단일세포 공간 전사체학 데이터에서 세포 간 상호작용 네트워크 추론을 위한 그래프 신경망 적용

단일세포 공간 전사체학 데이터는 세포의 위치 정보를 포함하여 유전자 발현 패턴을 제공하며, 이를 통해 세포 간의 복잡한 상호작용 네트워크를 구축할 수 있습니다. 이 분야에서는 생물정보학 기법을 활용하여 이러한 관계를 수학적으로 모델링합니다.

네트워크 추론 방법론

• 그래프 신경망(GNN)은 세포들을 노드(Node)로, 알려진 혹은 추론된 상호작용을 엣지(Edge)로 표현하는 그래프 구조에 적합합니다.
• GNN은 각 세포의 전사체학 프로파일을 특징 벡터로 사용하여, 인접 세포와의 통계적 유사성이나 기능적 연관성을 학습함으로써 잠재적인 세포 간 통신 경로를 예측합니다.

이를 통해 특정 조직 내에서 어떤 세포 유형들이 서로에게 신호를 주고받는지에 대한 높은 수준의 해석 가능성을 확보할 수 있으며, 이는 시스템 생물학적 관점의 질병 메커니즘 이해에 기여합니다. 관련 연구로는 공간 전사체학 데이터 처리 기술이 주목받고 있습니다.