Neighbor-Contrastive Heterogeneous Graph Learning for Spatially Coherent Representation of Single-Cell Data

人体において、組織は単なる細胞の無作為な集まりではなく、高度に組織化された「近隣地域」です。都市に、賑やかな市場、静かな公園、密集した住宅街といった明確な区画があるように、組織には特定の細胞グループが共に生活し、働く連続的な領域が存在します。近年、科学者たちは、数十万個もの個々の細胞の「スナップショット」を一度に撮影できる強力な顕微鏡を開発しました。これは、各細胞がどのような遺伝子を使用しているかだけでなく、その細胞が組織内のどこに位置しているかを正確に記録するものです。この技術は、生命の構造を微視的なスケールでマッピングするという、生物学における新たなフロンティアを切り開きました。しかし、これらの膨大な地図を意味のある洞察へと変えるには、細胞を正しい「近隣地域」へとグループ化する方法が必要です。課題は、同じ種類の細胞であっても、その場所によって非常に異なって見えることがある点、そして異なる種類の細胞がしばれて同じ機能的な区画の中に隣り合って住んでいる点にあります。これを解決するために、研究者たちは、組織を一つのネットワークとして扱い、隣接する細胞間のつながりが何が領域であるかを定義するのに役立つコンピュータモデルを使用しています。

ある研究者が最近、これらのコンピュータモデルがいかにして組織の近隣地域を認識することを学習するかという、根本的な問題に取り組みました。長年、これらのモデルのトレーニングにおける標準的な手法は、人間が顔を認識する方法から借用した論理に依存してきました。それは、コンピュータに同じ物体のわずかに異なる2枚の画像を見せ、「これらは同じものである」と教え、同時に「部屋の中にある他のすべての物体は異なるものである」と教えるというものです。このアプローチは、コンピュータにすべての細胞を唯一無二の個体として扱うよう強制し、あらゆる細胞を他のすべての細胞から分離させようとします。この手法は、特定の細胞タイプを識別することには優れていますが、細胞が共に暮らすより大きな「近隣地域」を見つけるという目的においては失敗します。組織内では、物理的に接触している細胞は同じグループに属すべきものですが、標準的なトレーニング手法は、コンピュータに対してそれらを積極的に引き離すように教えていたのです。

この不一致を解消するために、中国民用航空大学の研究者である鄭昭（Zheng Zhao）は、コンピュータの学習方法に対する、シンプルかつ急進的な変更を提案しました。新しい手法は、すべての細胞をそれぞれ独自のクラスとして扱うのではなく、物理的に接触している細胞同士は「ポジティブなペア」、つまり「一致」とみなすべきであるとコンピュータに教えます。研究者は、健康なサンプルと炎症性腸疾患の患者からのサンプルを網羅する、ヒト結腸組織の9つの異なるセクションからなる約45万9千個の細胞を含む大規模なデータセットを用いてトレーニングを行いました。研究者は、細胞が物理的な近接性に基づいて接続された複雑なマップを構築し、260万件以上の接続を持つネットワークを作成しました。そして、これらの接続を処理するために設計された人工知能の一種であるニューラルネットワークを用いて、接触している細胞の表現を内部メモリ内で近づけるように学習させ、むしろ引き離すのではなく、近づけるように訓練しました。

この変更による結果は驚くべきものでした。研究者がこの新モデルを既存の最強の手法と比較してテストしたところ、新アプローチは組織の組織化に関するより鮮明な図を作成しました。モデルが組織の自然な流れをどの程度捉えているかを示す標準的な指標は、0.633から0.756へと大幅に向上しました。また、同じ近隣地域にいる細胞がどの程度一貫してグループ化されているかを示す別の指標は、0.765から0.862へと跳ね上がりました。これらの改善は、従来の最良の手法が必要とした計算時間とメモリの半分のみを使用して達成されました。モデルは、組織サンプル全体にわたって10の明確な領域を特定することに成功しました。これらの領域の中には、上皮細胞によってほぼ完全に支配されている領域のような、特定の細胞タイプが優勢なものもあれば、クローン病や潰瘍性大腸炎などの特定の疾患状態においてのみ現れる、異なる細胞タイプの複雑な混合物であるものもありました。

この研究は、これらのモデルをどのように評価すべきか、そして何を避けるべきかについての驚くべき真実をも明らかにしました。研究者は、データの破損したバージョンから元の細胞データを再構成させるという、この分野で一般的な慣行である「特徴量の追加」が役立つかどうかをテストしました。その結果、逆の結果が得られました。この再構成タスクを追加することは、モデルの近隣識別能力を低下させ、測定したすべての指標においてパフォーマンスを悪化させることが判明したのです。さらに、本研究は、科学者がこれらのマップの品質を判断する方法における欠陥を浮き彫りにしました。識別された領域がいかにコンパクトであるかを測定する一般的な指標は、極めて不安定であることが分かりました。研究者が全く同じモデルを異なるランダムな開始点を用いて実行したところ、この指標のスコアは激しく変動し、2.4倍もの差が生じました。これは、単一のテスト実行では、結果がモデル自体の品質よりもランダムな開始点に依存している可能性があるため、異なる手法を公平に比較するための信頼できるテストにはなり得ないことを意味しています。

細胞間の相互作用をテストする方法に関するもう一つの重要な発見がありました。一般的な統計ツールは、もし2つの細胞タイプが相互作用していないのであれば、その配置は組織全体にラベルをランダムにシャッフルしたものと同様に見えるはずである、という仮定に基づいています。研究者は、細胞が自然にクラスター化する組織においては、この仮定が不完全であることを示しました。彼らがこの標準的なテストを適用したところ、マクロファージと線維芽細胞が互いを避けているという誤った結論が導き出されました。しかし、局所的な近隣構造を尊重したより慎重なテストを用いたところ、その誤報は消え去り、これらの細胞が期待される割合で相互作用していることが示されました。この発見は、標準的なツールが組織内の細胞の自然なクラスタリングを考慮しない場合、細胞の振る舞いについて誤解を招く結論を生み出す可能性があることを警告しています。

結局のところ、この研究は、コンピュータに何を教えるかという「学習の定義」が、見せるデータと同じくらい重要であることを示しています。単に「一致」の定義を「同じ細胞」から「接触している隣人」へと変えることで、研究者はモデルが組織を「孤立した個人の集まり」としてではなく、「一貫した近隣地域の集合体」として捉えることを可能にしました。このモデルは単に性能が向上しただけでなく、組織の組織化という生物学的現実を反映した、異なる種類のマップを生み出したのです。この研究は結腸組織に限定されており、他のすべての既存手法との比較は行っていませんが、空間データの分析に向けた明確な道筋を示しています。それは、組織領域の発見を目的とするタスクにおいては、空間の連続性を保持することが目標であるべきであり、成功を測定するために使用されるツールは、クラスタリングアルゴリズム固有の変動性を扱えるほど堅牢でなければならないことを示唆しています。この新しいアプローチのコードは現在、他の科学者が利用できるように公開されており、人体の複雑な近隣地域をより効率的かつ正確にマッピングする方法を提供しています。