Single-Cell Cross-Modal Transfer by Adversarial Fine-Tuning of Foundation Models

技術要約：敵対的ファインチューニングによるシングルセル・クロスモーダル転移

問題提起
空間トランスクリプトミクス（ST）は、空間的な解像度を持つ遺伝子発現の読み取りを提供しますが、トランスクリプトームの網羅性や細胞内スケールにおいて制限されることがよくあります。逆に、シングルセルRNAシーケンシング（scRNA-seq）は全トランスクリプトームのデータを提供しますが、組織の解離により空間的なコンテキストを欠いています。これらのモダリティは互いに補完的ですが、同一サンプルからペアとなるSTおよびscRNA-seqデータを取得することは、コスト的に非常に高価であるか、あるいは不可能な場合が多いです。したがって、未ペアのscRNA-seqデータを空間的なコンテキスト特徴量へと変換できる計算手法が求められています。ここで対処される核心的な課題は、両方のモダリティがカウントデータとして現れるという事実を利用しながら、完全に未ペアのデータ（各モダリティの細胞が異なる組織サンプルまたは患者に由来する場合）からこの変換を学習することです。

手法：SCXM
著者らは、事前学習済みのシングルセル基盤モデルの敵対的ファインチューニングを利用して、scRNA-seqの遺伝子発現を空間的にバルク化された発現特徴量へと変換するフレームワークであるSCXM（Single-Cell Cross-Modal）を提案しています。

• 基盤モデルのバックボーン: エンコーダ（$G_E$）は、事前学習済みのGeneformerV2トランスフォーマー上に構築されています。この基盤モデルを適応させるため、著者らは最終4つのセルフアテンションブロックを除くすべての層を凍結する「ファインチューニング」戦略を採用しています。<cls>トークンに2層の多層パーセプトロン（MLP）を付加し、表現をターゲットとなる空間次元へと投影します。
• 空間コンテキストの定義: 空間コンテキスト（$Z$）は、STデータから派生した空間グラフ上のグラフ畳み込みを通じて定義されます。特定の細胞 $i$ と遺伝子 $g$ に対して、コンテキストは近傍細胞の発現値の加重和（$z_{ig} = \sum_{j \in N(i)} k_{ij} y_{jg}$）として計算され、半径25µmのガウスカーネルが使用されます。
• 学習フレームワーク (WGAN-GP): 学習には、WasserズタインGAN（WGAN-GP）を利用します。
  • 生成器 ($G_E$): scRNA-seq入力（$X$）を潜在的な空間表現（$Z$）へとマッピングします。
  • 識別器 ($D$): 生成された分布と真の空間分布の間のアースムーバー距離（EMD）を推定するように訓練され、勾配ペナルティによって$K$-リプシッツ連続性を強制します。
  • デコーダ ($G_D$): 事前に計算された空間特徴量 $Z$ からST遺伝子発現を再構成するために、凍結されたデコーダを使用します。
• 目的関数: モデルは、以下の4つの項を組み合わせた半教師あり学習アプローチで訓練されます。
  1. WGAN損失 ($L_{WなGAN}$): 分布を整合させるための敵対的損失。
  2. 勾配ペナルティ ($L_{GP}$): リプシッツ連続性を強制。
  3. ST再構成損失 ($L_{ST}$): デコーダが自身の空間特徴量 $Z$ からSTデータを再構成できることを保証。
  4. 空間一貫性損失 ($L_{SC}$): scRNA-seqデータの予測を凍結されたデコーダによってデコードし、元のscRNA-seq入力（空間遺伝子パネルにスライスされたもの）と比較する一貫性ペナルティ。これは、モダリティ間でのカウントデータの交換可能性を利用するものです。

主な貢献

1. 未ペアの変換: シングルセル基盤モデルが、学習にペアとなるサンプルを必要とせずに、完全に未ペアのデータを用いてscRNA-seqからSTコンテキスト特徴量へのクロスモーダル変換を実行できることを示しました。
2. 敵対的ファインチューニング: オミクス領域における基盤モデルのための特定の敵対的ファインチューニングプロトコルを導入し、一貫性ペナルティを用いてエンコーダを一貫した事後分布へと導きます。
3. 生物学的検証: 解離された細胞は、かつての空間的近傍に関する手がかりを保持していることを示し、これによりモデルが空間的にバルク化された発現パターン（例：クラスター化 vs 孤立した遺伝子発現の区別）を推論できることを実証しました。

結果
本手法は、ヒト肺、マウス脳、ヒト乳がんの3つのデータセットを用いて評価され、高多重度のペア検証セットとしてXenium Primeデータが使用されました。

• 性能: SCXMは、すべてのデータセットにおいて既存の未ペア変換手法（scConfluenceおよびscACT）を上回りました。
  • 肺: 中央値ピアソン相関係数（PCC）は、SCXMが 0.4291、scConfluenceが 0.1750、scACTが 0.0065 でした。
  • 乳がん: 中央値PCCは、SCXMが 0.4551、scConfluenceが 0.1964、scACTが 0.0284 でした。
  • 脳: 中央値PCCは、SCXMが 0.1700、scConfluenceが 0.0573、scACTが 0.0151 でした。著者らは、より小規模な脳のデータセットでは性能が低下したことを注記していますが、最も優れた性能を示した遺伝子がPCC 0.7085を達成したことを強調しています。
• ニッチ特性の評価: モデルは、高い空間的バルク発現（例：CXCR4）を示す領域を特定することに成功し、これらは特定の細胞型（B細胞）の濃縮と相関しており、孤立したB細胞とクラスター化したB細胞のセグメンテーションを可能にしました。差異解析により、ニッチ関連遺伝子（例：POU2AF1, MS4A1）がクラスター群で有意にアップレギュレートされていることが明らかになりました。
• パスウェイ濃縮: 肺データセットに対する遺伝子セット濃縮解析（GSEA）は、SCXMの予測が、免疫応答経路に次いで、肺の系統アイデンティティや血管新生（大規模な空間生物学）に関連するパスウェイを最もよく再現していることを示しました。細胞間シグナリングや細胞周期に関連するパスウェイの再現性は、それよりも低い結果となりました。

意義と主張
本論文は、SCXMが完全に未ペアのソースからscRNA-seqとSTデータの間の変換において、予備的な成功を示していると主張しています。著者らは、SCXMの優れた性能は、カウントデータの関係性を利用して半教師あり学習を効果的に導入する一貫性ペナルティ（式3および4）の使用に起因すると考えており、これは他の手法の純粋な非教師ありサイクル一貫性や最適輸送プランとは対照的です。

本研究は、SCXMの主な強みは、微細で高度に局在化したシグナリングプロセスではなく、顕著な空間的コンテキスト（組織の系統や血管新生など）を捉えることにあると示唆しています。著者らは、本手法は有望ではあるものの、異なる組織タイプやテクノロジー間のドメインシフトに関する限界を理解すること、および空間的な細胞組成の統合を探求して、より普遍的な空間生物学の表現を目指すための今後の課題が必要であると控えめに結論付けています。