単一細胞トランスクリプトミクスにより、植物における細胞型特異的な遺伝子発現が明らかになってきたが、トウモロコシには依然として統合参照データと種特異的な基盤モデルが存在しない。本研究ではscMaizeを提示する。これは、7組織、20プロジェクト、66サンプルに由来する385,675細胞を階層的アノテーションとともに統合したアトラスscMaizeAtlasと、このアトラスで事前学習した2つのTransformerベースの基盤モデルを組み合わせたものである。scMaizeExpは発現データのみを用いるベースラインとして機能し、scMaizeGOは帰納バイアスとして遺伝子オントロジー（GO）の機能埋め込みを組み込む。全体的な発現予測精度は同程度であったが、GO事前情報により順位予測が改善し、機能的に一貫した遺伝子モジュールへの注意が強化され、埋め込み空間のトポロジーも向上した。scMaizeGOは細胞型分類で86.0％、組織分類で97.1％の精度を達成した。ゼロショット評価ではscMaizeGO表現の種間汎化可能性が示され、少数ショットによるファインチューニングでは、最小限のラベル付きデータによる高精度な種間分類が可能となった。根の摂動条件解析では、モデルが細胞型の同一性を超えて処理特異的な細胞状態を符号化しており、GO事前情報が摂動シグナルを約3倍に増幅することが示された。発現射影により、既知のストレス経路に富む条件応答性遺伝子が同定された。また、注意解析により、遺伝子間注意の変化は主として条件特異的であり、発現射影の変化との関連は弱いことが明らかになった。オンラインプラットフォームでは、アトラスの探索、モデルへのアクセス、コード不要の解析ツールを提供する。scMaizeは、機能的事前情報を用いた種特異的事前学習により、作物の単一細胞ゲノミクスにおける転移可能かつ摂動認識型の表現が実現することを示す枠組みを確立する。
https://doi.org/10.64898/2026.08.01.742180