데이터를 동시다발적으로 처리할 수 있는 기반을 마련하였으며, 아날로그적인 생물학 정보를 정교한 디지털 정보로 전환하는 결정적인 계기가 되었습니다. 세포 지도는 복잡한 전사체 데이터를 시각화하여 세포 간의 관계를 지형도처럼 그려낸 것입니다. 세포 하나하나를 완전히 분리해 RNA 정보를 분석하고 이를 컴퓨터 알고리즘으로 처리하면, 수만 개의 세포가 각각 어떤 특징을 가졌는지 데이터 공간 안의 점으로 표현할 수 있습니다. 이러한 방식은 특정 암세포나 면역 세포의 군집을 한눈에 파악하게 해주며, 질병의 진행 과정을 규명하고 환자 개개인에게 최적화된 맞춤형 치료법을 개발하는 데 필수적인 도구로 활용됩니다. 데이터를 기반으로 세포 지도를 완성하기 위해서는 생물학적 지식뿐만 아니라 컴퓨터공학과 통계학적 역량의 결합이 필수적입니다. 수조 개의 세포 데이터를 통합하고 실제 생명 현상에 적합하게 모델링하는 과정은 고도의 수학적 알고리즘과 이미지 처리 기술을 요구합니다. 다양한 전공 분야의 협업을 통해 만들어지는 세포 지도는 우리 몸의 미지의 영역을 밝히는 이정표가 될 것이며, 데이터 과학이 주도하는 미래 정밀 의료 시대를 앞당기는 핵심 동력이 될 것입니다.

세포지도의 데이터 이렇게 그린다ㅣ빅데이터를품은 인간세포지도ㅣ이혜옥(가톨릭대학교)[토요과학강연#7-1부]
서울시립과학관[과학강연] 21년 토요과학강연
  • 생명과학
  • 융합

세포지도 어디까지 그릴 수 있을까?ㅣ빅데이터를품은 인간세포지도ㅣ이혜옥(가톨릭대학교)[토요과학강연#7-2부]

현대 생명과학은 세포 하나하나의 RNA 전사체를 분석하여 정교한 '세포 지도'를 그려내는 단계에 도달했습니다. 연구자들은 건강한 상태의 참조 지도뿐만 아니라 질병 상태의 세포 지도도 활발히 구축하고 있습니다. 예를 들어 인간의 심장이나 간, 뇌 세포를 분리하여 얻은 방대한 유전 정보는 세포 지도로 시각화됩니다. 이 과정에서 수많은 세포는 유사성에 따라 군집화되며, 이를 통해 우리 몸을 구성하는 세포들의 복잡한 유형과 특성을 명확히 규명할 수 있게 되었습니다. 세포 지도의 2차원 평면 위 점들은 실제 신체 내부의 위치가 아니라 세포 간의 전사체 패턴 유사도를 의미합니다. 최근에는 세포마다 고유한 세포 바코드를 부여하는 기술을 활용하여, 시퀀싱 데이터가 어느 세포에서 유래했는지 정확히 추적합니다. 더 나아가 위치 바코드 기술을 접목하면 특정 세포가 장기의 어느 부위에 위치했는지까지 데이터와 연결할 수 있습니다. 이러한 고도화된 정보는 세포의 기능과 공간적 분포를 동시에 이해하는 데 결정적인 단서를 제공합니다. 참조 지도의 가장 큰 가치는 질병 상태와의 비교 분석에 있습니다. 최근 코로나19 사망자의 폐 조직을 분석한 연구가 대표적인 사례입니다. 연구 결과, 바이러스는 주로 가스 교환을 담당하는 'AT2 세포'를 공격하여 파괴하는 것으로 나타났습니다. 특히 환자의 몸이 손상된 조직을 보수하는 과정에서 정상적인 경로가 아닌 비정상적인 세포 분화가 일어난다는 사실이 밝혀졌습니다. 이는 단순히 현상을 관찰하는 것을 넘어, 질병의 원인을 분자 수준에서 파악하고 치료제 개발의 기초를 마련해 줍니다. 암 연구 분야에서도 세포 지도는 혁신적인 도구로 쓰입니다. 폐암 조직과 주변의 정상 조직을 비교하면, 암세포 주위의 면역 세포가 활력을 잃고 지쳐 있는 상태임을 확인할 수 있습니다. 또한 데이터 과학을 활용해 면역 세포와 혈관 세포 사이의 상호작용을 추론함으로써 암세포에 에너지가 공급되는 경로를 파악하기도 합니다. 비록 이러한 기초 정보가 즉각적인 신약 개발로 이어지기까지는 많은 과정이 필요하지만, 우리가 미처 알지 못했던 단백질의 변화나 새로운 치료 표적을 찾는 거대한 문을 열어줍니다. 세포 연구에 데이터 과학이 접목되면서 생명과학은 이제 거대한 융합 학문으로 진화하고 있습니다. 정교한 시퀀싱 장비의 화학적 원리와 컴퓨터 소프트웨어의 분석 능력이 결합하여 이전에는 불가능했던 방대한 세포 정보를 다룰 수 있게 된 것입니다. 앞으로 데이터 과학의 비중은 더욱 커질 것이며, 이를 통해 생명체의 기본 단위인 세포에 대한 이해는 비약적으로 깊어질 전망입니다. 미래의 컴퓨터 생명 과학자와 의과학자들이 이끄는 이러한 변화는 인류의 질병 정복을 향한 새로운 이정표가 될 것입니다.

세포지도 어디까지 그릴 수 있을까?ㅣ빅데이터를품은 인간세포지도ㅣ이혜옥(가톨릭대학교)[토요과학강연#7-2부]
서울시립과학관[과학강연] 21년 토요과학강연
  • 생명과학
  • 융합