07. 유전자 조합으로 세포 종류 이름 붙이기

군집 분석은 발현이 비슷한 세포를 묶고 각 묶음에 cluster 0, 1, 2 같은 임시 번호를 붙입니다. Cluster 3도 분석 알고리즘이 만든 번호일 뿐입니다. 어떤 세포 집단에서 다른 집단보다 높거나 낮아 그 집단을 식별하는 데 쓰는 유전자를 marker gene이라고 합니다. 이 군집을 T세포나 섬유아세포라고 부르려면 여러 marker의 발현 패턴과 조직(tissue) 맥락, 이미 이름이 붙은 참조 데이터를 함께 확인해야 합니다.

이 수업의 질문: 숫자 cluster에 세포 종류 이름을 붙이려면 어떤 근거가 필요한가?

marker 하나보다 조합을 본다

다음은 설명을 위한 단순한 예입니다.

cluster	상대적으로 높은 유전자	1차 후보 label
0	`CD3D`, `CD3E`, `TRBC1`	T cell
1	`MS4A1`, `CD79A`, `CD37`	B cell
2	`COL1A1`, `COL1A2`, `DCN`	fibroblast
3	`EPCAM`, `KRT8`, `KRT18`	epithelial cell

CD3D 하나가 검출됐다는 이유만으로 T세포라고 부르지는 않습니다. 여러 양성 marker가 함께 높고, 다른 계통의 핵심 marker는 낮은지 확인합니다. 용액에 떠다니는 RNA인 ambient RNA와 한 방울에 두 세포가 들어간 doublet 때문에 한두 유전자가 엉뚱한 군집에 나타날 수 있기 때문입니다.

양성 marker는 그 label에서 기대하는 유전자이고, 음성 marker는 그 label이라면 강하지 않아야 하는 유전자입니다. 둘을 함께 쓰면 비슷한 세포 종류를 구분하고 doublet 가능성을 찾기 쉬워집니다.

세포 종류와 일시적 상태를 구분한다

T세포, B세포와 fibroblast는 비교적 안정적인 세포 정체성인 cell type입니다. 증식 중, interferon 반응, 스트레스 반응과 기능이 약해진 탈진(exhaustion)은 여러 cell type에서 나타날 수 있는 일시적 상태인 cell state입니다.

증식 유전자가 강한 군집을 새로운 세포 종류로 이름 붙이면 같은 계통의 활성 상태를 별도 계통으로 오해할 수 있습니다. label을 두 열로 나누면 이 혼동을 줄일 수 있습니다.

cell_type = T cell
cell_state = proliferating

조직 분리 과정에서 유도된 heat-shock·immediate-early gene도 state처럼 보일 수 있습니다. 생물학적 반응과 실험 과정에서 생긴 인공 신호인 전처리 artifact를 구분하려면 샘플별 분포와 실험 조건을 함께 확인합니다.

cluster marker는 정의상 차이가 난다

cluster marker는 해당 군집과 나머지 군집의 발현을 비교해 찾습니다. 같은 데이터로 군집을 만들고 다시 그 군집 사이의 차이를 검사했으므로, 차이가 없다는 가정에서 지금만큼 극단적인 결과를 볼 확률인 marker p-value를 독립적인 조건 효과의 증거로 해석할 수 없습니다.

marker 순위는 이름을 붙일 후보를 찾는 도구입니다. 치료군과 대조군의 차이를 검정하는 결과와 목적이 다릅니다.

다음 항목을 함께 봅니다.

marker의 효과 크기와 발현 세포 비율
알려진 양성·음성 marker 조합
각 sample이 군집에 고르게 기여하는지
doublet score와 품질 관리(QC) 지표
가까운 군집 사이에 연속적인 상태가 있는지

이름이 붙은 참조 데이터와 비교한다

여러 조직과 세포의 발현을 모아 이름을 붙인 참조 지도인 cell atlas가 있다면, 이름을 붙이려는 query 세포를 reference 세포와 비교해 가장 비슷한 label을 가져올 수 있습니다. 이 작업을 reference mapping이라고 합니다. 자동 주석 도구는 수만 세포를 빠르게 일관된 기준으로 분류하는 데 유용합니다.

reference에 없는 질환 상태나 희귀 세포는 가장 가까운 잘못된 label을 받을 수 있습니다. 조직, 종, assay와 세포 상태가 query에 맞는 reference인지 먼저 확인하고 marker 패턴과 대조합니다.

다음 세 결과가 합의하는지 보는 방식이 안전합니다.

데이터 안에서 찾은 cluster marker
알려진 marker 조합과 조직 지식
적절한 reference의 label transfer

합의하지 않으면 억지로 세밀한 이름을 붙이지 않습니다. T cell처럼 넓은 상위 label을 쓰거나 unresolved로 남기고 필요한 검증을 기록합니다.

label에도 근거와 변경 이력을 남긴다

최종 metadata에는 이름만 넣지 않고, 어디서 나온 해석인지 추적하는 정보인 provenance를 함께 남깁니다.

필드	예시
`cluster`	`3`
`cell_type`	`CD8 T cell`
`cell_state`	`cycling`
`annotation_method`	marker review + reference mapping
`reference`	atlas 이름·버전
`marker_evidence`	`CD3D`, `CD8A`, `CCL5`
`confidence`	high / medium / unresolved

세포 이름은 원시 측정값이 아니라 분석자가 추가한 해석입니다. label이 바뀌어도 count와 cluster를 다시 연결할 수 있어야 합니다.

정리

세포 유형 주석은 marker 하나를 찾아 이름을 복사하는 단계가 아닙니다. 양성·음성 marker, cell type과 state, sample 기여, reference mapping을 함께 확인하고 근거와 불확실성을 metadata에 남깁니다.

다음 조건별 세포 구성과 발현 비교하기에서는 이 label을 이용해 어떤 세포가 늘었는지와 같은 세포 종류 안에서 무엇이 달라졌는지를 나눠 검정합니다.

출처

수동·자동 cell type annotation 지침: Pasquini et al., Nature Protocols (2021)
reference mapping과 marker 기반 주석의 역할: Heumos et al., Nature Reviews Genetics (2023)
Scanpy PBMC marker 예시: Scanpy preprocessing and clustering