この記事のゴール
1つの液滴に2細胞が入って「1個の細胞」として記録されたダブレットを、scVI を土台にした SOLO で見つけて除くこと。統合で scVI を使っているなら、その学習済みモデルをそのまま活かせます。
0. ダブレットとは／なぜ問題なのか
10x などの液滴法では、確率的に2細胞以上が同じ液滴に入ることがあります（ダブレット／マルチプレット）。2細胞の発現が1つのバーコードに混ざって記録されます。
たとえば T細胞と B細胞が混ざると、両方のマーカー遺伝子を持つ細胞ができます。これは実在しないのに、クラスタリングで「新しい細胞型」として現れ、細胞型アノテーションや差次的発現遺伝子（DEG、differentially expressed genes）解析を歪めます。
💡 見つけやすい・見つけにくいダブレット
違う細胞型どうし（ヘテロタイプ）は混ざるとプロファイルが大きく変わるので見つけやすい。同じ細胞型どうし（ホモタイプ）は1細胞とほぼ同じプロファイルになり、区別する手がかりが無いので取りこぼします。「全部は除けない」前提で使います。
⚠️ 原則：検出はサンプル（バッチ）ごと
ダブレットは各サンプルの中で起きる現象です。混ぜずに、バッチごとに検出します（Heumos et al., 2023）。SOLO は後述の restrict_to_batch でこれを担保します。
1. SOLO の前提と仕組み
📖 関連：土台の scVI のモデル全体像は scvi-tools の全体像、統合での使い方は サンプル統合：scVI を参照。本記事は SOLO の仕組みと、統合パイプラインでの使い方（オプション・落とし穴・scrublet との比較）を扱います。
仕組み
SOLO は、学習済みの scVI を土台に、「単一細胞かダブレットか」を見分ける分類器（ニューラルネット）を追加で学習させる手法です（Bernstein et al., 2020）。手順は次のとおりです。
- 観測細胞に加えて、カウント空間で人工的なダブレットを生成する（2細胞のカウントを足し合わせる）
- それらを学習済み scVI の潜在表現に写像する（バッチ補正済みの特徴空間）
- その潜在表現を入力に、シングレット vs ダブレットを判別する分類器を学習する
- 各細胞にダブレット確率が付き、閾値で判定する
scrublet との違いは、単純な距離（k近傍）ではなく、scVI が学習した潜在表現と専用の分類器を使う点です。潜在空間では、ダブレットは元になった細胞型の中間に位置しやすく、分類器はその領域を学習します。scVI を土台にするため GPU が前提です。
コード（バッチごとに実行）
「統合：scVI」で学習済みの scVI モデルを使い、バッチごとに SOLO を回して判定を集めます。
pythonimport scvi
import pandas as pd
def detect_doublets_solo(scvi_model, batches):
"""各バッチで SOLO を学習し、singlet/doublet 予測を結合して返す。"""
preds = []
for b in batches:
# ★ ダブレットはバッチ内現象なので restrict_to_batch でバッチごとに
solo = scvi.external.SOLO.from_scvi_model(scvi_model, restrict_to_batch=b)
solo.train()
p = solo.predict(soft=False) # 'singlet' / 'doublet'
p.index = p.index.str.replace(r"-0$", "", regex=True) # SOLO付与のサフィックス除去
preds.append(p)
return pd.concat(preds)
# 「統合：scVI」の記事で学習済みの scVI モデル(model)とバッチラベルを使う
solo_pred = detect_doublets_solo(model, batches=["Ctrl", "Treat"])
adata.obs["solo"] = solo_pred[adata.obs.index]
print(adata.obs["solo"].value_counts())
# singlet のみ残す
adata = adata[adata.obs["solo"] == "singlet"].copy()
print("除去後:", adata.n_obs)
📌 除去のあとは「やり直し」が望ましい
ダブレットを除くと細胞集団が変わるため、高変動遺伝子（HVG、highly variable genes）選択や次元削減が前の結果に引きずられます。生カウントから HVG → scVI を再実行すると、よりクリーンな結果が得られます。
2. GPU 環境について
SOLO は内部で scVI ベースのモデルを使うため、実用上 GPU が必須です。手元に GPU が無い場合は、統合（scVI）からこのステップまでを Google Colab（無料の GPU ランタイム）やクラウド GPU でまとめて実行するのが現実的です。GPU が使えないなら、普通のPCで完結する scrublet（別記事） を選んでください。
3. もう一方の選択肢：CPU で完結する scrublet
GPU が無い、または scVI を使わない場合は、単独で動く古典手法 scrublet（人工ダブレットを作って k近傍でスコア化）が手軽です（📖 詳しくは ダブレット検出：scrublet 記事）。統合の前に、サンプルごとに実行できます。
📌 どちらを選ぶか（詳しくは 全体像の記事）
– すでに scVI を組んでいる（GPU 利用） → 本記事の SOLO
– GPU が無い・手早く・統合前に検出したい → scrublet（別記事）
– 重要な解析では2手法を併用し、両方が doublet と判定した細胞だけを優先的に除く保守的な運用も有効です（Xi & Li, 2021）。
まとめ
- SOLO は学習済み scVI の潜在表現を特徴に、分類器（ニューラルネット）でダブレットを判別する。統合で scVI を使っているなら自然に繋がるが、GPU 必須。
restrict_to_batchでバッチごとに検出。除去のあとは生カウントからやり直し（HVG → scVI 再実行）が望ましい。- ホモタイプは取りこぼす、除去しすぎに注意。GPU が無いなら scrublet（別記事） を。
次の記事：正規化・特徴選択・次元削減・クラスタリング — きれいな細胞集団が揃ったら、正規化・HVG・次元削減・クラスタリングを整理します。
関連記事
- 📖 scRNA-seqの前処理 入門 ─ 全体像と進め方 … このシリーズの全体像（ハブ）
- 📖 サンプル統合：scVI（AI・GPU） … SOLO の土台（前の記事）
- 📖 ダブレット検出：scrublet（古典・CPU） … 本記事の対になる手法
- 📖 正規化・特徴選択・次元削減・クラスタリング … 次の段階
- 📖 AnnDataのデータ構造 ／ 📖 scvi-tools の全体像 … 土台・AI手法の地図
参考文献
- Bernstein, N. J., Fong, N. L., Lam, I., et al. (2020). Solo: Doublet Identification in Single-Cell RNA-Seq via Semi-Supervised Deep Learning. Cell Systems, 11(1), 95–101. doi:10.1016/j.cels.2020.05.010
- Xi, N. M., & Li, J. J. (2021). Benchmarking Computational Doublet-Detection Methods for Single-Cell RNA Sequencing Data. Cell Systems, 12(2), 176–194. doi:10.1016/j.cels.2020.11.008
- Heumos, L., Schaar, A. C., Lance, C., et al. (2023). Best practices for single-cell analysis across modalities. Nature Reviews Genetics, 24, 550–572. doi:10.1038/s41576-023-00586-w
コメント