技術要約：横断的DNAメチル化データからのヒト老化の軌跡推論

問題提起

DNAメチル化（DNAm）は生物学的老化の堅牢なバイオマーカーであるが、現在の「エピジェネティック・クロック」は、老化を静的な回帰タスクとして扱っている。これらのモデルは、高次元のCpGプロファイルを単一のスカラー値に圧縮して暦年齢を予測するが、それゆえに、時間の経過に伴うエピジェネティックな景観の連続的かつ確率的な進化をシミュレートすることには失敗している。さらに、老化のダイナミクスをモデル化する既存のアプローチの多くは、厳格な質量保存の仮定に依存しており、これは、急速に老化する個体が早期死亡によって排除される（生存者バイアス）といった集団レベルの現象や、細胞の減衰を考慮することができない。これらの要因は非保存的なシステムを生み出し、従来の質量保存型最適輸送（OT）フレームワークでは、静的な横断的データから老化の軌跡を正確に再構成する構造的能力を持たない。

手法

著者らは、離散的な横断的スナップショットから連続的なヒトのエピジェネティック老化ダイナミクスを再構成するための、2段階の計算パイプラインを提案している。

1. 年齢正則化変分オートエンコーダ (VAE)

高次元かつノイズの多い生のCpGプロファイルに対処するため、本フレームワークは、まずデータを計算可能な、年代順に並んだ潜在多様体へとマッピングする。

• アーキテクチャ: 監督付きVAEが採用されており、これはエンコーダ $q_\phi(z|x)$、生成デコーダ $p_\theta(x|z)$、および補助的な年齢回帰ネットワーク $f_\psi(z)$ で構成される。
• 目的関数: モデルは複合損失関数 $L_{VAE} = L_{recon} + \beta L_{KL} + \gamma L_{age}$ によって最適化される。
  • $L_{recon}$ は、潜在空間が元のメチル化プロファイルを再構成することを保証する。
  • $L_{KL}$ は、構造的なもつれ（disentanglement）を強制する。
  • $L_{age}$（平均二乗誤差）は、潜在空間が生物学的な時間と単調に一致するように強制する。
• 成果: これにより、「ブリッジ（架け橋）」が構築される。潜在空間 $Z$ における任意の連続的な軌跡は、元のCpG特徴空間へとデコード可能であり、抽象的なフローを解釈可能なバイオマーカー曲線へと変換する。

2. DeepRUOTによる軌跡推論

潜在多様体上の連続的な移動をモデル化するために、著者らは DeepRUOT フレームワークを介して 正則化不均衡最適輸送（Regularized Unbalanced Optimal Transport; RUOT） を利用している。

• 理論的基礎: 標準的なOTとは異なり、RUOTは確率的拡散と非正規化された質量の柔軟性を統合する。これは、ドリフト、拡散、および質量の増減を考慮した、一般化されたフォッカー・プランク制約に従う非保存プロセスとしてシステムをモデル化する。
• 実装: システムは、以下の3つの独立したニューラルネットワークによってパラメータ化されている：
  1. 速度場 ($v_\theta$): 決定論的な方向性を持つ老化のドリフトを捉える。
  2. スコア関数 ($s_\theta$): ランダムなノイズ／拡散をモデル化する。
  3. 成長場 ($g_\theta$): 集団密度を調整するための「圧力弁」として機能し、厳格な生物学的事前知識なしに、分散の拡大や生存者バイアスに対応する。
• 最適化: モデルは、エネルギー損失（フィッシャー情報量正則化から導出）と再構成損失（局所的な質量マッチングとワッサースタイン距離を介して、連続的な軌跡を経験的なコホート分布に適合させる）からなる複合損失 ($L_{RUOT}$) を最小化する。

主な貢献

1. 年齢認識型潜在アーキテクチャ: バルクDNAmプロファイルを年代順に並んだ潜在空間へと投影し、元の特徴空間への生成デコーダを維持する、新しい年齢正則化VAEの導入。
2. 不均衡軌跡推論の適用: エイジング・多様体へのDeepRUOTフレームワークの展開。これにより、その不均衡な定式化が、高齢期におけるエントロピー的拡大や生存者バイアスをシミュレートするために必要な局所的な質量調整を自然に捉えられることを示した。
3. 老化の原型（アーキタイプ）の経験的検証: 大規模なパン組織データセットを用いた検証により、連続的な潜在パスをデコードして、明確な生物学的老化パターンを再構成することに成功した。

結果

モデルは、0歳から80歳までの年齢層（全血、脳、唾液、固形組織）を網羅する12,439サンプルを含むパン組織コレクションである Altumageデータセット で評価された。

• 定量的パフォーマンス: 1つのタイムポイントを除外した交差検証において、安定したワッサースタイン距離（W1）が各年齢ビン間で示され、堅牢な補間が可能であることが示された。決定的なことに、総質量変動（Total Mass Variation; TMV） 指標は、明確なダイナミクスの変化を明らかにした。TMWは青年期から中年期への移行期には最小であったが、最も古い年齢ビン（T=3）を予測する際には4倍近く増加した。これは、高齢期における確率的なエピジェネティック・ドリフトによって駆動される分散の拡大を数学的に捉えている。
• 潜在ダイナミクス: 速度場の可視化は、若年から老齢へと向かう、グローバルに安定した一方向の流れを示した。しかし、成長場 ($g_\theta$) は青年期にはゼロ付近であったが、高齢期には顕著な急増を示した。この急増により、シミュレートされた軌跡は「扇状に広がる」ことが可能となり、高齢者集団における生物学的な多様性と予測不可能性を収容することができる。
• 生物学的原型: 連続的なパスを個々のCpGサイトへとデコードすることで、著者らは4つの明確な老化原型を特定した：
  1. 線形的蓄積者（高メチル化）: 発達遺伝子のプロモーターなどで見られる、単調な増加。
  2. 線形的減衰（低メチル化）: 反復ゲノム要素に特徴的な、緩やかな全体的喪失。
  3. 指数関数的および晩期発症型ドリフト: 青年期には安定しているが、晩年に突然加速的な分岐を起こす部位であり、生物学的エントロピーの始まりのプロキシ（代理指標）となる。
  4. 年齢不変の維持部位: 一定のメチル化状態を保つ遺伝子座であり、堅牢な「ハウスキーピング」機能を表す。

意義と主張

本論文は、静的なスカラー追跡から連続的な力学系へと移行することで、ヒトの分子老化をシミュレートするための厳密で生成的なパラダイムを提示すると主張している。RUOT定式化を解決することで、本モデルは、厳格な生物学的事前知識を必要とせずに、集団レベルの密度シフト（生存者バイアスなど）を流動的に受け入れることができる。著者らは、本アプローチが「分子的な老化の真のメカニズム」を明らかにすると主張しており、具体的には、メチルームの変動性の非線形な蓄積と、晩期のエントロピーの数学的な変曲点を捉えているとしている。本フレームワークは、マクロな集団現象とミクロな分子運動学を橋渡しし、エピジェネティックな景観の結合確率分布がヒトの全生涯を通じてどのように進化するかを再構成するためのツールを提供する。

認められた限界事項: 著者らは、数十年単位の年齢離散化が、急速なライフステージの移行（例：思春期、更年期）を平滑化してしまう可能性があること、また、パン組織戦略が組織特異的な代謝キネティクスを意図的に抑制していることを指摘している。さらに、現在の研究は正常組織のダイナミクスに焦点を当てており、病理学的設定（例：癌）におけるこれらの軌跡の書き換えについては、今後の探求課題としている。