안녕하세요. 오늘은 제가 최근에 읽은 논문을 리뷰해보는 시간을 가지겠습니다.

https://www.biorxiv.org/content/10.1101/2025.02.20.639398v1

Tahoe-100M은 1억 개 이상의 단일 세포 전사체 프로파일을 포함하는 최대 규모의 단일 세포 교란 데이터셋으로, 50개의 암 세포주에서 1,100개 이상의 소분자 화합물이 세포 상태와 유전자 네트워크에 미치는 영향을 정밀하게 분석한 연구입니다.

이 연구는 Mosaic 플랫폼을 활용하여 수천 개의 조건을 단일 세포 수준에서 병렬적으로 측정하며, 배치 효과를 최소화하는 고처리량 단일 세포 분석 기법을 적용하였습니다.  Tahoe-100M은 다양한 유전적 배경을 가진 암 세포주에서 약물 반응을 측정하여 맥락 의존적인 유전자 조절 네트워크를 이해하는 데 초점을 맞추었습니다.(13개 장기 유래한 50개의 암 세포주 =>  TP53, KRAS, CDKN2A 등의 주요 암 관련 유전자 변이 다수 포함) 또한, 379개의 화합물이 25가지 이상의 기작(mechanism of action, MOA)을 통해 세포 상태를 변화시키며, PI3K/AKT, MTOR, CDK 억제제 등의 약물이 강한 전사체 변화를 유도하는 것으로 나타났습니다.  

이 연구는 특정 유전자 변이를 가진 세포주에서 RAS/RAF 억제제(RMC-6236, Adagrasib 등)가 서로 다른 전사체 반응을 유발하는 것을 밝혀냈습니다. 또한, CDK 억제제(Palbociclib, Dinaciclib 등)는 세포 주기 특정 단계(G1, G2/M)에서의 세포 비율을 변화시키며, 단일 세포 수준에서 세포 주기 조절과 약물 반응의 이질성을 정량적으로 평가할 수 있는 기반을 마련했습니다.  

제가 생각할때 이 논문이 중요한 점은 바로 Tahoe-100M은 단순한 데이터셋을 넘어, AI 기반의 세포 모델링을 위한 필수적인 학습 데이터를 제공하기 때문입니다. 대규모 데이터셋을 통해 AI가 맥락 의존적 유전자 조절 및 약물 반응을 학습할 수 있으며, 신약 개발 및 정밀의료 연구에 활용될 수 있습니다. 특히, 세포의 유전자 네트워크와 약물 반응을 예측하는 AI 기반 시스템 생물학 모델 구축을 가속화할 것으로 기대됩니다.

생물 관련 공부를 하고 계신 분이라면 읽어 보시면 좋을 것 같습니다.

감사합니다 :)