단일세포 RNA·CRISPR·경로 분석을 잇는 유전자 데이터 통합 전략

표적 탐색과 검증, 기전 해석을 하나의 흐름으로 묶기

단일세포 RNA 시퀀싱(Single-Cell RNA Sequencing), CRISPR 분석(CRISPR Analysis), 경로 분석(Pathway Analysis)은 유전자 기능과 표적을 다루는 서로 다른 지점에 놓인다. scRNA-seq가 세포 상태별 발현 시그니처를 찾으면, CRISPR 스크리닝은 후보 유전자의 기능적 인과를 검정한다. 이어서 경로 분석은 결과를 생물학적 기전과 표적 우선순위로 정리한다.

이 연결은 단일세포 수준에서 얻은 후보군을 대규모 CRISPR 스크린과 경로 풍부도 검정으로 좁혀 가는 폐루프 분석 구조다.

세포별 발현을 읽는 scRNA-seq

scRNA-seq는 개별 세포 단위의 전사체 발현을 정량하는 기법이다. 세포 이질성, 세포 아형, 발달 궤적, 미세환경을 분석하는 데 사용한다. 일반적으로 UMI 기반 카운트 행렬을 만든 뒤 정규화, 배치 보정, 클러스터링, 차등발현 분석을 수행한다.

단일세포 분석에서는 음이항 모델이나 베이지안 정규화(sctransform, scVI)를 활용할 수 있다. 클러스터별 차등발현 분석에는 다중검정 보정(FDR)이 함께 필요하다.

CRISPR 스크리닝에서 hit를 선별하는 과정

CRISPR Analysis는 CRISPRi/a/KO 스크리닝 데이터에서 가이드별 읽기 수를 집계하고 통계적으로 hit를 고르는 작업이다. 유전자 기능의 손실 또는 획득이 표현형에 미치는 효과를 연결해 검정한다.

MAGeCK, BAGEL, JACKS 같은 모델은 풍부도 변화를 검정해 필수 유전자와 표적 후보를 도출한다. 음이항 회귀와 순위 기반 집계(RRA)를 사용하며, 배치와 복제 효과도 모형에 포함한다.

유전자 결과를 경로 단위로 해석하기

Pathway Analysis는 유전자 리스트나 순위 정보를 생물학적 경로와 시그니처로 요약한다. GSEA, ORA, PROGENy, GSVA 등을 적용할 수 있으며, 다중검정 보정(FDR)과 KEGG, Reactome, MSigDB 같은 데이터베이스의 최신성 관리가 필요하다.

퍼뮤테이션 기반 NES, ORA의 하이퍼지오메트릭 검정, 네트워크 기반 정규화가 경로 수준 해석에 쓰인다.

입력에서 통합 리포트까지의 분석 구조

⤢✕

입력은 scRNA-seq FASTQ, sgRNA 라이브러리와 FASTQ, 레퍼런스 경로 데이터베이스로 구성한다. 정렬과 정량, 카운트 생성, QC와 정규화, 모델링과 검정 단계를 거쳐 마커와 hit 리스트, Pathway NES/FDR, 표적 우선순위, 재현 가능한 리포트를 만든다.

데이터와 실행 환경을 고정하는 방법

입력은 FASTQ, sgRNA 라이브러리, genes×cells 카운트 매트릭스의 표준 스키마로 관리한다. 세포 수준에서는 미토콘드리아 비율, UMI 수, 이중세포(doublet)를 점검하고, CRISPR 데이터에서는 비표적·음성대조를 기준으로 분포를 확인한다.

워크플로는 Snakemake나 Nextflow의 DAG로 정의하고 Docker 또는 Singularity 컨테이너로 고정할 수 있다. 도구 체인은 scRNA-seq에서 Cell Ranger/STARsolo과 Scanpy/Seurat, CRISPR에서 MAGeCK/BAGEL, 경로 분석에서 GSEA/GSEApy와 Enrichr로 구성한다.

데이터 계보(Data lineage), 파라미터 버전, 결과 아티팩트 서명 해시를 함께 관리해야 한다. 복제·배치·조건 메타데이터를 표준화하고, 학습과 평가를 분리하며, 분석 계획의 사전등록을 운영 대상으로 둔다.

대용량 분석에서는 Zarr/AnnData, Parquet 같은 분산 파일 포맷과 압축·청크 설계가 I/O 병목에 영향을 준다. 스팟·프리엠티브 노드, 캐시, 체크포인트를 함께 활용하면 비용 최적화와 실패 복구를 설계할 수 있다. 소프트웨어와 데이터베이스의 최신 사양은 최신 정보 확인이 필요하다.

단일세포 파이프라인에서 확인할 품질 신호

전처리는 선택적인 어댑터 트리밍, STARsolo 또는 Cell Ranger를 통한 정렬과 UMI 중복 제거, 카운트 매트릭스 생성으로 이어진다. 이후 세포 필터링(n_genes, pct_mito), 라이브러리 크기 보정, sctransform 또는 log1p를 적용한다.

통합과 모델링 단계에서는 Harmony, Seurat v4, scVI로 배치 보정을 수행하고, PC/UMAP 차원축소, Leiden 클러스터링, 차등발현 분석, PAGA/Monocle 궤적 분석을 진행한다. 이중세포는 Scrublet 또는 scDblFinder로 탐지·제거한다. 배치 효과는 실험 설계 요인을 포함해 모형화하고, 과교정을 피하기 위한 파라미터 스윕이 필요하다. 희귀 군집이 적게 표집됐다면 샘플 수를 늘리거나 의사벌크(pseudo-bulk) 전략을 적용한다.

실행 예시는 Python 3.10, scanpy>=1.9, anndata 환경을 기준으로 하며 GPU는 필요하지 않다.

# pip install scanpy==1.9.8 harmonypy
import scanpy as sc

adata = sc.read_10x_mtx("data/10x_matrix", var_names='gene_symbols', cache=True)
sc.pp.calculate_qc_metrics(adata, inplace=True)
adata = adata[ (adata.n_genes_by_counts > 300) & (adata.pct_counts_mt < 10) ].copy()

sc.pp.normalize_total(adata, target_sum=1e4)
sc.pp.log1p(adata)
sc.pp.highly_variable_genes(adata, n_top_genes=3000, subset=True)
sc.pp.scale(adata, max_value=10)
sc.tl.pca(adata, svd_solver='arpack')
sc.pp.neighbors(adata, n_neighbors=15, n_pcs=50)
sc.tl.umap(adata)
sc.tl.leiden(adata, resolution=0.6)
sc.tl.rank_genes_groups(adata, 'leiden', method='wilcoxon')
adata.write("outputs/scRNA_processed.h5ad")

CRISPR 스크리닝의 카운트와 복제 QC

CRISPR 분석은 sgRNA 라이브러리를 매핑해 샘플×sgRNA 카운트 테이블을 만드는 일에서 시작한다. 라이브러리 크기를 보정한 뒤 복제 상관과 음성대조(Z-score)를 확인하고, MAGeCK RRA/MLE 및 BAGEL을 이용해 hit와 필수성을 평가한다. 오프타깃과 GC 편향도 보정 대상이다.

초기 라이브러리 시퀀싱 기반 보정은 라이브러리 왜곡을 다루는 방법이다. 복제가 일치하지 않으면 품질이 낮은 복제를 제외하거나 베이지안 통합 모형을 고려한다. 오프타깃은 설계 스코어(CFD) 필터와 다중 가이드 합의에 따른 유전자 수준 집계로 관리한다.

다음 예시는 mageck>=0.5.9, Python 3.8+ 설치 후 CLI를 사용하는 흐름이다.

# 카운트
mageck count -l library.txt -n screen \
  --sample-label control,treated \
  --fastq control_R1.fq.gz control_R2.fq.gz treated_R1.fq.gz treated_R2.fq.gz

# 차등풍부도 검정
mageck test -k screen.count.txt -t treated -c control -n result

# 결과: result.gene_summary.txt (FDR, score), result.sgrna_summary.txt

경로 분석에서 배경 집합과 데이터베이스를 다루는 법

경로 분석의 입력은 차등발현 결과에서 얻은 유전자 순위(예: logFC×-log10(p)) 또는 hit 리스트다. GSEA에서는 preranked와 permutation=phenotype/gene_set을 사용할 수 있고, ORA와 네트워크 보정을 함께 적용할 수 있다. 리포팅에는 FDR 조정, NES와 리치 플롯, 교차-데이터셋 검증이 포함된다.

KEGG, Reactome, MSigDB의 버전은 고정하고 라이선스를 준수해야 하며 최신 정보 확인이 필요하다. 배경 유전자 집합은 실험 플랫폼에 맞춰 정의한다. 중복 경로는 leading-edge 유전자 중복 제거와 메타경로 클러스터링으로 정리할 수 있다.

실행 예시는 Python 3.10과 gseapy>=1.1 환경을 사용한다.

# pip install gseapy==1.1.0
import pandas as pd, gseapy as gp

rnk = pd.read_csv("outputs/gene_rank.tsv", sep="\t", header=None)  # gene, score
pre_res = gp.prerank(rnk=rnk, gene_sets="MSigDB_Hallmark_2020",
                     processes=4, permutation_num=1000, outdir="outputs/gsea")
pre_res.res2d.to_csv("outputs/gsea_results.tsv", sep="\t")

분석 축마다 달라지는 운영 특성

지표	scRNA-seq	CRISPR Analysis	Pathway Analysis
성능	수십만 세포 처리 시 메모리·I/O 병목, PCA/NN 가속으로 단축	수천만 읽기 카운팅 후 RRA/회귀 계산, CPU 친화	경로 수 백~천 개, 퍼뮤테이션 병렬화로 빠른 처리
확장성	샤딩(Zarr/AnnData)·배치 처리로 수평 확장	샘플·복제 추가에 선형 확장	유전자 집합·DB 확장 시 메모리 적음
일관성	배치 보정에 따른 변동, 의사벌크로 안정화	음성·양성 대조 기반 재현성 확보	DB 버전 고정 시 실험 간 비교 용이
안정성	이중세포/드롭아웃에 민감, 강건 정규화 필요	라이브러리 왜곡·복제 분산에 영향	입력 순위 품질에 의존, FDR로 제어
운영 편의	워크플로 표준화 필요, 시각화 요구 높음	CLI 중심 파이프라인, 로그·QC 리포트 중요	설정 단순, 리포팅 자동화 용이

표적 발굴부터 약물 재창출까지

면역항암제 표적 발굴에서는 scRNA-seq로 종양미세환경(TME)의 면역억제 아형을 규명하고 마커 리스트를 산출한다. CRISPR KO 스크린으로 면역회피 관련 유전자 hit를 검증한 뒤, Pathway Analysis로 IFN/antigen presentation 경로 활성도를 평가해 조합 요법 후보를 도출한다.

희귀질환 기능 검증에서는 환자 유래 세포의 scRNA-seq로 이상 경로를 파악한다. 이어 CRISPRi로 후보 유전자를 억제한 뒤 표현형 구조화 스크린을 수행하고, GSEA로 대사·신호 경로의 복원을 확인해 기전을 제시한다.

약물 재창출은 세포주 패널의 scRNA-seq 약물 처리 시그니처를 구축하고, CRISPR 민감도 스크린으로 합성치사 상호작용을 탐색하는 방식으로 진행할 수 있다. 이후 경로 수준에서 약물-경로 상관을 매핑해 승인 약물의 우선순위를 정한다.

운영 시 감수해야 할 트레이드오프

컨테이너 이미지를 고정하고 Conda-locked 환경과 CI로 파이프라인을 검증하면 재현성과 이식성이 높아지지만, 초기 세팅 비용은 상승한다. 실험 설계·배치·복제 메타데이터 스키마를 강제하고 결과 아티팩트 해시를 관리하는 경우에도 초기 규격화 부담이 따른다.

비용과 성능 측면에서는 클라우드 스팟 인스턴스, 프리엠티브 체크포인트, 객체스토리지와 로컬 SSD 캐시를 혼용할 수 있다. 프리엠션 리스크에 대비한 재시도 정책이 필요하다. 대조군·스파이크인·기술복제를 확보하고 사전 파워분석과 사후 다중검정을 적용하면 품질 리스크를 관리할 수 있지만, 표본 확대에 따른 비용 증가는 감수해야 한다.

레퍼런스 유전체, 주석, 경로 데이터베이스, 도구 버전은 주기적으로 갱신할 계획을 세우고 변경 영향을 분석해야 한다. 최신 정보 확인도 필요하다.

기대할 수 있는 변화

중형 규모 연구실을 가정하면 워크플로 자동화와 병렬화로 분석 소요 시간을 30~~50% 단축할 수 있다. 시그니처에서 표적으로 수렴하는 흐름은 불필요한 실험 반복을 20~~35% 줄이고, 대조·복제·경로 통합을 기반으로 유효 hit 검증률을 1.3~1.8배 향상시키는 효과를 목표로 한다.

세포 상태별 표적 정의의 해석 가능성이 높아지고, 실험과 계산을 결합한 의사결정의 투명성 및 재현성이 강화된다. 조직과 팀이 분석 표준을 공유하면 협업 효율도 높아진다.