RKMR: A Rapid Kernel Machine Regression Framework for Optimal Marker Detection in Spatial Omics Data

技術要約：RKMR – 空間オミクスデータにおける最適なマーカー検出のための高速カーネルマシン回帰フレームワーク

問題提起

高スループットの空間オミクス技術は、完全な組織構造内での分子プロファイリングを可能にするが、細胞型、組織ドメイン、および疾患クラスのための簡潔で予測的かつ生物学的に解釈可能なマーカーパネルを特定することは、依然として大きな課題である。現在のワークフローの多くは、単変量的な発現変動（DE）解析に依存しており、これは結合された分子構造、冗長性、および空間依存性を無視しているため、予測的な洞察には限界がある。多変量機械学習手法（例：ランダムフォレスト、XGBoost、Elastic Net）や、特化したシングルセル・パネル選択ツール（例：COMET、scGeneFit、COSG）は存在するものの、これらは明示的な空間モデリング、確率的な特徴量選択、およびパネルサイズに対する適応的な基準を欠いていることが多い。さらに、既存の多くの手法はシングルセルRNAシーケンシング（scRNA-seq）データ向けに開発されており、空間的自己相関が重要な特徴となる空間トランスクリプトミクス（ST）や空間プロテオミクス（SP）に適用した場合、スケールアップや最適化された性能を発揮できない可能性がある。高次元の空間データを、堅牢で実行可能なマーカーパネルへと変換するために、非線形モデリング、空間依存性、および不確実性の定量化を統合するスケーラブルなフレームワークが求められている。

手法

著者らは、空間データを扱うためにベイズ論的ロジスティック・カーネルマシン回帰（BLKMR）を拡張した、スケーラブルなフレームワークであるRapid Kernel Machine Regression (RKMR) を提案している。

1. モデル定式化:
RKMRは、ターゲットとなる細胞型または組織クラスに対するバイナリラベル $y_i$ を、ロジットリンクを用いて以下のようにモデル化する「one-versus-rest」分類フレームワークを採用している。
$$\eta_i = \beta_0 + x_i^\top \beta_1 + h_1(z_i) + h_2(s_i)$$

• 線形共変量 ($x_i$): 調整因子（例：バッチ効果）を捉える。
• 非線形分子効果 ($h_1(z_i)$): **自動関連決定（ARD）**カーネルを用いたガウス過程（GP）としてモデル化される。ARDカーネルは、各分子特徴量（例：遺伝子発現）の寄与を制御する特徴量固有の関連性パラメータ ($r_m$) を通じて、カーネル類似性を制御する。これにより、非線形関係や特徴量の相互作用を捉えることが可能になる。
• 空間依存性 ($h_2(s_i)$): 位置座標 $s_i$ 上の潜在的な空間GPとしてモデル化され、組織構造に固有の残差空間自己相関を捉える。

2. スパース性と変数選択:
関連するマーカーを特定するために、RKMRはARD関連性パラメータ ($r_m$) に対して連続的なスパイク・アンド・スラブ事前分布を置く。

• 「スパイク」成分は、情報を持たない特徴量をゼロへと収縮させる。
• 「スラブ」成分は、情報を持つ特徴量が大きな効果を持つことを許容する。
  この定式化により、各特徴量の包含に関するモデルに基づく不確実性を定量化する**事後包含確率（PIP）**が得られる。

3. スケーラブルな推論アルゴリズム:
直接的なマルコフ連鎖モンテカルロ法（MCMC）によるベイズ推論は、大規模な空間データセット（$N \approx 10^5, p \approx 10^4$）に対して計算量的に極めて困難である。RKMRは以下の組み合わせによってこれに対処する。

• ペナルティ付き準尤度（PQL）および反復再重み付け最小二乗法（IRLS）: ベルヌーイ尤度を重み付きガウス作業モデルで近似する。
• 変分推論（VI）: ARDパラメータおよび包含インジケーターの事後分布を近似する。
• 低ランク近似: Nyströmカーネル近似を利用して、カーネル行列演算の計算複雑性を削減する。
• 確率的最適化: サンプルサイズに応じてスケールさせるため、ミニバッチを用いた勾配更新を使用する。

アルゴリズムは、線形予測子、作業応答、および重みを反復的に更新し、ELBO（Evidence Lower Bound）を最適化することで、PIPを効率的に推定する。

主な貢献

1. 統合フレームワーク: RKMRは、空間オミクスデータに対して、非線形な特徴量とアウトカムの関係、空間依存性、および確率的な特徴量選択を統合的にモデル化する柔軟なフレームワークを提供する。
2. 確率的選択: ユーザーが指定したパネルサイズや決定論的な重要度スコアに依存する手法とは異なり、RKMRは**事後包含確率（PIP）**を提供し、特徴量の包含に関する原理に基づいた不確実性を考慮した基準（例：PIP > 0.5 の特徴量を選択する）を提供する。
3. スケーラビリティ: Nyström近似と確率的変分推論を統合することにより、RKMRは観測数 ($N$) と特徴量数 ($p$) の両方に対してほぼ線形に近いスケーリングを実現し、現代の大規模な空間データセットへの適用を可能にしている。
4. 柔軟性: 本フレームワークは空間的（ST/SP）および非空間的（scRNA-seq）データの両方に適用可能であり、非空間的データの場合、空間カーネル成分を単に除外するだけでよい。

結果

シミュレーション研究:

• RKMRは、汎用アルゴリズム（ランダムフォレスト、XGBoost、Elastic Net）および特化したマーカー選択ツール（scGeneFit、gpsFISH、COSG、MAGNETO）と比較して評価された。
• 線形および非線形（ARD RBFカーネル）の両方のシミュレーションシナリオにおいて、RKMRは一貫して最も高い**精度・再現率曲線の下端面積（AUPRC）**を達成し、特定の条件下では競合手法に対して最大50%の改善を示した。
• RKMRは、変動する空間自己相関および信号強度に対して堅牢性を示し、非線形効果や空間ノイズに苦戦することが多い特化した手法を上回った。

実データへの適用:

• 膵臓島細胞 (scRNA-seq): RKMRは、すべての細胞型に対して標準的なマーカー（例：Beta細胞に対する INS、Alpha細胞に対する GCG）をPIP > 0.5 で正常に回収し、ほとんどの場合で各型につき正確に1つの遺伝子を選択した。
• マウス皮質 (scRNA-seq): RKMRは、希少な集団（例：Ependymal cells）を含むすべての細胞型の報告されたマーカーを回収した。報告されたマーカーが別の遺伝子と高度に相関している場合、RKMRは相関のある代替遺伝子（例：Microgliaに対して Aif1 の代わりに Lyz2）を選択したが、これは生物学的に妥当である。
• アホロートル脳 (Stereo-seq): RKMRは、17種類の細胞型のうち16種類について報告されたトップマーカーを特定し、しばしば疎なパネル（1〜4個の遺伝子）を選択し、相関のある代替遺伝子を正しく扱った。
• ヒトDLPFC (Visium): 12の組織セクションに適用され、RKMRは皮質層および白質に対して、セクション間で一貫した再現性のあるマーカーセットを特定した。ノイズの多い発現パターンや空間的複雑性にもかかわらず、既知の層濃縮マーカー（例：Layer 1に対する GFAP、Layer 5に対する PCP4、Layer 6に対する CCK）を回収した。

意義と主張

本論文は、RKMRを、高次元の空間オミクスデータを堅牢で実験的に実行可能なマーカーパネルへと変換するための、スケーラブルで不確実性を考慮したフレームワークとして位置付けている。著者らは、RKMRが以下の点において現在のワークフローの重要なギャップを埋めると主張している：

• 単変量的なDEを超えて、結合された予測価値と冗長性をモデル化すること。
• 標準的なマーカー探索において無視されがちな、空間的自己相関を明示的に考慮すること。
• 恣意的な閾値やユーザー定義のパネルサイズではなく、確率的な選択基準（PIP）を提供すること。
• Python実装を通じて、現代の空間データセットの規模に対応する計算効率の高いソリューションを提供すること。

著者らは、相関する特徴量が既知のマーカーのプロキシ（代理）として選択される可能性などの多重共線性に関する課題を認めているが、今後の研究では構造化された事前分布や多項分類形式の検討が可能であるとしている。しかしながら、RKMRは現在、標的化されたマーカーパネルの発見における実用的な標準を確立していると断言している。