プール型単一細胞摂動スクリーニングは機能ゲノミクスの強力な実験基盤であるが、こうした情報量の多いデータセットから生物学的に有意義な結論を導くことは依然として困難である。現在の手法の大半は、生物学的意味を不明瞭にする不透明な深層学習モデルか、遺伝子を孤立した単位として扱う単純化された枠組みかという、二つの極端な立場のいずれかに属する。そのため、これらの手法は、無摂動の細胞状態における遺伝子の共変動を摂動応答のモデル化に利用できるという重要な洞察を見過ごしている。本研究では、統計物理学の線形応答の概念を活用し、無摂動細胞における遺伝子共変動を用いてトランスクリプトーム全体の摂動結果をモデル化する概念的枠組みCIPHER（Covariance Inference for Perturbation and High-dimensional Expression Response）を提示する。まず合成制御ネットワークで本手法を検証し、その後、19,003件の摂動と626万個超の細胞を含む29件の大規模単一細胞遺伝学的摂動データセットに適用した。本手法は、基準状態の遺伝子共分散構造を活用することにより、単一摂動および二重摂動に対するゲノム規模の応答を頑健に再現した。重要なことに、遺伝子固有の分散を保持したまま遺伝子間共分散を除去する、すなわち平均場条件を採用すると、複数の評価指標においてモデル性能が数分の一まで著しく低下した。この結果は、基準状態の変動構造に豊富な情報が蓄えられていることを示す。近年の深層学習手法および線形ベースラインと比較したところ、CIPHERは単一のパラメータを適合させるだけで、最高性能の手法と同等以上の成績を示した。さらに、遺伝子間相関は同一細胞型を対象とする独立研究間で転用可能であり、定型的な変動構造の存在が明らかになった。またCIPHERを、真の駆動摂動を同定する逆問題へ拡張したところ、不確実性を考慮したベイズ推論により、遺伝学的摂動と化学的摂動の双方のスクリーニングで高い性能を達成した。さらにCIPHERを用いて、黒色腫および膵がんにおける治療抵抗性の駆動因子候補を選定し、最上位の予測を実験的に検証した。最後に、ゲノム規模の応答の大半は、約1～3個の独立した大域的遺伝子モジュールに沿って共分散行列を伝播していた。これは、基盤となる遺伝子制御ネットワークの低ランク構造と整合し、この構造が本枠組みの成功を可能にすることを示した。また、任意のデータセットへ本枠組みを適用するためのcipher-perturbパッケージを作成してPyPIで公開し、詳細なウェブサイトも整備した。本研究は、複雑な生物学的応答を捉えるうえで理論に立脚したモデルが重要であることを強調し、細胞の変動パターンに符号化された基本的な設計原理を明らかにする。
https://doi.org/10.1101/2025.06.27.661814