Johns Hopkins University - 3차원 조직 구조 복원을 통한 숨겨진 암 전구체 발견 사례

Johns Hopkins University에서는 엔지니어, 암 생물학자, 병리학자로 구성된 다학제 팀이 암 연구의 주요 한계, 즉 3차원에서 미세한 전암 병변을 시각화하고 분석하는 것이 불가능하다는 문제를 해결하고자 했습니다. 췌장암의 흔한 전구체인 췌장 상피내 종양(PanIN)은 너무 작아서 기존 영상 기술로는 발견할 수 없으며 전통적으로 2차원 조직학 슬라이드를 사용해 연구되었습니다. 이러한 접근 방식은 연구자들이 이러한 병변의 실제 구조, 빈도, 생물학적 중요성을 이해하는 데 제한을 주었습니다.

이러한 과제를 극복하기 위해 연구팀은 연속 조직 절편으로부터 3차원 조직 모델을 복원하는 계산 플랫폼인 CODA를 개발했습니다. 조직의 물리적 절단으로 인해 찢어짐, 접힘, 왜곡과 같은 아티팩트가 발생하기 때문에 이 과정에서는 복잡한 영상 정렬 문제를 해결해야 했습니다. CODA는 ResNet-50 백본을 갖춘 DeepLabv3+ 알고리즘을 사용하여 비선형 영상 정합, 핵 좌표 감지 및 딥러닝 기반 분할을 구현하기 위해 Image Processing Toolbox™ 및 Deep Learning Toolbox™를 사용합니다. 워크플로에는 영상 다운샘플링, 훈련 데이터에 직접 주석 달기, 딥러닝을 적용해 해부학적 구조를 자동으로 분할하는 작업이 포함됩니다. 낮은 해상도의 영상에서 계산된 변환 행렬을 사용하여 고해상도 분할 영상을 정합하여 정확한 3차원 복원이 가능합니다.

연구팀은 CODA를 이용해 인간 췌장 조직의 해부학적 지도를 작성했고, 이를 통해 PanIN 병변이 이전에 알려진 것보다 더 흔하고 형태학적으로 복잡하다는 사실을 밝혀냈습니다. CODA는 또한 조직학 데이터를 유전체, 단백체, 전사체 프로파일링과 통합하여 조직 구조와 분자적 특성에 대한 포괄적인 관점을 제공했습니다. 3차원 모폴로지 및 유전체학을 통합하여 연구팀은 PanIN이 서로 독립적으로 발달하며 해부학적으로 분리된 각 PanIN이 종양 유전자 KRAS에서 다른 돌연변이를 가지고 있음을 발견했습니다. 이 플랫폼의 유연성 덕분에 발달 중인 신장, 나팔관, 심장을 매핑하고 생체모사 오가노이드 모델을 설계하는 등 다른 장기와 연구 분야에도 적용할 수 있었습니다.

향후 CODA의 기능 확장을 통해 핵 분할, 슬라이드 보간, 가상 염색, 사용자 친화적인 앱 개발을 통해 암 및 발생생물학 연구를 더욱 지원할 계획입니다.