Tweet

Pocket

空間オミックス解析が成熟するにつれ、単に
「どの細胞がどこにいるか」 だけではなく、
「どのパスウェイがどこで活性化しているか」
という “機能的な空間” を理解することが主要テーマになっています。

空間パスウェイ解析とは、空間位置情報と遺伝子発現データを用いて
組織内のパスウェイ活性を定量化し、空間的パターンとして可視化する技術
を総称します。

1. 空間パスウェイ解析が必要な理由

パスウェイ活性の空間分布は、以下のような生物学的問いに直接答えます。

• 腫瘍周辺でどのシグナルが活性化しているか？
• 免疫細胞が集まる領域でどの経路が作動しているか？
• 破壊された組織の周辺で代償的シグナルが生じているか？
• 腫瘍幹細胞ニッチはどんなパスウェイで特徴づけられるか？

組織の状態はパスウェイ活性の空間構造によって規定されるため、
空間パスウェイ解析＝空間生物学の“機能的な心臓部” と言えます。

2. 空間パスウェイ解析で使われる主要手法

① GSVA（Gene Set Variation Analysis）

• 発現行列を gene set（KEGG、Hallmark 等）に基づきスコア化
• 非パラメトリック手法でロバスト
• VisiumやSlide-seqのようなスポットデータにも利用可能

利点：解釈しやすい・安定
注意点：解像度の低いスポットではノイズに注意。

② AUCell（Area Under Curve cell ranking）

• 特定の遺伝子セットが「発現上位に入るか」を定量化
• 単一細胞レベルの空間データ（Xenium, CosMx）と相性抜群

利点：dropout耐性が高い
用途：細胞ステートの空間評価

③ PROGENy（pathway-responsive genes）

• 幅広い上流シグナル（MAPK、PI3K、TNFα、TGF-βなど）を
  実験的に定義された下流の反応性遺伝子セット に基づいて推定
• パスウェイ推定の精度が非常に高い

利点：解釈性と精度が両立
用途：がんの空間シグナル推定に最適

④ NMF（非負値行列分解）を使った“機能モジュール抽出”

• 空間発現データを NMF で分解し、
  潜在的な機能モジュール（functional programs） を抽出
• 得られたモジュールを gene set enrichment で注釈付け

利点：未知のパスウェイや新規モジュールの発見につながる
用途：がん特異的な“プログラム”の空間構造発見

⑤ 空間自己相関統計（Moran’s I, Geary’s C）

パスウェイスコアの空間連続性（clustering）を評価し、
活性領域（hotspot） を同定できる。

例：

• WNT高活性領域
• Hypoxiaニッチ
• EMTドメイン
• IL6/JAK/STAT 活性の免疫抑制領域

利点：機能ドメインを客観的に抽出できる。

3. 空間パスウェイ解析のワークフロー

ステップ1：空間発現データの整形

• スポット or 細胞 × 遺伝子の発現行列
• 正規化・スケーリング
• デコンボリューション結果と統合も可

ステップ2：パスウェイスコアの計算

ツール例：

• GSVA / AUCell
• PROGENy
• Seurat: AddModuleScore
• Squidpy: enrichment

ステップ3：スコアの空間マッピング

可視化例：

• 空間ヒートマップ
• スポット毎のパスウェイスコア
• クラスタ境界への重畳

ステップ4：空間統計で領域特定

• Moran’s I（空間クラスタリングの有無）
• Hotspot解析（局所的高活性の同定）

ステップ5：生物学的解釈

• がん浸潤フロントで EMT + TGF-β が高い
• 腫瘍中心で Hypoxia + Glycolysis
• T細胞集積領域で IFNγ 活性が顕著
• CAFニッチで collagen synthesis + integrin signaling

「どの領域で何が起きているか」をパスウェイレベルで理解する。

4. 代表的な応用シナリオ（がん研究）

① 腫瘍浸潤フロント（invasion front）の機能構造

• EMT
• ECMリモデリング
• Integrin/FAK
  → 空間パスウェイががん細胞の浸潤を説明。

② 免疫抑制領域（immune-suppressive niche）の分離

• IL6–STAT3
• TGF-β
• PD-1 signaling
  → T cell exclusion の空間的根拠を示す。

③ 腫瘍幹細胞ニッチの活性シグナル

• WNT
• NOTCH
• Hedgehog
  → 位置特異的な幹細胞性の維持メカニズムを可視化。

④ 代謝空間地図（metabolic spatial map）

• Glycolysis
• Oxidative phosphorylation
• Hypoxia
  → 腫瘍中心と周辺部の代謝勾配を定量化。

5. 注意点：パスウェイ解析の限界

① パスウェイの重なり

多くの遺伝子が複数のパスウェイに属するため、
「どの経路が本質か」慎重に読む必要がある。

② スポットの混合の影響

Visiumではスポットが大きいため、
cell mixture 由来のパスウェイスコア になりがち。
→ デコンボリューションとの併用が必須。

③ パスウェイの方向性が読めない

mRNAレベルでは活性の方向（ON/OFF）や機能的結果は読めないことも多い。

まとめ

空間パスウェイ解析は、空間オミックスデータを
“機能的な地図” として可視化する強力な解析です。

• GSVA / AUCell / PROGENy などでパスウェイスコア化
• 空間統計（Moran’s I）で機能領域を抽出
• NMFで潜在機能モジュールを探索
• がん研究では浸潤、免疫抑制、代謝、幹細胞ニッチの解析に重要

空間構造 × パスウェイ という2軸を融合することで、
病態の深い“意味”にたどり着くことが可能になります。