Towards Label-Free Single-Cell Phenotyping Using Multi-Task Learning

技術概要：マルチタスク学習を用いたラベルフリー単細胞表現型解析への取り組み

問題定義
白血球（WBC）の正確な特性評価は、免疫調節異常、感染症、血液腫瘍の診断において不可欠である。従来のワークフローは、蛍光ベースのフローサイトメトリーや手動染色スライドに依存しており、専用機器の必要性、蛍光色素による標識、労働集約性、主観性といった限界を有する。差分位相コントラスト（DPC）イメージングのようなラベルフリー光学モダリティは、スケーラブルで非侵襲的な代替手段を提供するが、明視野形態から直接分子表現型を推論することは依然として困難である。既存の深層学習アプローチは、WBC 解析を離散的な分類問題として扱うことが多く、タンパク質発現レベルの連続的なスペクトルを見落としている。さらに、深層ニューラルネットワークの「ブラックボックス」性は、解釈可能な生物学的推論を欠くため、臨床応用を阻害している。本研究は、単細胞ラベルフリー DPC 画像から直接、離散的な細胞タイプと連続的なタンパク質発現レベルの両方を予測する課題に取り組むものであり、このタスクは、標準的な畳み込みプーリングによって容易に減衰されやすい、微妙で疎に分布する形態的手がかりによって複雑化されている。

手法
著者は、マルチチャンネル DPC 画像から WBC 分類と連続的なタンパク質発現回帰を同時に行う統合された深層学習（DL）フレームワークを提案する。アーキテクチャは、以下の 3 つの主要コンポーネントで構成される。

1. ハイブリッド双枝エンコーダ: 局所およびグローバル表現を融合し、相補的な形態的手がかりを捉える。

   • CNN ブランチ: ステムに続き、残差接続を備えたイニセプションスタイルのモジュールを用いて、微細な局所的なテクスチャ特徴（例：細胞膜の輪郭、核のテクスチャ、顆粒）を抽出する。入力を変換して空間トークン化する。
   • ViT ブランチ: 自己注意を介してグローバルな空間依存性をモデル化するためにコンパクトなビジョントランスフォーマー（ViT）を採用し、畳み込みカーネルが見逃す可能性のある全体的な細胞形状や分極化などの長距離構造的手がかりを捉える。
   • クロスモーダル融合: 学習可能な融合メカニズムが、CNN と ViT ブランチからの異種表現を統合する。両ブランチからグローバル特徴を抽出し、共有空間に射影した後、解釈可能な貢献分析を確保するために softmax によって正規化された学習可能な重みを用いて結合する。

2. タスク適応型ゲーティングメカニズム: 勾配ダイナミクスが衝突するタスク間のネガティブ転移を軽減するため、フレームワークはゲーティングメカニズムを採用する。このモジュールは、分類経路と回帰経路間の特徴共有を動的に調節する。シグモイド活性化線形層を介してソフトゲートを生成し、タスク固有の特徴を保持することと、他のタスクからの混合情報を取り入れることのバランスを決定することで、明示的な監督なしに本質的な依存関係（例：T 細胞の分類と CD3 発現の相関）を学習できるようにする。

3. マルチタスク予測ヘッド: 共有された融合表現は、タスク固有の経路（残差接続、バッチ正規化、ドロップアウトを備えた MLP）を経て洗練された後、個別のヘッドに渡される。

   • 分類ヘッドは、正則化のために高いドロップアウト（0.4）を備えた 3 層 MLP を用いて WBC クラスの確率を出力する。
   • 回帰ヘッドは、制限のない連続的な予測を可能にするために最終活性化関数なしで、4 つのタンパク質マーカー（CD45、CD3、CD19、CD14）の連続値を出力する。

4. LLM による解釈性向上: 透明性を高めるため、事後に大規模言語モデル（Gemini 1.5 Pro）を統合する。定量的予測を簡潔で生物学的に根拠のあるテキスト要約に変換する。生成は、ハルシネーションを防ぐためにテンプレートベースのプロンプティングによって制約され、出力が厳密に事実であり、モデルの予測のみに由来することを保証する。

損失関数
モデルは、重み付けされたマルチタスク目的関数を用いて訓練される。

• 分類損失（$L_{cls}$）: 不均衡に対処し、正しく分類されたサンプルを抑制するためのクラス重みを備えたフォーカル損失。
• 回帰損失（$L_{reg}$）: 外れ値に対する安定性のための Smooth L1 損失と、マーカー強度の相対的な順序を保持するためのピアソン相関アライメント項の組み合わせ。
• 補助損失（$L_{aux}$）: 共有経路とタスク固有経路間のレベルでの特徴の一貫性を強制するために、中間融合表現を正則化する。

実験結果
本フレームワークは、バー클리単細胞計算顕微鏡（BSCCM）データセットと血液細胞画像（BCCD）データセットで評価された。

• 分類性能: BSCCM テスト分割において、提案モデルは 91.3% の精度を達成し、VGG（88.3%）、AttentionCNN（89.6%）、ResNet（86.2%）を含む強力なベースラインを上回った。BCCD データセット（従来の明視野）では、マクロ平均 F1 スコアが 0.933 となり、成功した汎化を示した。
• 回帰性能: BSCCM におけるタンパク質発現回帰において、モデルはピアソン相関 0.7263、RMSE 0.6801、MAE 0.4416 を達成した。これは、すべての単一タスクおよび単一バックボーンベースライン（例、DenseNet は r=0.7246 を達成）を上回った。
• マーカー別分析: 性能はマーカーによって異なった。強い形態的相関を持つ系統特異的マーカー（例、CD16、r=0.819; CD45、r=0.799）は高い精度で予測された。一方、一時的な活性化状態を反映するマーカー（例、CD123/HLA-DR/CD14）は、低い相関（r=0.339）を示し、ラベルフリー形態が動的機能状態を予測するための分子アッセイを完全に代替できないことを示唆している。
• アブレーション研究: ViT ブランチを除去すると精度が 1.58%、回帰相関が 0.0335 低下した。CNN ブランチを除去するとより大きな劣化が生じ、局所的なテクスチャ抽出の必要性が確認された。単一タスク変種はマルチタスクモデルよりも性能が劣り、同時最適化が正則化として機能し、特徴表現を鋭化することを裏付けた。

主要な貢献

1. 統合マルチタスクフレームワーク: ラベルフリー DPC 画像から WBC クラスとタンパク質発現レベルを同時に予測する新規アプローチ。化学染色の必要性を排除する。
2. ハイブリッドアーキテクチャ: 学習可能な融合層を介して、マルチスケールの畳み込みテクスチャ特徴とトランスフォーマーベースのグローバル表現を組み合わせる双枝エンコーダ。
3. タスク適応型ゲーティング: 共有情報とタスク固有情報のバランスを取り、勾配ダイナミクスを管理することで分類および回帰精度の両方を向上させるメカニズム。
4. 解釈性の統合: 生物学的に根拠のある要約を生成するために制約された LLM モジュールを組み込むことで、標準的な注意可視化を超えたモデルの透明性を向上させる。

意義と主張
本論文は、ラベルフリー DPC 顕微鏡からマーカーレベルのタンパク質発現を回帰すると同時に WBC 表現型を分類する最初の研究の一つであると主張している。結果は、蛍光染色なしで同時に表現型の同定と定量的バイオマーカー推定を可能にする、コスト効果の高い血液学的プロファイリングのためのラベルフリー単細胞イメージングの可能性を強調している。著者は、そのアプローチが染色されていない形態から機能的表現型を回復する実現可能性を示していると主張する。ただし、彼らは控えめに限界を指摘している。すなわち、形態的な曖昧性が高い細胞タイプ（例、単球対リンパ球）ではモデルの性能が天井に近づき、安定した形態的シグネチャを持たない動的な活性化状態の予測には分子アッセイを完全に代替できないということである。この研究は、構造化された予測と制御された言語生成を組み合わせることで、解釈可能な計算血液学における可能性を浮き彫りにしている。