HRCHY-CytoCommunityは細胞タイプの空間マップから組織の階層的構造を同定する

組織内で細胞が近隣を作る仕組み

臓器は単なる細胞の袋ではなく、異なる細胞「近隣」が連携して私たちの生命を支えたり、病気の際には時に不利に働いたりする緻密に配置された都市です。新しいイメージングや配列解析の技術により、組織切片内の各細胞がどこにいるかと、その細胞の状態を同時に記録できるようになりました。しかし、この目まぐるしい空間的詳細を理解するのは難しい。本研究はHRCHY‑CytoCommunityという計算手法を紹介します。これは健康な臓器や腫瘍内で細胞がどのように近隣やより大きな地区にまとめられているかを自動的に再構築し、そうしたパターンを患者の転帰と結びつけます。

細胞マップから見えない組織構造へ

現代の空間“オミクス”技術は、組織内の正確な位置を保持したまま何千もの分子を何万〜何十万もの細胞で測定できます。研究者は細胞が層、ゾーン、コンパートメントとして配置されることを知っています。例えば、腫瘍では免疫領域とがん領域が分かれている場合と混在している場合で挙動が異なることがあり、第三リンパ組織と呼ばれる免疫凝集は複数のがんで良好な生存を予測します。しかし、既存の多くの解析ツールはこの自然な階層性を無視するか、単一のレベルの構造のみを見つけるため、小さな細胞近隣がより大きな組織地区にどう収まるかを把握しにくいという問題があります。

細胞近隣を読み取る新しい方法

HRCHY‑CytoCommunityは組織を細胞のネットワークとして扱うことでこの課題に取り組みます。各細胞をグラフのノードとし、空間的に近い隣接細胞とつなぎます。生の遺伝子やタンパク質測定値に直接依存する代わりに、がん細胞、T細胞、線維芽細胞などの各細胞のタイプを主要な入力として用います。グラフニューラルネットワークがこれらの細胞タイプの配列パターンを学習します。一段階で近接する細胞を細かい“細胞近隣”にまとめ、次の段階でそれらの近隣を粗い“組織区画”にプーリングして、各細胞がちょうど一つの近隣に属し、各近隣が単一の区画内にきれいに収まるようにします。弱い結合の刈り取り、ランダムノイズの付加、安定でバランスの取れたクラスタを促すといった学習上の工夫が、脆弱あるいは自明なグルーピングを避けるのに役立ちます。

臓器、技術、疾患を横断して構造を発見する

著者らはHRCHY‑CytoCommunityを、マウスとヒトの多様な空間データセットで検証しました。イメージングベースのタンパク質マップと配列ベースのRNAマップの両方を含み、脾臓、脳、腸、腫瘍を横断しています。マウス脾臓では、赤脾髄やリンパ領域といった古典的構造を、これらが離れたパッチに分断されている場合でも再現しました。結腸直腸がん組織では、腫瘍領域と正常領域を明瞭に分離し、腫瘍の端部や中心で異なる近隣を浮き彫りにしました。マウス脳領域では、他の多くの方法がぼかしてしまうことの多い小さな核や皮質層を正確に追跡し、数十万スポットに達する非常に大きなデータセットも数分で処理しました。各測定スポットが細胞タイプの混合物を含む場合でも、まず各スポットに存在する細胞を推定することで、解剖学的に意味のある層やサブ領域を再構築できます。

患者ごとに異なるパターン

単一サンプルの記述を超えて、HRCHY‑CytoCommunityは多数の患者の間で近隣と区画を整列させ、共有の多細胞構造の“語彙”を定義できます。トリプルネガティブ乳がんでは、広い免疫豊富区画とがん豊富区画を一貫して検出した一方で、それら内の細かな近隣は患者ごとに異なっていました。ある腫瘍にはマクロファージ、T細胞、血管の独特な組み合わせや、がん—好中球の混合ポケットが含まれ、単純な細胞数の集計では見えない個別化された微小生態系を明らかにしました。大規模な乳がんコホートに適用したところ、これらの多階層構造は生存による患者層別化に寄与しました。特定のがん細胞表現型に富む区画は良好な転帰の患者群を示し、線維芽細胞や特定のT細胞・マクロファージの組み合わせに富む近隣は有意に悪い予後を示す群を指し示しました。これは効果的な抗腫瘍免疫への物理的または機能的な障壁を反映している可能性があります。

疾患の理解と治療に向けての意義

細胞タイプの複雑な空間マップを近隣と地区の明瞭な階層に変換することで、HRCHY‑CytoCommunityは組織がどう構築され、病気でどう崩れるかを観察する強力なレンズを提供します。異なる実験プラットフォームにまたがって動作し、大規模データを扱い、細胞の完全なネスト化されたカバレッジを提供する能力は、基礎生物学と臨床研究の両方で実用的なツールとなります。がんでは、患者の生存や治療反応に関連する微小アーキテクチャを明らかにでき、健康な臓器では特化領域の協働を図示できます。最終的に、このようなアプローチは、医師が今日の検査値を読むのと同じように組織の配列を日常的に読み取り、より精密な診断と治療を導くのに役立つ可能性があります。

引用: Xie, R., Wang, Z., Liu, J. et al. HRCHY-CytoCommunity identifies hierarchical tissue organization in cell-type spatial maps. Nat Commun 17, 3312 (2026). https://doi.org/10.1038/s41467-026-70069-z

キーワード: 空間オミクス, 組織アーキテクチャ, グラフニューラルネットワーク, 腫瘍微小環境, 細胞近傍