# Pseudotime (scRNA) – 백과사전 항목 Pseudotime은 단일 세포 RNA 시퀀싱(single-cell RNA sequencing, scRNA-seq) 데이터에서 세포들이 특정 생물학적 과정(예: 분화, 발달, 반응)의 진행 상태를 나타내는 연속적인 순서 또는 스칼라 값으로 추정된 가상의 시간 척도이다. 이는 실제 측정 시간 대신 세포 간의 전사체 프로파일 차이를 기반으로 한 추정치로, 이 \"가상 시간\"을 통해 이질성 속에서 모듈형(또는 가지(branching) 구조의) 발달 경로를 이해할 수 있다. --- ## 1. 개요 - 목적: 다수의 단일 세포에서 얻은 전사체 프로파일로부터 생물학적 진행 순서를 재구성하고, 세포들이 어떤 시점에 어떤 전사적 상태였는지 추정한다. - 핵심 아이디어: 초기 상태(root)로부터 시작해, 각 세포에 대해 진행 정도를 나타내는 값 $t_i$를 부여하거나, 전체 발달 트리의 위치를 파라메타화한다. - 산출물의 형태: pseudotime 벡터 $t = (t_1, t_2, ..., t_N)$, 또는 트리/그래프 기반의 진행 경로와 분기(branch) 정보. 용어 요약 - Pseudotime: 각 세포의 진행 정도를 나타내는 연속 척도. - Trajectory: 세포의 시퀀셜 변화 경로(또는 가지를 포함한 트리 형태의 경로). - Root: 진행의 시작점으로 설정된 세포 또는 세트. - Branching: 분기 지점에서 서로 다른 발달 경로로의 전개. - Branch: 분기 이후의 경로 가지. - Gene expression dynamic: 시간에 따른 유전자 발현 변화 양상. --- ## 2. 배경과 필요성 - 생물학적 맥락: 발달, 분화, 면역 반응, 종양의 이질성 등에서 세포가 시간에 따라 어떤 상태를 거치는지 이해하는 데 필요하다. - 데이터 특성: scRNA-seq 데이터는 고차원, 희소성, 노이즈가 큰 특성을 가지며, 세포들은 시간의 흐름을 직접적으로 관찰하지 못한다. - 해결 과제: 실제 시간 정보를 갖지 못한 상태에서, 비선형적이고 가지가 있는 진행 경로를 어떻게 정확하게 재구성하느냐가 핵심 문제이다. --- ## 3. 수학적 프레이임워크 - 기본 모델 - 그래프 G = (V, E)로 세포 V를 노드, E를 전이 가능 경로로 간주한다. - Root 세포 r를 시작점으로 설정하면, 각 세포 i에 대한 pseudotime $t_i$는 루트에서의 거리나 진행 정도를 나타낸다. - 연속화와 파라메트라이제이션 - 트리 또는 그래프의 아크 길이에 따라 진행 정도를 연속적 스케일로 매핑한다. - 예: $t_i \in [0, 1]$로 정규화하거나, 비선형 함수로 변환하여 표현한다. - 거리 및 시간 해석 - 경로의 길이 또는 확률적 확산 과정의 기대 도달 시간 등을 통해 pseudotime를 정의할 수 있다. - 확산 기반 방법은 유사 세포 간의 전이 가능성을 기반으로 진행 정도를 산출한다. - 대표적인 수식 예시 - 각 세포의 pseudotime 벡터: $t = (t_1, t_2, ..., t_N)$, 일반적으로 $t_i \in [0, 1]$ 또는 실수선상의 위치로 정의. - 그래프에서의 거리 함수: $d(i, j)$는 그래프 거리 또는 확률적 도구를 이용한 가중 거리. - 루트 세포/상태를 명시한 트리 구조: 트리 T = (V, E)에서 루트 $r \in V$로부터의 거리로 pseudotime를 정의하는 경우가 많음. --- ## 4. 주요 알고리즘 및 접근법 - Monocle 계열 - Monocle은 최소 신장 트리(minimum spanning tree) 기반으로 발달 경로를 추정하는 대표적 도구이다. - 특징: 차원 축소 후 MST를 구성하고, 루트를 설정하여 세포를 트리상의 위치로 매핑한다. - Diffusion Pseudotime (DPT) - 확산 맵의 원리를 이용해 세포 간의 전이 확률을 모델링하고, 루트에서의 도달 시간을 pseudotime으로 한다. - 차원 축소 후 확산 커널을 이용한 확산 거리로 진행 정도를 산출한다. - Slingshot - 다중 가지(branch) 경로를 고려하는 트리-기반의 추정 방법으로, 클러스터 간 연결 구조를 활용해 가지를 추정한다. - PAGA (Partition-based graph abstraction) - 클러스터 간 연결 강도를 그래프 형태로 추정해 큰 가지 구조를 파악하는 데 초점을 둔다. - RNA velocity 및 통합 접근 - scVelo 등에서 제공하는 RNA velocity 정보를 pseudotime 추정에 보강해, 방향성 있는 발현 변화와 함께 진행 정도를 추정한다. - 속도 벡터를 이용해 미래 상태를 고려한 시간 방향성을 반영한다. - Slingshot + velocity 융합 - 전형적인 트리 기반 추정에 속도 정보를 결합해 보다 정확한 가지(branch) 구조와 진행 방향을 얻는 시도가 있다. 참고: 각 방법은 데이터셋의 특성, 샘플링 밀도, 노이즈 수준에 따라 성능 차이가 크며, 단일 방법의 결과를 절대적 진리로 받아들이기보다는 서로 다른 방법의 결과를 비교하고 생물학적 지식으로 해석하는 것이 권장된다. --- ## 5. 데이터 파이프라인 및 실무 흐름 - 1) 전처리 - 품질 관리(QC): 세포당 모태 지표, 미토콘드리아 유전자 비율 등 필터링. - 정규화: 라이브러리 크기 보정 및 로그 변환. - 고변이 유전자(HVG) 선별. - 2) 차원 축소 및 피처 추출 - PCA, UMAP, t-SNE 등으로 저차원 표현 확보. - 발현 패턴의 주요 축을 포착하는 HVG 기반의 피처 사용. - 3) Trajectory 추정 - 선택한 알고리즘에 따라 루트 설정, 트리/그래프 구성, pseudotime 부여. - 초깃값으로 루트 세포를 정의하거나, 데이터 기반으로 루트를 추정할 수 있다. - 4) 결과 해석 - 각 세포의 pseudotime와 발현 프로파일 간의 관계를 시각화. - 주요 유전자 발현 변화의 시간 흐름 분석. - 5) 검증 및 비교 - 다른 방법과의 비교, 알려진 생물학적 마커의 발현 경향과의 일치성 확인. --- ## 6. 해석 시 주의점 및 한계 - 루트 의존성 - 루트 설정에 따라 pseudotime의 시작점이 달라지므로 해석 시 주의가 필요하다. 가능한 한 생물학적 기준(초기 상태)을 반영하는 루트를 선택하는 것이 좋다. - 가지(branch) 해석의 한계 - 가지 구조의 충실도는 샘플링 밀도에 크게 좌우된다. 분화의 초기에 샘플이 충분히 포착되지 않으면 분기 지점이 불안정하게 보일 수 있다. - 노이즈와 배치 효과 - 기술적 노이즈, 배치 효과, 샘플 간 불일치가 pseudotime 추정에 영향을 줄 수 있다. 교차배치 보정 및 적절한 정제 단계가 필요하다. - 생물학적 의미의 시간 - pseudotime은 실제 시간과 비례하는 것은 아니다. 상대적 진행 정도를 나타내므로, 생물학적 해석은 보조 증거와 함께 이루어져야 한다. - 비교 및 합성 - 서로 다른 알고리즘의 결과를 종합하고, 경우에 따라 RNA velocity 같은 방향성 정보를 병합해 해석하는 접근이 바람직하다. --- ## 7. 실무 팁 - 루트 지정 팁 - 초기 상태에 해당하는 세포를 명확히 알고 있거나, 분화의 시작점으로 의심되는 세포군을 루트로 설정하는 것이 좋다. - 가지 구조의 안정성 확보 - 데이터 양이 충분하고 노이즈가 적을수록 가지의 해석이 안정적이다. 필요 시 컨트롤 셋이나 시뮬레이션 데이터를 활용해 방법의 민감도를 검사한다. - 다중 방법 교차 검증 - Monocle, DPT, Slingshot, PAGA 등 서로 다른 방법으로 얻은 pseudotime를 비교하고, 공통적으로 나타나는 패턴에 주목한다. - 생물학적 마커와의 연동 - 시간 의존적 발현을 보이는 마커 유전자의 추세를 확인해 결과의 타당성을 보강한다. - 시각화의 활용 - 2D 차원 축소 결과 위에 pseudotime 스케일을 색상으로 매핑하거나, 특정 유전자의 발현 변화와 함께 시각화한다. --- ## 8. 소프트웨어 도구 및 구현 현황 - Monocle 2/3 - 트리 기반 trajectory inference 도구로, 루트 설정과 MST를 활용한 경로 추정을 제공한다. - scVelo - RNA velocity를 이용해 방향성을 부여하고, pseudo-time에 반영하는 고급 도구이다. - Slingshot - 클러스터 기반의 가지 추정에 강점이 있으며 여러 갈래의 분화를 다룬다. - PAGA - 클러스터 간 연결성을 그래프로 표현해 큰 흐름의 구조를 파악하는 데 유용하다. - Destiny, Diffusion Map 기반 도구들 - 확산 맵을 활용한 pseudotime 추정에 초점을 둔다. --- ## 9. 용어 해설 - Pseudotime: 생물학적 프로세스의 진행 정도를 나타내는 가상의 시간 척도. - Trajectory: 세포 상태의 시간에 따른 연속적 변화 경로. - Root: 진행의 시작점으로 설정된 세포 또는 세포군. - Branch/Branching: 경로의 분기점으로, 서로 다른 발달 경로를 형성하는 부분. - MST (Minimum Spanning Tree): 데이터 기반 트리 구조를 구성하는 알고리즘적 도구. - RNA velocity: 시간에 따른 유전자 발현 변화의 방향성을 추정하는 정보. - Diffusion Pseudotime (DPT): 확산 맵의 개념을 이용한 pseudotime 추정 방법. --- ## 10. 응용 분야 - 발달생물학: 세포 분화 트레이스의 시간적 순서를 해석. - 면역학: 면역 반응의 진행 단계 및 세포류 간의 관계를 이해. - 종양생물학: 암 이질성의 진행 경로를 파악하고 치료 타겟 후보를 제시. - 재생의학: 손상 회복 과정의 세포 상태 전이 분석. --- 관련 문헌 및 도구에 대한 깊이 있는 내용은 아래의 관련 문서를 통해 확인할 수 있다. 또한 아래의 신규 문서도 참고하면 pseudotime 분석의 이해 폭을 넓힐 수 있다. --- 관련 문서: [[Trajectory inference in scRNA-seq]], [[RNA velocity and pseudotime integration]]