Identifying Robust Single-Cell 3D Genome Domain Boundaries with CellRoB

技術要約：CellRoBによる堅牢な単一細胞3Dゲノムドメイン境界の特定

問題提起
単一細胞3Dゲノム技術は、集団平均を超えたクロマチン構造の異質性を明らかにする可能性を秘めている。しかし、単一細胞コンタクトマップ（scHi-C、Dip-C、scMicro-Cなど）に固有の極端なスパース性（疎性）と技術的ノイズは、トポロジカル関連ドメイン（TAD）の境界を不明瞭にする。このスパース性は、主に以下の2つの課題を引き起こす。

1. 検出の信頼性： 弱い境界シグナルが検出されず、位置の不確実性が細胞間の比較を困難にする。
2. 比較可能性： 境界が検出されたとしても、位置の不一致が細胞間での境界の発生頻度や強度の系統的な比較を妨げる。
   既存の計算手法（scHiCluster、Higashi、DeTOKI、DeDoc2など）は、コンタクトの補完やドメイン検出に焦点を当てることが多いが、細胞間で一貫した境界表現を確立できていない。さらに、データを擬似バルク（pseudo-bulk）マップに集約することは、再発するシグナルを強化する一方で、ごく一部の細胞にのみ共有される低頻度の境界を覆い隠してしまい、希少な構造変化の特性評価を制限する。

手法：CellRoBフレームワーク
CellRoBは、細胞固有のバリエーションを保持しながら、単一細胞クロマチンドメイン境界を堅牢に特定し、比較するために設計された計算フレームワークである。パイプラインは主に4つの段階で構成される。

1. コンタクト補完（Contact Imputation）：

   • 本手法はまず、Higashiを利用して500 kbビン化されたコンタクトマップに基づく細胞間類似性行列（$W$）を生成する。
   • 各細胞について、上位$k=15$個の近傍細胞のみを保持する。
   • 生の40 kbコンタクトマップ（$H_i^{raw}$）は、近傍の生のマップの加重平均を用いて補完される：
     $$H_i^{imp} = \frac{H_i^{raw} + \sum_{j=1}^N W_{ij} H_j^{raw}}{1 + \sum_{j=1}^N W_{ij}}$$

2. 初期単一細胞境界検出：

   • 密度ベースのクラスタリングに着想を得て、CellRoBは2つの指標を用いて個々の細胞内の各ゲノムビン$i$における境界候補を特定する：
     • 絶縁強度（Insulation Strength, $\rho(i)$）： ウィンドウ（$w=15$ビン、40 kb）内でのドメイン内およびドメイン間コンタクト和の正規化された差として算出される。
     • 最小距離（Minimum Distance, $\delta(i)$）： 範囲$M$（20 Mb）内において、より高い絶縁強度を持つ最も近いビンまでの距離。
   • これらの指標は正規化され、スコア $\eta(i) = \rho'(i)\delta'(i)$ に結合される。
   • 反射点 $r$ は、高いスコアと低いランクのバランスをとるように決定される。$\eta(i) > \alpha \eta(r)$（ここで$\alpha$はビンサイズに応じてスケーリングする）を満たすビンが初期境界として選択される。

3. 細胞間アライメント（Cross-Cell Alignment）：

   • 位置の不一致に対処するため、すべての細胞からの生の境界シグナルを集約し、一様カーネルを用いて平滑化する。
   • 平滑化されたシグナルの局所的な谷（local valleys）が、ゲノム空間をグループに分割する。
   • 各グループについて、そのグループ内に境界を持つすべての細胞における絶縁スコアの二乗損失を最小化することにより、コンセンサス・ビンが決定される。これにより、すべての細胞に対してバイナリ的な「存在/不在」の決定を強制することなく、境界を共通の座標系に整列させることができる。

4. 保存性分類（Conservation Classification）：

   • 整列された境界は、細胞集団における出現頻度（$f_i$）に基づいて分類される：
     • 希少（Rare）： $1\% \le f_i < 10\%$
     • 弱く保存された（Weakly Conserved）： $10\% \le f_i < 50\%$
     • 強く保存された（Strongly Conserved）： $f_i \ge 50\%$

主な結果

• Dip-Cデータにおける性能： マウス脳のDip-Cデータ（染色体6、40 kb）を用いたベンチマークにおいて、CellRoBはHiCS、Higashi、DeTOKI、DeDoc2と比較して優れた性能を示した。

  • 生物学的妥当性： 予測された境界は、標準的な因子（CTCF、H3K4me3、ハウスキーピング遺伝子）に対して最も高い濃縮度を示した。
  • 一貫性： 構造的に類似した細胞間を比較した際、CellRoBは最高のJaccard指数（JI）および一致度（MoC）を達成した。
  • 堅牢性： コンタクトのドロップアウト（5%から40%）のレベルに関わらず、最も高いF1スコアを維持し、レプリケートデータセットにおいて高い再現性を示した。

• 高解像度性能（scMicro-C）： ヒトGM12878 scMicro-Cデータの、40 kbから5 kbまでの解像度における評価。

  • ビンサイズが小さくなるにつれて予測される境界の数が指数関数的に増加する他の手法（HiCS、DeDoc2、DeTOKI）とは異なり、CellRoBは安定していた。
  • 5 kbの解像度においても、最高のMoCと生物学的特徴の最も強い濃縮を達成した。
  • G1期の細胞における境界に関連する遺伝子のGO濃縮解析により、異なる機能プロファイルが明らかになった。すなわち、希少な境界は神経系発達に関連し、強く保存された境界は細胞分裂に関連していた。

• 希少な境界の特性評価：

  • CellRoBは、集団平均化によって見落とされる、ごく一部の細胞にのみ存在する境界の検出に成功した。
  • 希少な境界は、特有の細胞型情報（例：神経分化遺伝子の濃縮）を保持しており、保存された境界とは異なるエピジェネティックなシグネチャを示した。

• 発達サブポピュレーションの解明（HiRESデータセット）：

  • マルチモーダルなマウス胚データ（Hi-C + RNA-seq）に適用したところ、CellRoB由来の境界強度プロファイルは、RNA由来のエンベディングでは区別できなかったエピブラスト（EPI）および原始線条（Primitive Streak）グループ内の2つのサブポピュレーションを解明した。
  • 差分的解析により、これらのサブタイプは境界の有無（バイナリ特徴）ではなく、境界強度の定量的変動（絶縁スコア）によって区別されることが明らかになった。
  • サブタイプ1は神経管閉鎖に関連する遺伝子の濃縮を示し、サブタイプ2は非神経系の発達プロセスに関連する遺伝子の濃縮を示した。これは、これらが異なる発達経路を示唆している。

意義と主張
本論文は、CellRoBが、信頼できる単一細胞境界の特定から低頻度の構造的異質性の発見へとつなぐための堅牢な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. 比較可能性の向上： 再発する境界領域をモデル化し、絶縁スコアの最小化を通じてそれらを整列させることで、細胞間における境界の発生と強度の系統的な比較を可能にする。
2. 希少な特徴の回収： 集団平均化によって隠されてしまう希少な境界の定義と特性評価を可能にし、生物学的に情報価値のある構造的異質性を明らかにする。
3. 定量的な構造的特徴： 定量的な境界強度が、トランスクリプトームデータだけでは分離できない細胞の異質性や発達状態を解明するための構造的特徴として機能し得ることを示している。

著者らは、CellRoBは一貫性を向上させるものの、入力されるカバレッジや前処理の選択（補完、ビンサイズ）に依存することを注記している。また、希少境界の分類は頻度の閾値に依存しており、単一細胞の境界アノテーションに関する決定的なゴールドスタンダードは存在しないため、推論された境界の物理的意義を確立するには独立した実験的検証が必要であることも認めている。