DeepCNet: A multimodal deep learning model for predicting cell type-specific gene expression and promoter-enhancer interactions from single-cell multiome data
DeepCNetは、シングルセルマルチオームデータを活用して細胞型特異的な遺伝子発現を正確に予測し、プロモーター・エンハンサー間の調節相互作用を推論することで、転写因子遺伝子制御ネットワークの構築およびアルツハイマー病のような疾患における条件特異的な調節変化の特定を可能にする、新しいマルチモーダル深層学習フレームワークである。
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
人間の体のあらゆる細胞の中には、読み取られるのを待っている膨大な指示のライブラリが存在しています。このライブラリはDNAという長い化学コードで書かれており、細胞がどのように振る舞い、どのような姿をし、どのような役割を果たすかを決定しています。しかし、コードそのものは物語の一部に過ぎません。細胞がどのように機能するかを理解するためには、科学者は細胞がコードのどの部分を読み取り、どの部分を無視するかをどのように決定しているのかも理解しなければなりません。この意思決定プロセスは、プロモーターとエンハンサーと呼ばれる小さなスイッチに依存しています。プロモーターは遺伝子のすぐ隣に位置し、「正面玄関」のような役割を果たしますが、エンハンサーは「リモコン」のようなものであり、数千塩基のDNAコードほど離れた遠くに位置することもあります。細胞が特定の遺伝子を活性化する必要があるとき、これら2つの部分は物理的に結合し、遺伝子をオンにするためにDNA鎖の中にループを形成しなければなりません。あらゆる異なる種類の細胞において、どのリモコンがどの正面玄関に接続されているのかを解明することは、現代生物学における最も困難なパズルの一つです。
長い間、科学者たちは、何百万もの細胞の混合物を一度に観察することで、これらの接続を研究するしかありませんでした。それは、混雑したスタジアムの騒音を聞きながら、会話の内容を理解しようとするようなものです。このアプローチは、個々の細胞タイプのユニークな「声」を曖昧にしてしまいました。近年のテクノロジーは、研究者が単一の細胞におけるDNAとその遺伝子の活動を観察することを可能にし、免疫細胞や脳細胞などの個別の制御プログラムを明らかにするという形で、この状況を変えました。しかし、この高解像度の視点を得てもなお、これらの遠く離れたスイッチがターゲットとなる遺伝体にどのように接続されているかを正確に予測することは、依然として大きな課題です。既存のコンピュータモデルは、特にアルツハイマー病のような疾患において、これらの相互作用がどのように変化するかを理解しようとする際、その複雑さに追いつけず苦戦することがよくあります。
フロリダ大学の研究チームは、この問題を解決するために、DeepCNetと呼ばれる新しいコンピュータプログラムを開発しました。このツールは、生のDNA配列と複雑な細胞の振る舞いの間の「架け橋」となるように設計されています。DeepCNetは単に推測するのではなく、実データから学習することで、特定の細胞タイプにおいて遺伝子がどのように振る舞うかを予測します。これは主に2つの要素、すなわちDNAの塩基配列と、DNAの「アクセシビリティ（接近しやすさ）」を見ることで行われます。アクセシビリティは、コンピュータに対してコードのどの部分が開いており、読み取り可能な状態にあるかを伝えます。これら2つの情報源を組み合わせることで、プログラムはどのエンハンサーがどの遺伝子と対話している可能性が高いかを推論することができます。
研究者たちは、ヒトの血液および脳組織のデータを用いてDeepCBNetのテストを行いました。彼らは、血液中の免疫細胞や脳内のニューロンといった異なる細胞タイプにおいて、特定の遺伝子がどのように活性化するかをコンピュータに予測させました。DeepCNetの予測を実際の細胞から測定された値と比較したところ、この新しいプログラムは既存の他のどの手法よりも優れた性能を示しました。遺伝子活動の強さを推測する精度が高かっただけでなく、極めて重要なことに、遠く離れたエンハンサーとそれが制御する遺伝子の間の正しい接続を特定する能力においても優れていました。その信頼性を証明するために、チームはDNAループの物理的なマップや、特定のDNAスイッチをオフにした実験結果を含む、独立した実験データに対してDeepCNetの予測を検証しました。あらゆるケースにおいて、DeepCNetが推論した接続は、他のモデルよりも実世界の証拠と密接に一致していました。
DeepCNetは、単に遺伝子活動を予測するだけでなく、細胞の振る舞いを支配する制御ネットワークのマッピングを可能にします。研究者たちは、転写因子（遺伝子のマスタースイッチとして機能するタンパク質）がどのように標的を制御しているかを詳細なマップを作成するために、このツールを使用しました。プログラムは既知の制御因子を特定し、それらが特定の細胞タイプ内でどのように連携して機能するかを明らかにしました。例えば、特定のタンパク質がどのように協力して免疫応答を管理しているかを浮き彫りにし、多くの細胞に共通するルールと、特定の細胞タイプを定義する独自のルールの両方を示しました。
DeepCNetの力は、疾患の理解にも及びます。研究者たちは、アルツハイマー病の患者1名と健康な対照群のデータを適用し、脳内で制御接続がどのように変化するかを調査しました。両者を比較することで、プログラムは、疾患の状態において遺伝子とそのスイッチの間の接続がどのように変化したかを特定しました。アルツハイマー病患者の脳細胞において、プログラムはAIF1という遺伝子とその制御スイッチの間の接続が強化されていることを発見しましたが、これは疾患における炎症について知られている知見と一致しています。また、別の遺伝子であるSLC20A2については、接続が弱まっていることも突き止めました。これらの知見は、疾患とは単に遺伝子がオンまたはオフになることではなく、ゲノムの物理的な配線が作り変えられていることであることを示唆しています。
研究者たちは、DeepCNetがこれらの変化に関する強力な計算的証拠を提供する一方で、この特定の患者と健康な人物の比較から得られた知見は、最終的な診断ではなく、さらなる研究のための「候補」として捉えるのが最適であると強調しています。このツールは、科学者が次にどこを見るべきかを示すために設計されています。ゲノムがどのように構成され、疾患においてどのように変化するかという明確なイメージを提供することで、DeepCNetは、複雑な生物学的パズルを、研究者が実際に辿ることのできる「地図」へと変え、人間の健康と疾病を駆動する隠れたメカニズムを探求するための新しい方法を提供しています。
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。