SFUMATO: Bayesian probabilistic clustering for uncertainty-aware spatialtranscriptomics analysis and mapping
SFUMATOは、事前の細胞セグメンテーションを必要とすることなく、転写状態の緩やかな遷移や組織の不均一性を捉える、不確実性を考慮したカラーブレンディングによる可視化および定量的マップを生成することで、空間トランスクリプトミクスにおけるハードラベル・クラスタリングの限界を克服する、GPU加速されたベイズ確率論的フレームワークである。
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
顕微鏡のスライドという静かな片隅で、新しい種類の地図が描かれようとしている。それは、組織の中に隠された生命の構造を明らかにする地図である。何十年もの間、科学者たちは細胞を切り分け、数え、図書分類学者がジャンルごとに本を整理するように、整然としたカテゴリーに分類することで細胞を研究してきた。このアプローチは、それぞれの細胞のタイプが正確にいくつ存在するかを知ることが目的である場合にはうまく機能する。しかし、生きた組織はこれほど整然としていることは稀である。細胞はしばしば互いに混じり合い、ある領域から別の領域へと移動するにつれてその振る舞いを緩やかに変化させたり、単純なラベル付けを拒むような形で信号を混ぜ合わせたりする。これらの複雑で変化し続ける景観を理解するために、研究者たちは組織を、個別の独立した島の集まりとしてではなく、境界がしばしば曖昧で不確実な連続的な地形として捉える方法を必要としている。
これは、スウェーデンのウプサラ大学の研究チームが、SFUMATOと呼ばれる新しい手法によって取り組んだ課題である。細胞の遺伝的指示を、細胞の輪郭をあらかじめ描こうとすることなく分析することにより、彼らは、鋭い区分と穏やかな遷移の両方を捉える組織の可視化手法を作り出した。最近発表された彼らの研究は、私たちが微視的世界をどのように見るかについて、新鮮な視点を提供している。それは、硬直した箱（カテゴリー）から離れ、より流動的で現実的な生物学的複雑さへと向かうものである。
研究者たちは、in situ シーケンシングとして知られる強力なテクノロジーからのデータから着手した。組織サンプルを撮影するカメラを想像してほしい。そのカメラは単に色を見せるだけでなく、数千もの個々の分子が正確な位置に送っている特定の遺伝的メッセージを記録する。これらの分子は「トランスクリプト」と呼ばれ、細胞の活動的な指示として機能する。単一のサンプル内には、これら数千万ものメッセージが組織全体に散らばっている可能性がある。科学者にとっての課題は、この膨大なデータの雲をどのように理解するかであった。伝統的な手法では、通常、まずすべての細胞を特定し、その周囲に線を引き、それからそれがどのような種類の細胞であるかを決定しようとする。しかし、このプロセスは脆弱である。もし線が不正確に引かれたり、細胞同士がくっついていたりすると、分析全体が歪んでしまう可能性がある。さらに、実際には混ざり合っている二つの領域の間に鋭い境界線を強制することは、重要な生物学的真実を隠してしまうこともある。
これを解決するために、チームは細胞の境界を描くステップを完全にスキップするツール、SFUMATOを開発した。個々の細胞を探す代わりに、このソフトウェアは組織の小さく重なり合ったパッチ（断片）における遺伝的信号を見る。それは、データを個別のアイテムのリストとしてではなく、情報の連続的な流れとして扱う。この手法は、統計的なアプローチを用いて、遺伝的メッセージの類似性に基づいてこれらのパッチをグループ化する。決定的なのは、各パッチを単一の硬直したカテゴリーに無理に当てはめないことである。代わりに、あるパッチが同時に異なるグループに属している可能性を計算する。これにより、ソフトウェアはある領域が二つの異なる種類の組織の混合物である場合や、遷移が緩やかに進行している場合を認識することができる。
その結果、塗り絵というよりも絵画のような地図が出来上がる。研究者たちは、微妙なトーンの変化を用いてエッジを和らげ、奥行きを生み出すルネサンス期の画家たちの技法にちなんでこの手法に名前をつけた。これらの新しい地図では、遺伝的に類似している領域には似た色が与えられ、非常に異なる領域には対照的な色が与えられる。二つの組織が接する場所では、色が滑らかに混ざり合い、どこに不確実性が存在するのかを観察者に示す。もし組織のパッチが明らかに一つの種類であれば、それは単色の領域として現れる。もし混合状態であれば、色が融合し、遷移の複雑さを明らかにするグラデーションを作り出す。この視覚的なアプローチにより、科学者は単に一つの組織がどこで終わり、別の組織がどこから始まるかだけでなく、それらがどのように互いへと変化していくのかを見ることができる。
チームはこの手法を、二つの非常に異なる生物学的景観でテストした。マウスの脳とヒトの乳がんサンプルである。マウスの脳において、彼らは細胞の輪郭を描くことに依存する既存の手法と、この新しい地図を比較した。彼らは、新しいアプローチが同じ主要な細胞型や組織構造を特定できる一方で、境界のより明確な視界を提供できることを発見した。組織が緩やかに変化する領域において、伝統的な地図は現実を反映しない急激で人工的な線を示していた。しかし、新しい地図は色の滑らかな流れを示し、遺伝的活動の緩やかな変化を正確に表現していた。これは、異なる細胞型が混ざり合っている領域を特定する上で特に有用であり、古い手法ではしばら見落とされたり歪められたりしていた細部であった。
ヒトの乳がんサンプルにおいて、この手法は、細胞がどこにあるかを知ることなく疾患に関連する構造を見つけ出す能力を証明した。研究者たちは、浸潤性のがん（周囲の組織へと広がるもの）と、管内に留まる非浸入性のがんを区別することができた。新しい手法によって生成された地図は、病理医が顕微鏡下で組織を手作業で検査した際の記述と一致していた。ソフトウェアは、病理医が診断を下す際に用いる細胞の境界を一度も見ることなく、浸潤領域と非浸潤領域を正確に強調した。このことは、組織の遺伝的構成自体に、細胞の物理的な形状とは独立して、これらの疾患状態を定義するのに十分な情報が含まれていることを示唆している。
この研究の最も重要な発見の一つは、細胞を数える方法が、必ずしも組織を理解するための最善の方法ではない可能性があるということである。伝統的な手法は、それぞれの細胞型がいくつ存在するかを数えるが、細胞のサイズが異なっていたり、組織の密度が場所によって異なっていたりする場合、これは誤解を招く可能性がある。新しい手法は、特定の遺伝的パターンが占める「面積」を測定する。これにより、特定の種類の組織がどれだけのスペースを占めているかをより直接的に推定でき、それは身体における役割をより正確に反映するものとなる。面積に焦点を当てることで、研究者たちは、彼らの地図が組織の真の空間的組織化を明らかにし、異なる領域がいかに空間を占有し、隣接する領域と相互作用しているかを示すことができると発見した。
研究者たちはまた、この手法が柔軟であり、異なる詳細レベルを示すように調整できることも示した。単一の設定を変更するだけで、組織全体の広範な組織化を見るためにズームアウトしたり、特定の細胞グループのより細かい詳細を見るためにズームインしたりすることができる。重要なのは、この設定を変更しても、色は一貫性を保つことである。広範なレベルで特定の黄色い色合いに見える領域は、ズームインしても、より詳細な情報を持ったまま、やはり同じ黄色の色合いであり続ける。この一貫性により、科学者は組織の色の見え方に突然の無関係な変化が生じることなく、複雑なデータをナビゲートすることができる。
この研究は、私たちが微視的世界をどのように可視化し、解釈するかについての転換を意味している。すべての細胞境界を定義するという硬直した要求から離れることで、研究者たちは、生物学的システムの自然な不確実性と流動性を受け入れるツールを作り上げた。彼らが作成する地図は、単に「何がどこにあるか」を示すのではない。「何がどのように変化し、混ざり合い、遷移しているか」を示すのである。このアプローチは、組織の組織化に対する、より誠実でニュアンス豊かな視点を提供し、生命を整然とした別々の箱へと単純化しようとするのではなく、その複雑さを尊重するものである。科学者が人体を構成する複雑な詳細を探求し続ける中で、このようなツールは、健康と疾患を定義する微妙なパターンを解明するために不可欠なものとなるだろう。
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。