세포를 그리는 과학 – 'Cell Painting'으로 보는 세포 이미지 분석의 미래

현대 생명과학에서 이미지 분석은 단순한 시각적 기록을 넘어, 데이터를 '보는' 방식으로 진화하고 있습니다. 특히 수많은 약물, 유전자, 환경 요인이 세포에 미치는 영향을 한눈에 파악할 수 있는 기술은 신약 개발, 기능 유전체학, 독성 평가 등 다양한 분야에 결정적 역할을 합니다.

 

이번에 소개할 논문은 Cell(세포) 이미징 분야의 핵심 기법인 'Cell Painting'의 지난 10년간 발전을 총정리한 리뷰로, 머신러닝 기반 분석 기술과의 융합으로 이 분야가 어떻게 변모했는지를 보여줍니다. 이 논문은 미국 브로드 연구소(Broad Institute)의 연구진이 중심이 되어 작성되었으며, 이미지 기반 세포 분석의 미래를 내다보는 데 중요한 자료로 평가받고 있습니다.

 

1. Cell Painting 기법이 등장하기 전
   전통적인 세포 이미징은 특정한 마커 단백질이나 세포 구조를 한두 가지만 염색해 보는 방식이 일반적이었습니다. 그러나 이런 방식은 생물학적 현상을 복합적으로 파악하기엔 한계가 있었습니다.
   여기서 Cell Painting이 새로운 대안을 제시했습니다. 다양한 세포 소기관을 동시에 염색하고, 이미지를 다차원적으로 해석함으로써 세포의 ‘모르포로직 프로파일(morphological profile)’을 만들어냅니다. 이는 마치 하나의 세포를 다채롭게 그려내는 ‘세포 그림(Painting)’이라는 이름에 걸맞은 접근입니다.
2. Cell Painting 기법의 핵심 구성
   Cell Painting은 총 6가지 염색 시약을 이용해 다음과 같은 세포 구조를 시각화합니다:

• 핵(nucleus)
• 세포골격(세포골격 및 미세소관)
• 골지체(Golgi)
• 세포막(세포경계)
• 미토콘드리아
• 소포체(endoplasmic reticulum)
  
  

Cell-painting-channels-3 (출처: Wikimedia commons)

 

각 세포는 고해상도 현미경을 통해 촬영되며, 수천 개의 형질(형태학적 feature)이 컴퓨터에 의해 추출됩니다. 이때 중요한 것이 바로 머신러닝 알고리즘을 활용한 분석입니다. 연구팀은 이를 통해 특정 약물 처리 후 나타나는 ‘세포의 표정’을 수치화해 분류하고 예측할 수 있습니다.

1. 지난 10년간의 성과
   논문에서는 이 기술이 어떻게 발전해왔는지를 3단계로 구분하여 정리합니다:

• 도입기(2013~2016): 단일 세포 수준의 이미징 기술 개발, 표준화된 프로토콜 확립
• 성장기(2017~2020): 공개 데이터베이스(HCP 등)의 구축, 표준 형질(feature) 추출 도구 개발
• 융합기(2021~): 딥러닝 기술과 결합, 예측 모델 생성, 다중 오믹스(omics) 데이터와 통합 분석 시도

특히 최근에는 Transformer 기반의 이미지 분석 모델이나, self-supervised learning 기법을 활용해 매우 높은 정확도로 약물 반응을 분류하거나, 미지의 생물학적 경로를 예측하는 연구도 등장하고 있습니다.

1. 이 기술의 의미와 확장성
   Cell Painting의 강점은 비표적적 접근법(unbiased profiling)에 있습니다. 즉, 어떤 특정 유전자를 겨냥하지 않고도, 수천 개의 세포 이미지로부터 약물의 작용기전, 유전자 기능, 독성 신호를 간접적으로 유추해낼 수 있다는 뜻입니다.

또한, 이 기법은 신약 개발의 초기 단계에서 ‘기능적 스크리닝’ 도구로 활용될 수 있어, 기존의 HTS(high-throughput screening) 방식보다 더 정교한 예측력을 보여주고 있습니다.

마지막으로, 이 기술은 세포 행동의 빅데이터화라는 점에서도 중요합니다. 생물학의 정량화와 자동화를 이끄는 흐름 속에서, Cell Painting은 하나의 언어처럼 자리 잡아가고 있습니다.

 

마무리 요약
Cell Painting은 세포 하나하나를 고해상도로 ‘그림’처럼 묘사하고, 이를 데이터로 분석하는 혁신적인 플랫폼입니다. 지난 10년간의 발전은 이 기술이 단순한 형광 이미징을 넘어, 머신러닝과 융합된 정량 생물학의 핵심 도구로 자리매김하고 있음을 보여줍니다. 앞으로도 이 기술은 질병 진단, 신약개발, 유전체 기능 해석 등 다양한 분야에서 중요한 역할을 할 것으로 기대됩니다.

 

논문 정보
제목: Cell Painting: a decade of discovery and innovation in cellular imaging. Nature methods, 22(2), 254–268.
저자: Srijit Seal, Anne E. Carpenter 외
DOI: https://doi.org/10.1038/s41592-024-02528-8

반응형