단일세포 RNA시퀀싱 분석 (Single-Cell RNA Sequencing Analysis)

한 줄 정의: 개별 세포 단위로 유전자 발현을 정량화하여 조직 내 세포 이질성과 세포 유형별 특성을 규명하는 유전체 분석 기법입니다.

쉽게 풀면

여러 세포를 뭉뚱그려 평균으로 분석하는 대신, 세포 하나하나가 어떤 유전자를 얼마나 사용하고 있는지 개별적으로 확인하는 방법입니다. 같은 조직 안에도 서로 다른 특성을 가진 세포들이 섞여 있다는 것을 밝혀낼 수 있습니다.

왜 중요한가

암 조직이나 면역세포처럼 같은 종류로 보여도 실제로는 매우 다양한 상태의 세포가 섞여 있는 경우가 많은데, 이런 세포 다양성을 정밀하게 밝혀내야 정확한 치료 표적을 찾을 수 있기 때문입니다.

논문에서는 이렇게 쓰입니다

"본 연구는 single-cell rna sequencing analysis를 통해 종양미세환경 내 면역세포의 다양한 아형을 분류하였다."

암 주변 조직 속 면역세포들을 세부 유형별로 구분해냈다는 의미입니다.

"줄기세포 분화 과정의 single-cell rna sequencing analysis 데이터를 이용해 세포 궤적을 시간순으로 재구성하였다."

줄기세포가 시간에 따라 어떻게 변화하는지 개별 세포 데이터로 순서를 재구성했다는 내용입니다.

조금 더 깊게 보면

개별 세포를 미세방울이나 마이크로웰에 분리한 뒤 고유 바코드를 부착해 시퀀싱하며, 차원축소(UMAP, t-SNE)와 클러스터링 기법으로 수만 개 세포의 발현 프로파일을 세포 유형별로 시각화하고 분류합니다. 단일세포 분리는 미세유체 기반 droplet 방식(10x Genomics 등)이나 플레이트 기반 방식으로 이루어지며, 분석 파이프라인은 정렬·정량 후 UMAP이나 t-SNE로 차원을 축소해 세포를 클러스터링하고 마커 유전자로 세포 유형을 주석(annotation)합니다. 벌크 RNA-seq과 달리 세포 간 이질성을 직접 관찰할 수 있습니다. 최근에는 공간전사체(spatial transcriptomics)와 결합해 조직 내 위치 정보를 유지한 채 세포 유형별 발현을 분석하는 방향으로도 확장되고 있습니다.

주의할 점

세포 분리 과정에서의 스트레스 반응이 실제 생체 내 발현 패턴과 다른 인위적 유전자 발현을 유발할 수 있어 해석 시 주의가 필요합니다. 낮은 mRNA 포획 효율로 인한 dropout(실제로 발현되지만 검출되지 않는 현상)과 이중세포(doublet) 오염이 대표적 오류 원인이므로, 품질관리 단계에서 이를 걸러내는 절차가 필요합니다. 세포 분리 과정에서 특정 세포 유형이 상대적으로 더 많이 손실되는 선택적 편향이 발생할 수 있어, 조직 해리 방법에 따른 세포 구성비 차이를 염두에 두어야 합니다.