DECODE：さまざまなオミクスデータに対応する深層学習ベースの共通デコンボリューションフレームワーク

この研究が重要な理由

現代の生物医療は、どの遺伝子が活性化しているか、どのタンパク質が存在するか、どの小分子が細胞のエネルギー源になっているかといった組織の計測データであふれています。しかしこれらの計測の多くは、多種の細胞が混ざったブレンドサンプルで行われます。本研究で紹介されるDECODEは、こうした混合信号を分離し、非常に異なる種類のデータにまたがってどの細胞・どの細胞状態が存在するかを明らかにする強力な人工知能フレームワークです。この能力は、がん、免疫、代謝疾患の研究を加速し、既存のバイオバンク試料をより有効に利用する助けになります。

引用: Zhao, T., Liu, R., Sun, Y. et al. DECODE: deep learning-based common deconvolution framework for various omics data. Nat Methods 23, 596–608 (2026). https://doi.org/10.1038/s41592-026-03007-y

キーワード: マルチオミクス・デコンボリューション, シングルセル参照, 生物学における深層学習, メタボロミクス解析, 細胞型構成