CellCoverが新皮質神経幹細胞のアイデンティティにおける発生進行を捉えるマーカー遺伝子パネルを定義
CellCover defines marker gene panels capturing developmental progression in neocortical neural stem cell identity
単一細胞RNAシーケンシング(scRNA-seq)アトラスの解析において、細胞クラスの定義は重要である。従来のマーカー遺伝子同定法は遺伝子を個別に評価する差次的発現(DE)法が主流だが、遺伝子の冗長性や相補性を無視してしまう。本研究では、二値化された発現データを用い、複数の遺伝子を組み合わせることで特定の細胞タイプに特異的な識別パネルを探索する「CellCover」という手法を開発した。これは組み合わせ最適化における最小集合被覆問題の変種として定式化され、候補パネルの広大な探索空間を効率的に検索し、scRNA-seqで典型的な多数の細胞数を活用し、ゼロインフレーションにも頑健である。血縁および脳のデータを用いた実験では、CellCoverが遺伝子の冗長性を低減し、DE法とは異なる細胞クラス特異的なシグナルを捉えることを示した。マウス、霊長類、ヒトのデータ間での転移学習実験により、CellCoverは新皮質神経発生における保存された細胞クラスを同定し、前駆細胞やニューロンの発生進行を追跡できることが実証された。哺乳類間の外側放射状グリアマーカーの検討から、この重要な細胞タイプの転写要素は、霊長類系統で完全なプログラムが出現する前に、げっ歯類のグリア前駆細胞で生じた可能性が示唆された。
- CellCoverは、二値化発現データを用いた最小集合被覆問題の変種として遺伝子パネル探索手法を開発した
- マウス・霊長類・ヒトのデータ間での転移学習により、新皮質神経発生の保存された細胞クラスを同定した
本論文で発表されたCellCoverは、単一細胞RNAシーケンシングデータの解析において、従来の差次的発現(DE)法では捉えられなかった遺伝子の冗長性や組み合わせを考慮した細胞分類を可能にする新手法である。特に新皮質神経発生における細胞クラスの同定精度向上は、再生医療や神経疾患研究における細胞治療の品質管理・製造プロセス向上につながる可能性がある。マウス・霊長類・ヒト間での転移学習が可能な点は、創薬標的同定や発生生物学研究の効率化に寄与し、バイオインフォマティクスツール市場でのポジショニングを築ける可能性を示している。ただし現時点では学術研究段階であり、商用化やスタートアップの動きは確認できず、実用化までの時間軸には注意が必要。