A Principled Statistical Framework for Analyzing Spatial Patterns in Spatially Resolved Multi-Omics

あなたは、賑やかで混雑した都市の中で謎を解こうとしている探偵だと想像してください。かつて科学者たちは、都市全体をひと掬いして、すべてを巨大なスムージーのように混ぜ合わせ、その結果を味わうことしかできませんでした。彼らは都市に「何」があるのか――例えば、フランス語を話す人がどれくらいいるか、あるいは赤い帽子を被っている人がどれくらいいるか――は分かりましたが、それらの人々が「どこ」に住んでいるのかは全く分かりませんでした。フランス語を話す人々は公園の近くに集まっているのでしょうか？ 赤い帽子を被った人々は学校の周りに集まっているのでしょうか？ レイアウトを知らなければ、物語は半分しか語られないことになります。

現在、新しい世代のハイテクカメラによって、科学者は都市の写真を撮り、どの分子がどの分子の隣に立っているのかを正確に把握できるようになりました。これは「空間マルチオミクス」と呼ばれます。これは、単に人口を知るだけでなく、その「近隣のダイナミクス」を示す地図を持っているようなものです。しかし、ここが難しいところです。地図を見ること自体が困難なのです。単に2つのものが偶然近くにあるからといって、それらが「友人」であるとは限りません。科学者には、本当の近隣パターンと、単なるランダムな偶然との違いを見分けるための信頼できる方法が必要です。また、答えを見つけるためにどれほど大きな都市を調査すべきか、あるいは確信を持つために何枚の写真を撮る必要があるのかも知る必要があります。優れた計画がなければ、幽霊を探して時間を無駄にするか、あるいは真のヒントを見逃してしまうかもしれません。

そこで、これらの分子マップのための究極の探偵ガイドとして設計された新しいツール、STORMが登場します。STORMを、科学者が空間データを分析する際に混乱しないように助けてくれる、非常に賢く、ルールに従う審判員だと考えてください。

この論文は、これらの新しい分子マップの混沌に秩序をもたらす方法として、STORM（Statistical TOol for spatially Resolved Multi-omics）を紹介しています。分子が共に集まっているかどうかを推測する代わりに、STORMは巧妙なノンパラメトリック検定を使用します。この検定は、「近隣の雰囲気チェック（neighborhood vibe check）」のようなものだと考えてください。それは特定の地点に注目し、「ここでの分子の活動は、すぐ隣の地点と比べて不自然に異なっているだろうか？」と問いかけます。もし答えが「イエス」であれば、ST型はそれが遺伝的な指示（トランスクリプトミクス）であれタンパク質（プロテオミクス）であれ、真の空間パターンであるとしてフラグを立てます。

しかし、STORMは単にパターンを見つけるだけではありません。調査を開始する前に、科学者が調査を計画するのを助けます。それは「研究のパワー（検出力）」を計算することであり、これは「もし特定の種類の分子クラスターを見つけたい場合、いくつの組織サンプルを調べ、組織内のいくつの場所をチェックすべきか？」と尋ねるようなものです。これにより、研究者は、調査が少なすぎて何も見つからないという挫折や、調査が多すぎてリソースを無駄にするという事態を避けることができます。

さらに、STORMは単に「何かが起きている」と言うだけでなく、「それがどれくらい起きているのか」を教えてくれます。それは「空間効果量（spatial effect size）」を推定することであり、近隣のトレンドの強さを測定することに似ています。そのクラスター化は、小さな囁きなのか、それとも大きな叫び声なのか？ つまり、STORMは、健康な組織の分子的な近隣関係が、病気の組織のものとどのように異なるのかを正式に比較することも可能です。

著者らは、コンピュータ・シミュレーション（ツールが機能するかを確認するために偽のデータを作成すること）と、空間マルチオミクス研究からの実際の実験データの両方を用いてSTORMをテストしました。これらのテストにおいて、STORMは空間構造を確実に検出し、実験を設計するための意思決定に対して確かな定量的裏付けを提供できることを示しました。論文は、仮説検定、効果量の測定、そして実験計画を一つの原則に基づいたパッケージへと統合する統一的なフレームワークとしてSTORMを提示しており、私たちの組織の中に隠された空間的な物語をより厳密に理解する方法を提供しています。