Spectral Unmixing: A modular and reproducible Python package for directed and blind spectral unmixing in multidimensional microscopy stacks

生物学的イメージングの世界において、科学者たちは強力な顕微鏡を用いて、生きている細胞内の小さく光る機構を覗き込んでいます。これらの目に見えない構造を可視化するために、研究者たちはそれらをフルオロフォア（蛍光色素）と呼ばれる特別な染料で標識します。この染料は、レーザーに当たると特定の色の光を放ちます。複数の異なる染料を同時に使用することで、細胞のさまざまな部位がリアルタイムでどのように相互作用しているかを観察することができます。しかし、長年、この観察にはある執拗な問題が影を落としてきました。それは、色が互いに混じり合ってしまう（ブリードする）ことです。赤い光が近くの白い壁に淡いピンク色の影を落とすように、ある染料の輝きが、別の染料のためのチャンネルへと漏れ出してしまうことがあります。この汚染は偽の信号を生み出し、分子が正確にどこに存在するのか、あるいはそれがどの程度存在しているのかを判別することを困難にします。何十年もの間、この問題を解決するための取り組みは断片的なものにとどまってきました。個々の研究室が作成したカスタムスクリプトや手動の調整、あるいは共有や検証が困難な専門的なツールによる、継ぎ接ぎの作業に頼ってきました。混合された信号をクリーンアップするための標準的な方法がないため、異なる研究間のデータの比較は依然として難しく、細胞の真の姿はわずかに焦点がぼけたままの状態にあります。

「spectral-unmixing」と呼ばれる新しいオープンソースのソフトウェアパッケージは、これら色の混じり合いを補正するための、単一かつ信頼できるツールを提供することで、この混沌とした状況に秩序をもたらすことを目的としています。この研究の開発者たちは、顕微鏡のデータがどのようなファイル形式であっても、その複雑な実態に対処できるモジュール式のシステムを構築しました。科学者が解析の前にデータを手動で再構成することを強いる代わりに、このソフトウェアは情報を標準的な順序に自動的に整列させ、即座に補正プロセスを開始できるようにします。このパッケージは、柔軟性と透明性を兼ね備えるよう設計されています。ユーザーがどの染料が互いに干渉しているかを正確に把握している場合の「指示型補正」を実行することもできますし、ソフトウェアが事前の指示なしに混合パターンを自ら特定する「ブラインド・アンミキシング（盲目的分離）」を試みることも可能です。極めて重要な点として、ソフトウェアが実行されるたびに、使用された設定と計算された数値の正確なデジタル記録が作成されます。このサイドカーファイルにより、後から誰でも作業内容を振り返り、最終的な画像がどのように導き出されたのかを正確に確認できるため、科学的解析においてしばしば問題となる推測の余地を排除しています。

研究チームは、コンピュータによるシミュレーションと実際の顕微鏡実験からの実データを用いた両方のテストを行い、その性能を検証しました。正解が既知であるシミュレーションにおいて、ソフトウェアはノイズの除去に非常に効果的であることが証明されました。2色設定における特定のチャンネルの補正において、最終的な画像の誤差は、正規化された値で約0.029から約0.003へと大幅に減少しました。また、このソフトウェアは時間の経過とともに変化するデータに対しても高い有望性を示しました。これらのシナリオにおいて、実験全体に対して単一の平均設定を使用するよりも、各瞬間ごとに補正を計算する手法の方がはるかに優れていることが判明しました。このアプローチにより、混合レベルの推定における誤差は約0.099からわずか0.003へと減少しました。さらに、このツールは、2つの染料が同時に互いに干渉し合う「双方向補正」を扱う独自の能力も示しました。混合モデルを数学的に逆転させることで、ソフトウェアは相互のチャンネルにおける誤差を0.022〜0.037の範囲から約0.004へと減少させました。

多くの異なる色が同時に存在するより複雑な状況に対して、このソフトウェアは「ブラインド・アンミキシング」として知られる手法を用い、染料の正確な特性を事前に知ることなく混合信号を分離します。マルチチャンネル・データを用いたベンチマークでは、この手法が元の各フルオロフォアの特性を維持したまま、チャンネル間の不要な依存関係を減少させることに成功したことが示されました。また研究者たちは、もし科学者が汚染の経路（例えば、染料Aがしばしば染料Bのチャンネルに漏れ出すといったこと）を把握している場合、特定の制約を用いてソフトウェアを誘導できることも発見しました。これは、混合経路が理解されている場合の制御可能な代替案となります。これらの結果は、このパッケージが科学者が画像をクリーンアップする方法を標準化するための堅牢なプラットフォームを提供することを示唆しています。プロセスをスクリプト化可能で再現性があり、かつアクセシブルなものにすることで、このツールは高品質な解析への障壁を下げ、研究者が顕微鏡で見ている輝くパターンが、装置によるアーティファクトではなく、生物学的な真実であることを信頼できるようにしています。