空間的トランスクリプトミクス（Spatial Transcriptomics）で解き明かす線維化ニッチの細胞間相互作用
scRNA-seqでは失われる空間情報を補う空間的トランスクリプトミクス（Visium・MERFISH・Xenium・Slide-seq）を線維化研究へ応用する実践ガイド。Fibrotic Nicheの同定、リガンド-受容体による細胞間相互作用解析、前臨床創薬での新規標的探索までを解説します。
はじめに
線維症の病態を解明するうえで、シングルセルRNA-seq（scRNA-seq）は革命的なインパクトをもたらしました。筋線維芽細胞のサブポピュレーション、マクロファージの極性変化、上皮細胞の再プログラミングなど、従来のバルクRNA-seqでは見えなかった細胞レベルの多様性が明らかになっています。
しかし、scRNA-seqには根本的な限界があります — 組織を解離して単一細胞にする過程で、細胞が「どこにいたか」という空間情報が失われるのです。
線維化は本質的に空間的な疾患です。線維化巣（Fibrotic Niche）では、活性化した線維芽細胞、マクロファージ、上皮細胞、血管内皮細胞が特定の空間パターンで配置され、互いにシグナルを交換しています。この「誰が誰の隣にいるか」を理解できなければ、線維化の進行メカニズムの全貌は見えません。
空間的トランスクリプトミクス（Spatial Transcriptomics, ST） は、組織切片上で遺伝子発現を空間座標付きで測定する技術群であり、scRNA-seqが失った空間的コンテキストを取り戻します。
本記事では、ST技術の概要から線維化研究への具体的な応用例、そして前臨床創薬における活用法までを解説します。
1. scRNA-seqの限界：なぜ空間情報が必要か
scRNA-seqが明らかにしたこと
| 発見 | 例 | 意義 |
|---|---|---|
| 線維芽細胞のサブタイプ | CTHRC1⁺ pathological fibroblast | 線維化を積極的に駆動する亜集団の同定 |
| マクロファージの表現型連続体 | SPP1⁺ → TREM2⁺ の動的遷移 | M1/M2二分法の否定、線維化促進表現型の発見 |
| 上皮細胞の異常分化 | KRT5⁺/KRT17⁺ aberrant basaloid cells | IPFにおける異常再生経路の解明 |
scRNA-seqでは分からないこと
- 空間的近接性: CTHRC1⁺ 線維芽細胞はどの細胞の「隣」にいるのか？
- 局所的シグナリング: パラクラインシグナルの送受信は距離に依存する
- 組織構造との関係: 線維化巣は気道周囲？血管周囲？胸膜下？
- 解離アーティファクト: 組織解離中に一部の細胞が失われる（大きな細胞、脆弱な細胞）
- マルチセルラーな相互作用: 3細胞以上の同時相互作用パターンを再構築できない
ポイント: scRNA-seqは「誰がいるか（Who）」を教えてくれますが、「どこにいるか（Where）」と「誰と話しているか（With whom）」は教えてくれません。STはこの2つの問いに答えます。
線維症・炎症の創薬を追う研究者へ
FDA承認速報・治験結果・前臨床モデル選択・アッセイ最適化。ベンチからパイプラインまで、必要な情報だけをキュレーション。月2通まで。
2. 空間的トランスクリプトミクスの主要技術
技術の分類
ST技術は大きく2つのカテゴリに分けられます。
シーケンシングベース（Capture-based）
組織切片上の特定位置でmRNAを捕捉し、次世代シーケンシングで読み取ります。
| プラットフォーム | 空間分解能 | 検出遺伝子数 | 特徴 |
|---|---|---|---|
| Visium（10x Genomics） | 55 µm（スポット径） | 全トランスクリプトーム | 最も普及。1スポット = 複数細胞。H&E画像との重ね合わせが可能 |
| Visium HD | 2 µm（ビン） | HD WT Panel（プローブベース／protein-coding gene のみ）／HD 3' Gene Expression（3' poly(A)捕捉／whole transcriptome） | 単一細胞〜サブセルラー分解能。2024年リリース。assayにより化学系・遺伝子カバレッジが大きく異なるため10x公式仕様を要確認 |
| Slide-seq V2 | 10 µm | 全トランスクリプトーム | DNAビーズベース。コスト効率は高いが技術的ハードル |
| Stereo-seq（BGI） | 0.5 µm（理論値） | 全トランスクリプトーム | ナノボール技術。超高分解能だがデータ処理が重い |
イメージングベース（In situ）
組織切片上でmRNAを直接可視化します。
| プラットフォーム | 空間分解能 | 検出遺伝子数 | 特徴 |
|---|---|---|---|
| MERFISH（Vizgen） | サブセルラー | 100–1,000遺伝子（パネル） | 高感度・高分解能。ターゲットパネルの設計が必要 |
| Xenium（10x Genomics） | サブセルラー | 300–5,000遺伝子（パネル） | 組織内の単一分子検出。自動化されたワークフロー |
| CosMx SMI（NanoString／Bruker） | サブセルラー | 1,000遺伝子パネル／6K Discovery（6,175 RNA、リガンド-受容体ペア中心）／Human Whole Transcriptome Panel（18,000+ RNA）から選択 | FOV（視野）ベースの高スループット解析。アッセイ選択で遺伝子数・コストが大きく変わる |
| seqFISH+ | サブセルラー | ~10,000遺伝子 | 最多遺伝子数だが技術的に高難度 |
線維化研究にはどちらが適切か？
| 目的 | 推奨技術 | 理由 |
|---|---|---|
| 探索的スクリーニング（まず全体像を把握） | Visium / Visium HD | 全トランスクリプトーム。仮説フリーで発見的 |
| 既知マーカーの空間分布を高解像度で確認 | MERFISH / Xenium | 単一細胞・分子レベルの分解能 |
| マルチサンプル比較（薬効評価） | Visium + deconvolution | コストと処理速度のバランス |
| 前臨床POCでのメカニズム検証 | Xenium（パネル設計自由度が高い） | 標的経路の遺伝子を集中的に測定 |
3. 線維化ニッチ（Fibrotic Niche）の空間的解剖
Fibrotic Nicheとは何か
線維化ニッチとは、活性化した線維芽細胞を中心に、特定の免疫細胞・上皮細胞・血管細胞が空間的に集積した微小環境のことです。STの登場により、このニッチの構成と動態が分子レベルで明らかになりつつあります。
肺線維化（IPF）における発見
空間的に定義された細胞配置パターン
STを用いたIPF肺組織の解析から、以下のような空間パターンが報告されています:
- 線維化フロント（Fibrotic Front）: 健常肺胞と線維化巣の境界領域。CTHRC1⁺ 病理的線維芽細胞が集積し、隣接するKRT17⁺ aberrant basaloid cellsとTGF-βシグナルを交換
- 蜂巣肺内壁: MUC5B⁺ 粘液産生細胞が異常に配置。周囲のSPP1⁺ マクロファージが線維化を促進
- 気道周囲: リンパ球集積（tertiary lymphoid structures）が形成され、慢性炎症が持続
リガンド-受容体の空間的解析
STデータをCellChatやNicheNetで解析することで、空間的に近接した細胞間のリガンド-受容体ペアを推定できます:
| 送信細胞 | リガンド | 受容細胞 | 受容体 | シグナル | 線維化における役割 |
|---|---|---|---|---|---|
| 上皮（basaloid） | TGF-β1 | 線維芽細胞 | TGFBR1/2 | Smad2/3 | 筋線維芽細胞分化 |
| マクロファージ（SPP1⁺） | SPP1（OPN） | 線維芽細胞 | CD44/Integrin | NF-κB/ERK | 増殖・生存促進 |
| 線維芽細胞 | PDGF-BB | 線維芽細胞 | PDGFRα/β | PI3K/Akt | 自己増殖ループ |
| 血管内皮 | ET-1 | 線維芽細胞 | ETAR | Rho/ROCK | ECM産生亢進 |
肝線維化における発見
MASH/NASHモデルのSTデータから:
- ポータル領域: 門脈周囲の線維芽細胞（HSC）が活性化し、胆管上皮と密接に相互作用
- Ductular Reaction: 増殖する胆管上皮細胞（CK19⁺）が線維芽細胞の誘引シグナルを発信
- Zone 3 → Zone 1への進展: 線維化が中心静脈周囲から門脈域へ広がるパターンの空間的追跡
腎線維化における発見
UUOモデルや5/6腎摘モデルのST解析から:
- 尿細管-間質界面: 傷害された近位尿細管上皮（VCAM1⁺）が直接隣接する線維芽細胞を活性化
- 糸球体-ボウマン嚢: 糸球体硬化に伴い、ボウマン嚢上皮が異常分化（parietal epithelial cell activation）
4. 創薬標的探索（Target Discovery）への応用
STが変える標的探索のパラダイム
従来のバルクRNA-seqやscRNA-seqでは、疾患で発現変動する遺伝子（DEGs）のリストから標的候補を選んでいました。STは、空間的コンテキストを追加することで、より精密な標的選択を可能にします。
アプローチ1: 空間的に共局在するリガンド-受容体ペアの同定
手順:
- STデータでFibrotic Niche領域を同定（クラスタリング）
- ニッチ内のリガンド-受容体ペアをCellChat/NicheNetで推定
- 健常組織では不活性だがFibrotic Nicheでのみ活性化するペアをフィルタ
- → 疾患特異的シグナルとして標的候補に
利点: 組織全体で発現する遺伝子ではなく、線維化巣に空間限定されたシグナルを優先することで、副作用リスクの仮説を絞り込みやすくなる（最終的なオフターゲット影響は標的の他臓器発現、デリバリー、経路冗長性に依存するため、本アプローチ単独で副作用リスクを保証するものではない）
アプローチ2: Spatial Deconvolutionによる細胞構成の変化
Visium（55µmスポット）では1スポットに複数の細胞が含まれるため、Deconvolution（RCTD, Cell2location, Tangram等）を使ってscRNA-seqの参照データから各スポットの細胞構成比を推定します。
創薬への応用:
- 薬剤処理群 vs 対照群のスポットごとの細胞構成変化を定量
- 「病理的線維芽細胞の比率がどの空間領域で減少したか」を視覚化
- 従来のバルク評価では見えなかった局所的な薬効を検出
アプローチ3: 空間トラジェクトリ解析
線維化の「進行フロント」に沿って空間的な遺伝子発現のグラデーションを解析します:
- 健常領域 → 移行帯 → 線維化巣の空間軸を定義
- この軸に沿った遺伝子発現の変化パターン（Spatial Trajectory）を計算
- 移行帯で急激に発現が上昇する遺伝子 → 線維化の「引き金」候補
5. 前臨床研究でのST活用：実践ガイド
どの段階でSTを使うべきか
| 研究フェーズ | ST活用法 | 推奨プラットフォーム |
|---|---|---|
| 標的探索 | 健常 vs 疾患モデルの全トランスクリプトーム比較 | Visium HD |
| メカニズム検証 | 薬剤処理後の空間的変化を特定のマーカーパネルで追跡 | Xenium / MERFISH |
| POC/薬効評価 | 線維化スコアとSTデータの相関解析 | Visium + PSR AI定量との統合 |
| バイオマーカー探索 | 空間的に限定された疾患マーカーの同定 | Visium → Xenium（段階的） |
コストと実用性
| プラットフォーム | 相対コスト感 | 1サンプルあたりの目安幅（例） | サンプルスループット | 実験期間 |
|---|---|---|---|---|
| Visium | 中 | $1,500–2,500（core facility / 受託の見積もり例） | 4サンプル/スライド | 2–3日（ライブラリ調製） |
| Visium HD | 中〜高 | $2,000–3,500（同上） | 2サンプル/スライド | 2–3日 |
| Xenium | 高 | $1,000–2,000/サンプル（同上） | 高スループット | 1–2日（ラン） |
| MERFISH | 高 | $2,000–4,000（同上） | 1–4サンプル/ラン | 2–3日 |
【注記】 上記の数値は公開されている core facility / 受託サービスの見積もり例から集めた目安であり、公開価格・施設価格・解析込み/抜き価格が混在する領域です。ベンダー・試薬グレード・対象組織種・施設スループット契約等で大きく変動するため、意思決定には必ず各社・受託施設からの個別見積もりを使用してください。表内の数値はあくまで相対的なオーダー感を掴むための参考値で、絶対値として独り歩きさせない運用を推奨します。
[TIP] 前臨床のフルスタディ（N=8–10/群、3群）で全サンプルにSTを適用すると高コストになります。代表サンプル（2–3/群）のみSTを実施し、残りは組織学的評価（PSR + ヒドロキシプロリン）で補完する設計が実用的です。
解析パイプライン
[データ取得]
Visium: Space Ranger → h5ad/AnnData形式
Xenium: Xenium Ranger → Transcript table
[前処理]
品質フィルタ → 正規化 → 次元削減（PCA/UMAP）
[空間クラスタリング]
BayesSpace / SpaGCN / STAGATE → 空間を考慮したクラスタ同定
[細胞型アノテーション]
Deconvolution（Cell2location / Tangram）→ scRNA-seq参照との統合
[リガンド-受容体解析]
CellChat / NicheNet / COMMOT → 空間的通信パターンの推定
[可視化・統計]
Scanpy / Squidpy / STUtility → 空間プロットの生成
6. scRNA-seqとSTの統合戦略
なぜ統合が必要か
| STの強み | STの弱み | 解決法 |
|---|---|---|
| 空間情報あり | 遺伝子検出感度がscRNA-seqより低い（特にVisium） | scRNA-seqで補完 |
| 組織構造の文脈 | シーケンスベースは複数細胞/スポット | Deconvolutionで補完 |
| in situ測定（解離不要） | コスト高、サンプル数が限られる | scRNA-seqで群間比較を強化 |
推奨される統合ワークフロー
- Phase 1: scRNA-seq で細胞アトラスを構築（細胞型・状態の定義）
- Phase 2: ST（Visium）で空間マッピング + Deconvolution（Phase 1の参照使用）
- Phase 3: イメージングST（Xenium）で鍵となるリガンド-受容体を単一細胞分解能で検証
この段階的アプローチにより、コストを抑えつつ空間的洞察を最大化できます。
よくある質問（FAQ）
STはscRNA-seqの代替になりますか？
現時点では代替ではなく補完です。scRNA-seqは全トランスクリプトームを単一細胞レベルで測定する感度に優れ、STは空間情報を提供します。両者の統合が最も強力なアプローチです。
FFPE組織にも適用できますか？
主要プラットフォーム（Visium CytAssist、Xenium、CosMx）はいずれもFFPE対応assayを提供しています。ただし対象種（ヒト/マウス等）、化学系（assay version）、必要なサンプル品質（DV200、ブロック保管年数など）は個別assayごとに条件が異なるため、自分のサンプルに適用可能かは公式仕様と最新のapplication noteで個別確認が必要です。既存FFPEアーカイブからの遡及的解析は前臨床研究で大きなメリットですが、古いブロックではRNA品質が解析適応外となる場合があります。
マウスモデルのデータはヒト組織に翻訳可能ですか？
細胞型の大枠は保存されていますが、特にマクロファージサブタイプや線維芽細胞の異質性にはマウス-ヒト間の差異が存在します。クロススピーシーズ比較解析ツール（SAMap等）を使用して、保存された経路と種特異的な経路を区別することが重要です。
1つの試験でSTを使うべきサンプル数は？
発見的研究では2–3サンプル/群（コスト制約下での実用的な最小数）。統計的に頑健な群間比較が必要な場合は5–6サンプル/群が理想ですが、コストが急増するため、STは代表サンプルに限定し、バリデーションは組織学的手法（PSR + ヒドロキシプロリン）で補完する設計が一般的です。
まとめ
| ポイント | 内容 |
|---|---|
| scRNA-seqの限界 | 空間情報の喪失。線維化ニッチの「構造」が見えない |
| STの価値 | Fibrotic Nicheの細胞配置と相互作用を空間座標付きで解明 |
| 主要プラットフォーム | 探索: Visium/HD、検証: Xenium/MERFISH |
| 創薬への応用 | 空間限定シグナルの標的化、局所的薬効の検出、バイオマーカー探索 |
| 実用的アプローチ | 代表サンプルのみSTを実施し、残りは組織学で補完 |
| 統合戦略 | scRNA-seq → Visium Deconvolution → Xenium検証の段階的設計 |
参考文献
注記: 本記事は線維化分野における scRNA-seq・Spatial Transcriptomics 領域の公開情報を総説的に整理したものです。本セクションでは scRNA-seq 基盤論文（CTHRC1⁺ 線維芽細胞、KRT5⁺/KRT17⁺ basaloid cells 同定）と、空間的細胞間相互作用解析に用いる主要ツール論文を提示します。Spatial Transcriptomics 単独の原著（IPF spatial atlas、肝・腎 ST 等）は本分野の発表頻度が高く陳腐化しやすいため、本文中の所見は 以下の文献と各プラットフォーム公式ドキュメント・最新総説とあわせて参照 してください。
- Adams TS, et al. Single-cell RNA-seq reveals ectopic and aberrant lung-resident cell populations in idiopathic pulmonary fibrosis. Sci Adv. 2020;6(28):eaba1983. PMID: 32832599
- Habermann AC, et al. Single-cell RNA sequencing reveals profibrotic roles of distinct epithelial and mesenchymal lineages in pulmonary fibrosis. Sci Adv. 2020;6(28):eaba1972. PMID: 32832598
- Jin S, et al. Inference and analysis of cell-cell communication using CellChat. Nat Commun. 2021;12(1):1088. PMID: 33597522
- Browaeys R, et al. NicheNet: modeling intercellular communication by linking ligands to target genes. Nat Methods. 2020;17(2):159–162. PMID: 31819264
- Cang Z, et al. Screening cell-cell communication in spatial transcriptomics via collective optimal transport (COMMOT). Nat Methods. 2023;20(2):218–228. PMID: 36690742
プラットフォーム公式情報:
- 10x Genomics Visium HD: https://www.10xgenomics.com/products/visium-hd-spatial-gene-expression
- 10x Genomics Xenium panels: https://www.10xgenomics.com/products/xenium-panels
- NanoString CosMx SMI: https://nanostring.com/products/cosmx-spatial-molecular-imager/ffpe-dataset/
関連記事
- AIベースの画像解析で変わる線維化スコアリング — 画像解析技術によるデジタル病理の進化
- シリウスレッド染色×AI画像解析 — PSR定量のAI活用（STとの相補的評価）
- ヒドロキシプロリン定量法：測定原理と6ステップ・プロトコル — 生化学的コラーゲン定量
- IPFの線維化「進行」を止められるか？次世代抗線維化薬の標的戦略 — STが標的候補の検証に貢献する創薬の最前線
- TGF-β/Smadシグナル伝達経路と線維化 — 線維化カスケードの中心経路