シーケンス型 空間トランスクリプトーム：デコンボリューションの原理と手法分類 ─ なぜ混合が解けるのか

空間トランスクリプトーム解析（spatial transcriptomics）のうちシーケンス型（Visium・Stereo-seq など NGS で読み出す方式）は、1つのフィーチャに複数の細胞が混ざっています。この混合を、細胞型ごとの寄与に分解するのがデコンボリューションです。「なぜそんなことができるのか」を理解しておくと、どの手法を選ぶべきかも、結果を信じてよいかどうかも、自分で判断できるようになります。

1. 何を解いているのか

考え方は単純です。フィーチャで観測された発現は、そこにいる細胞たちの発現の足し算である。T細胞が 4 割、B細胞が 2 割、腫瘍細胞が 4 割いるなら、観測された発現は、それぞれのプロファイルをその割合で混ぜたものになるはずです。

式にすると、遺伝子ごとに次の関係が成り立ちます。

• 観測されたカウント（フィーチャごと・遺伝子ごと）── 測定済み。既知。
• 細胞型ごとの発現プロファイル（遺伝子ごと）── 参照 scRNA-seq から作る。既知。
• 重み（フィーチャごと・細胞型ごと）── これが未知数。

参照から作るプロファイルの表を signature matrix と呼びます。細胞型ごとに、遺伝子の平均発現を並べたものです。

pythonコピー
import numpy as np
import pandas as pd

# 参照から、細胞型ごとの平均発現（signature matrix）を作る
ref_df = pd.DataFrame(
    ref.layers["counts"].toarray(),
    index=ref.obs_names, columns=ref.var_names,
)
sig = ref_df.groupby(ref.obs["cell_type"].values).mean().T
print(sig.shape)   # (遺伝子, 細胞型)

pythonコピー
# 共通遺伝子を数える。ここが少ないと、そもそも解けない
common = sig.index.intersection(adata.var_names)
print("参照の遺伝子:", sig.shape[0])
print("空間の遺伝子:", adata.n_vars)
print("共通:", len(common))

# FFPE のプローブ捕捉データに poly-A の参照を使うと、ここが大きく削れる
# 共通が数千を切るようなら、参照かプラットフォームを見直す

2. なぜ失敗するのか ─ 識別可能性の問題

「式が多いから解ける」は、1つの前提の上に成り立っています。細胞型ごとに、プロファイルが違っていること。

2つの細胞型の発現プロファイルがよく似ていたら、どうなるでしょうか。たとえば CD4 T細胞 と CD8 T細胞。多くの遺伝子で、発現はほとんど同じです。

このとき、「CD4 が 0.7、CD8 が 0.1」でも「CD4 が 0.1、CD8 が 0.7」でも、観測との誤差はほとんど変わりません。どちらの答えも、同じくらいうまく観測を説明してしまう。重みは一意に決まらず、わずかなノイズで大きく揺れます。

走らせる前に、参照の細胞型どうしがどれだけ違うかを確かめておくべきです。

pythonコピー
# 参照の細胞型どうしが、どれだけ違うかを確かめる
S = np.log1p(sig.loc[common].values)   # (遺伝子, 細胞型)
corr = np.corrcoef(S.T)
cm = pd.DataFrame(corr, index=sig.columns, columns=sig.columns)
print(cm.round(2))

# 相関が 0.95 を超える組があれば、その2つは分けられないと考えたほうがよい
hi = [(a, b, round(float(cm.loc[a, b]), 3))
      for a in cm.index for b in cm.columns
      if a < b and cm.loc[a, b] > 0.95]
print("区別が難しい組:", hi)

3. 素朴に解いてみる ─ そして、なぜそれではダメなのか

原理が分かれば、実装は 10 行で書けます。重みは 0 以上でなければならないので、非負最小二乗（NNLS）を使います。

pythonコピー
from scipy.optimize import nnls

# 素朴なやり方：非負最小二乗で重みを解く
S = sig.loc[common].values                        # (遺伝子, 細胞型)
Y = adata[:, common].layers["counts"].toarray()   # (フィーチャ, 遺伝子)

Wt = np.zeros((Y.shape[0], S.shape[1]))
for i in range(Y.shape[0]):
    Wt[i], _ = nnls(S, Y[i])

# 割合に直す
Wt = Wt / Wt.sum(axis=1, keepdims=True)
prop = pd.DataFrame(Wt, index=adata.obs_names, columns=sig.columns)

# これは動く。しかし、次の3つを無視している
#   1. カウントは正規分布ではない（Poisson / 負の二項）
#   2. 過分散がある
#   3. 参照と空間で、遺伝子の捕まりやすさが違う（プラットフォーム効果）
# 実用の手法は、この3つを扱うために存在する

これは動きます。それらしい割合も返ってきます。しかし、実用の手法はこれよりずっと複雑です。理由は3つあります。

4. プラットフォーム効果 ─ ここが本当の難所

同じ T細胞を、scRNA-seq と Visium で測ったとします。両者の発現プロファイルは、一致しません。

ずれる理由はいくつもあります。

• 捕捉の化学が違う：poly-A 捕捉とプローブ捕捉では、拾える転写産物が違う。
• 解離バイアス：scRNA-seq は組織をばらして測る。解離のストレスで発現が変わる遺伝子がある。
• 捕捉効率が遺伝子ごとに違う：長さ、二次構造、プローブの設計によって、拾いやすい遺伝子と拾いにくい遺伝子がある。

この差を補正しないと、空間側で捕まりやすい遺伝子が、フィッティングを支配します。結果として、重みは系統的に偏ります。

RCTD（Cable et al., Nature Biotechnology, 2022）は、この問題を正面から扱った手法です。Poisson-対数正規の階層モデルの中にプラットフォーム効果を表す変数を入れ、バッチ効果に由来する推定のずれに対処します。名前の R（Robust）は、ここから来ています。

cell2location（Kleshchevnikov et al., Nature Biotechnology, 2022）も同様です。負の二項モデルの中に、技術ごとに異なる発現レベルを吸収するスケーリング係数と、フィーチャごと・遺伝子ごとの2つの加算シフトを持たせています。

5. 手法の分類 ─ 4つの軸

6. 代表手法の原理

7. 空間情報を使うことの功罪

CARD（Ma & Zhou, Nature Biotechnology, 2022）は、「空間的に近い場所は、細胞型の組成も似ている」という仮定をモデルに入れます。条件付き自己回帰（CAR）で、隣どうしの組成に相関を持たせるのです。

この効果は大きい。論文では、空間相関をモデル化することで場所どうしが情報を借り合い、参照 scRNA-seq がミスマッチな場合でも、デコンボリューションの精度が向上したと報告されています。さらに CARD は、測っていない位置の組成や発現を補間して、元のデータより高い解像度の地図を作ることもできます。

8. 細胞型の「内側」の多様性

ほとんどの手法は、参照の細胞型を1つの固定したプロファイルとして扱います。「T細胞のプロファイル」は1つだけ、という前提です。

しかし実際には、同じ T細胞でも、活性化しているもの、疲弊しているもの、静止しているものがあります。腫瘍の中と、リンパ節の中では、状態が違う。この違いを、通常の手法は捉えられません。

DestVI（Lopez et al., Nature Biotechnology, 2022）は、細胞型ごとに連続的な潜在変数を持たせることで、細胞型「内」の状態変化までモデル化します。「この場所の T細胞は、あの場所の T細胞と状態が違う」という問いに答えられます（scvi-tools の全体像）。

9. どう選ぶか ─ 原理から導かれる指針

ベンチマークの結果は次の記事で詳しく扱いますが、16 手法の比較（Li et al., Nature Methods, 2022）でも、Spotless（Sang-aram et al., eLife, 2023）でも、cell2location と RCTD が総合的に上位に来ています。迷ったら、この2つのどちらかから始めるのが妥当です。

10. 走らせる前のチェックリスト

• 生のカウントを渡しているか（正規化した行列を渡していないか）
• 共通遺伝子の数を確認したか（少なすぎないか）
• 参照の細胞型どうしが互いに区別できるかを確認したか
• 参照に、その組織にいるはずの細胞型がすべて入っているか
• 参照と空間データのプラットフォームの差を、手法がモデル化しているか
• 空間平滑化が、見たい境界を鈍らせていないか
• 細胞密度を問いたいなら、絶対量を返す手法を選んでいるか

まとめ

• デコンボリューションは、観測 ＝ 参照プロファイルの重み付き和という式を、重みについて解く問題。式（遺伝子）が未知数（細胞型）より圧倒的に多いから解ける。
• 解けるのは細胞型ごとにプロファイルが違うから。似ていると、重みは入れ替え可能になり、一意に決まらない。
• 素朴な最小二乗では足りない。カウントの分布・過分散・プラットフォーム効果を扱う必要がある。
• プラットフォーム効果が最大の難所。参照と空間で、同じ遺伝子の捕まりやすさが違う。RCTD と cell2location は、これを明示的にモデル化する。
• 空間平滑化（CARD）は諸刃。参照ミスマッチには強くなるが、鋭い境界は鈍る。
• 細胞型内の状態変化を見たいなら DestVI。通常の手法は「T細胞は T細胞」として一括りにする。
• 迷ったら cell2location か RCTD。両ベンチマークで総合上位。

関連記事

• シーケンス型 空間トランスクリプトーム：細胞型を割り当てる（全体像）
• シーケンス型 空間トランスクリプトーム：cell2location 実践
• シーケンス型 空間トランスクリプトーム：手法比較（CARD・RCTD・Tangram）
• シーケンス型 空間トランスクリプトーム：segmentation-free 解析
• scRNA-seq解析：細胞型アノテーション手法の全体像
• scRNA-seq解析：細胞型アノテーション（手動）
• scRNA-seq解析：正規化・特徴選択・次元削減・クラスタリング
• scVIだけじゃない：scvi-tools の全体像
• scRNA-seq解析の土台：AnnData のデータ構造をリレーショナルDBの発想で理解する

参考文献

• Cable, D. M., Murray, E., Zou, L. S., et al. (2022). Robust decomposition of cell type mixtures in spatial transcriptomics. Nature Biotechnology, 40(4), 517–526. doi:10.1038/s41587-021-00830-w
• Kleshchevnikov, V., Shmatko, A., Dann, E., et al. (2022). Cell2location maps fine-grained cell types in spatial transcriptomics. Nature Biotechnology, 40(5), 661–671. doi:10.1038/s41587-021-01139-4
• Ma, Y., & Zhou, X. (2022). Spatially informed cell-type deconvolution for spatial transcriptomics. Nature Biotechnology, 40(9), 1349–1359. doi:10.1038/s41587-022-01273-7
• Andersson, A., Bergenstråhle, J., Asp, M., et al. (2020). Single-cell and spatial transcriptomics enables probabilistic inference of cell type topography. Communications Biology, 3, 565. doi:10.1038/s42003-020-01247-y
• Elosua-Bayes, M., Nieto, P., Mereu, E., Gut, I., & Heyn, H. (2021). SPOTlight: seeded NMF regression to deconvolute spatial transcriptomics spots with single-cell transcriptomes. Nucleic Acids Research, 49(9), e50. doi:10.1093/nar/gkab043
• Dong, R., & Yuan, G.-C. (2021). SpatialDWLS: accurate deconvolution of spatial transcriptomic data. Genome Biology, 22, 145. doi:10.1186/s13059-021-02362-7
• Lopez, R., Li, B., Keren-Shaul, H., et al. (2022). DestVI identifies continuums of cell types in spatial transcriptomics data. Nature Biotechnology, 40(9), 1360–1369. doi:10.1038/s41587-022-01272-8
• Biancalani, T., Scalia, G., Buffoni, L., et al. (2021). Deep learning and alignment of spatially resolved single-cell transcriptomes with Tangram. Nature Methods, 18(11), 1352–1362. doi:10.1038/s41592-021-01264-7
• Miller, B. F., Huang, F., Atta, L., Sahoo, A., & Fan, J. (2022). Reference-free cell type deconvolution of multi-cellular pixel-resolution spatially resolved transcriptomics data. Nature Communications, 13(1), 2339. doi:10.1038/s41467-022-30033-z
• Li, B., Zhang, W., Guo, C., et al. (2022). Benchmarking spatial and single-cell transcriptomics integration methods for transcript distribution prediction and cell type deconvolution. Nature Methods, 19(6), 662–670. doi:10.1038/s41592-022-01480-9
• Sang-aram, C., Browaeys, R., Seurinck, R., & Saeys, Y. (2023). Spotless, a reproducible pipeline for benchmarking cell type deconvolution in spatial transcriptomics. eLife, 12, RP88431. doi:10.7554/eLife.88431
• Wolf, F. A., Angerer, P., & Theis, F. J. (2018). SCANPY: large-scale single-cell gene expression data analysis. Genome Biology, 19, 15. doi:10.1186/s13059-017-1382-0