공간 전사체학(Spatial Transcriptomics) 입문: 세포의 위치가 말해주는 것

단일세포 RNA 시퀀싱이 세포의 이질성을 드러냈다면, 공간 전사체학(Spatial Transcriptomics)은 거기에 **"어디에"**라는 차원을 더한다. 같은 세포 타입이라도 조직 내 위치에 따라 기능이 달라질 수 있고, 세포 간 상호작용은 물리적 근접성에 의존하기 때문이다.

주요 기술 플랫폼

Multi-omics data integration and analysis workflow

Genomics and proteomics research in modern laboratory

공간 전사체학 기술은 크게 두 가지 원리로 나뉜다:

시퀀싱 기반

10x Visium: 조직 슬라이스를 바코드가 찍힌 슬라이드에 올려서 각 위치의 전사체를 캡처한다. 해상도는 스팟당 약 55μm로, 여러 세포가 섞일 수 있다. 가장 널리 쓰이는 플랫폼이다.
Visium HD / HDST: 해상도를 2μm까지 높여서 단일세포에 근접하는 수준을 달성했다.
Slide-seq: 비드 기반으로 10μm 수준의 해상도를 제공한다.
Stereo-seq: 나노볼 기반으로 매우 높은 해상도와 넓은 면적을 동시에 커버한다.

이미징 기반

MERFISH: 형광 in situ hybridization(FISH)의 멀티플렉스 버전. 수백~수천 개의 유전자를 단일 분자 수준에서 이미징한다. 해상도가 매우 높지만, 측정 유전자 수에 제한이 있다.
seqFISH+: 유사한 원리로 1만 개 이상의 유전자를 측정할 수 있다.
Xenium(10x), CosMx(NanoString): 상용화된 이미징 기반 플랫폼.

데이터 분석

공간 전사체 데이터 분석에서 핵심적인 작업들:

공간적 유전자 발현 패턴 식별: 특정 유전자가 조직의 어느 영역에서 높게 발현되는지. SpatialDE, SPARK 같은 도구가 공간적으로 가변적인 유전자를 찾아준다.
Deconvolution: Visium처럼 스팟에 여러 세포가 섞인 경우, scRNA-seq 레퍼런스를 이용해 각 스팟의 세포 조성을 추정한다. cell2location, RCTD, stereoscope 등.
세포 간 상호작용(cell-cell communication): 공간 정보를 활용해 리간드-수용체 상호작용을 물리적 거리 기반으로 분석한다. CellChat, COMMOT 등.
조직 도메인 식별: 공간적으로 일관된 발현 패턴을 보이는 영역(tissue domain)을 찾는다. SpaGCN, STAGATE 등 그래프 신경망 기반 방법이 많다.

분석 프레임워크

Squidpy(Python)와 Giotto(R)가 공간 전사체 분석의 대표 프레임워크다. Squidpy는 Scanpy와 자연스럽게 연동되고, Giotto는 공간 통계 분석 기능이 풍부하다. Seurat v5도 공간 데이터 지원을 강화했다.

앞으로의 방향

공간 전사체학은 빠르게 성숙하고 있지만, 아직 초기 단계다. 해상도와 유전자 커버리지 사이의 트레이드오프, 3D 공간 재구성, 시간 축의 통합 등 풀어야 할 과제가 많다. 하지만 조직의 구조적 맥락 안에서 유전자 발현을 이해한다는 것은 생물학의 근본적인 질문에 답하는 데 빠질 수 없는 접근이다.

📚 참고 데이터베이스: PubMed | Nature