단일세포 4중 오믹스로 푼 유전자 조절 지도

CHARM 기술이 보여준 3차원 유전체·히스톤 표지·염색질 접근성·전사체의 통합 원리

이번 연구는 한 개의 세포 안에서 유전자 발현이 어떻게 조절되는지를 4개의 층위에서 동시에 읽어내는 기술을 제시했다는 점에서 매우 큰 의미가 있습니다. 연구진은 CHARM이라는 단일세포 four-omics 기술을 개발해, 3차원 유전체 구조(genome conformation), 히스톤 변형, 염색질 접근성, RNA 발현을 같은 세포에서 함께 측정했습니다. 이를 통해 기존처럼 서로 다른 실험에서 얻은 데이터를 사후적으로 합치는 방식이 아니라, 실제로 같은 세포 안에서 어떤 조절 신호가 함께 작동하는지를 직접 추적할 수 있게 됐습니다. 연구의 핵심 메시지는 분명합니다. 세포 정체성은 단순히 RNA만으로 결정되지 않으며, 3차원 핵 구조와 후성유전 조절이 함께 엮인 결과라는 것입니다.

CHARM 기술의 설계와 기본 성능 검증. 설명: CHARM의 전체 실험 흐름과, 기존 단일세포 멀티오믹스 기법 대비 각 모달리티별 검출 성능을 보여주는 핵심 그림입니다. Sox2와 Hoxd 좌위 예시는 이 기술이 활성 조절과 억제 조절을 모두 포착할 수 있음을 보여줍니다. 출처: Chen, Y., Liu, Z., Xu, H., Liu, J., Wang, M., Chi, Y., Liang, B., Liu, M., Peng, Y., Ge, H., & Xing, D. (2026). Gene regulatory landscape dissected by single-cell four-omics sequencing. Nature, Figure 1.

---

🔍 CHARM은 무엇을 동시에 읽는 기술인가

기존 단일세포 멀티오믹스는 보통 RNA와 ATAC 정도, 혹은 2~3개 층위를 함께 보는 수준에 머무는 경우가 많았습니다. 하지만 이 연구의 CHARM은 여기에 3차원 염색체 접촉 정보와 히스톤 표지 정보까지 묶었습니다. 다시 말해, “어떤 유전자가 발현되는가”뿐 아니라 “그 유전자가 열린 상태인가”, “활성 또는 억제 표지를 갖는가”, “멀리 떨어진 조절부위와 실제로 공간적으로 만나는가”를 한 번에 봅니다. 이 기술은 마우스 배아줄기세포와 마우스 대뇌피질 조직에 적용되었고, 높은 품질의 다층 데이터가 확보되었습니다. 논문은 이 점을 바탕으로 세포주기 변화, 3차원 핵 내 조절요소 군집화, 세포형 특이적 enhancer-promoter 연결까지 단계적으로 풀어갑니다.

CHARM 데이터의 품질관리와 벤치마킹. 설명: CHARM에서 얻은 접근성, 히스톤 표지, Hi-C 접촉, RNA UMI 등의 품질지표와 기존 기법 대비 성능을 보여줍니다. 출처: Chen, Y., et al. (2026). Gene regulatory landscape dissected by single-cell four-omics sequencing. Nature, Extended Data Figure 1.

 

---

🔄 세포주기 동안 후성유전 신호는 같은 방식으로 돌아오지 않았습니다

이 논문에서 특히 인상적인 부분은 세포분열 과정에서 서로 다른 후성유전 정보가 어떻게 복원되는지를 단일세포 수준에서 직접 비교했다는 점입니다. 연구진은 CHARM 데이터를 이용해 세포를 pseudo-cell-cycle 축에 배치했고, 그 결과 염색질 접근성은 DNA 복제 타이밍과 밀접하게 연동되어 회복되는 반면, H3K27me3는 비교적 다른 양상으로 재설정된다는 사실을 확인했습니다. 즉, 열린 염색질은 복제 이후 비교적 빠르게 다시 열리는 흐름을 보였고, 억제성 히스톤 표지인 H3K27me3는 보다 안정적이며 3차원 핵 구조의 공간적 맥락에 더 영향을 받는 복원 패턴을 보였습니다. 이 결과는 “후성유전 기억(epigenetic memory)”이 단순한 선형 DNA 정보만이 아니라 3차원 공간 구조와 함께 유지될 수 있다는 해석으로 이어집니다.

세포주기 동안 염색질 접근성과 H3K27me3의 상이한 복원 동역학. 설명: RNA 양의 변화, 접근성 피크의 복원, H3K27me3 피크의 복원, 그리고 복제 타이밍에 따른 차이를 시각화한 그림입니다. 출처: Chen, Y., et al. (2026). Gene regulatory landscape dissected by single-cell four-omics sequencing. Nature, Figure 2.

 

접근성과 H3K27me3 복원의 분석 프레임과 1D 대 3D 모델 비교. 설명: 후성유전 신호 복원 분석의 개념도와, 1차원 거리 모델보다 3차원 노출 모델이 H3K27me3 복원을 더 잘 설명함을 보여줍니다. 출처: Chen, Y., et al. (2026). Gene regulatory landscape dissected by single-cell four-omics sequencing. Nature, Extended Data Figure 3.

---

🧩 열린 염색질은 핵 안에서 흩어져 있지 않고 ‘군집’으로 모였습니다

이 논문은 단지 “어디가 열려 있나”를 넘어서, 열린 염색질이 3차원 핵 내부에서 실제로 군집(cluster)을 이루는가를 분석했습니다. 결과는 매우 흥미롭습니다. 접근성 높은 영역들은 균일하게 퍼져 있지 않았고, 초고해상도 이미징 연구에서 제시된 active chromatin cluster와 유사한 3D 군집 구조를 보였습니다. 더 나아가 이 군집은 super-enhancer, Mediator, BRD4 같은 활성 조절 인자와 연관되어 있었고, 그 안에 위치한 유전자들은 상대적으로 더 높은 발현을 보였습니다. 즉, 이 연구는 enhancer-promoter 상호작용을 단순한 1:1 loop로만 보는 것이 아니라, 핵 안에서 여러 활성 조절 요소가 모여 만드는 허브(hub) 개념을 데이터로 뒷받침합니다.

단일세포 3차원 핵 내 접근성·히스톤 표지·전사의 공간 분석. 설명: 재구성된 3차원 게놈 구조 위에 접근성, H3K27me3, RNA 활성, 접근성 군집, TAD 연관성, super-enhancer enrichment 등을 함께 제시합니다. 출처: Chen, Y., et al. (2026). Gene regulatory landscape dissected by single-cell four-omics sequencing. Nature, Figure 3.

 

 

활성·억제 염색질의 3차원 분포와 군집의 세부 특성. 설명: 접근성 전용, H3K27me3 전용, 양쪽 모두를 가진 입자의 공간 관계와 2D/3D 클러스터 연결성을 상세히 보여줍니다. 출처: Chen, Y., et al. (2026). Gene regulatory landscape dissected by single-cell four-omics sequencing. Nature, Extended Data Figure 4.

---

🧠 마우스 대뇌피질에서도 CHARM은 세포형별 조절 논리를 드러냈습니다

연구진은 이 기술을 마우스 대뇌피질에 적용해 뉴런, 아교세포 등 다양한 세포형을 분석했습니다. RNA, 접근성, H3K27ac, 염색질 구조는 각각 주요 세포형을 구분해냈고, 통합 분석에서는 서로 보완적인 정보가 반영되었습니다. 다만 흥미롭게도, 분화가 어느 정도 완료된 뇌 조직에서는 세포 정체성 구분에 여전히 RNA가 가장 강력한 모달리티로 작동했습니다. 반면 후성유전 정보와 3D 구조 정보는, 단순한 세포형 분류를 넘어서 왜 특정 세포형에서 특정 유전자가 켜지는지를 설명하는 데 강점을 보였습니다. 즉, RNA는 “무엇이 일어났는가”를, CHARM의 나머지 층위는 “왜 그렇게 되었는가”를 설명하는 데 더 유용하다고 볼 수 있습니다.

마우스 대뇌피질에서의 단일세포 4중 오믹스 통합 분석. 설명: 대뇌피질 세포들에서 RNA, 접근성, H3K27ac, 염색질 구조 기반 UMAP을 비교하고, Gad2 좌위의 억제성 뉴런 특이적 조절 구조를 제시합니다. 출처: Chen, Y., et al. (2026). Gene regulatory landscape dissected by single-cell four-omics sequencing. Nature, Figure 4.

 

대뇌피질 데이터에서 모달리티별 분류력과 통합 분석 성능. 설명: 각 모달리티의 세포형 분해능, WNN 통합 결과, CHARM Hi-C의 구조 분해능을 비교합니다. 출처: Chen, Y., et al. (2026). Gene regulatory landscape dissected by single-cell four-omics sequencing. Nature, Extended Data Figure 5.

---

🎯 이 논문의 진짜 강점은 enhancer–promoter 연결을 세포형별로 예측했다는 점입니다

이 연구의 가장 실용적인 성과는 세포형 특이적 enhancer-promoter(E–P) linkage를 정밀하게 추론했다는 데 있습니다. 연구진은 접근성, H3K27ac, 3D interaction을 함께 넣은 회귀모델을 만들었고, 여기에 Shapley analysis를 적용해 어떤 조절부위가 특정 유전자 발현에 얼마나 기여하는지 해석했습니다. 이 방식은 기존 correlation 기반 방법이나 ABC 모델보다 더 높은 정확도를 보였고, 마우스 대뇌피질 16개 세포형에서 7,146개의 E–P 연결을 식별했습니다. 특히 중요한 점은 대다수 intergenic enhancer가 가장 가까운 유전자가 아니라 더 먼 프로모터를 건너뛰어 연결될 수 있다는 점을 보여줬다는 것입니다. 이는 비암호화 변이 해석, GWAS hit 기능 해석, 질환 연관 enhancer 규명에서 매우 직접적인 가치가 있습니다.

세포형 특이적 enhancer가 전사 출력을 조절하는 방식. 설명: 단일 모달리티 대비 다중 모달리티 회귀모델의 예측 성능, Shapley 기반 E–P 예측 정확도, Gad2 좌위의 세포아형별 조절 요소를 보여줍니다. 출처: Chen, Y., et al. (2026). Gene regulatory landscape dissected by single-cell four-omics sequencing. Nature, Figure 5.

 

단일세포 유전자 발현 예측모델의 세부 성능 분석. 설명: 예측 정확도 분포, PR curve, 세포형별 CRE-gene 연결 수, 거리 분포, TSS bypass 현상 등을 보여줍니다. 출처: Chen, Y., et al. (2026). Gene regulatory landscape dissected by single-cell four-omics sequencing. Nature, Extended Data Figure 8.

---

🧠 Gad2와 Satb2 사례는 ‘같은 유전자도 세포형마다 다르게 조절된다’는 점을 보여줍니다

논문은 Gad2와 Satb2를 대표 사례로 제시합니다. Gad2는 억제성 뉴런에서 선택적으로 발현되는데, 이때 프로모터는 상류의 먼 조절요소와 세포형 특이적 루프를 형성하며, 그 양 끝점에는 접근성과 H3K27ac가 함께 증가합니다. 더 세밀하게 보면, 억제성 뉴런 하위아형 중에서도 Ndnf/Lamp5 계열은 추가적인 원거리 조절요소를 동원해 Gad2 발현을 더 높입니다. Satb2 역시 모든 흥분성 뉴런에서 똑같이 조절되는 것이 아니라, 특정 아형에서만 추가 enhancer와 연결되며 발현이 강화됩니다. 여기에 인간 intelligence GWAS SNP가 해당 원거리 조절부위 주변에 풍부하다는 관찰까지 연결되면서, 이 연구는 질환·인지 연관 비암호화 변이를 세포아형 수준 enhancer 논리로 해석할 수 있다는 가능성을 제시합니다.

Satb2의 세포아형 특이적 원거리 enhancer 조절과 인간 지능 관련 GWAS 변이 연관성. 설명: Satb2 좌위에서 세포아형 특이적 루프, 접근성, H3K27ac 증가와 인간 intelligence 관련 SNP의 위치를 함께 보여줍니다. 출처: Chen, Y., et al. (2026). Gene regulatory landscape dissected by single-cell four-omics sequencing. Nature, Extended Data Figure 9.

 

Satb2와 Gad2 distal enhancer의 전사인자 활성 차이. 설명: Satb2 관련 enhancer에서는 EGR 계열, Gad2 관련 enhancer에서는 NFI 계열 모티프 활성 차이를 제시합니다. 출처: Chen, Y., et al. (2026). Gene regulatory landscape dissected by single-cell four-omics sequencing. Nature, Extended Data Figure 10.

---

🧪 이 연구를 어떻게 평가할 것인가

이 논문은 기술적 완성도와 생물학적 해석력이 모두 높은 편입니다. 특히 장점은 다음과 같습니다.

• 첫째, 같은 세포에서 4개 층위를 동시에 측정했다는 점이 가장 큽니다. 멀티오믹스에서 가장 흔한 문제인 배치 효과와 세포 간 불일치 문제를 정면으로 줄였습니다.
• 둘째, 3D 구조를 단순 시각화가 아니라 기능적 해석에 연결했습니다. 접근성 군집, super-enhancer, E–P 허브, TSS bypass 같은 개념이 단일세포 수준에서 연결되었습니다.
• 셋째, 해석 가능한 모델링을 사용했습니다. 블랙박스 예측이 아니라 Shapley analysis를 통해 어떤 조절부위가 중요한지 설명할 수 있게 했다는 점이 강점입니다.

다만 한계도 분명합니다. 논문 자체도 인정하듯, plate-based 설계로 throughput이 낮고, 예측된 enhancer–gene 연결은 여전히 기능 검증이 필요한 가설 우선순위 목록입니다. 또한 가까운 유전자들이 함께 발현되는 경우 target assignment가 흐려질 수 있습니다. 따라서 이 논문은 “완성된 조절 지도”라기보다, 아주 높은 해상도의 조절 가설 생성 플랫폼으로 보는 것이 가장 정확합니다.

---

💡 한줄평

단일세포 4중 오믹스를 통해 유전자 발현이 3차원 후성유전 네트워크로 조절됨을 보여준 연구입니다.

 

참고문헌 : DOI: 10.1038/s41586-026-10322-z