技術要約: PaSTel

問題提起

空間トランスクリプトミクス（ST）は、組織形態学と分子プログラムを統合するものであるが、その高コストと技術的な複雑さが、臨床および大規模コホート設定におけるスケーラビリティを制限している。病理スライドは、基礎となる遺伝子発現に関連する形態学的パターンを日常的に捉えているが、既存のビジョン・オミクスモデルには、以下の2つの決定的な限界がある：

1. 不適切な遺伝子選択: 現在のアライメント戦略は、多くの場合、普遍的なハウスキーピング信号に支配された高発現遺伝子、グローバルな変動ではなく空間的変動を捉える高変動遺伝子、あるいは滑らかなパターンを強調しすぎて局所的なマーカーを見逃してしまう空間変動遺伝子に依存している。これは、識別能の低い表現学習や、微細なスポットレベルの識別能の低下を招く。
2. 空間依存性の無視: 既存の手法は通常、スポットとパッチのペアを独立してアライメントしており、組織の構成やメソスケールの構造をモデリングするために不可欠な空間的依存性や領域的な専門化を捉えきれていない。

手法: PaSTel フレームワーク

著者らは、3つの異なるレベルで生物学的事前知識を統合することにより、組織画像と遺伝子発現をアライメントする階層的なマルチモーダル事前学習フレームワークである PaSTel を提案している。このフレームワークは、画像エンコーディングに Vision Transformer (ViT-B/16) を、テキストエンコーダーには各遺伝子を個別のトークンとして扱うトランスフォーマーベースのエンコーダー（OpenCLIPに基づく）を利用する。

1. スポットレベル: TF-IDF キーワード遺伝子選択

アライメントのための情報量の多い「遺伝子文章」を構築するために、PaSTel は標準的な高発現選択に代わり、TF-IDF 再重み付けスキームを採用している。

• メカニズム: この手法は、スポット内の相対的な遺伝子存在量に基づく単語頻度（TF）と、全スポットにわたる遺伝子の希少性に基づく逆文書頻度（IDF）を計算する。
• 目的: これにより、普遍的なハウスキーピング遺伝子を抑制し、空間的に情報量の多い「キーワード」を強調することで、微細なアライメントのための疎で識別的な表現を実現する。

2. 機能レベル: パスウェイレベルのソフトアンカリング

高次の機能的構造をモデル化するために、PaSTel は精査された KEGG パスウェイを生物学的アンカーとして組み込んでいる。

• メカニズム: 各スポットについて、スポットの遺伝子セットとパスウェイの遺伝子セットとの間の正規化されたオーバーラップスコア（$\omega$）が計算される。このスコアはソフトな教師信号として機能する。
• アライメント: パスウェイのプロトタイプ埋め込み（平均プーリングされた遺伝子埋め込み）は、オーバーラップ重み付きのコントラスティブ学習を用いて、ビジョン埋め込みとソフトにアライメントされる。これにより、グローバルな機能的意味論が局所的な発現パターンに注入される。

3. リージョンレベル: 空間を考慮した集約

長距離の空間的依存性を捉えるために、PaSTel は隣接するスポットを集約して一貫したメソスケールの領域を構築する。

• メカニズム: 空間的な近接性（ユークリッド距離）と特徴量の類似性（画像および遺伝子埋め込みの結合）を組み合わせたハイブリッド距離指標を使用して、k-近傍グラフを構築する。
• クラスタリング: レイデン（Leiden）クラスタリングを適用して領域識別子を割り当てる。これらの割り当ては訓練中に定期的に更新され、モデルが領域レベルの教師あり学習を漸進的に洗練し、メソスケールの組織構造をモデル化することを可能にする。

4. マルチレベル・コントラスティブ目的関数

フレームワークは、以下の合成損失関数を共同で最適化する：
$$\mathcal{L} = \lambda_1 \mathcal{L}_s + \lambda_2 \mathcal{L}_p + \lambda_3 \mathcal{L}_r$$

• $\mathcal{L}_s$: スポットとパッチのアライメントのための対称的 InfoNCE 損失。
• $\mathcal{L}_p$: 予測された類似度をソフトなパスウェイターゲットに一致させる KL ベースの目的関数。
• $\mathcal{L}_r$: リージョンプロトタイプ（クラスター内の平均埋め込み）をアライメントするための対称的 InfoNCE 損失。

主な貢献

1. 生物学的に情報を与えられたアライメント: TF-IDF ベースの遺伝子選択とパスウェイレベルの教師あり学習を組み合わせたフレームワークであり、スポット表現の特異性と解釈性を向上させる。
2. 領域認識型の階層的事前学習: メソスケールの空間構造を捉える戦略であり、独立したスポットとパッチのペアを超えた、組織構成のマルチスケールなモデリングを可能にする。
3. PaSTel エンコーダ: 多様な空間トランスクリプトミクスのタスクにおいて強力かつ一貫した性能を示す、事前学習済みのビジョン・オミクスエンコーダ。

実験結果

モデルは HEST-1K データセットを用いて評価され、特定のコホート（乳がん、HER2、DLPFC、腎臓）がダウンストリーム評価のために保持された。

• 遺伝子発現予測: PaSTel は、回帰ベース（例：ST-Net, HisToGene）および検索ベース（例：OmiCLIP, BLEEP）の最先端手法を一貫して上回った。特に、腎臓コホートにおいて、PaSTel はピアソン相関係数（PCC）0.2627 を達成し、OmiCLIP（0.2275）を凌駕した。
• 少ショット学習: 低リソースシナリオ（10%–50% の訓練データ）において、PaSTel は最大の利得を示し、特に 10% の比率において顕著であった。これは、限定的な教師あり学習下での優れた汎化性能を示している。
• ゼロショット空間クラスタリング: 微調整や遺伝子発現へのアクセスなしで、PaSTel は DLPFC および HER2 データセットにおいて層状構造や腫瘍領域のクラスタリングで最高の性能を発揮し、CONCH や UNI といった基盤モデルを上回った。
• バイオマーカー予測: 臨床的に重要な遺伝子 IGLL5 について、PaSTel は高い PCC で微細な空間発現パターンを正確に復元したが、競合する手法は弱い、あるいは負の相関しか示さなかった。
• 画像から ST への検索: PaSTel は検索性能を大幅に向上させた（乳がんにおける Recall@5% が 15.63% から 19.88% に増加）。これは、より長い遺伝子文章（最大 250 トークン）を処理できる能力と、標準的なサブワード・トークナイゼーションの断片化問題を回避する原子的な遺伝子語彙によるものである。

意義

本論文は、マルチスケールの生物学的事前知識を組み込むことが、より情報量が多く転移性の高い空間トランスクリプトミクス表現をもたらすと主張している。局所的な分子アイデンティティ、グローバルな機能プログラム、および空間的な組織構造を統一することで、PaSTel は現在のビジョン・オミクスモデルの限界に対処している。結果は、特にデータが乏しい状況や、形態学だけでは不十分な不均一な組織設定において、階層的な生物学的事前知識が堅牢な表現を学習するために不可欠であることを示唆している。アブレーション研究により、各コンポーネント（TF-IDF 選択、パスウェイ・アンカリング、およびリージョン集約）が最終的な性能に有意義に寄与していることが確認されている。