Cell IO: a database linking single-cell transcriptomes to literature-derived knowledge of cell functions and perturbations
Cell IOは、約15,000件の実験から再処理されたシングルセル・トランスクリプトーム・データと、細胞の機能や摂動に関する895,000件以上の文献由来の主張を統合し、それらをCell Ontology識別子を通じて結びつけることで、細胞型の生物学の包括的な探索を可能にする、自由にアクセス可能なデータベースである。
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
生物学は長い間、「特定の種類の細胞は実際に何をしているのか？」という根本的な問いに依存してきました。数十年の間、科学者は遺伝子や表面のタンパク質によって細胞を特定することができましたが、それはまるで、名前を見てその人が誰であるかを識別するようなものでした。しかし、名前を知っているだけでは、その人の仕事や習慣、あるいは周囲の世界が変化したときにどのように反応するかまでは分かりません。現代生物学において、研究者は個々の細胞の遺伝的指示を読み取り、特定の瞬間に単一の細胞内でどの遺伝子が活性化しているかを正確に示す膨大なデータのライブラリを作成できるようになりました。これらのライブラリは、ヒト、マウス、ラットからなる数億個の細胞を含むまでに成長しています。しかし、これらの細胞が実際に何を成し遂げているのか——どのように病気と戦い、どのようにコミュニケーションを取り、あるいは遺伝子が壊れたときに何が起こるのか——という知識は、依然として数千もの科学論文の中に散在しており、コンピュータが容易に読み取ることのできないテキストの中に埋もれたままです。
日本の理化学研究所（RIKEN）生命現象解析研究センターの研究者が、これら二つの世界を繋ぐ架け橋を築きました。彼らは「Cell IO」と呼ばれる新しい公開データベースを構築しました。これは、個々の細胞の生の遺伝データと、科学文献に見られる記述された知識を直接結びつけるものです。細胞型を記述するための共通言語を使用することで、このシステムにより、科学者は遺伝子のリストから始めて、その細胞の挙動について世界の科学コミュニティが何を書いてきたかを即座に確認することができます。逆に、特定の細胞の機能について読んでいる研究者は、その主張を裏付ける遺伝データをすぐに見つけることができます。このツールは単に情報を蓄積するだけでなく、細胞の遺伝的構成という「何（what）」が、その機能の「どのように（how）」および「なぜ（why）」と常に組み合わされるように整理しており、バラバラな事実の山を、ナビゲート可能な細胞の生命の地図へと変えています。
このプロジェクトは、公開アーカイブにある膨大な遺伝データの量に対処することから始まりました。研究者は、ヒト、マウス、ラットの細胞を含む6万5,000件以上の実験から得られた生の遺伝配列を集めました。これらの実験は均一ではなく、異なる研究室で行われ、異なる装置が使われ、異なる方法で処理されていました。これらを比較可能にするために、彼らはすべての実験を同じコンピュータ・パイプラインに通しました。このプロセスには、データのクリーニング、エラーの除去、および類似した細胞のグループ化が含まれます。その後、彼らは細胞型のユニバーサルな辞書に基づいて各細胞グループに標準的な名前を割り当て、マウスの研究における「T細胞」がヒトの研究における同じ種類の細胞として認識されるようにしました。その結果、約1万5,000件の実験から得られた、ほぼ8,300万個の細胞を含む、大規模で整理されたコレクションが完成しました。これらはすべて同じ方法で処理されているため、直接比較することが可能です。
遺伝データが細胞の地図を提供した一方で、研究者はそれらの細胞が何をしているかという「物語」も必要であると知っていました。これを見つけるために、彼らは科学文献に目を向けました。彼らは、免疫系と神経系に焦点を当て、数十万件のオープンアクセス研究論文や総説論文を収集しました。言語を読み取り理解するように訓練された高度なコンピュータモデルを使用して、細胞の挙動に関する具体的な記述を抽出しました。システムは、細胞がウイルスを殺す細胞や化学信号を放出する細胞のように、エージェント（主体）として機能している文章を特定することを学習しました。また、遺伝子摂動（科学者が細胞の反応を見るために、意図的に遺伝子を壊したり変化させたりする実験）に関連する知見も探しました。
コンピュータは単にテキストを読んだだけでなく、その主張を検証しました。細胞が単なる傍観者ではなく、本当にその行動を行っている主体であるかどうかを確認しました。そして、論文で使用されている特定の名称を、遺伝データで使用されているものと同じ標準的な辞書へと翻訳しました。これにより、細胞機能に関する約90万件の明確な主張を含む、第二の知識層が作成されました。これらの主張の中には、新しい発見を記述したオリジナルの研究論文からのものもあれば、既知の事項をまとめた総説論文からのものもあります。システムはまた、証拠の強さにも注目し、著者が断定している記述と、単に示唆または推測されている記述を区別しました。
Cell IOの真の力は、これら二つの層がいかに接続されているかにあります。遺伝データと文献の主張の両方が細胞型の同じ標準名称を使用しているため、データベースはそれらをシームレスに連結できます。ユーザーは「制御性T細胞」のような特定の細胞型を検索して、遺伝データと文献の両方を示す単一のページを表示させることができます。一方のページには、その細胞型がいくつの実験で見つかり、どの組織で最も一般的であるかが表示されます。もう一方のページには、その細胞が何をするかを記述している科学論文からの数千の文章がリストアップされます。インターフェースにより、ユーザーは証拠の種類、生物種、あるいは効果の方向性（遺伝子の変化によって細胞の活動が増加したか減少したかなど）によって、これらの主張をフィルタリングすることができます。
この接続は、現在の私たちの知識のギャップを明らかにします。データベースによれば、遺伝データと文献の両方でよく研究されている細胞型もあれば、遺伝実験には頻繁に登場するものの、その具体的な機能については書かれたことがほとんどない細胞型もあることが分かります。例えば、ある種の松果体細胞は、数千の実験にわたる100万個以上の細胞の中で発見されていますが、データベースにはそれが何をするかについての記述がわずか4件しかありません。逆に、多くの記述があるものの、現在のコレクションに対応する遺伝データが欠けている細胞型もあります。これらの不一致を浮き彫りにすることで、このツールは、私たちの理解がどこで不完全であり、将来の研究がどこに向けられるべきかを科学者に示します。
このデータベースはインターネット接続があれば誰でも無料で利用でき、特別な登録やソフトウェアのインストールは必要ありません。直感的に操作できるように設計されており、ユーザーは細胞名、組織型、あるいは特定の遺伝子から始めて、関連するデータやテキストへと進むことができます。研究者は、このシステムは最終的な権威ではなく、探索のためのツールであることを強調しています。抽出された主張は機械によるものであり、元のソースに直接リンクされているため、ユーザーは自身で情報を検証することができます。研究者は、現在のコレクションが特定の種類の実験や生物に限定されていること、そして自動化されたテキスト抽出は非常に正確ではあるものの完璧ではないことも認めています。しかし、細胞とは何か、そして細胞が何をするのかという統一された視点を提供することで、Cell IOは現代生物学の複雑な景観をナビゲートする新しい方法を提示し、散らばった知識の断片を、一貫した全体へと変貌させているのです。
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。