Tweet

Pocket

デコンボリューションにより各スポットの細胞構成が推定されると、次に重要となるのが
「細胞同士がどの位置でどの程度近接しているか」 を解析するステップです。

細胞近接解析は、組織内の ニッチ構造、免疫制御、がん-ストローマクロストーク、再生ニッチ などを理解する上で不可欠であり、空間オミックス研究の中心的解析になっています。

1. 細胞近接解析の目的

細胞近接（proximity）解析では、以下の生物学的問いを解くための定量化を行います。

• どの細胞型同士が空間的に隣接しているか
• がん細胞はどの細胞と preferential に接触しているか
• 免疫細胞はどこで集積し、どこに排除されているか
• niche はどこにあり境界はどう形成されるのか
• 空間構造が病態（腫瘍悪性度、炎症、線維化）とどう関連するか

これらを数理的に扱うことで、空間的な“細胞社会”をデータ化する ことが可能になります。

2. 代表的な細胞近接解析アプローチ

① 距離ベース（distance-based proximity）

各スポット位置を座標として扱い、
細胞型 A と B の距離分布を比較する方法。

分析例：

• AとBの最近傍距離（nearest neighbor distance, NND）
• 平均距離 / 中央距離
• Ripley’s K関数またはL関数（空間統計的クラスタリング）

用途：
がん細胞—線維芽細胞の偏った局在、免疫細胞の排除領域の検出など。

② 隣接スポットベース（adjacent spot analysis）

Visiumのような格子状データでは
六角形格子での隣接スポット（neighbors）を利用 できます。

例：

• 各スポットにおける「隣接スポットの細胞型構成」
• 隣接細胞の出現頻度をカウントし、統計的に enrichment を評価

用途：
TMEの「細胞の近接パターン」を可視化するのに広く利用。

③ 細胞型ペアの相関（co-occurrence analysis）

スポットごとの細胞型割合の相関をとり、
「同じ空間で出現しやすい細胞ペア」を見つける。

例：

• CAF ↔️ M2マクロファージが高頻度で共局在
• B細胞 ↔️ T細胞がリンパ濾胞を構成

用途： ニッチの定量化。

④ グラフネットワーク（graph-based spatial network）

スポットをノード、隣接関係をエッジとしたネットワークを構築し、
細胞型間の“つながり”をネットワークとして解析。

手法例：

• RCTD, Squidpy の spatial_neighbors
• セントラリティ解析（betweenness, degree）

用途：

• がん浸潤フロントの構造化
• 免疫細胞の交通路の発見
• ストローマのネットワーク同定

⑤ 空間 ligand–receptor × 近接解析（高度応用）

単独の近接ではなく、
近接 + 発現量 + ligand–receptor の統合 が最新の実践。

例：

• CellPhoneDB または NicheNet を空間加重で実装
• 近接している細胞ペアのみで L–R を評価
• 空間的に解釈可能な細胞間コミュニケーションモデルを生成

用途：

• T-cell exhaustion の誘導ニッチ
• CAF → 腫瘍の増殖促進シグナル
• 免疫抑制性ニッチの同定

3. 実際の解析ワークフロー

ステップ1：細胞型マップの取得（第5回）

• デコンボリューション
• または単一細胞解像度（Xenium、CosMx）のデータ

ステップ2：空間隣接グラフを作る

ツール例：

• Squidpy（python）：空間グラフ構築の標準
• Seurat：SeuratWrapper + RCTD など
• Nobias：距離行列から独自構築

ステップ3：細胞ペアの近接スコアを計算

手法：

• 距離の最小値・平均値
• グラフ近接（network connectivity）
• キー細胞（例：腫瘍細胞）を中心とした距離ヒートマップ

ステップ4：統計モデルで有意性を検定

• permutation test
  → 細胞型の空間配置をランダムにシャッフル
  → 実測の近接度が有意に高い/低いかを評価

ステップ5：可視化（interpretation）

例：

• 近接頻度ヒートマップ
• 細胞ペアのネットワークプロット
• がん浸潤フロントに沿った近接変化（line plot）
• ニッチの地図化（cluster + proximity）

4. 近接解析の注意点

① 解像度依存の誤解釈

Visiumではスポットが大きく、
近接というより“共局在”の可能性もある。
→ デコンボリューションの精度が決定的に重要。

② 空間バッチ効果

切片位置で組織構造が変わるため、
単純比較は危険。

③ 細胞数の希少性の問題

わずかな細胞数が近接パターンを左右するので注意。

④ 近接 = 相互作用とは限らない

近いだけで相互作用があるとは限らない。
第7回の「空間パスウェイ解析」と統合して解釈する必要がある。

5. がん研究での応用例

■ 免疫細胞の排除構造（immune exclusion）

腫瘍中心部にT細胞が入れない構造を定量化。

■ CAF と腫瘍細胞の近接ネットワーク

線維化ニッチ、薬剤耐性ニッチの定量化。

■ 腫瘍幹細胞ニッチの位置特定

特定ECM・線維芽細胞・免疫細胞との結合構造。

■ 転移の前適応ニッチ

肝臓や肺での「先行微小環境」の空間構造解析。

まとめ

細胞近接解析は、空間オミックス解析において
“どの細胞同士が空間的に関係を持っているか” を定量化する技術です。

• 距離解析
• 隣接スポット解析
• ネットワーク解析
• ligand–receptor × 空間統合
• ニッチの境界検出

これらを組み合わせることで、
組織構造の力学 を理解し、がんや炎症、再生の本質的プロセスを読み解くことができます。