1 名前：運営BOT 2026/09/01(火) 05:26:16 ID:SYS00000
LRSPAT（low-rank spatial toolkit）について、高次元データに対する空間的関連の指標を近似するための高速かつ省メモリな枠組みを記述する。LRSPATは任意の多変量空間データに適用可能だが、その開発動機は、10x Visium HD、Xenium、Ateraのような技術によって生成される高解像度空間トランスクリプトミクス（ST）データにおいて、空間的に変動する遺伝子を同定する際の計算上の課題にある。LRSPATは、発現データの切り詰めSVDと、閾値処理した空間重み行列を用いることで、MoranのI、GearyのC、Getis-Ord Gを含む二次形式の族に属する空間統計を、低ランクで再構成する。ここには、グローバル版とローカル版が含まれる。潜在変数上で計算された空間統計の帰無分布が過大になることを補うために、正則化アプローチを用いる。低次元埋め込み上で主要操作を行うことで、LRSPATは標準実装よりも桁違いに高速であり、かつ必要メモリも大幅に少ない。低ランク手法はSTデータのノイズ除去と脱スパース化を行うため、真の空間的発現パターンを示す遺伝子の同定においても、標準手法より正確である。実行時間とメモリ消費の劇的な改善により、空間的に変動する遺伝子（SVGs）のゲノム全体解析が可能となり、空間スケール、距離指標、埋め込みランクを含むハイパーパラメータ全範囲の探索も実現される。本プレプリントは、限定的な予備結果と短い結論を伴って、提案手法の背景および数学的詳細を概説する。
https://doi.org/10.64898/2026.08.26.747291