공간 전사체학(spatial transcriptomics)이란? — 단일세포를 넘어 '세포의 주소'를 읽다 (작동 원리·플랫폼·활용 완전 정리)

TL;DR — 단일세포 RNA 시퀀싱(scRNA-seq)은 세포 하나하나의 유전자 발현을 깊게 읽지만, 조직을 갈아 세포 현탁액으로 만드는 순간 '그 세포가 조직 어디에 있었는지'를 통째로 잃어버립니다. 공간 전사체학은 바로 그 위치(x, y)를 보존한 채 발현을 측정합니다 — scRNA-seq가 '무엇(what)'이라면, 공간 전사체학은 '어디(where)'입니다.

방법은 크게 둘로 갈립니다. ① 시퀀싱(스폿) 기반은 위치 바코드가 찍힌 슬라이드에 mRNA를 붙잡아 읽어 전사체 전체를 보지만 해상도가 스폿 단위(여러 세포)이고, ② 이미징(in situ) 기반은 조직 안에서 전사체를 직접 촬영해 단일세포~세포내 해상도를 얻지만 표적 유전자 패널(수백~수천 개)로 제한됩니다. 이 '전사체 전체 ↔ 해상도'의 맞교환이 이 분야를 이해하는 열쇠입니다. 2020년 Nature가 '올해의 방법'으로 꼽은 기술이기도 합니다.

🔗 관련 글  ·  단일세포 클러스터: 단일세포 RNA 시퀀싱(scRNA-seq)  ·  Seurat 단일세포 분석 실전  ·  RNA-seq 정규화

대표 이미지. 조직 절편 → 위치 보존 캡처/촬영 → 시퀀싱/디코딩 → 조직 위 발현 지도.

0. 한 장으로 보는 흐름

그림 1. scRNA-seq는 세포를 해리해 위치를 잃고(무엇), 공간 전사체학은 조직 내 위치를 보존한다(어디).

조직 절편을 슬라이드에 올린 뒤, 위치 정보를 보존하면서 발현을 읽어 마지막에 조직 위의 발현 지도를 그리는 것 — 이것이 공간 전사체학의 한 줄 요약입니다.

1. 한 문장 정의

공간 전사체학 = 조직 절편에서 유전자 발현을 측정하되, 각 측정값이 조직의 어느 위치에서 나왔는지(x, y 좌표)를 함께 기록하는 기술입니다.

단일세포 RNA 시퀀싱이 '세포별 전사체'를 읽는다면, 공간 전사체학은 거기에 '조직 내 주소'를 더합니다. 둘의 차이는 한 문장으로 — scRNA-seq는 무엇이(what) 있는지, 공간 전사체학은 그게 어디에(where) 있는지 답합니다.

2. 왜 필요한가 — 단일세포의 맹점

scRNA-seq의 첫 단계는 조직을 효소로 해리(dissociation)해 세포를 뿔뿔이 흩어진 현탁액으로 만드는 것입니다. 덕분에 세포 하나하나를 깊게 읽을 수 있지만, 그 순간 '어느 세포가 어디에 붙어 있었나'라는 정보는 영영 사라집니다.

그런데 생물학의 많은 질문은 위치가 핵심입니다.

• 종양미세환경 — 암세포·면역세포·기질세포가 어떻게 배치되어 있나? 면역세포가 종양 속까지 침투했나, 가장자리에 막혀 있나?
• 세포-세포 상호작용 — 어떤 세포가 어떤 세포와 이웃해 신호를 주고받나?
• 조직 구조 — 뇌의 층, 장의 융모처럼 공간 패턴 자체가 기능인 조직.

이런 질문엔 '세포 목록'만으론 답할 수 없습니다. 위치를 되찾는 것 — 그게 공간 전사체학의 존재 이유입니다.

3. 두 갈래 ① — 시퀀싱(스폿) 기반

슬라이드 위에 위치 바코드가 찍힌 작은 스폿들을 깔아두고, 조직에서 흘러나온 mRNA를 그 스폿에 붙잡습니다. 각 바코드가 'x, y 주소'를 품고 있어, 나중에 시퀀싱한 뒤 어느 위치에서 온 mRNA인지 되짚을 수 있습니다.

• 장점 — 표적 없이 전사체 전체(수만 개 유전자)를 봅니다. 그래서 '무엇을 볼지 모를 때(가설 생성)'에 강합니다.
• 단점 — 해상도가 스폿 크기에 묶입니다. 스폿 하나에 여러 세포가 걸리면, 그 발현은 세포들의 혼합입니다.

대표 플랫폼:

• 10x Visium — 지름 55 µm 스폿, 중심 간격 100 µm, 한 슬라이드에 4,992개. 스폿 하나에 보통 1~10개 세포가 걸립니다(조직마다 다름). 신선 동결·FFPE 모두 지원.
• Visium HD (2024년 3월) — 틈 없는 2 µm 격자로 깔아 '단일세포 급' 해상도로 끌어올렸습니다. 다만 2 µm는 최대 해상도이고, 실제 분석은 8 µm 구간('준단일세포')을 권장 — 즉 진짜 한 세포로 보려면 추가 분할이 필요합니다.
• Slide-seq / Slide-seqV2 — 10 µm 비드(비드당 1~2세포 수준).
• Stereo-seq (중국 BGI) — 약 220 nm 나노 스폿에 초대형 면적까지 — 발생 조직 전체 지도에 쓰였습니다.

4. 두 갈래 ② — 이미징(in situ) 기반

이쪽은 발상이 다릅니다. mRNA를 떼어내 시퀀싱하는 대신, 조직 안에 그대로 둔 채 형광으로 전사체를 직접 촬영·해독합니다.

• 장점 — 단일세포, 나아가 세포내(subcellular) 해상도. 개별 mRNA 분자 하나까지 셉니다.
• 단점 — 한 번에 볼 수 있는 유전자가 표적 패널로 제한됩니다(수백~수천 개). '무엇을 볼지 이미 알 때(가설 검증)'에 적합합니다.

대표 플랫폼:

• MERFISH (Vizgen MERSCOPE) — 오류에 강한 다중 FISH. 패널 수백~1,000 유전자.
• 10x Xenium (2023년) — 세포내 해상도, 5,000 유전자 패널까지.
• NanoString CosMx — 약 1,000-plex에서 출발해 전사체급(WTx, 약 1.9만 유전자)까지 확장.

⚠️ 헷갈리기 쉬운 구분 — NanoString GeoMx는 '단일세포 이미징'이 아닙니다. GeoMx는 사용자가 그린 영역(ROI) 단위로 바코드를 떼어 시퀀싱하는 방식이라, 위 이미징 플랫폼들과는 다른 범주입니다(전사체 전체 가능하지만 해상도는 '영역'). CosMx가 NanoString의 단일세포 이미징 제품입니다.

5. 핵심 — '전사체 전체 ↔ 해상도'의 맞교환

그림 2. 전사체 전체(시퀀싱·스폿)와 단일세포 해상도(이미징)는 맞교환 관계 — 최근 Visium HD·CosMx WTx가 경계를 좁히는 중.

이 분야의 모든 선택은 결국 하나의 저울 위에 있습니다.

	시퀀싱(스폿) 기반	이미징(in situ) 기반
유전자 범위	전사체 전체(수만)	표적 패널(수백~수천)
해상도	스폿 단위(여러 세포)	단일세포~세포내
강점	가설 생성(무엇이 있는지 모를 때)	가설 검증(표적이 정해졌을 때)
대표	Visium·Slide-seq·Stereo-seq	MERFISH·Xenium·CosMx

10x가 스스로 정리한 표현 그대로 — 시퀀싱 기반은 '가설 생성', 이미징 기반은 '가설 검증'입니다. 다만 이 경계는 빠르게 흐려지고 있습니다. Visium HD (시퀀싱인데 단일세포 급), CosMx WTx·Xenium 5K (이미징인데 전사체급)처럼, 양쪽이 서로의 영역으로 밀고 들어가는 중입니다.

6. scRNA-seq와의 관계 — 경쟁이 아니라 보완

공간 전사체학은 단일세포 분석을 대체하지 않습니다. 오히려 짝입니다.

• scRNA-seq — 세포별 전사체는 깊지만 위치가 없다.
• 공간(스폿) — 위치는 있지만 스폿 하나가 여러 세포의 혼합이다.

그래서 둘을 합칩니다. 같은 조직의 scRNA-seq로 '세포 타입 사전'을 만든 뒤, 디컨볼루션(deconvolution)·라벨 전이로 그 세포 타입들을 공간 스폿에 매핑합니다(대표 도구 — cell2location·RCTD 등). 핵심 전제는 '스폿 ≠ 세포' — 스폿 안 세포 구성을 추정으로 풀어내는 것이라, 추정에 따른 오차가 따라옵니다.

그림 3. 스폿 하나는 여러 세포의 혼합 — scRNA-seq '세포 타입 사전'으로 그 구성을 추정해 분해한다.

분석은 R의 Seurat, 파이썬의 Squidpy (scanpy 생태계), Giotto 등으로 합니다.

7. 어디에 쓰나 — 활용

• 종양학 / 종양미세환경 — 암·면역·기질세포의 공간 배치를 읽어 면역 침투·저항 기전을 분석. (2016년 원조 논문부터 유방암 조직을 다뤘습니다.)
• 신경과학 — 뇌의 세포 종류를 공간 지도로. MERFISH·seqFISH는 주로 생쥐 뇌에서 발전했습니다.
• 발생생물학 — Stereo-seq의 생쥐 장기 형성 시공간 지도처럼, 발생 과정의 위치를 추적.
• 면역학 — 면역 니치(niche)의 공간 프로파일링.

8. 한계 — 냉정하게 짚기

• 해상도 ↔ 유전자 수 트레이드오프 — 앞서 본 근본적 맞교환. 전사체 전체와 단일세포 해상도를 동시에 갖긴(아직) 어렵습니다.
• 스폿 ≠ 세포 — 스폿 기반은 디컨볼루션이 필수이고, 그 가정·오차가 결과에 들어갑니다.
• 캡처 효율 — 시퀀싱 기반은 전사체의 일부만 붙잡습니다(Slide-seqV2도 droplet scRNA-seq의 ~50% 수준).
• 시료 제약 — 신선 동결(FF)은 RNA 보존·비표적 캡처에 유리하지만 다루기 까다롭고, FFPE는 프로브 기반이라 플랫폼별 제약이 있습니다.
• 비용·데이터·분석 복잡도 — 대용량 이미징/시퀀싱 데이터, 세포 분할·정합, 슬라이드 간 배치 효과까지 — 분석 난도가 높습니다.

9. 핵심 정리 & 다음 학습

• ✅ 공간 전사체학 = 발현 + 위치(x, y). scRNA-seq의 '무엇'에 '어디'를 더한다.
• ✅ 두 갈래 — 시퀀싱(스폿) 기반(전사체 전체·멀티셀) ↔ 이미징(in situ) 기반(단일세포·표적 패널).
• ⚠️ 함정 — Visium은 단일세포 해상도가 아니다(스폿당 1~10세포); 이미징은 전사체 전체가 아니다(표적 패널); GeoMx는 단일세포 이미징이 아니다(ROI 기반).
• ✅ scRNA-seq와 디컨볼루션으로 결합 — 스폿 ≠ 세포.

• 🧬 단일세포 RNA 시퀀싱(scRNA-seq)이란? — 공간 전사체학의 짝, '무엇'을 읽는 법 (기초)
• 🛠 Seurat로 단일세포 분석하기 — Seurat은 공간 데이터도 다룬다 (실전)
• 📊 RNA-seq 정규화란? — 발현 '수'를 비교 가능하게 만드는 법 (심화)

References

1. Ståhl, P. L., et al. (2016). Visualization and analysis of gene expression in tissue sections by spatial transcriptomics. Science, 353(6294), 78–82. (공간 전사체학 원조 → 10x Visium으로 상업화)
2. Marx, V. (2021). Method of the Year 2020: spatially resolved transcriptomics. Nature Methods, 18(1), 9–14.
3. 10x Genomics — Visium / Visium HD / Xenium 제품 사양. 10xgenomics.com.
4. Stickels, R. R., et al. (2021). Highly sensitive spatial transcriptomics at near-cellular resolution with Slide-seqV2. Nature Biotechnology, 39, 313–319.
5. Chen, A., et al. (2022). Spatiotemporal transcriptomic atlas of mouse organogenesis (Stereo-seq). Cell, 185(10), 1777–1792.
6. Li, B., et al. (2023). Benchmarking spatial and single-cell transcriptomics integration. Nature Communications, 14, 1548.

Pipette & Pipeline · A bio portfolio journal — bridging research, data, and industry.