FineST：コントラスト学習で組織画像と空間トランスクリプトミクスを統合し、核単位のリガンド–レセプター解析を実現

細胞同士の隠れた会話を可視化する

私たちの体内では、小さな会話が至るところで行われています。隣接する細胞は常に化学的なメッセージを送り合い、組織の成長や感染への応答を助け、あるいはがんでは免疫をかわす手段となります。本研究はFineSTという新しい計算ツールを提案します。これは顕微鏡画像と遺伝子発現の空間マップを組み合わせて、個々の細胞核レベルでこれらの微妙な細胞間対話を明らかにし、腫瘍が周囲とどのように相互作用しているかをより鮮明に捉えます。

なぜ空間マップだけでは不十分か

空間トランスクリプトミクスの現代的手法は、組織切片内でどの遺伝子がどこで活性化しているかを記録できます。しかし、多くの一般的なプラットフォームは各スポットで複数の細胞からの信号を同時に捉え、組織の大部分は測定が欠落していたり非常に疎であったりします。この低解像度かつ断片的なデータは、どの特定の細胞が互いにやり取りしているのか、どの分子シグナルを介しているのかを特定することを困難にします。その結果、多くの既存手法は細胞間の物理的距離を無視するか、単一細胞スケールでの通信、特にこれらのメッセージを運ぶ重要なリガンド–レセプター対を解像できません。

FineST：顕微鏡像と遺伝子活動の融合

FineSTは、高解像度の組織学画像と空間遺伝子発現データを緊密に統合することでこの問題に対処します。大規模な組織スライド群で事前学習された強力な画像認識モデルを用い、粗い測定スポットを単一細胞程度の大きさの多数の小タイルに分割します。画像パターンが基礎となる遺伝子活性とどのように対応するかを学習することで、FineSTは各タイルや個々の核の中心周辺に対して詳細なRNA発現を補完（インピュテーション）できます。コントラスト学習の戦略により、画像特徴と遺伝子プロファイルを共通の空間に整列させ、対応する領域同士が互いに強化されます。さらに再構成ステップが加わることで、予測されたRNAパターンは元のデータに忠実に保たれます。

腫瘍と周辺組織の鮮明な像

研究者らは結腸直腸、乳腺、肝、鼻咽頭など複数のがんデータセットでFineSTを検証しました。高解像度の結腸直腸組織では、FineSTは数百に及ぶシグナル遺伝子の空間パターンを主要な代替手法よりも正確に再現し、各領域における細胞型の混合をより良く予測しました。異なるプラットフォームで測定された乳がんサンプルでも、FineSTのほぼ単一核解像度での再構築は詳細な実測マップと一致し、前浸潤領域とより浸潤性の高い領域の微妙な差異を明らかにしました。例えば、ある初期病変に存在していた特殊な筋上皮細胞集団が、より侵攻的な領域ではほとんど見られなくなるなど、進行に関連する変化の手がかりを示しました。

腫瘍–免疫の相互作用をたどる

FineSTは特に腫瘍が免疫および支持細胞とどのように相互作用するかをマップするのに有効でした。鼻咽頭がんでは、核レベルの解像度で調べると、FineSTは空間的に共発現するリガンド–レセプター対を数百組同定し、元の粗いスポットレベルよりもはるかに多くの対を検出しました。これらのパターンは、T細胞、B細胞、制御性T細胞、腫瘍細胞が豊富な異なる領域と一致し、抗原提示、細胞増殖、運動に関連する経路が濃縮されていました。第三リンパ組織と呼ばれる小領域内では、腫瘍細胞、T細胞、B細胞、線維芽細胞間の集中的な通信が明らかになり、がんが免疫攻撃を回避するのに寄与する可能性のある抑制的なシグナルも検出されました。

治療抵抗性への手がかり

PD-1免疫療法を受けた肝がん患者において、FineSTは一部の腫瘍が治療に抵抗する理由の解明に寄与しました。元のデータで弱い遺伝子信号を増強することで、腫瘍を囲むマクロファージやがん関連線維芽細胞のより一貫したパターンが明らかになり、非応答者にのみ活性化しているリガンド–レセプター相互作用が特定されました。これらの相互作用のいくつかはPD-1経路や追加のシグナル経路に関係し、腫瘍と免疫細胞の境界に沿って正確に局在しているように見え、境界を越えた通信が免疫応答を抑制する仕組みを示唆します。

今後の意義

非専門家の視点では、FineSTはソフトウェアによる顕微鏡のアップグレードと見なせます。既存の画像と遺伝子測定を用いて、組織内部で誰が誰と話しているかを細胞ごとに再構築します。個々の核レベルでこれらの会話を解像し、既知の生物学的経路に結びつけることで、腫瘍細胞が周囲の免疫・支持細胞にどのように影響を与えるか、どの領域がより侵襲的になるか、なぜ一部の患者が免疫療法に反応しないのかを明らかにできます。空間技術がさらに進歩するにつれ、FineSTのようなツールは複雑な組織のスナップショットを明確で解釈可能な細胞間対話の地図に変える可能性があります。

引用: Li, L., Wang, T., Liang, Z. et al. FineST: contrastive learning integrates histology and spatial transcriptomics for nuclei-resolved ligand-receptor analysis. Nat Commun 17, 4645 (2026). https://doi.org/10.1038/s41467-026-70528-7

キーワード: 空間トランスクリプトミクス, 細胞間コミュニケーション, がん微小環境, 組織学の統合, リガンド–レセプター解析