SMART: グラフニューラルネットワークと距離学習を用いた空間マルチオミクスの集約

組織を近隣地図として見る

私たちの体は、多様な細胞が集まるにぎやかな近隣（ネイバーフッド）で構成されており、遺伝子、タンパク質、DNAの折りたたみ状態といった分子要素が特定の場所で協調して働いています。新しい顕微鏡やシーケンシング手法は、薄切り組織内でこれらの多層の分子情報を直接読み取れるようになりましたが、この大量かつ多層で空間情報を伴うデータを、器官の構造や配置を示す明瞭な地図に変換することは大きな計算上の課題です。本研究はSMARTという手法を提案し、複雑な信号群を融合して異なる細胞コミュニティがどこに存在し、どのように配置されているかを詳細に描く助けになります。

細胞近隣を地図化する難しさ

最新の「空間マルチオミクス」技術は、RNA、細胞表面のタンパク質、クロマチンの開放性など、複数種類の分子情報を同時に測定しつつ、それぞれの測定が組織切片上のどの位置で得られたかを保持できます。各オミクスは細胞の振る舞いを異なる角度から示しますが、ノイズが多く高次元であり、互いに自然に整列するわけではありません。加えて、同一タイプの細胞が常に塊を作るわけではなく、器官内に点在する島状に現れることもあります。既存のソフトウェアはしばしば空間配置を無視する、オミクス間の関係を単純化しすぎる、あるいは新しい機器が生成する非常に大きなデータセットにスケールできない、といった問題を抱えています。

細胞の一覧ではなく、組織をグラフとして表現する

SMARTは、組織中の各測定スポットをネットワーク上の点として扱うことでこの問題に取り組みます。近接するスポットをつなげて空間グラフを構築し、各オミクスからの分子読み取り値はまず個々の遺伝子ではなく全体パターンを捉える少数の協調した特徴へと圧縮されます。グラフ向けに設計された一種のニューラルネットワークがリンクに沿って情報を伝搬させ、各スポットが近隣の情報を「聞き」つつ各オミクスの寄与を保持できるようにします。その結果、脳の異なる層やリンパ節の領域など、組織内で類似する領域が自然にまとまる共有された低次元表現が得られます。

何を類似とみなすかをモデルに教える

単に物理的な近隣に従うだけでは不十分です。なぜなら同じ型の細胞は離れて存在することがあるからです。SMARTは顔認識システムから借用した第二の要素、トリプレットを用いる距離学習を加えます。各スポットについて、分子パターンが非常に似ている別のスポット（「ポジティブ」）と明らかに異なるスポット（「ネガティブ」）を自動的に見つけます。そして、ポジティブを近づけ、ネガティブを遠ざけるよう内部表現を調整します。これにより、組織スライド上で離れていても同種の領域が近づくようになります。この引き合いと押し戻しは、各オミクス層の重要な詳細を保存する再構成ステップと並行して実行され、空間的連続性と分子特異性のバランスを取ります。

実際の組織でSMARTを検証する

研究者らはSMARTをシミュレーションデータと、RNA、タンパク質、クロマチンアクセシビリティの組み合わせを測定したマウス脳、マウス脾臓、ヒトのリンパ節や扁桃の実験データでテストしました。真の空間領域が既知の制御されたシミュレーションでは、SMARTは地上真理（ground truth）パターンを最も正確に復元し、各オミクス層に存在する関係性を維持しました。実データでは、SMARTは特定の脳領域やリンパ系器官の免疫細胞ゾーンといった微細な解剖学的構造を競合手法より鮮明に同定し、計算コストも低く抑えました。関連手法であるSMART‑MSは同じ考えを複数の組織切片にまたがって拡張し、同一器官のスライスを整列させ実験間の技術的差異を補正します。

次世代の空間生物学に向けた高速地図作成

平たく言えば、SMARTは次世代の分子アトラスのための地図作成エンジンです。組織配置をネットワーク型にモデル化する手法と、「何が類似なのか」を内包する仕組みを組み合わせることで、膨大で雑多な空間マルチオミクス測定を一貫した組織近隣地図へと変換できます。これにより研究者は、特定の細胞型や微小環境がどこに存在するか、それらが発生や疾患でどのように変化するか、新しい実験技術がどう組み合わさるかをより容易に把握できます。空間データが量的にも複雑性でも増大し続ける中で、SMARTやSMART‑MSのようなツールは、生の測定値を生物学的洞察へと変える鍵となるでしょう。

引用: Du, Z., Chen, Q., Huang, W. et al. SMART: spatial multi-omic aggregation using graph neural networks and metric learning. Nat Commun 17, 2876 (2026). https://doi.org/10.1038/s41467-026-70821-5

キーワード: 空間マルチオミクス, グラフニューラルネットワーク, 組織の微小環境, データ統合, 単一細胞生物学