T細胞受容体（TCR）は適応免疫システムにおいて重要な役割を果たしており、特定の抗原エピトープ（epitope）に結合することで病原体を認識します。TCRとエピトープ間の相互作用を理解することは、免疫応答の生物学的メカニズムを解明し、T細胞を介した免疫療法を開発する上で極めて重要です。しかし、TCRのCDR3領域がエピトープ認識において重要であることは広く認められているものの、特定の疾患や表現型に関連するTCR-エピトープ相互作用を正確に予測する方法は依然として課題となっています。この問題に対処するため、研究者たちはEpicPredを開発しました。これは注意メカニズムに基づく多インスタンス学習（Multiple Instance Learning, MIL）モデルであり、がんやCOVID-1...

腫瘍の進化過程において、ゲノムコピー数変異（Copy Number Alterations, CNAs）は腫瘍の異質性と進化を駆動する重要な要因です。これらの変異を理解することは、個別化されたがん診断や治療法の開発にとって極めて重要です。単一細胞シーケンス技術は、単一細胞レベルまで深く分析できる最高解像度のコピー数解析を提供します。しかし、低リード深度（low read-depth）の全ゲノムシーケンスデータは、コピー数変異の検出に大きな統計的および計算上の課題をもたらします。既存の計算方法の多くは細胞間の進化的関係を無視しており、その結果、検出精度が低下しています。そのため、細胞の進化歴史を組み込んだコピー数検出方法の開発が現在の研究における緊急の課題となっています。 論文の出典 本論文は...

癌は世界的に死亡の主要原因の一つです。近年、免疫療法が著しい進展を遂げ、例えばキメラ抗原受容体T細胞（CAR-T）療法や抗体薬物複合体（ADCs）の成功が挙げられますが、がん特異的な表面タンパク質の標的を効果的に識別することは依然として大きな課題です。表面タンパク質の標的の識別は、精密で低毒性の免疫療法の開発にとって重要です。RNAシーケンシングやプロテオミクスなどの既存の技術は、これらの標的を分析するのに役立ちますが、最適な免疫療法の標的を体系的に優先選択する方法が不足しています。 この課題に対処するため、Children’s Hospital of Philadelphia、Drexel University、BC Cancer Research Instituteなどの研究チームは、I...

単一細胞トランスクリプトームシーケンシング（single-cell RNA sequencing, scRNA-seq）技術の登場により、細胞の発生と分化過程における遺伝子発現のダイナミクスをこれまでにない解像度で研究することが可能になりました。しかし、生物学的プロセスの複雑さから、異なる条件下での細胞発生軌跡はしばしば非対称であり、データの統合と比較に課題をもたらしています。既存の方法は通常、異なる条件下のサンプルを統合してからクラスタリング分析を行ったり、共有される軌跡を推測したりすることを前提としていますが、これらの方法は非対称な軌跡を扱う際に効果的ではなく、重要な差異発現遺伝子（differentially expressed genes, DEGs）を見逃す可能性があります。 この...

単細胞RNAシーケンス（scRNA-seq）技術は、単細胞解像度で高スループットなトランスクリプトーム解析を可能にし、細胞生物学の研究を大きく進展させました。しかし、scRNA-seq技術の重要な制約は、組織を解離する必要があるため、細胞の組織内における元の空間位置情報が失われることです。空間トランスクリプトミクス（Spatial Transcriptomics, ST）技術は、正確な空間遺伝子発現マップを提供できますが、遺伝子検出数、コスト、細胞タイプ注釈の細かさにおいて制限があります。そのため、scRNA-seqデータに空間情報を復元する方法は、現在の研究における重要な課題となっています。 この問題を解決するため、研究者たちは、scRNA-seqとSTデータの間で知識を転送する「細胞対応...

学術的背景 COVID-19のパンデミックは、世界中の公衆衛生システムに大きな影響を与えました。現在では状況が落ち着きつつありますが、その複雑な免疫病理学的メカニズム、長期にわたる後遺症（「長いCOVID」など）、そして将来発生する可能性のある類似の脅威に対する研究が依然として進められています。特に重症のCOVID-19患者は、「サイトカインストーム」、急性呼吸窮迫症候群（ARDS）、多臓器不全などの深刻な症状を伴うことが多く、より正確な予測モデルとバイオマーカーが臨床判断をサポートするために必要とされています。 従来の機械学習（ML）や深層学習（DL）モデルは、ハイスループットオミクスデータの分析において優れた性能を発揮しますが、生物学的に解釈可能な結果を提供することが難しく、翻訳後修飾な...