pertTF: context-aware AI modeling for genome-scale and cross-system perturbation prediction

本研究は、ヒト膵臓発生およびβ細胞分化における 30 種類の遺伝子ノックアウトと 14 種類の細胞タイプからなる大規模データを用いて学習したトランスフォーマーベースの AI モデル「pertTF」を開発し、未見の遺伝子や細胞文脈における遺伝子摂動による発現変化だけでなく、細胞アイデンティティや集団構成の変化といった表現型も高精度に予測可能であることを示しました。

要約

この論文は、**「pertTF（パート・ティーエフ）」**という新しい人工知能（AI）モデルについて紹介しています。

一言で言うと、**「遺伝子をいじったとき、細胞がどう変わるかを、実験しなくても AI が予測できる」**という画期的な技術です。

難しい専門用語を使わず、身近な例え話を使って説明しましょう。

---

🧬 1. 従来の問題点：「実験という重労働」

遺伝子研究の世界では、「ある遺伝子を消す（ノックアウトする）と、細胞はどうなるか？」を知るために、実際に実験室で細胞をいじくり回す必要があります。
しかし、人間には数千もの遺伝子があり、細胞の種類も無数にあります。

• 問題点： 「遺伝子 A を消して、細胞 B で実験」→「遺伝子 A を消して、細胞 C で実験」……と全部やろうとすると、宇宙の年齢よりも長い時間がかかってしまいます。
• 現状： 既存の AI は「実験したデータがある場合」はそこそこ予測できますが、「見たことのない遺伝子」や「実験したことがない細胞」に対しては、あまり当てにならないことが多く、単純な推測と大差ないこともありました。

🤖 2. 登場人物：「pertTF（パート・ティーエフ）」

そこで登場するのが、この論文で開発された**「pertTF」という AI です。
これは、「遺伝子と細胞の関係を理解する天才的なシミュレーター」**です。

🍳 料理のレシピに例えてみましょう

• 細胞 = 「料理」
• 遺伝子 = 「食材」
• 遺伝子操作 = 「特定の食材（例：卵）を抜くこと」

これまでの AI は、「卵を抜いた料理」のデータが少なければ、「卵なしの料理」がどうなるか予想できませんでした。
でも、pertTFは違います。

• 14 種類の異なる「料理（細胞の種類）」と、30 種類の「食材（遺伝子）」を抜いた実験データを大量に学習しました。
• その結果、「卵を抜いたらどうなるか」だけでなく、「見たことのない食材（新しい遺伝子）」を抜いたらどうなるか、そして**「全く新しい料理（新しい細胞）」でその食材を抜いたらどうなるか**まで、高い精度で予測できるようになったのです。

✨ 3. pertTF のすごいところ（3 つの魔法）

① 「細胞の正体」まで見抜く

単に「遺伝子発現量（レシピの分量）」が変わるだけでなく、「細胞の性格（アイデンティティ）」まで変わることを予測できます。

• 例え： 卵を抜いたら、単に「卵料理」が「卵なし料理」になるだけでなく、「パスタ料理」が「ピザ料理」に変わってしまうような、大きな変化も捉えます。
• これにより、がん細胞がどう変化するかなど、病気のメカニズム解明に役立ちます。

② 「見たことのないもの」を予測する（ゼロから学ぶ力）

実験データにない「新しい遺伝子」や「新しい細胞」に対しても、「似たような遺伝子の働き」や「細胞の性質」を応用して予測します。

• 例え： 「卵」のデータしかないのに、「豆腐」を抜いた場合の料理を予測する力です。AI は「卵と豆腐はどちらもタンパク質で、料理の構造を変える」という共通点を見抜き、正解に近い答えを出します。

③ 「バーチャル実験」で現実を助ける

この AI を使えば、**「バーチャル・スクリーニング（仮想実験）」**が可能になります。

• 例え： 実際の実験室で 100 万回の実験をする代わりに、AI の中で 100 万回シミュレーションして、「一番効果がありそうな遺伝子」だけを 10 個選んで、実際に実験する。
• これにより、時間とコストを劇的に節約できます。特に、「糖尿病」や「膵臓」の研究において、実際の患者さんの細胞（実験が難しい細胞）でも、この AI を応用して予測できることが実証されました。

🎯 4. なぜこれが重要なのか？

この技術は、**「AI による仮想細胞」**を作る第一歩です。

• 糖尿病やがんなどの難病治療において、「どの遺伝子をターゲットにすれば治るのか？」を、実際に患者さんの細胞を傷つけずに、AI で見極められるようになります。
• 研究者は、「失敗しそうな実験」を AI で事前に排除し、「成功しそうな実験」に集中できるようになります。

📝 まとめ

pertTFは、遺伝子と細胞の複雑な関係を理解する**「超能力を持ったシミュレーター」です。
これまでは「実験して初めてわかること」でしたが、これからは「AI に聞けば、実験する前に答えがわかる」**時代が近づいています。これは、医学研究のスピードを劇的に加速させる、非常にワクワクする技術です。

技術概要

論文「pertTF: context-aware AI modeling for genome-scale and cross-system perturbation prediction」の技術的サマリー

本論文は、単一細胞レベルでの遺伝子変異（摂動）に対する細胞応答を予測するための、トランスフォーマーアーキテクチャに基づく新しいAIモデル「pertTF」を提案するものです。既存のモデルの限界を克服し、ゲノム規模かつ異なる生物学的コンテキスト（細胞種や疾患状態）にわたる摂動予測を可能にする枠組みを確立しています。

以下に、問題定義、手法、主要な貢献、結果、および意義について詳細をまとめます。

---

1. 背景と問題定義

遺伝子摂動（ノックアウトなど）に対する細胞の応答を予測することは、細胞状態の理解や疾患メカニズムの解明において極めて重要です。しかし、以下の課題が存在していました。

• 実験的限界: 臓器や一次細胞、疾患関連細胞など、多くの生物学的コンテキストにおいて大規模な摂動実験（CRISPR スクリーニング等）を行うことは技術的・コスト的に困難です。
• 既存モデルの限界: 既存の計算モデル（scGPT, Geneformer, GEARS など）は、限られた遺伝子セットや細胞種（主にがん細胞株）でのみ訓練されており、「見えない（unseen）細胞種」や「見えない遺伝子」への汎化性能が低いという課題がありました。
• 表現の限界: 多くのモデルは遺伝子発現量の変化のみを予測し、摂動によって引き起こされる細胞種の同定の変化や細胞集団の構成比の変化といった高次な表現型（フェノタイプ）の予測には不十分でした。

2. 手法：pertTF のアーキテクチャと学習戦略

pertTF は、トランスフォーマー（Transformer）を基盤としたマルチタスク学習モデルです。

2.1 学習データ

• データセット: 人間iPS細胞（hPSC）から誘導された膵臓分化の過程（14 種類の主要な細胞タイプ）において、30 種類の膵臓リニアージ調節因子および糖尿病リスク遺伝子を完全にノックアウト（KO）した大規模な単一細胞データセット（87,000 細胞以上）を独自に構築・使用しました。
• 特徴: 完全な遺伝子ノックアウト（CRISPRi のような部分的なノックダウンではなく）を用いることで、明確な遺伝子型 - 表現型の関係を学習させています。

2.2 モデルアーキテクチャの革新

既存の基礎モデル（scGPT など）をベースにしつつ、摂動予測に特化した以下の改良を加えています。

• マルチタスク学習: 遺伝子発現のマスク復元、細胞種分類、遺伝子型（摂動）分類、細胞構成比の変化予測を同時に最適化します。
• 摂動の統合: 遺伝子発現プロファイルに加え、摂動情報（遺伝子ノックアウトの有無）をエンベディングとして入力に組み込み、細胞の潜在表現（latent representation）に摂動効果を明示的に埋め込みます。
• 分布を考慮した損失関数: 単一細胞データの特徴である過分散カウントデータをモデル化するため、平均二乗誤差（MSE）の代わりに負の二項分布（Negative Binomial）の対数尤度損失を採用しました。
• コントラスト学習: 異なる細胞種や摂動状態が潜在空間で明確に分離されるよう、教師ありコントラスト損失を導入しました。
• 見えない遺伝子への対応: 既知の遺伝子以外（トレーニングデータに含まれない遺伝子）の摂動を予測するため、**グラフニューラルネットワーク（GNN）**を用いて遺伝子機能（GO 類似性など）に基づいた遺伝子エンベディングを生成し、これを摂動エンベディングとして統合しました。

2.3 転移学習とシミュレーション

• 一次細胞への転移: hPSC 由来のデータで事前学習したモデルを、少量のラベル付き一次細胞（ヒト膵島など）データでファインチューニングすることで、実験的摂動が困難な生理学的に重要なシステムへの適応を可能にしました。
• in silico スクリーニング: 予測された細胞エンベディングの類似度や、細胞構成比の変化を定量化する「lochNESS スコア」を用いて、仮想の遺伝子スクリーニングを実行します。

3. 主要な結果

3.1 汎化性能の飛躍的向上

• 見えない細胞種・遺伝子への予測: 既存のモデル（scGPT, GEARS, scFoundation）と比較して、pertTF は「見えない細胞種」や「見えない遺伝子」の摂動効果を予測する際、すべての評価指標（ROC-AUC, PR-AUC, 相関係数など）で8/8 の指標において最高性能を記録しました。
• 細胞エンベディングの精度: 予測された摂動後の細胞エンベディングは、実測値と高い類似性を示し、細胞種や遺伝子型によって明確に分離された構造を学習していることを示しました。

3.2 高次表現型の予測

• 細胞構成比の変化: 摂動による細胞種の増減（例：PDX1 ノックアウトによる膵島細胞の減少）を「lochNESS スコア」を用いて高精度に予測しました。これは単なる遺伝子発現変化の予測を超えた、集団レベルの表現型予測を可能にします。
• 独立実験による検証: CRISPRi ベースの Perturb-seq 実験（トレーニングデータに存在しない 50 遺伝子）を用いた独立検証でも、pertTF は他の手法を上回る精度で摂動効果を再現しました。

3.3 疾患コンテキストへの適用（Type 2 糖尿病）

• 一次ヒト膵島への適用: 糖尿病（T2D）患者の一次膵島データに対して転移学習を適用し、PDX1 や HNF4A などの機能不全が糖尿病の進行に伴って増加していることを推論しました。
• 細胞サブタイプの解析: β細胞のサブタイプ（β-1 とβ-2）において、疾患状態によって異なる転写因子（NEUROD1 vs HNF4A）の摂動パターンが観察され、疾患メカニズムの解明に寄与しました。

3.4 仮想遺伝子スクリーニング

• in silico CRISPR スクリーニング: 実実験を行わずに、どの遺伝子をノックアウトすれば特定の細胞状態（例：PDX1 欠損状態）に遷移するかを予測するスクリーニングを実行しました。その結果、既知の膵臓前駆細胞の調節因子（GATA6, MAPK1 など）を上位にランク付けでき、既存の実験的プール CRISPR スクリーニング結果と高い一致を示しました。

4. 意義と結論

• 汎用的な予測フレームワーク: pertTF は、特定の細胞種や遺伝子に依存せず、異なる生物学的コンテキストや疾患状態にわたって遺伝子摂動の影響を予測できる、最初の包括的な AI フレームワークの一つです。
• 実験コストの削減と仮説生成: 一次細胞や疾患モデルなど、実験的に大規模スクリーニングが困難な領域において、仮想スクリーニング（in silico screen）を通じて候補遺伝子を優先順位付けし、実験設計を効率化します。
• 高次表現型の予測: 単なる遺伝子発現の予測にとどまらず、細胞のアイデンティティ変化や集団構成比の変化を予測できる点は、疾患メカニズムの理解や創薬ターゲットの発見において重要な進展です。

本論文は、大規模な単一細胞摂動データと AI モデルを統合することで、「仮想細胞（AI virtual cells）」による遺伝子摂動効果の予測を実現し、システム生物学と創薬研究の新たなパラダイムを提示しています。