Benchmarking single-cell foundation models for aging biology

小さな苔から人間まで、あらゆる生命体の内部には、細胞と呼ばれる数兆個もの微小な単位が存在しています。各細胞は専門化された労働者であり、すべてが同じ一連の指示書（設計図）を携えていますが、それぞれがその指示書の異なる部分を読み解くことで、心臓の細胞、皮膚の細胞、あるいは脳の細胞へと変化します。科学者たちは、生物が年をとるにつれて細胞がどのように変化していくのか、というプロセス（これを「老化」と呼びます）を理解することを長年望んできました。これを行うために、彼らは遺伝子の活動、つまり細胞に何をすべきかを伝える「化学的なスイッチ」に着目します。近年、コンピュータの性能向上により、数百万もの遺伝子の活動を一度に読み取ることが可能になり、細胞の生命に関する膨大な地図が作成されるようになりました。しかし、この圧倒的な量のデータを理解するには、新しい種類のツールが必要です。それは、膨大な図書館にあるすべての本を読んだ経験を持つ司書のように、細胞の振る舞いにおけるパターンを即座に識別できる、訓練されたコンピュータプログラムです。

研究チームは、次世代のコンピュータプログラムである「シングルセル・ファンデーション・モデル」をテストし、それらが老化に関する困難な問いに答える助けとなるかどうかを検証するために、調査を開始しました。彼らは、さまざまな研究から得られた250万個以上の個々の細胞のスナップショットを集め、厳格なテストを行うための大規模なデータセットを作成しました。その目的は、どのコンピュータプログラムが、生の遺伝子データを「細胞がいかに老化するか」「疾患の中でいかに変化するか」「互いにどのように異なるか」という有用な洞察へと最も上手く翻訳できるかを判断することでした。研究者たちは単一の問いだけを検証したのではなく、細胞の年齢を予測することから、データの中に隠れている希少な細胞タイプを見つけ出すことまで、5つの異なる生物学的なパズルを用いてプログラムをテストしました。

結果として、すべてのタスクに対して完璧なプログラムは存在しませんでしたが、特定の仕事において際立った能力を発揮するものがいくつかありました。細胞の暦年齢を予測したり、時間の経過に伴う進行を追跡したりすることが目的の場合、「Geneformer」と呼ばれるプログラムが他のものよりも優れた性能を示しました。このプログラムは非常に効果的で、科学者が手作業で最も重要な遺伝子を選択する必要がある手法と同等の性能をしばしば達成しました。これは通常、多大な人的努力を要する作業です。しかし、本研究では、一部のタスクにおいては、数千個の主要な遺伝子のみを使用するよりシンプルなアプローチの方が、複雑なコンピュータモデルよりも依然として優れた結果をもたらすことも判明しました。このことは、これらの新しいツールが強力ではあるものの、まだすべての伝統的な手法に取って代わるものではないことを示唆しています。

研究者たちはまた、これらのプログラムが疾患によって引き起こされる細胞の変化をどの程度正確に特定できるかについても調査しました。いくつかのモデルは、病気に関連する老化の文脈において、科学者がすでに知っている分子の変化を特定することに成功し、これらのツールが現実の生物学的パターンを認識できることを裏付けました。「SCimilarity」と呼ばれるプログラムは、極めて少ない数しか存在しない珍しい細胞タイプのような、希少な細胞状態を見つけ出すことに特に長けていることが証明されました。これは、老化に特化したモデルや従来の標準的な手法をも上回る性能であり、これらの汎用ツールが、並外れたものを見つけ出すことにおいて驚くほど優秀であることを示しました。個々の遺伝子のレベルでは、「scGPT」という別のプログラムが、既知の遺伝子間の関係を再構築する上で最も優れた成果を上げ、老化を制御する調節ハブを効果的にマッピングしました。

結局のところ、この研究は、これらの高度なコンピュータモデルが老化研究における有用なツールになりつつある一方で、その価値は「どのような特定の問いを投げかけるか」に完全に依存することを実証しています。これらはあらゆる問題を解決する魔法の鍵ではありませんが、希少な細胞タイプを特定したり、細胞が時間の経過とともにどのように変化するかを支配する複雑なルールを理解したりするための、新しい方法を提供してくれます。研究者たちは、これらのツールを大規模な共有データセットに対してテストすることで、どのプログラムをどの作業に使用すべきかについての明確なガイドを他の科学者に提供し、将来の老化生物学における発見が、最も信頼できる基盤の上に築かれることを確実にしました。