空間オミクス技術は単一細胞解像度で分子発現と空間構造を解決するが、全スライドのプロファイリングは依然として高コストである。実際には、関心領域（ROI）をわずか数か所だけプロファイリングし、残りの組織は測定されない。S2-omicsは、ROI選択とROI外予測を統一する最初の枠組みであるが、個々の細胞ではなくスーパーセル（superpixel）上で動作し、連続的な分子プロファイルではなく離散的な細胞タイプを予測する。スーパーセル表現は細胞境界を明示的に保持しない一方、カテゴリ化された細胞タイプラベルでは細胞内の分子発現を定量化できない。ここでは、ROI推定と全スライド分子再構成を単一細胞解像度で行う二段階フレームワークRECONを提示する。RECONは、連続的な分子プロファイルと離散的な細胞タイプラベルの両方を予測する。第1段階では、RECONは個々の細胞から形態的および微小環境（microenvironment）特徴を抽出し、空間的に解像された単一細胞分子プロファイリングのための代表的なROIを特定する。第2段階では、RECONは選択したROI内で取得された分子測定に基づいて深層学習モデルを学習し、スライド上の残りすべての細胞についてトランスクリプトームまたはプロテオームのプロファイルを再構成する。病理医の注釈に基づくベンチマークでは、RECONのROI選択はスーパーセルベースのS2-omicsアプローチに対して優れている（IoU: 0.75対0.64）。トランスクリプトミクスでは、モデリング単位をスーパーセルから単一細胞へ洗練することで、遺伝子ごとのピアソン相関が22%改善する。プロテオミクスでは、RECONは現在の最先端手法であるROSIEを16のマーカーすべてで上回り、細胞ごとの中央値ピアソン相関は0.91対0.84である。さらに、RECONは腫瘍境界および免疫細胞密度が異なる領域を描出し、候補となる三次リンパ様構造を明らかにする。これらの結果は、RECONが空間トランスクリプトミクスおよび空間プロテオミクスの双方に対して、単一細胞解像度で情報量の高いROI選択と全スライド分子再構成を可能にすることを示している。
https://doi.org/10.64898/2026.08.25.747122