전사체 데이터와 머신러닝을 결합해 선충에서 새로운 산화적 인산화 유전자 규명

한줄 요약

전사체 해상도와 머신러닝 전략을 결합하여, 모델 생물 선충에서 새로운 산화적 인산화(OXPHOS) 유전자를 발견하는 방법을 제시한다.

풀어야 하는 문제

유전자 기능 주석은 여전히 큰 과제이며, 특히 포유류 이외의 계통에서 OXPHOS 과정의 이해는 제한적이다. 기존의 서열 동족성 기반 접근법은 감지할 수 없는 동족성을 가진 핵심 유전자를 놓칠 수 있다.

접근 방법

연구자들은 잘 정제된 65개의 기존 OXPHOS 유전자 세트를 기반으로, C. elegans의 시간 해상 bulk RNA-seq 데이터에 감독학습 앙상블 모델을 훈련시켰다. 기능 주석의 불확실성을 해결하기 위해, 약한 양성 샘플을 초기에 제외하고 모델 예측에 따라 나중에 포함시키는 새로운 '정보 기반 배깅(Informed Bagging)' 전략과 2회 훈련 체계를 구현했다. 또한, 배아와 성체의 단일세포 RNA-seq 데이터를 활용한 클러스터 기반 기능 추론을 병행적으로 수행했다.

결과·기여

두 가지 접근법의 통합을 통해, 기존에 알려지지 않았으나 OXPHOS 기능과 관련이 높은 새로운 유전자 후보 목록을 생성했다. 이 방법은 서열 유사성에 의존하지 않고 전사체 패턴을 활용하여 유전자 기능을 예측하는 강력한 프레임워크를 제공하며, 특히 기생충 치료 표적으로서의 OXPHOS 연구에 번역적 관련성을 가진다.