空間解像トランスクリプトミクスデータから空間変動遺伝子を検出する34の計算手法の分類

なぜ位置が遺伝子にとって重要なのか

私たちの体は、役割が異なるだけでなく、組織や臓器内のどこにいるかによっても特徴が分かれる細胞から構成されています。新しい「空間トランスクリプトミクス」技術は、各細胞の住所を組織マップ上で保持したまま、どの遺伝子が活性化しているかを読み取れるようにしました。本総説は、活動が場所によって変わる—いわゆる空間変動遺伝子—をどのように検出するかを説明するとともに、それらを見つける方法について合意することががん、脳機能、その他多くの疾患の理解にとってなぜ重要かを解説します。

散在する細胞から生きた地図へ

従来の単一細胞研究は数千個の細胞ごとの遺伝子活動を測定しますが、その細胞がどこから来たのかという位置情報は失われます。空間トランスクリプトミクスはこのギャップを埋め、組織の薄切片上で直接遺伝子発現を測定します。各測定はスライス上の「スポット」に結び付けられ、そのスポットは技術によっては1つの細胞または複数の細胞を含むことがあります。イメージング系の手法は、選ばれた数百の遺伝子を非常に高い空間分解能で特定し、シーケンス系のプラットフォームはより低い解像度でほぼ全遺伝子を捉えます。これらのアプローチを組み合わせることで、組織断面は遺伝子発現の色鮮やかな地図となり、脳の層構造や腫瘍内部の領域など、隠れた構造を明らかにできます。

位置に敏感な3種類の遺伝子

こうした組織マップ上で意味あるパターンを示す遺伝子を見つけるために多くの計算手法が提案されていますが、同じものを探しているわけではありません。著者らは現行の34手法を3つの明確なカテゴリに分類しています。第1群は組織全体で非ランダムに変化する「全体的な」空間変動遺伝子を探します。これらは縞模様、クラスタ、勾配などを形成する可能性があります。第2群は単一の細胞型内で変動する「細胞型特異的」空間遺伝子に注目し、例えばニューロンのサブタイプや免疫細胞の異なる状態を区別するのに役立ちます。第3群は特定の領域や層で強く発現する「ドメインマーカー」遺伝子を検索し、組織ゾーンのラベルとして有用です。

パターンに応じた異なるツール

本総説は、これらの手法が内部でどのように動作するかを説明します。ある手法は組織断面を通常の2次元空間の点として扱い、スポットや波のようなパターンを検出するために数学的な「カーネル」を用います。別の手法はまず近傍の位置をネットワーク（グラフ）に結び付け、そのグラフのリンクに沿って高発現が集まるかどうかを調べます。あるツールは誤検出率が明確に定義された形式的な統計検定に依存し、他は遺伝子をパターンの顕著さに応じて順位付けすることに重点を置きます。非常に特定のパターンを対象とする方法は、データが期待に合致する場合に強力ですが、多くのがんで見られるような不規則で複雑な形状を見逃す可能性があります。柔軟性と速度の間のトレードオフも存在します：あるアプローチは数十万スポット規模に拡張可能ですが、他は非常に大きなデータセットに対して苦戦します。

これらの遺伝子が明かすもの

空間変動遺伝子が特定されると、それらはより深い生物学的発見の原材料となります。全体的な空間遺伝子は、まず遺伝子数を絞り込んでからスポットを「空間ドメイン」— 表現プロファイルが似た細胞群— にまとめるための一次フィルターとしてよく使われます。これらのドメインは既知の組織構造と一致したり、新たなサブ領域を示唆したり、腫瘍の浸潤前線のような特異な細胞近傍を浮き彫りにすることがあります。ドメインマーカー遺伝子は各領域の独自性を説明するのに役立ち、他のサンプルでも類似構造をラベル付けするために再利用できます。一方、細胞型特異的空間遺伝子は、特定の細胞型が組織を横断してどのように変化するかをより精緻に示す可能性があり、腫瘍–免疫相互作用や脳内の特殊化された回路の解明に光を当てるかもしれません。

課題と今後の道筋

著者らは、すべてのタスクに万能な単一の手法は存在しないこと、そして手法を公平に比較するには各手法が実際にどの種類の空間遺伝子を探すよう設計されているかを慎重に考える必要があることを強調します。現実的なデータセットを用いたより良いベンチマーク、偽発見を避けるための明確な統計基準、技術や組織タイプの違いを尊重する新しいアプローチの必要性を訴えています。専門外の読者にとっての主要メッセージは、空間変動遺伝子が平坦な遺伝子リストを生きた地図に変え、分子活動と組織構造を結びつけるという点です。これらの遺伝子を検出し解釈する堅牢な方法は、発生、脳機能、疾患に関する実用的な洞察へと空間トランスクリプトミクスを導く上で中心的な役割を果たすでしょう。

引用: Yan, G., Hua, S.H. & Li, J.J. Categorization of 34 computational methods to detect spatially variable genes from spatially resolved transcriptomics data. Nat Commun 16, 1141 (2025). https://doi.org/10.1038/s41467-025-56080-w

キーワード: 空間トランスクリプトミクス, 空間変動遺伝子, 遺伝子発現パターン, 組織マイクロ環境, 計算ゲノミクス