SCMG: A Multi-Omics and Stage-Resolved Single-Cell Framework for Cancer Driver Gene Prioritization

技術要約：SCMG – がんドライバー遺伝子の優先順位付けのためのマルチオミクスおよびステージ解像度シングルセル・フレームワーク

問題提起
がんドライバー遺伝子の優先順位付けを行う現在の計算手法は、主に腫瘍サンプリング時に測定されたバルク分子プロファイル（変異負荷、DNAメチル化、および遺伝子発現）に依存している。ネットワークベースのアプローチやグラフニューラルネットワーク（GNN）は、マルチオミクスデータと遺伝子相互作用トポロジーの統合を改善してきたが、疾患の進行に伴う動的な転写変化を見落としがちである。特に、正常（Normal）、前がん（Precancer）、がん（Cancer）の状態を経て進行する上皮系腫瘍において、既存の手法は、ステージ解像度を持つシングルセルRNAシーケンシング（scRNA-seq）データを十分に活用できていない。このデータには、上皮細胞の発現レベル、発現細胞の割合、およびステージ間の平均発現の変化に関する重要な情報が含まれており、これらは高スコアの候補遺伝子をより適切に整理・解釈するための補助的な入力として機能し得る。

手法
著者らは、バルク・マルチオミクス特徴量、ステージ解像度の上皮シングルセルデータ、および生物学的遺伝子相互作用ネットワーク（GIN）を統合するために設計されたグラフ学習フレームワークである**SCMG（Single-Cell Multi-omics Graph）**を提案している。本フレームワークは、遅延ロジット融合戦略を用いたデュアルブランチ構造を通じて動作する：

1. データ統合:

   • バルク・ブランチ（Bulk Branch）: TCGAデータから得られた48次元の特徴量（16種類のがん種における変異頻度、DNAメチル化、および遺伝子発現）を入力とする。これらは、「不一致を考慮したバルク・マルチビューエンコーダ」を通じて処理され、局所的な遺伝子特徴と、6つのGIN（CPDB, STRING, IRefIndex, PCNet, PathNet, GGNet）のいずれかから伝播されたグラフ情報とが結合される。
   • scRNAブランチ（scRNA Branch）: 正常、前がん、がんの状態をカバーする3つのデータセット（GSE251990, GSE161277, GSE218170）からの、ステージ解像度の上皮発現プロファイルを入力とする。モデルは、平均ログ正規化発現、検出率、および発現細胞の平均からなる「ステージソース・トークン」を構築する。これらは、直接的なステージソース間の関係性と進行パターン（隣接するステージ間の差異）をモデリングするTransformerを用いて、「ステージソースscRNA進行エンコーダ」によって処理される。
   • 静的・動的統合（Static-Dynamic Integration）: scRNAブランチは、ハイブリッドエンコーダとFeature-wise Linear Modulation（FiLM）を用いて、静的な発現サマリーと動的な進行表現をさらに結合する。

2. モデルアーキテクチャ:

   • 2つのブランチ（バルクおよびscRNA）は、重み付きバイナリクロスエントロピーを用いて個別に最適化される。
   • 学習可能な線形**遅延ロジット融合層（late-logit fusion layer）**が、両ブランチからのロジットを結合し、最終的ながんドライバー・スコアを算出する。
   • モデルは、局所的な遺伝子特徴とグローバルなトポロジーおよび進行シグナルの両方を捉えるために、グラフ畳み込みネットワーク（GCN）とTransformerを利用する。

3. 事後解釈（Post-Hoc Interpretation）:

   • 高スコアの候補を解釈するために、著者らは**上皮変異スコア（Epithelial Alteration Score: EAS）**を算出する。この指標は、正常から前がんへの遷移、および前がんからがんへの遷移における発現変化のバランスを定量化するものである。
   • 背景補正された残差EAS（residual EAS）を用いて、高スコアの遺伝子を2つの運用領域に整理する：Q1（残差EAS ≥ 0、前がんからがんへの変化が大きいことを示す）およびQ2（残差EAS < 0、正常から前がんへの変化が大きいことを示す）。

主な結果

• パンキャン性能: SCMGは、6つの異なる遺伝子相互作用ネットワークにおいて、5つのベースライン手法（HGDC, EMOGI, DeepCDG, TGCN, SGCD）と比較評価された。SCMGは、すべての6つのネットワークにおいて、0.8763（GGNet）から0.9339（PathNet）の範囲のAUPRCを達成し、最も高い精度を示した。
• がん種特異性: CPDBネットワークを用いた15種類のがん種にわたるパンキャン解析において、SCMGは9種類のがん種（BRCA, BLCA, LIHC, COADを含む）で最高のAUPRCを、7種類のがん種で最高のAUROCを達成した。最も顕著な相対的改善はUCECにおいて観察された（次点のメソッドに対し14.65%向上）。
• アブレーション研究: シングルセル特徴量を除去すると、AUPRCは0.9113（フルモデル）から0.9018（バルクのみ）に低下し、ステージ解像度データの漸進的な価値が確認された。タンパク質相互作用（PPI）の伝播を除去した場合、最大の性能低下（AUPRC 0.8092）が見られ、ネットワークトポロジーの重要性が浮き彫りとなった。
• 外部検証:
  • ドライバーカタログの濃縮: SCMGによるランキングは、訓練時のポジティブラベル集合外のIntOGenドライバー遺伝子に対して有意に濃縮されていた（Top 500 OR = 9.40, FDR = 2.28 × 10⁻²⁰）。この濃縮は、TCGAおよびPAWG由来のドライバー記録を除外した後でも持続した。
  • 臨床的関連性: Q1およびQ2遺伝子から導出されたシグネチャーは、TCGAコホートにおける患者の予後（全生存期間、無増悪生存期間、疾患特異的生存期間）と関連していた。両方の高スコアグループにおいて、不良な生存結果が示された。
  • 外部コホート: 外部の皮膚有棘細胞癌（cSCC）シングルセルコホートにおいて、選択された候補（例：FN1, APP, FYN, RYR3）は、基底細胞サブタイプにおいて一貫した腫瘍対正常の発現パターンを示した。

意義および主張
本論文は、SCMGがステージ解像度の上皮コンテキストをがんドライバー遺伝子の優先順位付けに統合する新しいフレームワークを提供すると主張している。その主な貢献は以下の通りである：

1. 方法論的貢献: バルク・マルチオミクスと、ステージ解像度のシングルセル・サマリーをデュアルブランチのグラフ学習フレームワークを介して組み合わせることが、バルクデータのみに依存する方法よりもドライバー遺伝子の優先順位付けを改善することを実証した。
2. 解釈可能性: 予測スコアと残差EASの座標系を確立することで、高スコアの候補を、疾患ステージを通じた発現軌跡に基づいた明確なグループ（Q1およびQ2）に整理した。Q2遺伝子は正常からがんにかけて発現が漸次減少したのに対し、Q1遺伝子は前がん期に減少した後、がん期に回復した。
3. 生物学的妥当性: これらの異なるグループが、特定の癌関連機能テーマ（例：PI3K–RTK/MAPKシグナル、細胞周期）に濃縮されており、そのシグネチャーが患者の生存率と相関していることを示した。

著者らは、シングルセル入力は統一されたパンキャン・トラジェトリーではなく、利用可能な3つの上皮コンテキストを代表していること、およびネガティブラベルが保守的に選択された背景であることを述べ、控えめなトーンを維持している。また、本フレームワークは候補の選択をサポートするものであるが、ドライバー活性を確認するためには機能的な検証が必要であると強調している。