단일세포 공간 전사체학 데이터의 세포 주기 단계별 유전자 발현 패턴 분류를 위한 그래프 신경망(GNN) 적용

단일세포 공간 전사체학 데이터는 세포의 공간적 맥락과 유전자 발현 정보를 동시에 제공하며, 이를 통해 세포의 동적인 상태 변화를 분석할 수 있습니다. 본 주제는 이러한 복잡한 데이터를 해석하기 위해 그래프 신경망(GNN)을 활용하여 세포 주기 단계별 유전자 발현 패턴을 체계적으로 분류하는 방법을 다룹니다.

GNN 기반 세포 주기 분석

• GNN은 세포 간의 잠재적 상호작용(예: 공간적 근접성)을 엣지(Edge)로 모델링하여, 단순한 점(Node) 기반 분석보다 풍부한 관계 정보를 학습합니다.
• 이를 통해 각 세포의 전사체 프로파일을 해당 세포의 세포 주기 단계(G1, S, G2/M 등)와 높은 상관관계로 매핑할 수 있으며, 이는 기존의 클러스터링 방식보다 더 정교한 분류를 가능하게 합니다.

이 접근법은 특히 공간 전사체학 데이터셋에서 발생하는 희소성 문제를 완화하고, 세포 상태 전이에 관련된 신호전달 경로를 밝히는 데 유용합니다. 관련 분야로는 시스템 생물학, 단일세포 분석, 유전자 발현 조절 등이 있습니다.