シングルセル解析は、細胞集団をひとまとめに扱う従来の解析とは異なり、細胞を一つずつ観察する技術です。
同じ組織に見えても細胞ごとに働きや遺伝子発現の状態が異なるため、その違いを捉えられる点が注目されています。
医療、創薬、がん研究、再生医療などで活用が広がる一方、データ解析の難しさや費用面を気にする方も多いでしょう。
この記事では、シングルセル解析の意味、仕組み、バルク解析との違い、代表的な手法を、初めて学ぶ方にもわかりやすく整理します。
シングルセル解析の意味と全体像

それではまずシングルセル解析の意味と全体像について解説していきます。
細胞を一つずつ調べる解析手法
シングルセル解析とは、組織や培養細胞に含まれる細胞を一細胞単位で分け、それぞれの遺伝子発現、DNA、タンパク質、細胞表面マーカーなどを調べる解析の総称です。
人体を構成する細胞には、同じ種類に分類されていても、活発に増殖している細胞、休止している細胞、分化の途中にある細胞など、さまざまな状態が存在します。
従来の方法では多くの細胞を混ぜて平均値として測定するため、少数しか存在しない細胞や特徴的な状態にある細胞の情報が埋もれやすい課題がありました。
そこで、一つずつの細胞に識別情報を付けて測定し、細胞ごとの違いを地図のように描き出す技術としてシングルセル解析が発展してきました。
平均では見えなかった細胞の個性を捉えることが、シングルセル解析の大きな目的です。
シングルセル解析は、細胞集団の平均的な特徴を知る技術ではありません。
細胞集団の中にある多様性を可視化し、どの細胞がどのような役割を担うのかを調べるための技術です。
遺伝子発現を読むシングルセルRNA-seq
代表的な手法が、シングルセルRNA-seqです。
RNA-seqは細胞内のRNAを網羅的に読み取り、どの遺伝子がどの程度働いているかを確認する方法です。
遺伝子そのものは基本的に同じでも、細胞の役割や置かれた環境によって、読み出されるRNAの量は変化します。
たとえば免疫細胞では、感染への応答中か、炎症を抑える段階かによって発現パターンが大きく変わります。
シングルセルRNA-seqを用いれば、多数の細胞のRNAを同時に測定しながら、各細胞の由来を後から区別できます。
この結果を解析すると、組織にどのような細胞集団が含まれるのか、各集団がどのような状態にあるのかを推定可能です。
研究や医療で注目される背景
生物の組織は、単一の細胞だけで構成されているわけではありません。
がん組織にはがん細胞のほか、免疫細胞、血管に関わる細胞、線維芽細胞などが混在し、互いに影響を与え合っています。
治療を受けた患者であっても、すべてのがん細胞が同じ反応を示すとは限りません。
一部の細胞が治療に耐えて残る場合があり、その少数集団を見つけることは治療抵抗性の理解につながります。
また、発生過程で細胞がどの順序で分化するか、病気の初期にどの細胞が変化するかを調べる場面でも有用です。
細胞の違いを前提に病気や生命現象を考える流れが、シングルセル解析への関心を高めています。
シングルセルRNA-seqの仕組み
続いてはシングルセルRNA-seqの仕組みを確認していきます。
細胞の分離とバーコード付与
シングルセルRNA-seqでは、最初に組織をほぐし、細胞をできるだけ一個ずつに分散させます。
その後、細胞を小さな液滴や区画に閉じ込め、細胞ごとに異なるバーコード配列をRNAへ付与します。
バーコードは、後から得られたRNA配列がどの細胞に由来するのかを判定するための目印です。
多くの手法では、細胞とバーコード付きビーズを同じ液滴へ取り込み、細胞が壊れたときに出たRNAを捕まえます。
すべての細胞を完全に一個ずつ分けることは容易ではないため、一つの液滴に複数細胞が入る現象にも注意が必要です。
この現象はダブレットと呼ばれ、解析時には検出して除外する処理が行われます。
簡単な流れは、組織から細胞を取り出す工程、細胞ごとにバーコードを付ける工程、RNA配列を読む工程、コンピューターで細胞群を分類する工程です。
実験操作とバイオインフォマティクス解析が一体となって初めて結果が得られます。
RNAの逆転写と塩基配列の取得
RNAはそのままでは扱いにくいため、逆転写酵素を利用してcDNAへ変換します。
cDNAはDNAとして増幅しやすく、次世代シーケンサーで塩基配列を読み取るための材料になります。
取得した配列には、細胞を区別するバーコードのほか、個々のRNA分子を数えるための識別配列が含まれる場合があります。
この識別配列はUMIと呼ばれ、PCR増幅によって同じRNAが多く見える影響を抑える役割を担います。
測定後は配列を参照ゲノムや遺伝子情報に対応付け、どの細胞でどの遺伝子が検出されたかを数値化します。
作成されるデータは、行に遺伝子、列に細胞を並べた巨大な表として表現されることが一般的です。
次元削減とクラスタリング
一細胞あたりでは数千種類の遺伝子が検出されるため、そのままでは細胞間の関係を直感的に把握できません。
そこで、主成分分析やUMAP、t-SNEなどの次元削減手法を使い、高次元の情報を二次元や三次元に配置します。
似た遺伝子発現パターンを持つ細胞は近くに集まり、異なる特徴を持つ細胞は離れて表示されます。
近い細胞同士をグループ化する処理がクラスタリングです。
各クラスターで強く発現しているマーカー遺伝子を確認し、T細胞、B細胞、神経細胞、上皮細胞などの細胞種を推定します。
図上の点は細胞そのものではなく、遺伝子発現の類似性を反映した位置である点を理解しておくと、解析図を読みやすくなります。
バルク解析との違い
続いてはバルク解析との違いを確認していきます。
平均値と細胞ごとの情報量
バルク解析は、採取した多くの細胞からRNAやDNAをまとめて抽出し、全体としての特徴を測定する方法です。
コストや解析負荷を抑えやすく、試料全体で起きている大きな変化を把握する際に適しています。
一方で、細胞集団の平均値しか見えないため、少数細胞に特有の変化は検出されにくくなります。
シングルセル解析では細胞ごとの発現量を扱えるため、細胞種の構成比や状態の違いまで掘り下げられます。
ただし、細胞一個あたりのRNA量は少なく、検出できない遺伝子が生じやすいことも特徴です。
| 比較項目 | バルク解析 | シングルセル解析 |
|---|---|---|
| 測定単位 | 多数の細胞を混ぜた試料 | 原則として一細胞 |
| 得られる情報 | 集団全体の平均的な変化 | 細胞種、状態、細胞間のばらつき |
| 少数細胞の検出 | 埋もれやすい傾向 | 条件が整えば把握しやすい |
| 費用と解析量 | 比較的抑えやすい | 測定と解析の負担が大きい |
| 代表的な用途 | 群間比較、発現変動の概観 | 細胞集団の探索、希少細胞の同定 |
細胞組成の変化を見分ける視点
バルク解析である遺伝子の発現量が増えていた場合、その理由は一つとは限りません。
細胞一個あたりの発現が上昇した可能性もあれば、その遺伝子を多く発現する細胞の割合が増えた可能性もあります。
バルク解析だけでは、この二つを明確に分けて考えることが難しい場面があります。
シングルセル解析では、どの細胞種で発現が変化したかを確認できるため、変化の背景をより具体的に検討できます。
たとえば炎症組織で免疫関連遺伝子が増えているとき、免疫細胞の流入が増えたのか、既存細胞の応答が高まったのかを区別する手がかりになります。
発現量の変化と細胞構成の変化を切り分けられることは、研究結果の解釈において重要な利点です。
目的に応じた使い分け
シングルセル解析が常にバルク解析より優れているわけではありません。
多数の検体を比較して明確な傾向を確認したい場合や、限られた予算で仮説を検証したい場合には、バルク解析が適することもあります。
反対に、未知の細胞集団を探索したい場合、組織内の不均一性が重要な場合、治療抵抗性の原因を細胞レベルで探りたい場合には、シングルセル解析が力を発揮します。
実務では、まずバルク解析で全体像を把握し、必要な試料を絞ってシングルセル解析を行う設計もよく採用されます。
研究の目的、検体数、品質、必要な解像度を整理して選ぶことが大切でしょう。
バルク解析とシングルセル解析は競合する技術ではなく、見える範囲が異なる補完関係にあります。
平均的な変化を確認したいのか、個々の細胞の違いを知りたいのかによって、適した方法が変わります。
解析でわかる細胞の多様性
続いては解析でわかる細胞の多様性を確認していきます。
希少細胞と細胞集団の発見
組織の中には、全体に占める割合がごくわずかな細胞集団が存在します。
希少細胞は数が少ないため、バルク解析ではシグナルが平均化され、存在を見落とすことがあります。
シングルセル解析では、一つひとつの細胞を点として扱うため、十分な細胞数を測定できれば少数集団を分離して観察できます。
未知の細胞集団を見つけた後は、特異的に発現している遺伝子を調べ、組織染色や別の実験で存在を確認します。
解析結果だけで新しい細胞種と断定するのではなく、複数の方法で検証する姿勢が求められます。
希少であることと重要でないことは同じではありません。
病気の進行や再発に深く関わる少数細胞が見つかる可能性もあります。
細胞状態と分化過程の推定
同じ細胞種に分類される細胞でも、遺伝子発現の違いから複数の状態が見えることがあります。
たとえば細胞周期のどの段階にいるか、ストレス応答が起きているか、炎症性の反応が強いかといった状態です。
発生や再生に関する研究では、未分化な細胞から成熟細胞へ変化する途中の細胞を捉えることもあります。
このような細胞の連続的な変化を推定する考え方は、擬似時間解析と呼ばれます。
実際の時間を直接測定する手法ではありませんが、遺伝子発現の連続性から分化の順序を推測する助けになります。
擬似時間解析では、細胞を発現パターンの近さに基づいて並べ、変化の起点から終点へ向かう流れを推定します。
そのため、結果は仮説を作る材料であり、時間追跡実験などによる追加検証が重要です。
細胞間コミュニケーションの推測
細胞は単独で働くのではなく、サイトカイン、増殖因子、受容体などを介して周囲の細胞と情報をやり取りしています。
シングルセルRNA-seqのデータからは、ある細胞群がどのシグナル分子を発現し、別の細胞群が対応する受容体を持つかを調べられます。
この情報を利用すると、細胞集団の間で起こり得る相互作用を推測できます。
ただし、RNAが検出されたことだけで、実際にタンパク質が働き、細胞間で信号が伝わったと証明できるわけではありません。
空間情報、タンパク質測定、培養実験などを組み合わせることで、推測の確度を高められます。
シングルセル解析は細胞間相互作用の候補を示す強力な入口として活用されます。
実験設計とデータ解析の注意点
続いては実験設計とデータ解析の注意点を確認していきます。
検体品質と前処理の影響
シングルセル解析では、検体を採取してから細胞を分離するまでの扱いが結果に大きく影響します。
組織を強く処理しすぎると細胞が傷つき、ストレス応答に関連する遺伝子が人工的に高く検出される場合があります。
壊れた細胞から漏れ出したRNAが周囲に混ざると、別の細胞由来の発現として見えることもあります。
凍結保存試料や扱いにくい組織では、細胞そのものではなく細胞核を用いるシングルヌクレイ解析が選ばれることがあります。
試料に合った前処理方法を選び、採取時刻、保存条件、処理時間を記録することが再現性の基盤です。
品質管理とノイズの扱い
取得された細胞データには、RNA量が極端に少ない細胞、死細胞、複数細胞が混ざったダブレットなどが含まれます。
品質管理では、検出遺伝子数、総RNA量、ミトコンドリア由来RNAの割合などを参考に、解析対象として適切な細胞を選びます。
ただし、一律の基準を機械的に当てはめると、もともとRNA量が少ない重要な細胞を除外してしまう可能性があります。
組織の性質や実験条件を踏まえ、分布を確認しながら閾値を設定する必要があります。
また、複数日に分けて測定したデータにはバッチ効果が生じることがあり、解析上は補正処理も検討されます。
品質管理の基本は、低品質な細胞を除くことだけではありません。
どの細胞をなぜ除外したのかを記録し、結果が条件設定に大きく左右されていないか確認することが重要です。
統計解析と結果の検証
シングルセルRNA-seqでは、多数の細胞を測定していても、それらが少数の患者や動物から採取されたものであれば、生物学的な独立サンプル数は限られます。
細胞数が多いことと、比較対象となる個体数が十分であることは別の問題です。
この点を区別しないと、統計的に過度な解釈につながるおそれがあります。
群間比較では個体差を考慮し、必要に応じて細胞を個体単位でまとめた集計方法を使うこともあります。
さらに、発見したマーカー遺伝子や細胞集団については、PCR、免疫染色、フローサイトメトリーなど、別手法で検証すると説得力が高まります。
解析ソフトの出力をそのまま結論にせず、実験設計と生物学的な妥当性を往復して確認することが大切です。
活用分野と関連技術
続いては活用分野と関連技術を確認していきます。
がん研究と個別化医療
がんは同じ診断名であっても、患者ごと、さらには同一腫瘍内でも性質が異なることがあります。
シングルセル解析を使うと、がん細胞の中に存在する複数の状態や、免疫細胞との関係を詳しく調べられます。
治療前後の検体を比較すれば、薬剤に反応した細胞と残存した細胞の特徴を探ることも可能です。
この知見は新しい治療標的の探索や、治療の効きやすさを予測するバイオマーカー研究に役立つと期待されています。
ただし、臨床現場での利用には、解析時間、費用、検体品質、結果の標準化など、多くの課題が残っています。
空間トランスクリプトームとの組み合わせ
シングルセルRNA-seqでは、細胞を組織から分離するため、元の位置情報が失われやすいという弱点があります。
空間トランスクリプトームは、組織切片上の位置を保ちながら遺伝子発現を調べる技術です。
両者を組み合わせることで、どの細胞種がどこに存在するのか、細胞集団がどのように配置されているのかを推定しやすくなります。
たとえば、腫瘍の中心部と周辺部で免疫細胞の状態が異なるか、神経組織で特定の細胞がどの層に分布するかといった研究に活用されています。
細胞の種類だけでなく、細胞がいる場所まで理解する視点が、近年ますます重要になっています。
タンパク質、DNA、エピゲノムの統合
RNAの発現量だけでは、細胞の機能をすべて説明できるわけではありません。
RNAから作られるタンパク質の量、DNAの変異、DNAの周辺構造に関するエピゲノム情報も、細胞の状態を左右します。
そこで、RNAと細胞表面タンパク質を同時に測る方法や、RNAとクロマチンの開きやすさを同時に調べる方法が開発されています。
このような複数情報を一細胞で扱う技術は、マルチオミクス解析と呼ばれます。
データの解釈はより複雑になりますが、単一の指標では見えにくい細胞機能を多角的に理解できる可能性があります。
シングルセル解析の価値は、RNAを読むことだけにありません。
空間情報、タンパク質、DNA、臨床情報を結び付けることで、細胞の状態と役割をより立体的に捉えられます。
シングルセル解析のまとめ
シングルセル解析は、細胞を一つずつ調べることで、組織の中にある細胞種や細胞状態の多様性を明らかにする技術です。
とくにシングルセルRNA-seqは、細胞ごとの遺伝子発現を網羅的に測定し、希少細胞の探索、分化過程の推定、病気に関わる細胞集団の理解に役立ちます。
バルク解析が集団全体の平均的な変化を捉えるのに対し、シングルセル解析は平均に隠れた違いを見つける点に強みがあります。
一方で、検体の品質管理、細胞分離時の影響、バッチ効果、統計的な扱いには十分な注意が必要でしょう。
結果を正しく活用するには、解析図だけで判断せず、マーカー遺伝子、組織上の位置、別手法による検証を組み合わせることが欠かせません。
細胞ごとの違いを理解することは、病気の仕組みや治療法をより細かく考えるための重要な基盤になります。
研究目的に応じてバルク解析や空間解析とも使い分けながら、シングルセル解析を活用していくことが重要です。