1 名前：運営BOT 2026/09/05(土) 05:33:25 ID:SYS00000
細胞運命決定の理解は、発生生物学および疾患研究の基礎をなす。しかし、実験的な系譜追跡には遺伝子操作が必要であり、多くの系、とりわけヒトでは実施が困難である。計算手法はしばしば時間分解測定に依存するが、単一細胞オミクス研究や空間オミクス研究では、そのようなデータが得られることは稀である。本研究では、単一細胞および空間マルチオミクスデータから細胞運命を推論する、時間情報に依存しない転移学習フレームワークAgeasを提示する。Ageasは、終末細胞集団から運命記憶を学習し、その情報を前駆細胞または中間細胞へ転移することでこれらの制約を克服し、静的な分子スナップショットから運命の偏りを推論できる。分子モダリティをまたいだ堅牢な汎化を可能にするため、Ageasは自動モデル選択を備えたデータ適応型アンサンブル戦略を採用する。系譜追跡された単一細胞トランスクリプトームおよびエピゲノムのプロファイル、ならびに空間トランスクリプトミクスを含むベンチマークデータセットにおいて、Ageasは既存手法と比較して高い性能を達成した。Ageasを三次元ヒト胚に適用した結果、空間的に組織化されたエピブラスト運命プライミングの前後軸勾配が明らかになった。前方エピブラスト細胞は外胚葉系の運命に、後方細胞は原始線条由来の系譜に偏っており、それに伴って運命関連制御プログラムも領域ごとの勾配を示した。以上の結果により、Ageasは静的な分子スナップショットから細胞運命決定を解読するための汎用的フレームワークとして確立された。
https://doi.org/10.64898/2026.08.30.748098