💻 バイオインフォマティクス

CloneVI: A deep generative model for deciphering the relationships between cell state and mitochondrial genotype

CloneVIは、単一細胞の遺伝子発現またはクロマチンアクセシビリティデータからクローナル構造を推論し、様々な疾患コンテキストにおけるミトコンドリアDNA変異と特定の細胞状態との関係を解明するための深層生成モデルである。

原著者： Hibi, T., Kojima, Y., Hayashi, S., Hisose, H., Mizukoshi, C., Shimamura, T.

公開日 2026-11-04

📖 1 分で読めます☕ さくっと読める

原著者： Hibi, T., Kojima, Y., Hayashi, S., Hisose, H., Mizukoshi, C., Shimamura, T.

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

あらゆる生細胞の中には、2つの異なる言語で書かれた複雑な歴史が刻まれています。一つの言語は遺伝暗号であり、DNAはどの細胞が共通の変異を通じて互いに関連しているかを辿る家系図として機能します。もう一つの言語は細胞の現在の状態であり、感染症と戦っているのか、あるいは組織を生成するために分裂しているのかといった、その細胞が今まさに何を行っているかを示すスナップショットです。長い間、科学者たちはこれら2つの言語を別々に読み取ることができました。DNAを見ることでがん細胞の家系図を描いたり、活動量を測定することで細胞が何をしているかを観察したりすることはできたのです。しかし、細胞の家系図が現在の振る舞いにどのように形を与えているかを理解することは困難でした。なぜなら、両方の言語を同時に読み取るためのツールは、しばしばあまりに大雑把すぎたからです。彼らは家系図を見ることはできても、その家系図が細胞の日常生活にどのように影響しているか、あるいはその逆を理解することには苦慮してきました。

名古屋大学の研究者らによって開発された「CloneVI」と呼ばれる新しいツールは、これら2つの言語を同時に読み取ることを学習することで、この状況を変えます。研究者たちは、細胞内の小さな発電所であるミトコンドリアに見られる特定の種類の遺伝的マーカーに着目しました。これらのマーカー（ミトコンドリアDNAの小さな変化）は、どの細胞が同じ家系に属するかを特定できる天然のタグとして機能します。課題は、これらのタグが散在しており見つけにくいこと、そしてそれらを保持している細胞が全く異なる動きをしている可能性があることでした。チームは、単にタグを探して家系図を構築するのではない、ディープラーニング・モデルを構築しました。その代わりに、モデルはまず細胞の現在の活動を理解することを学び、次にこう問いかけるのです。「この活動を前提としたとき、この細胞はおそらくどの家系に属しているのだろうか？」という問いです。このアプローチは伝統的な手法を逆転させたものであり、これにより、遺伝的な家族が異なる種類の細胞行動の中にどのように分布しているかをモデルが見ることができるようになりました。

研究者たちは、まずコンピュータ・シミュレーションを用いて、正解が分かっている人工データでこのアイデアをテストしました。これらのテストにおいて、モデルは、異なる家族が同じ細胞グループの中に混ざり合っている場合でも、隠れた家族構造を正常に再構築することに成功しました。モデルは、ある細胞がある家族に属していることを高い確信を持って示すこともできれば、2つの家族が重なり合っているグレーゾーンにある場合には、単一の硬直した選択を強制するのではなく、それぞれの可能性に対して確率を割り当てることもできました。この不確実性を扱う能力は極めて重要です。なぜなら、実際の生物学的システムは、決して白黒はっきりしているわけではないからです。

チームが患者由来の血液疾患のデータにCloneVIを適用したところ、驚くべき結果が得られました。変異が蓄積する疾患であるクローナル造血に関連する患者の細胞を用いたデータセットにおいて、モデルは、単に変異によって定義されるだけでなく、「何をしているか」によっても定義される特定の細胞家系を特定しました。モデルは、特定の変異を持つ家系が、特定のタイプの免疫細胞、特に活発に戦っているT細胞に集中していることを発見しました。モデルは、活動パターンを見るだけで、新しい細胞におけるこれらの変異の存在を予測することができ、単純な平均値に頼る古い手法を凌駕しました。これは、細胞の家系図がその現在の機能と深く結びついており、特定の変異を持つ家系は特定の細胞環境においてのみ繁栄することを示しています。

研究者たちはまた、DNAがどの程度詰まっているかを見るという異なる方法で細胞活動を測定する手法を用い、慢性リンパ性白血病（一種の血液がん）のデータを用いてこのツールをテストしました。ここで、モデルは全く同じ変異を持ちながらも、内部に持つその変異の量が異なる2つの細胞グループを区別しました。これは、同じ姓を共有しながらも、特定の家宝の量（保有量）が異なる2つの枝を持つ家族のようなものです。モデルは、その活動に基づいてそれらを見分けることができました。そして、このグループの一つを、疾患の進行に関連しているとされるPAX9という遺伝子へのアクセスの増加と結びつけました。この発見は、モデルが特定の遺伝的系統を、病気を駆動する特定の生物学的メカニズムへと結びつけることができることを示唆しています。

5人のドナーから得られた、10万個以上の細胞を含む卵巣腫瘍のデータを用いた大規模な研究において、このアプローチの威力はさらに明確になりました。モデルは、免疫細胞が「疲弊状態」（がんとの戦いで疲れ果てた状態）にあるといった、特定の状態にクラスター化している変異細胞集団を特定しました。細胞が変異を持つ家系に属する蓋然性に基づいて分析に重み付けを行うことで、研究者たちは、それらの変異細胞において具体的にどの生物学的プログラムが活性化しているのかを突き止めることができました。彼らは、これらの疲弊した変異細胞が、非変異細胞とは異なる独特の活動パターンを示すことを発見し、疾患の進行における特異的な分子シグネチャーを明らかにしました。

この研究は、細胞が「何をしているか」から出発して、そこから家系図へと遡ることで、科学者がこれまで隠されていた関係性を明らかにできることを証明しています。モデルは細胞を硬直した箱に押し込めるのではなく、家系と細胞の状態が重なり合い、相互作用する風景を描き出します。これは、遺伝的な変化がいかにしてがんのような疾患に見られる行動の多様性を駆動しているのかを理解するための、新しい方法を提供します。研究者たちはこのソフトウェアを公開しており、細胞の過去と現在との間の複雑な相互作用を眺めるための、新たなレンズを提示しています。

CloneVI の技術要約

問題提起
腫瘍内異質性は、遺伝的系統（クローン）と非遺伝的な細胞状態の制御の両方から生じる。疾患がどのようにクローンを形成しているかを理解するには、どの細胞状態が特定の系統に結びついているかを知る必要がある。シングルセル・マルチオミクス技術は、ミトコンドリアDNA（mtDNA）変異と遺伝子発現またはクロマチンアクセシビリティを同時に測定できるが、現在の解析手法は通常、変異のみからクローナル構造を推論し、その後に定義済みのクローンへと細胞状態をマッピングする。この「ジェノタイプ優先（genotype-first）」のアプローチには決定的な限界がある。すなわち、同一の遺伝的クローンに属する細胞が多様な状態に存在する場合、そのクローンを特徴づける特定の状態が不明瞭になる可能性がある。さらに、既存の手法は多くの場合、クローンを離散的かつ二値的な割り当てとして扱うため、細胞状態の連続的な遷移や、特定の状態内におけるクローンの確率的な重なりを捉えることができない。

手法：CloneVI
著者らは、遺伝的および非遺伝的な異質性を統合する、変分オートエンコーダ（VAE）に基づいた深層生成モデルである CloneVI を提案する。従来の手法とは異なり、CloneVI は変異のみからではなく、非遺伝的データ（遺伝子発現またはクロマチンアクセシビリティ）から導出された潜在的な細胞状態から直接、クローナル構造を推論する。

本モデルは以下のコンポーネントで構成される：

エンコーダ（Encoder）： 非遺伝的な入力データ（ $x_c$ 、例：遺伝子発現カウントまたはクロマチンアクセシビリティ）を、低次元の潜在変数（ $z_c$ ）へと圧縮する。これは「細胞状態」を表す。
クローン確率デコーダ（Clonal Probability Decoder）： 細胞が推論された $K$ 個の各クローンのいずれかに属する確率（ $\pi_c$ ）を、潜在的な細胞状態 $z_c$ のみに基づいて推定する。これにより、細胞状態空間におけるクローン確率の連続的なランドスケープが作成される。
変異再構成デコーダ（Mutation Reconstruction Decoder）： 各細胞の観察された mtDNA 変異カウント（ $b_c$ ）を再構成する。変異カウントを二項分布を用いてモデル化し、期待される変異アレル頻度（VAF）は、クローン固有のアレル頻度（ $\phi_k$ ）と細胞のクローン確率（ $\pi_c$ ）によって決定される。
学習目的関数（Training Objective）： 観察された変異カウントの尤度を最大化しつつ、非遺伝的データの再構成誤差および潜在空間の KL 離散度を最小化するようにモデルを学習させる。不要なクローンの推論を防ぐために、正則化項（グループラッソ）が採用されている。
主な特徴：
- 連続的な確率的推論： クローンの境界付近にある細胞や共有状態にある細胞には、単一のクローンへの強制的な割り当てではなく、分数的な確率が割り当てられる。
- 状態を強化した捕捉： 特定の細胞状態に濃縮されている変異細胞集団を優先的に捕捉する。
- ヘテロプラズミーの分離： アレル頻度（ $\phi$ ）を二値的な変異ステータスではなくモデル化することで、CloneVI は同じ変異を異なるヘテロプラズミーレベルで保持する集団を区別できる。
- バックグラウンドの分離： すべてのクローンに共通する成分（バックグラウンド）と、クローン固有の成分にアレル頻度を分解できる。

主な結果
著者らは、シミュレーションデータおよび 3 つの実世界のデータセットを用いて CloneVI を検証した。

シミュレーションデータ： PBMC3k ベースのシミュレーションにおいて、CloneVI は単一クローンおよび混合クローン集団の両方において、真のクローン構造を正常に回収した。各発現クラスターの支配的なクローンと、混合の程度を連続的な確率として正確に推定した。
MAESTER データ（クローナル造血、scRNA-seq）： クローナル造血を有する患者のデータに適用したところ、CloneVI は 6 つのクローンを推論した。特定の mtDNA 変異を明確な細胞状態に関連付け、特にクローン 3 と 5 が特定の T 細胞受容体（TCR）可変領域遺伝子（ $TRBV7-9$ および $TRDV2$ ）の高発現に関連していることを特定した。極めて重要な点として、CloneVI の細胞状態ベースの確率から導出された再構成 VAF は、細胞型の平均 VAF を用いたベースラインよりも、テスト細胞における観察された VAF を良好に予測した。モデルは、特定の細胞状態に濃縮された変異細胞集団を優先的に捕捉しており、細胞状態の濃縮度と、変異細胞と非変異細胞を区別するモデルの能力（AUC）との間に強い正の相関を示した。
CLL mtscATAC-seq データ： 慢性リンパ性白血病のデータにおいて、CloneVI は同じ mtDNA 変異（位置 5140）を保持しながらも、異なるヘテロプラズミーレベルを持つ集団（クローン 1 対クローン 3）を分離した。また、特定の変異に関連するクローン 4 が、 $PAX9$ ローカス周辺のクロマチンアクセシビリティを高めていることを特定した。この遺伝子は、以前から CLL の予後に関連付けられているものである。
卵巣腫瘍コホート（マルチドナー、mtscATAC-seq）： 5 人のドナーからなる 108,260 個の細胞を含む大規模コホートにおいて、CloneVI は 17 個のクローンを推論した。クローンはしばしば単一のドナーに限定されており、ドナー内の入れ子状のクローンを分離できることを示した。CD8+ T 細胞に対するクローン確率（ $\pi$ ）で重み付けされた微分テストにより、変異細胞が集中する状態である T 細胞枯渇と一致する転写因子活性（NFAT、NR4A1、EGR）を明らかにした。この $\pi$ 重み付きアプローチは、二値的な変異ベースのテストよりも効果的に細胞状態の特性を記述した。

意義と主張
本論文は、CloneVI が mtDNA 変異と細胞状態を統合する確率的フレームワークを提供し、解析の焦点を「ジェノタイプ優先」から「ステート優先（state-first）」の推論へと転換させるものであると主張している。その主な意義は、以下の点にある：

単に遺伝的構造を記述するだけでなく、特定の細胞状態に関連する遺伝的クローンを特定できること。
変異細胞が集中する細胞状態の分子特性（転写またはクロマチン）を特徴づけられること。
二値的な手法では見落とされがちな、細胞状態の連続性とヘテロプラズミーのレベルを扱えること。

著者らは、CloneVI をジェノタイプ優先の手法を補完するものと位置付けている。すなわち、ジェノタイプ優先の手法が遺伝的クローン構造を記述するのに対し、CloneVI はその構造のどの部分が特定の細胞状態に関連しているかを特定する。また、クローン確率はすべての細胞（変異がカバーされていない細胞を含む）に対して定義されるため、本手法はシングルセルデータで検出される核の体細胞変異にも拡張できる可能性があると述べているが、本研究は mtDNA に焦点を当てている。本ツールは、シングルセル解像度での遺伝的および非遺伝的な異質性の研究を促進するために、オープンソースソフトウェアとして公開されている。

関連論文