단일세포 공간 전사체학 데이터는 세포 유형별 정보를 제공하지만, 단백질체, 후성유전체 등의 다른 수준의 정보를 통합적으로 해석하는 데 어려움이 있습니다. 이 문제는 각 오믹스 데이터의 고유한 기술적 장점과 내재적 편향을 고려하여 적절한 융합 전략을 선택해야 합니다.
데이터 통합 방법론의 교차 검토
- 상관관계 기반 통합 (Correlation-based Integration): 주로 유사한 세포 집단을 클러스터링하거나 공통 패턴을 찾는 데 유용하나, 실제 생물학적 인과관계를 반영하지 못할 위험이 높습니다.
- 잠재 공간 매핑 (Latent Space Mapping): 다양한 데이터셋을 공유된 저차원 잠재 공간으로 투영하여 통합하는 방식입니다. 이는 데이터 간의 숨겨진 관계를 찾지만, 투영 과정에서 정보 손실이 발생할 수 있습니다.
- 네트워크 기반 통합 (Network-based Integration): 각 오믹스 수준에서 구축된 상호작용 네트워크를 결합하여 통합 모델을 구성합니다. 이는 생물학적 메커니즘 이해에는 강점이 있으나, 네트워크의 희소성(Sparsity) 문제에 취약합니다.
댓글 0