HarveSTは異種グラフ学習フレームワークを用いて空間トランスクリプトミクスのパターンを明らかにする

組織内で遺伝子が働く場所を可視化する

私たちの身体は、それぞれ異なる役割を担う細胞の集まり（近隣；ネイバーフッド）で構成されており、脳の思考からがんに対する免疫応答に至るまで多様な機能を果たしています。空間トランスクリプトミクスという発展中の技術は、組織切片のさまざまなスポットでどの遺伝子が活性化しているかをマップ化することを可能にします。しかし、これらの生のマップを明瞭で意味のある領域や重要な遺伝子リストに変換する作業は依然として難題です。本研究は、新しい計算手法HarveSTを導入し、複雑な臓器や腫瘍においても組織構造と主要な遺伝子をよりはっきりと可視化できるようにします。

細胞の近隣をマップ化するのが難しい理由

組織では近接する細胞が層や腫瘍周辺のゾーンのような機能的コミュニティとして協調して働くことが多いです。空間トランスクリプトミクスは組織上の多数の小さなスポットで遺伝子活性を測定し、それらの正確な位置も取得します。既存の計算ツールは、これらのスポットを空間ドメイン—遺伝子発現の類似性と物理的近接性を共有する領域—にまとめようとしますが、多くの手法は空間情報を無視したり、隣接するスポットが必ず同一領域に属すると仮定したりします。これにより重要な境界がぼやけたり、稀な細胞集団を見逃したり、各領域を実際に定義する遺伝子との結びつきを失うことがあります。

空間と遺伝子を結びつける新しい方法

HarveSTは、各データセットをスポットと遺伝子を同時に結ぶ豊かなネットワークに変換することでこれらの問題に取り組みます

各領域にふさわしい遺伝子を見つける

組織領域の地図を描くだけでなく、HarveSTは各領域を特徴づけるマーカー遺伝子を見つけることを目指します。各遺伝子を個別に検定する代わりに、この手法は選択した領域内のスポットから「ランダムウォーク」を開始し、このシグナルをネットワーク全体に拡散させます

脳や腫瘍でHarveSTが明らかにしたこと

HarveSTを検証するために、研究チームは人間の脳、乳がん、膵臓がん、マウスの嗅球サンプルに本手法を適用し、複数の空間トランスクリプトミクスプラットフォームで測定しました。ヒト前頭前皮質では、HarveSTは古典的な6層の皮質層と白質を14の競合手法よりも正確に再現し、幅広いクラスタリングおよび境界評価指標で高いスコアを示しました。高解像度のマウス嗅球データでは、他のツールが混同した薄く密に並んだ層を分離する点で際立っていました。乳がんと膵臓がんでは、HarveSTは腫瘍の縁、正常領域、浸潤するがん領域をよりよく識別し、悪性度、免疫関与、組織再構築を示す既知のマーカー遺伝子に結びつけるとともに、さらに妥当性のある候補遺伝子も浮かび上がらせました。

連続切片にわたる一貫した地図

実際の組織は三次元ですが、空間トランスクリプトミクスは通常、薄い二次元切片を測定します。HarveSTは複数の連続切片を共同で解析でき、各切片の内部配置を尊重しつつ切片間で類似する領域を接続する共有ネットワークを構築します。対になったヒト脳切片では、この共同解析により切片間の整合性が向上し、切片から切片へと滑らかに連続する皮質層が得られました。これは、HarveSTが標準的な実験から組織構造のより忠実な三次元像を再構築するのに役立つ可能性を示唆します。

将来の生物医学研究に対する意義

まとめると、HarveSTは生の空間的遺伝子マップから、空間構造と分子関係の両方を尊重しつつ、明瞭な組織領域とそれらを特徴づける主要な遺伝子へと統一的に導く手法を提供します。専門外の人にとっては、これは臓器や腫瘍内の遺伝子活動の“天気図”がより鮮明になり、ある領域が別の領域と異なる理由を説明するより信頼できる遺伝子リストが得られることを意味します。空間技術が進歩するにつれて、HarveSTのようなアプローチは、健康な組織の組織化の理解、がんのような疾患がその組織化をどのように変えるか、および新しい診断マーカーや治療標的がどこに見つかるかを明らかにするための中核的なツールになる可能性があります。

引用: Feng, J., Yu, T. & Zhang, Y. HarveST uses a heterogeneous graph learning framework to reveal spatial transcriptomics patterns. Commun Biol 9, 681 (2026). https://doi.org/10.1038/s42003-026-09841-2

キーワード: 空間トランスクリプトミクス, 組織構造, グラフ学習, がん微小環境, マーカー遺伝子