💻 computer science

FlowGRN: Scalable and Dropout-Robust Gene Regulatory Network Inference via Flow Matching-Based Trajectory Reconstruction (Technical Report)

FlowGRNは、条件付きフローマッチングとスコアマッチングを軌跡再構成のためのdynGENIE3と統合することで、合成および実験的ベンチマークの両方において最先端の性能を達成した、単一細胞RNAシーケンシングデータから遺伝子制御ネットワークを推論するためのスケーラブルでドロップアウトに強い手法である。

原著者： Tsz Pan Tong, Jun Pang

公開日 2026-08-11

📖 1 分で読めます☕ さくっと読める

CC BY 4.0

原著者： Tsz Pan Tong, Jun Pang

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。 ✨ これは以下の論文のAI生成解説です。著者が執筆または承認したものではありません。技術的な正確性については原論文を参照してください。免責事項の全文を読む

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。あらゆる細胞の中には、巨大なコントロールセンターがあり、そこでは数千もの遺伝子がスイッチのように機能し、互いにオン・オフを切り替えながら、細胞が筋繊維になるのか、皮膚細胞になるのか、あるいはニューロンになるのかを決定しています。この複雑に絡み合った接続の網は、「遺伝子制御ネットワーク（GRN）」と呼ばれます。このネットワークを理解することは、生命がどのように機能するかというマスター設計図を手に入れるようなものです。それは、科学者がなぜ細胞が病気になるのか、そしてどのようにしてそれを修復できるのかを解明する助けとなります。

しかし、このネットワークをマッピングしようとする試みは、数時間おきに撮られた、たった一枚のぼやけた写真だけを使って、都市の地図を描こうとするようなものです。これらの写真（scRNA-seqデータと呼ばれます）は、細胞がその瞬間に凍結されたスナップショットですが、細胞が実際にどのように動き、変化していくかという「動画」の情報が欠落しています。さらに悪いことに、これらの写真には「静電気」や「ドロップアウト」と呼ばれるノイズが含まれています。これは、カメラが実際には存在するはずの遺伝子を見落としてしまうグリッチ（不具合）であり、データが壊れたパズルのように見せてしまいます。科学者たちは、これらのぼやけてノイズの多いスナップショットの点と点を結びつけ、生命の真の潮流を見ることに苦心してきました。しかし、遺伝子の膨大な数（数万個）が、数学的な計算を極めて困難にしています。

そこで登場したのが、このパズルを解くために設計された新しいデジタル探偵ツール、「FlowGRN」です。この論文の著者であるTsz Pan Tong氏とJun Pang氏は、隠された動画を見るためには、まず、欠落した部分を埋めることで写真を「修正」しようとするのではなく（なぜなら、以前の試みは偽のリードを生み出すことが多かったため）、グリッチを回避しながら進む必要があることに気づきました。その代わりに、彼らは、データのクリアでノイズのない部分のみを使用して、細胞間の類似性を測定するという巧妙なトリックを用いたシステムを構築しました。次に、彼らは「フローマッチング」と呼ばれる数学的概念を用いて、信頼できる接続関係に基づき、失われたタイムラプス映像を再構成します。一度、細胞がどのように変化するかという滑らかな再構成された動画が得られれば、どの遺伝子が他の遺伝子を操っているのかを正確に把握できるようになります。

この論文は、この新しい手法が大幅なアップグレードであることを示唆しています。コンピュータによるシミュレーションデータと実際の生物学的データの両方を用いたテストにおいて、FlowGRNは、データが乱れていたり、膨大な情報が欠落していたりする場合でも、従来の手法よりも正確に細胞の動画を再構成することができました。また、関係性の方向性（誰が誰を制御しているのか）や、ある遺伝子が「アクセル」（活性化因子）として働いているのか、それとも「ブレーキ」（抑制因子）として働いているのかさえも、見事に解明しました。このツールは、数万の遺伝子を含む大規模なデータセットに対して非常にうまく機能しますが、著者らは、探偵が事件を解決するために十分な手がかりを必要とするのと同様に、観察対象となる細胞が非常に少ない場合には苦戦することもあると述べています。最終的に、FlowGRNは、生命の静止したノイズの多いスナップショットを、私たちの細胞がどのように機能しているかという鮮明で動的な物語へと変える、有望でスケーラブルな方法を提供しています。

技術要約: FlowGRN

問題提起

単一細胞RNAシーケンシング（scRNA-seq）データから遺伝子制御ネットワーク（GRN）を推論することは、細胞ダイナミクスの理解や治療戦略の設計において極めて重要である。しかし、このタスクは主に2つの課題に直面している：

時間情報の欠如: scRNA-seqは連続的な時系列データではなく、細胞状態の静的なスナップショットを提供する。細胞遷移などの重要な動的変化は、サンプリングの希薄さにより観測されないことが多く、細胞ダイナミクスを復元し、制御の方向性を決定することを困難にしている。
ドロップアウトノイズと高次元性: scRNA-seqデータは、発現している遺伝子が検出されない（ゼロとして記録される）「ドロップアウト」事象に悩まされている。高次元の遺伝子空間（数万個の遺伝子）において、ユークリッド距離のような標準的な距離指標は、次元の呪いによって情報性が低下し、ドロップアウトノイズによって深刻にバイアスを受ける。既存の手法は、システムダイナミクスを簡略化しすぎたり、高次元に対して計算不可能なNeural ODEに依存したり、あるいは時間情報を完全に破棄したりしており、その結果、制御の方向性が識別不能になっている。

手法: FlowGRN

FlowGRNは、細胞の軌跡を再構成し、指向性のあるGRNを推論するために、3つのコアコンポーネントを統合した、スケーラブルでドロップアウトに強いフレームワークである。

1. ドロップアウトに強い細胞類似度指標

ドロップアウトノイズによる距離計算のバイアスに対処するため、FlowGRNは新しい類似度指標（ $d_{raw}$ ）を提案する。

メカニズム: この指標は、比較される両方の細胞において非ゼロである遺伝子の集合（ $S_{x,y}$ ）のみを用いて平均L1距離を計算する。これにより、テクニカルなゼロ（ドロップアウト）が距離を増大させることを防ぐ。
幾何学的認識: 遺伝子発現データの潜在的な多様体の幾何学構造を捉えるために、 $d_{raw}$ をエッジの重みとして使用したk近傍（kNN）グラフを構築する。最終的な類似度指標は、ダイクストラ法を用いて計算される、このグラフ上の最短経路距離である。このアプローチは、ドロップアウトと高次元性に対して耐性を持つ。

2. 条件付きフローマッチング（CFM）による軌跡再構成

FlowGRNは、従来のNeural ODEの積分に伴う計算コストと不安定性を回避しながら、細胞遷移を駆動するベクトル場を学習するために、条件付きフローマッチング（CFM）とスコアマッチングを利用する。

最適輸送（OT）: モデルは、ドロップアウトに強い類似度指標に導かれ、連続するタイムスナップショット間のターゲットとなるベクトル場を定義するためにOTプランを使用する。
対数ドメイン変換: 軌跡の積分中に遺伝子発現値の非負制約を扱うため、データを対数ドメインに変換する。この変換は微分可能性を維持し、異なる発現スケールにわたるダイナミクスを捉える。
再構成: 学習されたベクトル場を用いて初期値問題（IVP）を解き、静的なスナップショットから各細胞系統の連続的な軌跡を再構成する。

3. dynGENIE3によるGRN推論

軌跡が再構成された後、FlowGRNはGRNを推論するために、GENIE3アルゴリズムの動的な拡張であるdynGENIE3を採用する。

動的モデリング: 各ターゲット遺伝子について、再構成された軌跡に基づき、静的な発現レベルではなく、その変化率（$dx/dt$）をランダムフォレストモデルによって予測する。
エッジタイプの割り当て: dynGENIE3は制御の強さ（重要度スコア）を提供するが、FlowGRNは、学習されたフロー場（ $v_\theta$ ）のヤコビ行列の符号を軌跡全体にわたって分析することで、制御の符号（活性化か抑制か）を決定する。これにより、符号付きの指向性ネットワークの推論が可能になる。

主な貢献

新しい類似度指標: 非ゼロの遺伝子の交差とkNN測地線距離を利用した、ドロップアウトノイズと次元の呪りに強い細胞類似度指標。
スケーラブルな軌跡再構成: CFMとスコアマッチングを適用し、高次元空間（最大1,783遺伝子）における非線形な細胞軌跡を再構成することで、従来のNeural ODEの限界を克服。
ダイナミクスと推論の統合: 再構成された軌跡をdynGENIE3に供給するパイプラインにより、エッジタイプ（活性化/抑制）を持つ識別可能な（指向性のある）GRNの推論を可能にする。これは静的な手法では欠落している能力である。
最先端の性能: BEELINEベンチマークにおいて、既存の手法と比較して優れた性能を実証。

実験結果

著者らは、合成、精選、および実験データを含むBEELINEベンチマークを用いてFlowGRNを評価した。

合成および精選データ: FlowGRNは、テストされたすべてのモデル（LEAP、SCODE、GRISLI、GENIE3を含む）の中で、AUPRC（Precision-Recall曲線の下端面積）およびEPR（Early Precision Ratio）の両方において最高の平均ランクを達成した。特に、方向性が重要となる長いカスケード（LL）や循環ダイナミクス（CY）を持つデータセットにおいて、静的モデル（GENIE3など）を顕著に上回った。
エッジタイプの推論: 活性化対抑制のエッジの特定を必要とするタスクにおいて、FlowGRBは10個のデータセットのうち7個で最高の性能を発揮し、2番目に優れたモデル（GRNVBEM）を大きく引き離した。
実験データ: 7つの実世界の実験データセット（hESC, mHSCなど）において、FlowGRNは14のタスク（AUPRCおよびEPR指標にわたる）のうち10個で1位または2位となった。また、1,783遺伝子までのスケーラビリティを示した。
アブレーション研究:
- 軌跡の必要性: 軌跡再構成ステップを除去した場合（静的データにdynGENIE3を使用、または直接的なヤコビアン推論を使用）、性能が大幅に低下した。これは、間接的な制御を捉えるために軌跡再構成が不可欠であることを裏付けている。
- ドロップアウトへの耐性: ドロップアウトに強い類似度指標をアブレーション（除去）すると、特に高次元の設定において性能低下が見られ、ノイズ緩和におけるその役割が検証された。

意義と限界

意義:
本論文は、FlowGRNが、時間情報の必要性と高次元性およびドロップアウトノイスの課題との間の「ジレンマ」に対処していると主張している。CFMによるダイナミクスモデリングと、堅牢な類似度指標、およびdynGENIE3を組み合わせることで、FlowGRNは、精度と複雑なダイナミクス（サイクルや長いカスケード）のモデリング能力の両面において、現在の最先端の手法を凌駕する、精密でスケーラブルかつ識別可能なソリューションを提供する。

限界:
著者らは以下の特定の限界を認めている：

データの希少性: 細胞数が非常に少ないデータセット（mDC, mESCなど）では性能が低下する。これは、十分なサンプルサイズを必要とするディープラーニングモデルに共通する問題である。
統一されたフレームワーク: 現在の手法は、ダイナミクスモデリング（CFM）とネットワーク推論（dynGENIE3）を、単一の解釈可能なフレームワークへと統合するのではなく、分離した形で扱っている。
今後の展望: 著者らは、生物学的な制約によってCFMモデルを制限するための物理情報ニューラルネットワーク（PINN）の使用や、細胞分布のシフトにより軌跡を適合させるなどの将来的な方向性を提案している。