Trajectory Uncertainty Framework (TUF): A Modular Framework for Identifying Transitional and Branch-Point Cell States in Single-Cell Trajectory Analysis
本論文は、多様な生物学的システムにおける遷移状態を特定し、コンテキスト特異的な転写制御因子を明らかにするために、時間エントロピーおよび軌跡ダイバージェンス・スコアを通じて単一細胞の軌跡の不確実性を定量化する、モジュール式でオープンソースのツールである軌跡不確実性フレームワーク（TUF）を導入する。
原論文は CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) でライセンスされています。 これは査読を受けていないプレプリントのAI生成解説です。医学的助言ではありません。この内容に基づいて健康上の判断をしないでください。 免責事項の全文を読む
あなたは、人々が家から仕事や学校、あるいはパーティーへと絶えず移動している、活気ある都市の地図を作ろうとしていると想像してください。生物学の世界では、科学者たちはシングルセルRNAシーケンシングという技術を用いて、数百万もの個々の細胞の「スナップショット」を撮り、彼らの人生の一瞬を捉えます。細胞がいかに成長し、変化していくかを理解するために、研究者たちは**軌跡推論（trajectory inference）**と呼ばれる手法を用います。これは、交通状況の一枚の写真に基づいてロードマップを描こうとするようなものです。彼らは各車（細胞）が起点から目的地まで辿った経路を突き止めようとします。彼らはすべての車に「擬似時間（pseudotime）」スコアを割り当てますが、これはその旅の道のりがどれくらい進んだかを示す単なる数値です。
しかし、現実の世界は混沌としています。時には車が渋滞に巻き込まれたり、二つの道路が交差したり、あるいはドライバーが左に曲がるべきか右に曲がるべきか迷ったりすることもあります。生物学において、これらは細胞がアイデンティティを変えている最中の「遷移状態」や、細胞がどのようなタイプになるべきかを決める「分岐点」にあたります。問題は、従来の地図が単純すぎたことです。それらはすべての細胞に単一の数値を割り当てていたため、細胞がただ混乱している（不確実な）状態なのか、それとも本当に道の分かれ道にいるのかを区別することが困難でした。もしこの区別がつかなければ、最もエキサイティングな部分、つまり細胞が自らの未来を決定する正確な瞬間を見逃してしまうかもしれません。
そこで、**軌跡不確実性フレームワーク（Trajectory Uncertainty Framework: TUF）**と呼ばれる新しいツールが登場します。細胞に一つの数値を与える代わりに、この手法は二つの数値を与え、「不確実性」の2次元マップを作成します。著者であるMasoud Mahdavifar、Zahra Mohammadifar、そしてTara Iranpourtariは、細胞が単に他の細胞と混ざり合っているだけなのか、それとも実際に新しい経路へと分かれようとしているのかを検知できる探偵のようなシステムを構築しました。
このフレームワークは、二つの巧妙なスコアを使用しています。一つ目は**時間的エントロピー・スコア（Temporal Entropy Score: TES）です。バスを待っている友人たちのグループを想像してみてください。もし全員が全く同じ時間に待っているなら、そのグループは「秩序」があります。しかし、もし数人が一時間前に到着し、他の数人がたった今歩いてきたのだとしたら、そのグループは「混ざり合って」います。TESはこの種の時間の混ざり具合を測定します。それは、ある細胞が、旅のステージが大きく異なる隣人たちに囲まれているかどうかを教えてくれます。二つ目のスコアは軌跡分岐スコア（Trajectory Divergence Score: TDS）**です。これは、友人たちがどちらを向いているかを見るようなものです。もし全員が道の先を真っ直ぐ見ているなら、彼らは「一貫性」があります。しかし、もしある人は左を見て、ある人は右を見て、またある人はその場で回転しているとしたら、彼らは「分岐」しています。TDSはこの方向的な混乱を測定します。
論文の主な発見は、混沌を理解するためには両方のスコアが必要であるということです。著者らは、道の形が正確に分かっている合成データを用いてテストを行いました。その結果、TDS単体では少しトリックスターのような振る舞いをすることが分かりました。TDSは実際の分岐点でも興奮（高い値を示）しますが、地図上で二つの道が単に交差しているだけでも、車が実際に方向を変えていないにもかかわらず、同様に興奮してしまうのです。しかし、TESとTDSを合わせて見れば、景色は明確になります。真の「道の分かれ道」（細胞が二つの異なるものになることを決める場所）は、高い分岐性（多くの方向を見ている）を示しながら、低い時間の混ざり具合（全員が同じステージにいる）を示します。一方で、「交差する道路」（二つの異なるグループが単に通り過ぎる場所）は、両方の指標において高いスコアを示します。
研究者たちは、この2次元マップを膵臓、腸、そして二種類の癌（膠芽腫と乳癌）を含む実際の生物学的データに適用しました。膵臓と腸において、システムは発生が異なるタイプへと分かれる既知の「分岐」細胞を正常に見つけ出しました。しかし、最も興味深い部分は癌のデータから得られました。「残差分析（residual analysis）」という特別な数学的手法を用いて、癌特有のノイズ（細胞が単に分裂している、あるいは低酸素状態に反応しているなど）を取り除いたところ、二つのスコアが全く異なる生物学的な秘密を指し示していることが判明しました。
膠芽腫（脳腫瘍の一種）では、高い「時間の混ざり」を持つ細胞（高いTES）は、炎症性のリモデリングに関与していることが分かりました。つまり、細胞は免疫信号に反応して混沌とした変化の状態にあるのです。一方で、高い「方向的分岐」を持つ細胞（高いTDS）は、代謝ストレスに苦しみ、急速に分裂しようとしている細胞でした。乳癌においては、高い「時間の混ざり」を持つ細胞は形態や構造の変化（EMT）に関連しており、「方向的分岐」を持つ細胞は特定の系統譜プログラムに関連していました。論文では、これら二つの不確実性を駆動する遺伝子の重なりはほとんどない（わずか2.8%から7.9%のみ共有）と記されており、これは二つのスコアが細胞の振る舞いの全く異なる次元を捉えていることを示唆しています。
著者らは、このツールが未来を予測したり、細胞が具体的に何になるかを証明したりするものではない、と慎重に述べています。代わりに、これは「スポットライト」として機能します。それは、より深く研究すべき最も興味深い細胞を照らし出すのです。彼らは、これらの「高不確実性」細胞を調べることで、疾患がどのように進行するか、あるいは組織がどのように修復されるかについての新しい仮説を生み出すことができると示唆しています。このツールは、Juliaプログラミング言語で書かれたSiCell.jlというオープンソースソフトウェアとして公開されており、他の科学者が自身の細胞のロードマップを探索するために使用できるようになっています。
要約すると、この論文は、細胞の不確実性を単一の数値に押し込める習慣をやめ、代わりに「時間」と「方向」という二つの角度から見ることで、ようやく細胞がただ群衆の中を通り過ぎているだけなのか、それとも運命を決めるための分かれ道に立っているのかを区別できることを示唆しています。これは、ぼやけて混乱した地図を、次世代の生物学的発見のための明確なガイドへと変える方法なのです。
自分の分野の論文に埋もれていませんか？
研究キーワードに一致する最新の論文のダイジェストを毎日受け取りましょう——技術要約付き、あなたの言語で。