あなたの体を、活気あふれるハイテク都市だと想像してみてください。この都市では、すべての細胞は独自の役割を持つユニークな「近隣住区」です。あるものは筋肉細胞、あるものは神経細胞、そしてあるものは免疫の防衛隊です。しかし、細胞はどうやって自分が何をすべきかを知るのでしょうか？それは単に目が覚めて決めるわけではありません。細胞は、DNAに書き込まれた複雑な指示に従っています。これらの指示は、**遺伝子制御ネットワーク（GRN）**と呼ばれるマスターコントロールシステムによって管理されています。このネットワークを、巨大で見えないスイッチの網だと考えてください。**転写因子（TF）**と呼ばれる特定のタンパク質は、スイッチ操作係として機能します。TFがスイッチを切り替えると、特定の遺伝子が「オン」または「オフ」になり、細胞にタンパク質を構築するか停止するかを伝えます。

科学者にとって、この網をマッピングすることは、通りが常に変化し、地図の半分に道路が欠けている状態で都市の地図を描こうとするようなものです。彼らはシングルセルRNAシーケンシングという強力なツールを使用して、単一の細胞におけるすべての遺伝子のスナップショットを撮ります。しかし、そのデータは、嵐の中でささやき声を聞き取ろうとするかのように、非常に乱雑です。大きな課題は、単に地図を作ることではなく、まだ見たことのない新しい近隣住区に対しても機能する地図を作ることです。もし科学者が新しい種類の細胞や希少な疾患を発見した場合、彼らはその新しい部分が古いシステムにどのように適合するかを予測できる地図を必要とします。これこそが、この論文が取り組んでいるパズルです。生命の取扱説明書の、よりスマートで柔軟な地図をどのように構築するかというパズルです。

問題点：古い地図と壊れたコンパス

研究者たちはまず、現在、科学者がこれらの遺伝子ネットワークをマッピングするためのコンピュータプログラムをテストする方法に、奇妙な問題があることを指摘しました。あなたが学生に都市のナビゲーションを教えていると想像してください。もし、テストを受ける予定の全く同じ通りだけで運転の練習をさせたとしたら、その学生は完璧なスコアを取るかもしれません。しかし、もし彼を、見たこともない通りがある全く新しい近隣住区に落としたとしたら、彼らは衝突してしまうかもしれません。

遺伝子研究の世界でも、まさにそのようなことが起きていました。ほとんどのコンピュータモデルは、同じセットの遺伝子を用いてトレーニングおよびテストされていました（「推移的」な設定）。それらは既知の道路を暗記することには長けていましたが、未知の遺伝子のつながりを推測することには極めて不得手でした。さらに、その採点方法にも欠陥がありました。従来の採点システムは、地図の全体を見て、「平均は合っているか？」と問いかけていました。しかし現実の世界では、生物学者はあらゆる可能な接続をテストするための予算を持っていません。彼らが持っているのは、最も可能性の高い接続のわずかな数をテストするための予算だけです。もしモデルがトップ10の予測を外してしまったら、たとえ残りの90%が正解していたとしても、そのモデルは役に立ちません。従来のテストは、先生が実際に解いてほしかった特定の問題に失敗したにもかかわらず、数学の平均点に基づいて生徒を採点しているようなものでした。

解決策：新しい地図と新しいコンパス

これを修正するために、Jiaze Song氏率いるチームは、大きく分けて2つのことを行いました。

第一に、彼らはBEELINE-KGCと呼ばれる新しいテスト場を構築しました。
モデルが学習中にすべての遺伝子を覗き見ることができないように、彼らは「遺伝子ホールドアウト（Gene-Holdout）」チャレンジを作成しました。学習フェーズでは一連の遺伝数（「未知の遺伝子」）を隠しておき、テストの時になって初めてそれらを公開しました。これにより、モデルは、実際の科学者が求められるように、汎化（未知の事象への適応）を学習することを強制されました。また、彼らは採点システムも変更しました。地図全体を見るのではなく、「Hits@K」に基づいて採点を開始しました。これは、「もし私があなたのトップ10の推測だけを見たとしたら、本物の接続を見つけ出せているか？」という単純な問いを投げかけるものです。これは、科学者が少数の予測しかテストできないという現実世界の制約を模倣しています。

第二に、彼らはCoDiffGRNと呼ばれる新しいモデルを発明しました。
このモデルを、単に道路（遺伝子間の接続）を見るだけでなく、交通パターン（遺伝子の活動）にも注意を払う探偵だと考えてください。以前のモデルは、道路と交通を別々のものとして扱っていました。しかし、CoDiffGRNは、**共進化離散拡散（Co-evolutionary Discrete Diffusion）**と呼ばれる手法を使用しています。

その仕組みを視覚化するための遊び心のある方法を紹介しましょう。
あなたは、都市の地図のノイズが多く、ぼやけた写真を持っていると想像してください。あなたはそれを綺麗にしたいと考えています。

1. 離散化（Discretization）： まず、モデルは乱雑なデータを簡略化します。連続的な交通の流れを見る代わりに、細胞を明確な「クラスター」（例えば「朝のラッシュ」、「ランチタイム」、「夜勤」など）にグループ化します。これにより、ぼやけたデータを明確でブロック状のピクセル（0と1）に変えます。
2. 共進化（Co-evolution）： 次に、モデルは地図の「デノイジング（ノイズ除去）」を開始します。モデルは単に道路を推測するのではなく、交通パターンに基づいて道路を推測します。もしある遺伝子が「活性化」している（賑やかな通りのように）なら、モデルはその遺伝子が他の活性化した遺伝子と接続を持つ可能性が高いことを理解します。モデルは、遺伝子の状態と接続の状態が、シンクロして動くダンサーのように、共に変化することを学習します。
3. TASS（魔法のトリック）： データが非常に乏しいため（すべての可能な遺伝子相互作用の例が十分にないため）、モデルは**TF-ALL サブグラフ・サンプリング（TASS）**と呼ばれる戦略を使用します。これは、ランダムに選ばれた小さな近隣住区だけを見て、都市全体の地図を学ぼうとする試みです。TASSは賢明であり、特に「スイッチ操作係（TF）」とそのターゲットを含む近隣住区を意図的に選択することで、全体のデータが小さくても、モデルが都市の最も重要な部分を繰り返し目にできるようにします。

彼らが発見したこと

彼らが新しい、より困難なベンチマークであるBEELINE-KGCを用いてCoDiffGRNをテストしたところ、結果は驚くべきものでした。

• 旧来のモデルは躓いた： 既知の道路を暗記することに依存していた既存のモデルの多くは、「未知の遺伝子」に直面した際に完全に失敗しました。彼らのスコアはほぼゼロまで低下しました。彼らは汎化することができませんでした。
• CoDiffGRNは成功した： 新しいモデルは単に生き残っただけでなく、躍進しました。CoDiffGRNは、ランキングの上位で正しい接続を一貫して見つけ出し、従来の最高の手法を大幅に上回る成績を収めました。いくつかのケースでは、次に優れたモデルと比較して、正しいトップ10の予測を見つける能力を40%以上向上させました。
• 「なぜ」が重要である： 「共進化」の部分を取り除いた場合（交通を見ずに道路を推測するようにした場合）、あるいはスマートなサンプリング（TASS）を取り除いた場合、モデルのパフォーマンスは低下しました。これは、遺伝子の活動と接続を一緒に見ることが「秘伝のソース」であったことを証明しています。

まとめ

この論文は、生命の仕組みを真に理解するためには、AIを古いデータで訓練し続けるのではなく、未知なるものによって挑戦させる必要があることを示唆しています。モデルのテスト方法を変更し、遺伝子の活動とネットワークの接続の間のダンスを理解するシステムを構築することで、著者たちは、新しい生物学的システムがどのように振る舞うかを予測するための、より優れたツールを作り上げました。これは、希少疾患や新しい細胞タイプの指示書を迅速にマッピングし、科学者がより早く治療法を発見するのを助ける未来への一歩です。このモデルは強力ですが、著者らは依然として膨大な計算能力を必要とすることを認めており、将来的にはさらに高速で多用途なものにすることを目指しています。しかし現時点では、彼らは、遺伝子マップに対する新しい考え方が、より優れた答えへと導くことを示しました。