제목 | 단일 세포 데이터로부터 세포 주기 추론 방법론 제안 |
추천 연구 논문 | Latent periodic process inference from single-cell RNA-seq data |
선정 이유 | 세포의 사이클은 세포의 기능 및 세포와 세포간의 상호작용 등에 영향을 끼치며, 이러한 세포의 사이클은 노화와도 연관이 있다. 이러한 세포의 사이클을 추론하는 것은 노화의 과정을 이해하는데 참고가 될 것으로 보임. |
주요 내용 | 다양한 셀이 존재하는 인간과 같은 종들의 표현형 발달시키고, 결정하는 과정에는 세포의 역할이 중요하다. 세포는 분화되고 다른 세포와 상호작용을 하는 등의 여러 역할을 하여, 우리의 표현형을 결정하는데 영향을 끼치며, 이러한 기능들은 유전적이나 후성유전학, 그리고 다양한 환경적요인에 의해서 바뀔 수 있다. 이전에는 단일 세포 데이터가 아니라 bulk RNA-Seq 데이터를 이용하여 세포의 사이클을 추론하는 방법을 제안했었으나, 세포 별 다양성이 존재하였기 때문에, 제대로 된 예측을 진행하지 못했으나, 최근에는 단일 세포 시퀀싱 기술의 발달로 인하여, 이러한 추론이 어느정도 가능해지게 되었다. 해당 연구에서는 대표적인 머신러닝 기법 중 하나인 오토인코더를 통하여, 단일 세포 데이터로부터 세포의 주기를 추론하는 방법론을 제안하였다. |
시사점 | 해당 연구를 통해서 제안한 Cyclum 방법론은 세포의 주기를 추론하는데 견고한 성능을 보였으며, 해당 방법론이 새로운 세포 타입의 분류 혹은 셀 사이클과 연관되어 있는 유전자들의 발견에도 어느정도 영향을 끼칠 수 있을 것으로 예상하고 있다. 이러한 발견들은 노화와 연관되어 있는 세포나 바이오 마커들의 발견 가능성을 시사할 수 있다. |
RLRC 생체시계-항노화 융합
Comments