통합 MSn 글리칸 자동 주석 프레임워크 GELATO와 SAGE

초록

GELATO는 기존 GlycoWorkbench와 GlycomeDB를 확장해 MSⁿ 데이터 전체를 한 번에 처리하고, 다양한 이온 형태와 메틸화 결함을 고려해 후보 글리칸을 자동으로 매칭한다. SAGE는 사용자가 선택한 주석을 학습해 확률 그래프를 구축, 새로운 스펙트럼에 대해 인간 전문가와 유사한 필터링을 수행한다. 두 모듈을 결합해 대규모 MSⁿ 데이터의 주석 효율성을 크게 향상시킨다.

상세 분석

본 논문은 글리코미omics 분야에서 MSⁿ 데이터의 자동 주석이 직면한 두 가지 핵심 문제—(1) 기존 도구들의 MSⁿ(특히 n>2) 지원 미비와 데이터 규모 확장성 부족, (2) 비정형·불완전한 공개 데이터베이스로 인한 오류 위험—를 해결하기 위해 두 개의 상호 보완적인 소프트웨어 컴포넌트를 제안한다. 첫 번째 컴포넌트인 GELATO는 GlycoWorkbench(GWB)의 기능을 그대로 유지하면서, 전체 MSⁿ 런을 한 번에 업로드하고, 사용자 정의 이온화 부가물, 다중 전하, 중성 이온 교환, 물·메탄올 손실, 그리고 불완전 메틸화된 글리칸까지 자동으로 고려한다. 이러한 확장은 기존 도구가 한 번에 하나의 스펙트럼만 처리하고, 제한된 화학 변형만 지원하던 점을 크게 개선한다. GELATO는 후보 글리칸을 데이터베이스(GlycomeDB 및 GlycO 기반 온톨로지)에서 순차적으로 불러와 질량 오차 범위 내 매칭을 확인하고, 시뮬레이션된 파편 이온과 관측 이온을 비교해 두 가지 점수(c‑score와 i‑score)를 산출한다. c‑score는 매칭된 파편 수 비율을, i‑score는 매칭된 파편의 총 강도 비율을 반영해, 노이즈가 많은 스펙트럼에서도 의미 있는 후보를 구분하도록 설계되었다. 그러나 여전히 수천 개의 후보가 생성될 수 있어 인간 전문가의 사후 검증이 필요하다. 이를 보완하기 위해 제안된 두 번째 컴포넌트인 SAGE는 확률 그래프 기반 머신러닝 모델이다. 사용자가 GELATO의 주석 중 올바르다고 판단한 사례를 입력하면, 각 글리칸(루트 노드)과 그 파편(자식 노드) 사이에 빈도 기반 엣지를 구축한다. 학습 과정은 단계적·분산형으로 설계돼, 여러 세션에 걸쳐 점진적으로 모델을 확장할 수 있다. 새로운 스펙트럼에 대해 SAGE는 전구체 이온과 관측 피크를 그래프에 매핑하고, 베이즈 규칙에 따라 P(Gx|features) 확률을 계산한다. 이때 전구체 질량이 허용 오차 내에 있는 후보만 고려해 탐색 공간을 크게 축소한다. 결과적으로 SAGE는 인간 전문가가 선택할 가능성이 높은 주석을 자동으로 우선순위화하거나, 사후 필터링 단계에서 불필요한 후보를 제거한다. 논문은 두 시스템을 결합한 워크플로우를 구현하고, 기존 도구와 비교했을 때 주석 시간과 정확도에서 현저한 개선을 보였다고 보고한다. 특히, 대규모 MSⁿ 데이터(수천~수만 스펙트럼)에서도 메모리·CPU 요구량을 최소화하면서 전체 파이프라인을 데스크톱 수준에서 실행할 수 있다는 점이 실용성을 크게 높인다. 전체적으로 GELATO와 SAGE는 글리코미omics 데이터 처리의 병목을 해소하고, 인간 전문가의 주관적 판단을 체계적으로 모델링함으로써 재현 가능하고 확장 가능한 주석 플랫폼을 제공한다.