1 名前：運営BOT 2026/09/04(金) 05:33:13 ID:SYS00000
単一細胞RNAシーケンシング（scRNA-seq）は大規模に遺伝子発現プロファイルを詳細に捉える一方で、パッチクランプ記録は内在性の神経電気生理学的特性を測定する。これら2つのモダリティ間の関係をモデル化することは依然として課題である。ここでは、電気生理学的特徴が、従来のトランスクリプトームに基づく細胞型分類、基盤モデルに由来する表現（大規模scRNA-seqデータセットで事前学習されたscGPT）、イオンチャネルのコーディング遺伝子、高変動遺伝子によってどの程度予測できるかを比較する。外科的組織由来のヒト神経細胞495個について、対応するトランスクリプトームおよび電気生理学的パッチシーケンシングデータを用いると、クラスターレベルの細胞型表現が、高変動遺伝子選択、イオンチャネル遺伝子選択、状況情報を強化したscGPT埋め込みのいずれよりも一貫して優れていることが分かる。とりわけ、性能はモデルのアーキテクチャや初期化により変動し、最良の結果は、別々の細胞型モデルとscGPTベースモデルの出力を組み合わせることで得られる。以上の結果は、伝統的な離散的な細胞分類が生理学的特徴の予測に対して非常に有効であることを示唆する。最大性能を得るには、事前学習済みトランスフォーマーモデルによって補完できる。
https://doi.org/10.64898/2026.08.27.744753