SpatialProp：空間分解単一細胞トランスクリプトミクスによる組織摂動モデリング

科学分野:

• 計算生物学
• システム生物学
• ゲノミクス

背景:

• 摂動研究は、生物学的因果関係を理解するために重要である。
• Perturb-seqのような現在の方法は単一細胞を分析するが、生体組織は分析しない。
• 複雑な組織微小環境における遺伝的摂動効果の予測は依然として課題である。

研究 の 目的:

• 全組織切片における多遺伝子、多細胞タイプの摂動を予測するための計算フレームワークを開発する。
• 空間分解トランスクリプトミクスデータを利用して予測モデルをトレーニングする。
• 空間的にパターン化された組織生物学を研究するためのin silico摂動実験を可能にする。

主な方法:

• グラフニューラルネットワークベースの計算フレームワークであるSpatialPropを開発した。
• 空間分解単一細胞トランスクリプトミクスデータセットを利用してSpatialPropをトレーニングした。
• 空間的摂動予測における因果的エンリッチメントのベンチマークのためにCausalInteractionBenchを導入した。

主要な成果:

• SpatialPropは、組織の微小環境に基づいて遺伝子発現を予測できる。
• このフレームワークは、組織の微小環境を新しいターゲット状態に正常にマッピングする。
• CausalInteractionBenchを用いて、空間的摂動予測における因果的有用性を評価した。

結論:

• SpatialPropは、生体組織における遺伝的摂動の影響を研究するための新しいアプローチを提供する。
• このフレームワークは、迅速な仮説生成とin silico実験を容易にする。
• SpatialPropは、空間的にパターン化された組織生物学の研究に特に価値がある。