🧬 biology

OCOO-T : A Simple and Scalable Virtual Cell Model for Transcriptional Perturbation Response Prediction

本論文では、多様な摂動に対する単一細胞の転写応答を予測するために、このタスクを連続時間デノイジングプロセスとして定式化し、複雑な補助エンコーダや遺伝子相互作用の事前知識に依存することなく最先端の性能を達成する、バニラなTransformerアーキテクチャを活用したミニマリストかつスケーラブルなフローマッチングモデルであるOCOO-Tを紹介する。

原著者： Danning Jiang, Zheming An, Yalong Zhao, Lipeng Lai

公開日 2026-06-12

📖 1 分で読めます☕ さくっと読める

CC BY 4.0

原著者： Danning Jiang, Zheming An, Yalong Zhao, Lipeng Lai

原論文は CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) でライセンスされています。 ⚕️ これは査読を受けていないプレプリントのAI生成解説です。医学的助言ではありません。この内容に基づいて健康上の判断をしないでください。免責事項の全文を読む

あなたの体内のあらゆる細胞の中に、巨大で生きた図書館があると考えてみてください。この図書館には、細胞がどのように振る舞い、成長し、反応するかを伝える何千もの本（遺伝子）が含まれています。時として、科学者たちはこう知りたくなります。「特定の化学物質を加えたら、特定の本をオフにしたら、あるいは新しい信号を導入したら、この図書館はどう変化するのだろうか？」と。

かつて、こうした変化を予測しようとすることは、数ページだけを読んで本の結末を予想したり、あるいは物語を一度「秘密のコード」に翻訳してから再び翻訳し直さなければならない複雑な地図を使ったりすることに似ていました。これらの古い手法は重く、遅く、追加のツール（「補助エンコーダー」など）を必要とするため、プロセスを非常に複雑なものにしていました。

そこで登場したのが、研究者たちが導入した、より洗タイムラインで洗練されたモデルであるOCOO-Tです。OCOO-Tを、秘密のコードも複雑な翻訳ステップも必要とせずに、図書館がどのように変化するかを予測できる、超スマートでミニマリストな編集者だと考えてみてください。

その仕組みを、シンプルな概念に分解して説明します。

1. 「ノーコード」のアプローチ

従来のモデルの多くは、予測を行う前に、図書館全体を極めて抽象的な要約（「潜在空間」）へと圧縮しようとしました。これは、映画の脚本をまず一つの絵文字に変換してから、その映画のプロットを予測しようとするようなものです。

OCOO-Tのトリック： このモデルは要約をスキップします。遺伝子の連続的な流れ（実際のテキスト）を直接見て、それらがどのように変化するかを予測します。遺伝子発現データを、離散的なブロックのリストとしてではなく、水の連続的な流れのように扱うのです。

2. 「デノイジング（除去）」の魔法

細胞の図書館の鮮明な写真（「コントロール」状態）があると想像してください。次に、誰かがその写真の上に砂嵐のようなノイズをバケツ一杯分投げつけたところを想像してください。

OCOO-Tは、そのノイズ混じりの乱れた写真を、特定の変化（薬の添加など）を加えた後に図書館がどのような姿になるかを明らかにするために、**綺麗にする（クリーンアップする）**ように訓練されています。
最終的な写真を一度に推測するのではなく、彫刻家がノイズを少しずつ削り取っていくように、ステップ・バイ・ステップで新しい図書館の姿を浮かび上がらせます。これは「フロー・マッチング」または「デノイジング」と呼ばれます。

3. 「パッチワーク」のキルト

これらのモデルにおける最大の問題の一つは、人間の細胞には数千もの遺伝子が存在することです。これらすべてを一度に読もうとすることは、1万ページの書物を一瞥（いちべつ）だけで読もうとするようなものであり、コンピュータにとって非常に非効率です。

解決策： OCOO-Tは「パッチング」戦略を使用します。その長い本を、扱いやすい小さな章（パッチ）に切り分けることを想像してください。モデルは一度に一つの章を読み、そのストーリーを理解し、最後にそれらの章を再び縫い合わせます。
これにより、モデルは膨大な量の遺伝的「本」に圧倒されることなく、効率的に、かつ高速に処理することができます。

4. 「コンテキスト（文脈）」の手がかり

正しい結果を予測するためには、コンテキストを知る必要があります。もし薬を肝細胞に加えた場合、それは皮膚細胞に加えた場合とは異なる反応を示します。

OCOO-Tは、手がかりを集める探偵のように振る舞います。それは「薬（摂動）」、「細胞型（コンテキスト）」、そして「投与量」を取り込み、それらを編集プロセスに直接織り込みます。
さらに、細胞の「コントロール群」（変化前の図書館の平均的な状態）を見ることで、ベースラインを把握し、予測が特定の環境に適合するようにします。

5. 結果：シンプルだが強力

研究者たちは、3つの主要なデータセット（化学薬品、遺伝子編集、免疫細胞シグナル）を用いて、この「シンプルな編集者」を多くの複雑で重量級の競合モデルと比較しました。

結果： OCOO-Tは、単に食らいついただけでなく、勝利しました。よりシンプルな設計（言語モデルで使用されているものと同様の標準的な「Transformer」アーキテクチャを生物学に直接適用したもの）であるにもかかわらず、複雑なモデルよりも正確に遺伝子ライブラリの変化を予測したのです。
重要な教訓： この問題を解決するために、余計な道具を備えたルーブ・ゴールドバーグ・マシン（複雑すぎる仕組み）は必要ありません。生のデータを尊重した、クリーンで直接的なアプローチこそが、しばしば最も強力なのです。

要約すると： OCOO-Tは、生の遺伝データに直接注目し、それを扱いやすい塊（パッチ）に分割し、ステップ・バイ・ステップで「洗浄」することで、細胞が変化に対してどのように反応するかを予測する、効率的な新しいツールです。これは、時に最もシンプルな設計こそが、最も効果的であることを証明しています。

技術要約: OCOO-T – シンプルでスケーラブルな仮想細胞モデル

問題提起

遺伝学的、化学的、あるいはサイトカインによる摂動に対する単一細胞の転写応答を予測することは、計算生物学における中心的な課題であり、創薬や遺伝子制御ネットワークの解明において極めて重要な意味を持つ。この領域における根本的な困難は、摂動の前後の真の細胞レベルの対応関係が欠如していることである。シングルセルRNAシーケンシングは破壊的な手法であるため、モデルは決定論的な細胞間のマッピングを学習することができない。したがって、このタスクは本質的に分布的なものであり、モデルは集団レベルの遺伝子発現の変化を捉える必要がある。

既存のアプローチには、以下のような重大なトレードオフが存在する：

点別予測モデル（例：scGPT）は、集団レベルの分布シフトを捉えることに失敗することが多い。
潜在空間モデル（例：scGen, CPA, Squidiff）は、高次元のプロファイルを圧縮するために補助的な変分オートエンコーダ（VAE）に依存しており、これがアーキテクチャの複雑化、情報のボトルネック、および元の発現空間におけるエンドツーエンドの最適化の阻害を招く。
分布一致モデル（例：STATE, PerturbDiff）は、データの非対合性を対処しているが、スケーラビリティに苦慮することが多い。例えば、PerturbDiffは再生核ヒルベルト空間（RKHS）におけるカーネル平均埋め込みに依存しており、これは長いトランスクリプトーム・プロファイル（数千の遺伝子）へとスケールアップする際に統計的に劣化する。
ロングプロファイルの制限： ほとんどのモデルは、自己注意機構（self-attention）の二次的な計算量のために、高変動遺伝子（HVGs, 約2,000〜5,000個）に限定された入力を受容しており、重要な低発現遺伝子やパスウェイが除外されている。

手法: OCOO-T

OCOO-Tは、補助的なエンコーダや特殊な潜在空間を回避し、連続的な遺伝子発現空間で直接、摂動による転写応答を予測するように設計された、ミニマリストなフロー・マッチングに基づく仮想細胞（AIVC）モデルとして導入される。

コア・アーキテクチャ

本モデルは、連続的な遺伝子発現プロファイル上で動作するバニラなTransformerスタックを利用する。主要なアーキテクチャ構成要素は以下の通りである：

連続値エンコーディング： 離散的なビン分割を用いるモデルとは異なり、OCOO-Tはノイズを含む連続的な発現値（ $z_t$ ）をMLPを介して直接隠れ次元へと投影し、数値精度を保持する。
遺伝子アイデンティティ・エンベディング： 遺伝子トークンのセマンティックな事前知識として、学習済みタンパク質言語モデル（例：ESM2）のエンベディングを使用し、これを発現値と共に注入する。
コンディショニング・メカニズム：
- 適応型レイヤー正規化（AdaLN）： 摂動の識別、用量、細胞株、およびバッチ情報は、条件ベクトルへと集約され、AdaLNを介してTransformerブロックを調整する。
- イン・コンテキスト・トークン： 中間層において、条件固有の情報を明示的に運ぶために学習可能なトークンがシーケンスの先頭に付加される。これにより、複雑な二重条件シナリオを扱う能力が向上する。
- 暗黙的なコンテキスト注入： ターゲットとなる細胞株が未知の場合、モデルはコントロール細胞集団の平均プロファイルを入力コンテキストとして受け取ることができ、学習済みのカテゴリカルエンベディングを必要とせずに分布特性を要約できる。
パッチングおよびデパッチング： 長いトランスクリプトーム・プロファイル（例：約18,000遺伝子）を扱うため、モデルはパッチング戦略を採用する。これは、Transformerによる処理の前に遺伝子トークンを連続的なパッチにグループ化し、処理後に遺伝子レベルの解像度へとデパッチングするものである。これにより、バックボーンを変更することなく、実効的なアテンション長を $O(G)$ から $O(G/s)$ へと削減する。

生成フレームワーク

OCOO-Tは、整流フロー（Rectified Flow）を用いた条件付き連続時間デノイジング・プロセスとして、摂動応答予測を定式化する：

学習： 純粋なガウスノイズとターゲットとなる摂動後の発現プロファイルとの間の線形補間が定義される。モデルは、この軌道の速度場（ $v = x - \epsilon$ ）を予測することを学習する。
損失関数： モデルは速度予測損失（ $v$ -loss）を用いて学習される。これは、大きな $t$ のタイムステップ（クリーンに近いサンプル）の寄与を重み付けすることで、経験的に生成品質を向上させる。
推論： 予測された速度場は、ODEソルバー（オイラー法またはヘン法）を介して積分され、ノイズから摂動後のプロファイルを生成する。
ガイダンス： 推論時には、摂動条件と細胞株条件の両方への適合性をバランスさせるために、デュアル・コンディショナルな分類器フリー・ガイダンス（CFG）戦略が採用される。

主な貢献

ミニマリストな設計： OCOO-Tは、複雑な補助的な分布整合モジュールや学習済みオートエンコーダを用いなくても、効果的な摂動応答モデリングが可能であることを示す。これは、共変量によって条件付けられたプレーンなTransformerバックボーンのみに依存している。
直接的な連続モデリング： 連続的な遺伝子発現プロファイル上で直接動作することで、潜在空間圧縮に伴う情報のボトルネックや最適化の乖離を回避する。
ロングプロファイルへのスケーラビリティ： パッチング／デパッチング機構により、標準的な自己注意機構の二次的な複雑さの障壁を克服し、全トランスクリプトーム入力（例：18,080遺伝子）を効率的にモデリングできる。
柔軟なコンディショニング： モデルは、明示的な共変量エンベディング（既知の細胞株用）と、平均コントロール・プロファイルによる暗黙的な集団レベルのコンディショニング（未知または微細なコンテキスト用）の両方をサポートする。

実験結果

OCOO-Tは、3つの主要なベンチマーク（Tahoe100M（化学的摂動）、Replogle-Nadig（遺伝学的摂動）、PBMC（サイトカイン刺激））で評価された。

全体的な性能： OCOO-Tは、発現レベルの再構成（MSE, MAE）、摂動識別（PDS）、および差分的発現の回復（DEOver, DEPrec, DirAgr）を含む多様な指標において、最先端（SOTA）の性能を達成した。
- Tahoe100Mにおいて、PDCorr（0.952）で最高の値を記録し、ベースラインの中で最も低い再構成誤差を達成した。
- Replogle-Nadigにおいて、PDCorrで強力な集団レベルのベースラインであるSTATEと同等以上の性能を示し、最も強力な差分的発現回復スコアを達成した。
- PBMCにおいて、サイトカイン誘発性の転写方向性と差分的応答構造を回復する優れた能力を示した。
ロングプロファイルのスケーリング： 18,080遺伝子を用いたReplogle-Nadigベンチマークにおける実験では、パッチング（サイズ8, 16, 32）を用いることで、ショートパネル（2,000 HVG）のモデルと同等の性能を維持できることが示され、パッチング戦略の効率性が検証された。
コンディショニング戦略： 学習済みの細胞株エンベディングは既知のコンテキストでピーク性能を発揮したが、平均コントロール細胞プロファイルを用いた暗黙的なコンテキストの使用は、未知のコンテキストに対して堅牢な予測を提供した。これは、適用可能性とピーク・ベンチマーク・スコアの間の実用的なトレードオフを浮き彫りにしている。

意義と主張

本論文は、デノイジングの目的関数とコンディショニング・スキームが適切に設計されていれば、アーキテクチャの単純さだけであれば、高精度な摂動応答予測には十分であると断じている。Transformerベースのデノイジングをシングルセル・オミクスに応用することで、OCOO-Tは、in-silicoでの細胞シミュレーションのための効果的かつスケーラブルなフレームワークを提供する。

著者らは、彼らのアプローチが高次元におけるカーネルベースの手法の統計的障壁や、二段階のVAEパイプラインのアーキテクチャ上の複雑さを回避していることを強調している。しかし、モデルが標準的なベンチマークでは良好な性能を示す一方で、現在の評価と現実世界の生物学的有用性との間には依然として隔たりがあることも謙虚に認めている。既存の指標は、下流の生物学的関連性（例：パスウェイの一貫性）を完全には捉えきれていない可能性があり、未知の介入、ラボ、プロトコルといったアウト・オブ・ディストリビューションの設定における汎化性能をテストするためのさらなる研究が必要であると述べている。