空間トランスクリプトミクスデータを用いた生成的脳血管可視化

なぜ脳の血管が重要か

脳は毎秒、酸素と栄養を供給する密な血管網に依存しています。このネットワークが障害されると、思考、運動、記憶が急速に損なわれることがあります。しかし、脳全体にわたる非常に細い血管をマッピングすることは極めて困難です。本研究では、研究者たちが人工知能の一種を用い、マウス脳から得られた分子データを詳細な仮想画像に変換して脳血管系を描出し、健康な血流が脳機能をどう支えるかを探る新たな手段を提示します。

脳の配管を可視化する新しい方法

従来の顕微鏡画像から始めるのではなく、チームは空間トランスクリプトミクスという薄切り脳組織内でどの遺伝子がどこで活性化しているかを記録する手法を出発点とします。彼らは、もともと遺伝子活動パターンからマウス脳構造をシミュレートするために開発された生成モデルTera-MINDを基に構築しました。本研究ではこれを血管に焦点を当てるよう再用途化しています。モデルは血管関連遺伝子の活動が空間的にどのように現れるかを学習し、その情報を使って遺伝子データだけから血管パターンが浮かび上がる現実的な脳組織画像を“想像”します。

遺伝子信号を血管地図に変える

研究者たちは血管系の異なる部分を示す2つの重要な遺伝子に注目します。1つはCldn5で、小さな血管で血液脳関門を密閉する薄い細胞で活性化します。もう1つはActa2で、より大きな動脈を取り巻く平滑筋細胞で活性化します。彼らは3匹のマウスから得た多数の切片にわたるこれらの遺伝子の空間的活動をTera-MINDに入力することで、毛細血管が豊富な領域や生物学的に予測される主要な動脈領域を示す画像を生成しました。さらに、モデルは両方の遺伝子が同時に活性化する場所を強調する内部の“アテンションマップ”を算出し、散在する信号を連続した血管様の経路へつなげるのに役立てています。

仮想血管の検証

これらの仮想血管が妥当かを確認するため、チームはモデルの予測を既知のマウス脳血管地図や元のイメージングデータに見られるパターンと比較しました。予測されたCldn5シグナルは毛細血管に典型的な細長い経路に従い、Acta2シグナルは脳表面や深部のより大きな動脈の断面に一致しました。50枚の脳切片にわたり、Acta2に対するモデルのアテンションマップはその遺伝子の実際の発現と強い相関を示し、Cldn5とActa2が共出現する領域は予測精度を向上させました。これは、モデルが複合的な遺伝子活動を用いて異なる血管タイプの配置や接続を推定していることを示唆します。

強み、限界、将来の利用法

このアプローチは、新たな染色や複雑な顕微鏡観察を必要とせず、迅速で費用対効果が高く動物数を抑えた方法で血管構造を探索する手段を提供します。既存の空間遺伝子データセットを再利用することで、血管領域が異なる脳領域にまたがる様子や遺伝子活動と血管組織の関係を三次元的に生成できます。しかし、基盤となるデータはかなり離れた間隔で得られた脳切片に基づき、遺伝子シグナルは希薄です。そのため、仮想血管はすべての毛細血管枝を正確に再構築したものというよりも、血管領域の確率的なアウトラインと見なすべきです。遺伝子マーカーが欠けているかほとんどサンプリングされていない領域では、モデルは細かなトポロジーを回復できません。

脳の健康研究への意義

本研究は、生成型AIが分子スナップショットを解釈可能な大規模な脳血流の図へと変換できることを示しています。少数のよく選ばれた血管遺伝子に注目することで、モデルはマウス全脳にわたる動脈や毛細血管の現実的なパターンを再現します。将来的には、より多くの血管マーカーを追加し、本手法をイメージングやゲノミクスデータと組み合わせることで、血液脳関門の漏出や血管損傷を伴う疾患モデルにおける血流変化を調べる助けになる可能性があります。現時点では、この研究は既存の遺伝子地図に隠れた情報を用いて脳の配管構造を探索する強力なインシリコツールを確立したと言えます。

引用: Berg, I., Wu, J. & Koelzer, V.H. Generative cerebral vasculature visualization using spatial transcriptomic data. Sci Rep 16, 15540 (2026). https://doi.org/10.1038/s41598-026-46455-4

キーワード: 脳血管, 空間トランスクリプトミクス, 生成型AI, マウス脳, 血液脳関門