Tweet

Pocket

空間オミックスは技術名が多く、一見すると“道具のカタログ”のように見えます。
しかし本質はシンプルで、**「何を測り、どの粒度で空間に固定するか」**という3つの次元で整理すると一気に理解しやすくなります。

本記事では、空間オミックスをキャプチャ型／イメージング型／ハイブリッド型の3系統に分類し、それぞれの

• 測定原理
• 得られる情報の解像度
• 強み・弱み
• 向いている研究目的
  を“研究設計の視点”から解説します。

1. キャプチャ型（Sequencing-based, Capture-based）

例：10x Visium、Visium HD、Slide-seq / Slide-seqV2 など

1-1. 原理：バーコード化された基板がmRNAを捕捉し、RNA-seqで読む方式

• 組織切片をバーコード付き基板（スポット or ビーズ）に密着
• mRNAがバーコード上で逆転写され、位置情報が付いたcDNAとして回収
• 読み出しはRNA-seq（＝網羅的・全転写）

1-2. 得られる情報

• “スポット単位の全転写プロファイル”
• スポットサイズは手法により異なり、一般には1スポット＝複数細胞の混合
• Visium HDやSlide-seqV2ではスポットが小型化し、より高解像度に近づく

1-3. 強み

• 網羅性：ほぼ全遺伝子を対象にできる
• スループットが高い：大面積を比較的容易にカバー
• scRNA-seqとの統合（デコンボリューション）が標準パイプライン化

1-4. 弱み

• スポット混合：単一細胞の分解能は理論的に得られない
• 局在の議論は“スポット中心”に制限される
• 空間解像度はイメージング型より粗い

1-5. 向いている研究

• 腫瘍微小環境の大まかな構造把握（免疫浸潤パターンなど）
• 組織内の“細胞集団の領域化”（epithelial/basal/immuneなど）
• scRNA-seqから得られた細胞型を空間に投影したい場合
• 大面積・複数検体を比較する解析（臨床検体向け）

2. イメージング型（Imaging-based, In situ hybridization）

例：MERFISH、seqFISH、CosMx SMI、Xenium、MERSCOPE など

2-1. 原理：mRNAをその場（in situ）で直接“見て数える”

• 標的RNAに対するプローブを反復ハイブリダイゼーション
• 色やフローの組み合わせ＝バーコード
• 組織内のmRNA分子を**点（ドット）**として検出

2-2. 得られる情報

• 細胞レベル、場合により亜細胞レベルの位置情報
• RNA分子の“個数・座標”が1分子単位で得られる
• カバー遺伝子数は数十〜数千（機種により幅あり）

2-3. 強み

• 空間解像度が最も高い（細胞境界・細胞間接触を精密に議論できる）
• 細胞の局在・配置・近接などの空間パターン検出が得意
• 混合がない：細胞単位で遺伝子を観察できる

2-4. 弱み

• 網羅性が限定（ターゲット遺伝子パネル方式）
• 試料調整と画像解析が重い（取得画像量が膨大）
• 装置コスト・運用コストが高い

2-5. 向いている研究

• 腫瘍内の“ニッチ（微小環境）”の精密解析
• シグナル局在（膜／核／細胞極性）などの観察
• 細胞間相互作用の直接的推定（細胞境界情報が正確）
• 特定パスウェイや免疫チェックポイントの高精度空間解析

3. ハイブリッド型（Spatial proteogenomics など）

例：NanoString CosMx（RNA＋タンパクの並列）、Slide-tags、In situ sequencing 系 など

3-1. 原理：RNAとタンパク質を“空間で同時測定”または“核情報を空間タグ化”

• RNAプローブと抗体ベースのプローブを並列
• または、核に空間バーコードを付与 → 単一核RNA-seqで読み出す
• 計測原理はイメージング型＋シーケンス型が融合したもの

3-2. 得られる情報

• RNAとタンパク質を同じ細胞・同じ座標で測定
• タンパク質の局在（膜・細胞質）を含むマルチモーダル空間情報
• 核から抽出される“空間付きsnRNA-seq”など、新規手法も登場

3-3. 強み

• 多層情報の統合（RNA＋タンパク＋空間）の一貫性
• 細胞型推定の確度が高い
• 機能的パスウェイを空間で直接検証しやすい

3-4. 弱み

• 依然としてパネル方式が多い
• キャプチャ型ほど網羅的ではない
• 装置コストとデータ解析負荷が高い

3-5. 向いている研究

• 腫瘍免疫微小環境（TIMEs）の精密解析
• タンパク局在を含む“機能的空間マッピング”
• バルク/単一細胞/空間を一体化したプロジェクト

4. 研究者がまず決めるべき“3つの判断軸”

空間オミックス選択の最短ルートは、この3点です。

① 解像度：細胞単位で見たいのか、領域単位で十分か？

• 単一細胞の配置／相互作用 → イメージング型
• 組織全体の領域構造 → キャプチャ型

② 網羅性：全遺伝子を見たいか？特定のパスウェイか？

• 全転写 → キャプチャ型
• ターゲットパスウェイ（免疫、がん幹細胞など） → イメージング型 or ハイブリッド型

③ 試料条件：FFPEを使うのか？面積はどれくらいか？

• FFPE多い → Visium FFPE, CosMx, Xenium
• 大面積 → キャプチャ型が効率的
• 細胞境界が重要 → イメージング型

5. 典型的な誤解とその回避法

誤解1：空間解析＝“細胞1つ1つのRNAを地図にする”

→ キャプチャ型はスポット混合。
単細胞解像度はイメージング型でのみ達成可能。

誤解2：パネル方式は“情報が少ないから劣っている”

→ イメージング型は“局在”が主役。
特定パスウェイを空間で見たい研究では最強。

誤解3：細胞型推定はscRNA-seqで十分

→ 空間は“配置”が本質。
同じ細胞種でも隣接する相手によって状態が変わる（腫瘍免疫では常識）。
空間なしのscRNA-seqでは見えない層。

6. まとめ：空間オミックスは“問いによって道具が決まる”

• 何を測る？（RNA/タンパク質/両方）
• どんな解像度が必要？（領域/細胞/亜細胞）
• 網羅性か局在精度か？
• 試料制約（FFPE/凍結）