近隣から配列への変換による空間的多細胞パターンのスケーラブルな発見

混み合った組織の中に潜む秩序を見つける

現代の顕微鏡では、組織切片内の何百万もの細胞の位置と分子プロフィールを正確に取得できます。しかし、重要な繰り返し出現する細胞の配置を目で見つけることはほとんど不可能です。本研究は、大規模なマップを走査して、自動的に健康組織と疾患、回復と老化、あるいは器官の領域同士を区別する小さな繰り返しの「近隣（ネイバーフッド）」を発見する新しい方法を紹介します。

細胞近隣から単純な配列へ

著者らはFDPMiningと呼ばれる計算フレームワークを提案し、複雑な組織を読み解く問題をより扱いやすいデータマイニング課題に変換します。細胞を一つずつ見る代わりに、各細胞の周りに小さな格子を構築し、各タイルにどの細胞型が存在するかを記録します。巧妙な「Neighborhood to Sequence（近隣から配列へ）」戦略により、各格子を、それぞれの細胞型がどこに隣接しているかという情報を完全に保持したまま固有の数値リストに変換します。この変換は可逆かつ情報損失がないため、コンピュータはこれらのリストを繰り返し現れる組み合わせの探索に使い、興味あるパターンを元の組織内の位置へ再びマッピングできます。

頻繁かつ特徴的なパターンの探索

すべての近隣が符号化されると、FDPMiningは一般的でかつ特定の条件（例えば疾患状態や解剖学的領域）に強く結びつく多細胞配置を検索します。フレームワークはマーケットバスケット解析の手法を借用しており、そこでアルゴリズムは一緒に買われることが多い商品を学習します。ここでは「アイテム」が格子内の特定位置の細胞型に相当し、「トランザクション」が組織内のすべての近隣です。手法は繰り返し出現するが主にある条件下で現れ、他ではめったに見られないパターンを同定します。こうした「頻繁かつ特徴的なパターン」は組織切片上に投影でき、研究者がそれらがどこに現れるか、どのようなより大きな構造に属しているかを容易に把握できます。

多様な組織での手法の検証

チームはFDPMiningがヒト脳からマウス胚まで、さまざまな空間オミクス技術および組織で機能することを示しました。シミュレーションデータでは、他のツールが見逃した細胞層の微妙な再配置を検出し、局所的な組織構造の細かな変化を認識できることを証明しました。アホロートル（ウーパールーパー）の脳では、再生の進行に伴い傷害応答性ニューロンと異なるニューロン亜型との協働関係の変化を明らかにし、マウス脳では特定のオリゴデンドロサイト亜型が年齢とともに再編される様子を示しました。結腸直腸がんサンプルでは、FDPMiningは予後の良い患者を、B細胞とヘルパーT細胞に富む繰り返しの近隣を含む腫瘍を持つ群と、より抑制的な免疫環境と結びつく骨髄系細胞の近隣が優勢な群とに分けました。

血管やプラークのようなランドマークに注目

著者らはFDPMiningを使って組織内の重要なランドマークに注目することも行いました。マウス肝臓では、中心静脈や門脈への近接性で近隣をラベル付けし、それぞれの血管タイプの周囲に特徴的な hepatocyte（肝細胞）亜型や支持細胞が形成されることを見いだし、よく知られた肝のゾーニング概念を反映しました。アルツハイマー病のマウスモデルでは、アミロイドプラークの近傍かどうかで近隣をラベル化し、プラークの周囲に繰り返し出現するミクログリア、興奮性ニューロン、その他のグリア細胞の組み合わせを明らかにしました。これらのプラーク中心のパターンは既知の「コアとシェル」配列と一致し、健常組織ではほとんど見られないことから、疾患マイクロ環境と強く結びついていることが示されました。

隠れたパターンが重要な理由

特定の条件やランドマークに結びつく繰り返しの細胞近隣を体系的に走査することで、FDPMiningは細胞が健康や疾患の中でどのように協調するかを観察する強力なレンズを提供します。広い組織領域を単に概説するのではなく、それらの領域を構成し、傷害、老化、がん、神経変性に応答して変化する小さな多細胞ビルディングブロックを特定します。専門外の読者に向けて言えば、細胞がどのように配置されるかには発見可能な「文法」が存在し、この手法はその文法を大規模に読み解くのに役立ち、新しい空間バイオマーカーやより豊かな生物学的洞察への道を開きます。

引用: Zhao, F., Wang, S., Wang, Z. et al. Scalable discovery of spatial multicellular patterns via neighborhood-to-sequence transformation. Commun Biol 9, 725 (2026). https://doi.org/10.1038/s42003-026-09923-1

キーワード: 空間オミクス, 細胞近隣, 組織マイクロ環境, パターンマイニング, アルツハイマー病