定量的組織解析のための細胞近接性評価法の比較と最適化

なぜ細胞の近隣が重要なのか

私たちの体はランダムに散らばった細胞の集まりではなく、にぎやかな細胞の「近隣」で構成されています。どの細胞がどの細胞の隣にいるかは、腫瘍の成長、創傷の治癒、心筋梗塞後の心臓の回復などに影響を与えます。本論文は一見単純な問いを投げます：組織画像でどの細胞種が互いに近くにいるかを測るとき、研究者が用いるさまざまな手法はどれほど信頼できるのか、そして改善は可能か？

科学者は細胞都市地図をどう読むか

現代のイメージングと空間ゲノミクス技術は、組織切片内の数千の細胞の正確な位置と同定を記録できます。これらのデータを解析する一般的な方法の一つが「近隣嗜好性」の計算です：ある細胞種Aが、偶然の期待に比べてどの程度細胞種Bを近接する隣接者として持つか。既存の多くのソフトウェアツールはこのタスクに対応していますが、内部でわずかに異なる手順に依存しています。著者らはこれを三つの主要な選択肢に分解します：各細胞の周りの近隣をどう定義するか（例えば近接する細胞間に辺を引くか、固定距離を用いるか）、近隣をどう数えるか（A–Bの対をAとBで同等に扱うか、AからBとBからAを区別するか）、そしてこれらのカウントを最終スコアにどう変換するか（単純な正規化カウント、置換に基づく統計、機械学習的指標など）。この共通の枠組みにより、公平な横並び比較が可能になります。

仮想組織での近隣手法の試験

異なる手法の性能を評価するため、研究チームはまず真の近隣関係が事前に既知である計算機生成の組織を用いました。特定の細胞種が特別な嗜好を持たない場合、軽度に同種を好む場合、強く自己クラスターする場合といった単純なシナリオを作成しました。また、一方向性の状況もシミュレーションし、ある細胞種が他の種に寄り添うが逆はないような場合も作りました。これらの仮想組織を用いて、著者らは同一のデータを複数の広く使われているツールに入力し、各手法がこれらのシナリオを確実に区別できるか、どの細胞種がどの隣人を求めているかを正しく復元できるかを尋ねました。

なぜ方向性や微妙な差を捉えるのが難しいのか

比較の結果、ほとんどの手法が組織構造の大きく明白な差は検出できることが分かりました。しかし、二つの重要な弱点が明らかになりました。第一に、いくつかのツールは出力を粗い三段階のスコア（例えば「ランダムより低い」「差なし」「ランダムより高い」）に圧縮するため、弱い近隣嗜好と強い嗜好の区別が難しくなります。第二に、多くの手法がある種の全細胞にわたって近隣カウントを平均化しており、ある特定の細胞が他種に一度も遭遇しない場合でも含めます。この「全体平均化」は方向性をぼかし、AからBへの関係をBからAへのものと似たものに見せかける傾向があり、実際には一方向のみが嗜好を示す場合でも誤認を招きます。その結果、既存ツールは、特に一方の細胞種が稀で他方が多い場合に、細胞浸潤の方向を過小評価したり逆転させたりする可能性があります。

方向性の近隣を評価する新しい方法

これらの問題に対処するため、著者らは条件付きzスコア、略してCOZIと呼ぶ新しいスコアリング法を導入します。COZIは観測された近隣カウントを多数のランダム化組織と比較するという基本的な考え方を維持しつつ、カウントの平均化方法を変えます：Bと少なくとも1つ接しているA型細胞だけを考慮する「条件付き」の平均化を行います。この条件付き焦点が方向性を回復する上で重要であることが示されました。COZIはその結果を連続的なzスコアに変換し、観測されたパターンがランダム期待からどれだけ外れているかを反映します。スコアの解釈を容易にするため、著者らは補助指標として条件付き細胞比（CCR）を導入します。CCRは単純にA型細胞のうち何割がA–B近隣に参加しているかを報告します。zスコアとCCRを併用することで、空間的関係の強さだけでなく、それがごく一部の特殊化した細胞によるものか、組織全体の広い変化によるものかも明らかになります。

がんや心疾患への示唆

チームは次にCOZIと他の手法を二つの実データセットに適用しました。トリプルネガティブ乳がんの研究では、以前の研究が免疫細胞と腫瘍細胞の入り混じり方に基づいて腫瘍を「コールド」「混合」「区画化」と分類していました。COZIはこれらの群分類を再現するだけでなく、方向性のパターンも明らかにしました。例えば、ある腫瘍では免疫細胞が自身の間で集まる一方で、一部の腫瘍細胞がこれらのポケットに入り込んでいるケースがあり、別の腫瘍では免疫細胞が腫瘍領域に浸潤している場合がありました。心筋梗塞のマウスモデルでは、COZIは好中球と単球が損傷した心筋に段階的に入り込む過程を追跡し、まず心室の内膜を通ってから損傷領域の深部へ進む様子を示しました。重要なのは、細胞数の全体的変動と、誰が誰の隣人になっているか、そしてどの方向に向かっているかという真の変化を分けて評価できた点です。

持ち帰るべきメッセージ

この研究は、細胞近隣を読み取るための手法が等しく作られているわけではなく、小さなアルゴリズムの選択が生物学的結論を大きく左右し得ることを示しています。既存手法の動作を明確にし、COZIと条件付き細胞比を導入することで、著者らは空間組織データにおける近隣解析の選択と解釈のための道筋を示しました。専門外の読者にとって重要なポイントは、組織という「都市」で誰が誰の隣に住んでいるか、そして誰が誰の領域に侵入しているかを正しく測れば、病気の初期兆候、治療への反応、標的治療の経路が明らかになる可能性があるということです。

引用: Schiller, C., Ibarra-Arellano, M.A., Bestak, K. et al. Comparison and optimization of cellular neighbor preference methods for quantitative tissue analysis. Nat Commun 17, 3514 (2026). https://doi.org/10.1038/s41467-026-71699-z

キーワード: 空間オミクス, 細胞近傍, 腫瘍微小環境, 免疫細胞浸潤, 計算病理学