바이오인

▣ 세포생물학의 오랜 목표 중 하나는 단일세포의 구조와 구성을 완전하게 이해하는 것

 ○ 세포를 구성하는 모든 분자의 이름을 지정하고, 각 분자의 위치를 알고, 분자가 상호 작용하는 방식을 지도화하고, 

  - 분자가 어떻게 함께 모여 세포 소기관을 구성하고 그 기능을 결정하는지 알 수 있다면 세포생리학을 이해가 가능

 ○ 최근 Nature에 게재된 2편의 논문*은 이러한 목표 달성에 한걸음 다가갈 수 있는 이미징 데이터 수집과 머신러닝 기반의 분석이 결합된 발전을 제시

    * Nature, An open-access volume electron micros atlas of whole cells and tissues, 2021.10.6.; Nature, Whole-cell organelle segmentation in volume electron micros, 2021.10.6

  - 연구팀은 집속 이온빔 주사전자현미경(focused ion beam-scanning electron micros, FIB-SEM)*을 생물학 연구에 맞게 개발하여 연구에 활용하기 위해 FIB-SEM 시스템을 재설계하여 빠르고 안정적인 고해상도 이미징을 제공

    * FIB-SEM는 생명과학 용도로 변경되기 전에 재료과학에서 수십 년 동안 사용

 ○ 반도체 산업에서 장치 분석 및 특성화를 위한 FIB-SEM 시스템 뱅크를 사용하는 것에 착안하여 병렬로 실행되는 현미경 뱅크를 사용하여 데이터 수집 속도를 향상

  - 그 결과 개별 세포 소기관이 명확하게 보이는 전체 세포의 복잡한 3D 구성을 나타내는 영상 데이터를 생성

▣ FIB-SEM과 데이터 분석기술의 발전으로 주목할 만한 성과를 제공하고 있지만, 여전히 제한 사항과 추가 작업들이 남아 있는 상태 

 ○ 머신러닝에 기반한 분석방법은 핵 및 원형질 막과 같은 여러 구성요소를 매우 정확하게 나타내지만,

  - 리보솜, 미토콘드리아 및 리소좀 막의 정의 등 고도로 복잡한 여러 다른 소기관의 식별에 한계

 ○ 또 다른 과제는 데이터 처리, 시각화 및 분석 공유에 있는데 데이터 세트의 크기는 몇 테라바이트로 일반적인 개별 실험실이나 소규모 이미징 시설의 처리능력을 훨씬 벗어나는 수준

  - 저자들은 이러한 데이터 세트에 널리 액세스할 수 있도록 OpenOrganelle (https://bioimage.io/#/)이라는 전용 웹 리소스를 구축

    ※ 3D 데이터 세트 및 파생 모델의 대화식 시각화를 가능하게 하고 원본 데이터를 다운로드할 수 있음