シングルセル解析でわかることは？活用例や応用分野も！(細胞の多様性：遺伝子発現パターン：研究分野：バイオインフォマティクスなど)

シングルセル解析は、一つひとつの細胞を個別に調べることで、従来の解析では見えにくかった細胞集団の違いを明らかにする技術です。

組織全体をまとめて測定する方法では平均値に埋もれてしまう少数細胞や、一時的に状態が変わった細胞も捉えられるため、生命科学や医療研究で注目を集めています。

がん、免疫、脳、発生、再生医療など幅広い研究分野で導入が進み、得られた大量のデータを読み解くためにはバイオインフォマティクスも欠かせません。

この記事では、シングルセル解析でわかること、代表的な手法、実際の活用例、研究を進める際の注意点までわかりやすく紹介します。

シングルセル解析で明らかになる細胞の多様性

それではまず、シングルセル解析によって何が見えてくるのかを解説していきます。

細胞集団に隠れた個体差

同じ種類に見える細胞でも、すべてが同一の働きをしているとは限りません。

たとえば同じ腫瘍内に存在するがん細胞でも、増殖しやすい細胞、薬剤に抵抗性を示す細胞、周囲の組織へ移動しやすい細胞などが混在している場合があります。

従来のバルク解析では、多数の細胞をまとめて測定するため、得られる値は全体の平均的な遺伝子発現パターンになります。

一方でシングルセル解析なら、個々の細胞に識別子を付与して測定するため、少数派の細胞集団や特殊な状態の細胞を見つけやすくなります。

この特徴は、病気の初期段階にだけ現れる細胞や、治療後に残る細胞を調べる場面で特に重要です。

遺伝子発現パターンの違い

シングルセルRNAシーケンスでは、各細胞でどの遺伝子がどの程度働いているかを調べます。

RNAは遺伝子の情報をもとに作られる分子であり、細胞が置かれた環境や担っている役割によって量が変化します。

そのため、遺伝子発現パターンを比較すると、細胞の種類だけでなく、活性化している状態、分裂中の状態、ストレスを受けている状態なども推定できます。

たとえば免疫細胞では、同じT細胞に分類される細胞でも、感染防御に積極的な細胞、記憶として残る細胞、働きが弱まった細胞が区別できることがあります。

細胞名だけでは表しきれない機能の差を可視化できる点が、遺伝子発現解析の魅力です。

細胞状態と分化の流れ

シングルセル解析は、細胞が変化していく過程を推定する研究にも役立ちます。

受精卵からさまざまな細胞へ分かれていく発生過程、幹細胞が組織細胞へ成熟する過程、免疫細胞が刺激を受けて活性化する過程などが代表例です。

測定した細胞を遺伝子発現の似ている順に並べると、実際には同時点で採取した細胞であっても、変化の途中にある細胞群が連続的に見えることがあります。

この情報をもとに疑似時間解析を行えば、細胞がどのような順序で状態を変える可能性があるかを考察できます。

ただし疑似時間は実際の時計時間を直接測定した結果ではないため、追跡実験や追加の検証と組み合わせる姿勢が求められます。

代表的なシングルセル解析手法

続いては、シングルセル解析で利用される代表的な手法を確認していきます。

シングルセルRNAシーケンス

最も広く知られている方法が、シングルセルRNAシーケンスです。

一般にscRNA-seqとも呼ばれ、細胞ごとにRNAを回収し、次世代シーケンサーを用いて遺伝子発現を網羅的に読み取ります。

細胞を一つずつプレートに分注する方法もありますが、多数の細胞を扱う研究では、液滴を使って細胞とバーコードを封入する方式がよく使われます。

バーコードによって由来する細胞を区別するため、測定後に混ざったRNAデータを細胞単位へ戻すことが可能になります。

数千から数万細胞を扱える手法もあり、組織全体の細胞構成を把握したい研究に向いています。

手法	主な対象	わかること	活用場面
scRNA-seq	RNA	遺伝子発現と細胞集団	細胞種の分類、病態解析
scATAC-seq	クロマチン	遺伝子が働きやすい領域	遺伝子制御の解析
空間トランスクリプトミクス	組織切片のRNA	遺伝子発現と位置情報	腫瘍微小環境、脳組織
単一細胞DNA解析	DNA	変異、コピー数変化	がんの進化、クローン解析

エピゲノムとクロマチン解析

遺伝子が存在していても、すべてが常に使われるわけではありません。

DNAの周囲にあるクロマチン構造や化学修飾は、どの遺伝子が読み出されやすいかに影響します。

scATAC-seqなどの手法を利用すると、細胞ごとにクロマチンが開いている領域を測定し、遺伝子制御の候補を探れます。

RNA解析だけでは見えにくい変化の前段階を捉えられる場合があり、分化や疾患発症のメカニズム研究で価値があります。

発現している遺伝子だけでなく、これから発現しやすくなる可能性にも目を向けられる点が特徴です。

空間情報を保つ解析

細胞は組織の中で位置関係を持ちながら働いています。

たとえば腫瘍の中心部と周辺部では、酸素濃度、栄養状態、免疫細胞との接触状況が異なることがあります。

通常のシングルセルRNAシーケンスでは、細胞を組織から取り出す過程で位置情報が失われます。

そこで重要になるのが空間トランスクリプトミクスです。

組織切片上の位置と遺伝子発現を対応付けることで、どの細胞がどこに存在し、周囲の細胞とどう関わるかを調べられます。

バイオインフォマティクスによるデータ解析

続いては、膨大なシングルセルデータを扱うバイオインフォマティクスの役割を確認していきます。

品質管理と前処理

シングルセル解析では、実験後すぐに生物学的な結論が得られるわけではありません。

まず、読み取り数が極端に少ない細胞や、壊れてRNAが漏れた細胞、複数細胞が一つとして記録されたダブレットなどを確認します。

品質の低いデータをそのまま残すと、存在しない細胞集団が見えてしまったり、細胞種の判定が不安定になったりします。

ミトコンドリア由来遺伝子の割合、検出遺伝子数、UMI数などを指標にしながら、研究目的に合わせた基準を設ける必要があります。

解析の信頼性は前処理の丁寧さに大きく左右されるため、除外基準を記録として残すことも重要です。

次元削減とクラスタリング

一つの細胞について数千から数万の遺伝子情報を扱うため、そのままでは全体像を把握しにくいことがあります。

そこでPCA、UMAP、t-SNEなどの次元削減手法を用い、多次元データを二次元や三次元の図として表現します。

近い位置に集まる細胞は遺伝子発現パターンが似ている傾向があり、クラスタリングによって候補となる細胞集団を分けられます。

ただしグラフ上で近いからといって、必ずしも同じ細胞種とは限りません。

実験条件、既知のマーカー遺伝子、組織学的な知識を統合して解釈することが必要でしょう。

細胞種アノテーションと統合解析

クラスタリングで分かれた細胞群に名前を付ける作業は、細胞種アノテーションと呼ばれます。

既知のマーカー遺伝子を確認する方法のほか、公開データベースや参照アトラスと比較する方法、機械学習を用いる方法もあります。

複数の患者検体や異なる実験日に得たデータを比較する場合には、バッチ効果への対応も欠かせません。

バッチ効果とは、本来の生物学的な違いではなく、試薬、測定日、装置、担当者などの差によって生じる偏りです。

補正は便利ですが過度に行うと本来の差まで消える可能性があるため、補正前後の可視化と生物学的な妥当性確認を両立させる必要があります。

がん研究と医療分野での活用例

続いては、シングルセル解析が医療研究でどのように活用されているかを見ていきます。

腫瘍内不均一性の把握

がん組織は、がん細胞だけで構成されるわけではありません。

免疫細胞、線維芽細胞、血管に関わる細胞、正常組織由来の細胞などが混在し、腫瘍微小環境を形成しています。

シングルセル解析を用いると、腫瘍内の細胞構成を細かく分け、どの細胞集団が増えているかを調べられます。

さらに、薬剤抵抗性に関連する遺伝子発現を持つ細胞や、転移に関わる可能性がある細胞群を探索する研究にもつながります。

同じ診断名でも患者ごとに細胞レベルの特徴が異なることを示す材料として、個別化医療への期待も高まっています。

免疫療法の反応予測

免疫チェックポイント阻害薬などの治療では、患者によって反応の程度が異なることが知られています。

その理由を探るために、治療前後の腫瘍や血液に含まれる免疫細胞をシングルセル解析する研究が行われています。

活性化したT細胞の割合、疲弊状態にあるT細胞の特徴、抗原提示に関わる細胞の状態などを評価することで、治療反応との関連を検討できます。

ただし研究段階の指標も多く、個々の遺伝子発現だけで治療効果を保証するものではありません。

臨床応用には、十分な患者数による検証、再現性、検査時間、費用、倫理面の検討が必要です。

希少細胞と早期病態の探索

病気の進行に関わる細胞が、ごく少数しか存在しないケースもあります。

たとえば再発の原因となる可能性がある細胞、炎症を増幅させる細胞、組織修復に関与する細胞などは、平均的な解析では見落とされることがあります。

シングルセル解析は、こうした希少細胞を候補として抽出し、追加実験の対象を絞り込むための強力な手段です。

病理画像、空間解析、タンパク質解析、臨床情報と組み合わせれば、より実用的な病態理解へ近づけるでしょう。

発生学と再生医療における応用分野

続いては、発生学や再生医療で広がる応用分野を確認していきます。

胚発生と細胞系譜

発生学では、一つの受精卵が多様な組織や臓器を形作る仕組みを理解することが大きなテーマです。

発生の各段階から細胞を採取してシングルセル解析を行うと、どの遺伝子がいつ働き始めるか、細胞集団がどのように分かれるかを詳しく追えます。

細胞系譜の情報と組み合わせることで、特定の細胞が将来どの組織へ分化する可能性を持つかも検討できます。

この知見は、先天性疾患の理解だけでなく、培養細胞から目的の細胞を作る条件の最適化にも役立ちます。

幹細胞の品質評価

iPS細胞やES細胞を利用した再生医療では、目的細胞へ適切に分化しているかを評価する必要があります。

培養した細胞集団が見た目には均一でも、未分化な細胞や異なる系統へ向かう細胞が少量含まれる可能性があります。

シングルセル解析によって細胞ごとの遺伝子発現を確認すれば、集団の純度や分化のばらつきをより細かく評価できます。

安全性と有効性を考えるうえで、少数の異質な細胞を見逃さない視点が重要になります。

神経科学と細胞地図

脳には非常に多様な神経細胞とグリア細胞が存在し、それぞれが異なる回路や機能を担っています。

シングルセル解析は、脳領域ごとの細胞タイプを整理し、細胞地図を作成する研究に貢献しています。

アルツハイマー病、パーキンソン病、自閉スペクトラム症などに関する研究では、疾患で変化する細胞群や炎症応答の特徴を調べる取り組みも進められています。

脳の細胞は位置や周辺環境の影響を受けやすいため、空間情報や電気生理学的なデータとの統合が今後も重要になるでしょう。

導入時に押さえたい課題と注意点

続いては、シングルセル解析を活用する前に理解しておきたい課題と注意点を解説していきます。

試料調製による影響

細胞を組織から取り出す工程では、酵素処理や機械的な操作によって細胞に負担がかかることがあります。

細胞がストレスを受けると、本来の状態とは異なる遺伝子発現が一時的に誘導される場合があります。

特に壊れやすい細胞や大型の細胞では回収率が低下し、解析結果が細胞構成を正確に反映しない可能性もあります。

試料採取から処理までの時間、温度、保存方法、解離条件を標準化することが、再現性を高める第一歩です。

コストと実験設計

シングルセル解析では、試薬費用、シーケンス費用、計算資源、人材の確保などを計画的に考える必要があります。

細胞数を増やせば希少細胞を見つけやすくなる一方で、一細胞あたりの読み取り深度が不足すると遺伝子検出が不安定になることがあります。

重要なのは、単に多くの細胞を測定することではなく、研究目的に応じて必要な細胞数、検体数、対照群、反復数を設計することです。

細胞数と患者数は別の意味を持つため、患者間の違いを議論したい研究では、複数検体を含める視点が欠かせません。

結果の解釈と検証

シングルセル解析は探索力に優れていますが、見つかった差がそのまま因果関係を意味するわけではありません。

ある遺伝子が特定の細胞群で高く発現していても、それが病気の原因なのか、病気への反応なのかは追加検証が必要です。

免疫染色、フローサイトメトリー、in situハイブリダイゼーション、培養実験、動物モデルなどを用い、別の方法で確認することが望まれます。

公開データとの比較や、独立した検体での再現性確認も重要な工程です。

シングルセル解析のまとめ

シングルセル解析は、細胞を一つずつ観察することで、組織に存在する細胞の多様性、遺伝子発現パターン、分化の流れ、細胞間の違いを詳しく調べられる技術です。

scRNA-seqをはじめとする解析法により、がん、免疫、発生、再生医療、神経科学などの研究分野で新たな知見が生まれています。

特に、平均値に隠れていた希少細胞や細胞状態の違いを捉えられることは、大きな強みといえるでしょう。

一方で、試料調製、品質管理、バッチ効果、統計解析、結果の検証には慎重な対応が必要です。

バイオインフォマティクス、空間解析、タンパク質解析、臨床情報を組み合わせることで、シングルセル解析はより実践的で深い生命理解につながっていきます。