テンソル分解を用いたVisiumデータの高精度・高速デコンボリューション手法

本スライドは、2025年に『Mathematics』誌に掲載された論文の解説資料です。 空間トランスクリプトーム（Visium）データの細胞型デコンボリューションにおいて、参照するscRNA-seqデータに多数の「マイナーな細胞種」が含まれている場合、既存の主要ツール（RCTD, SPOTlight, SpaCET, cell2location）では精度が著しく低下するという課題があります。
本研究では、テンソル分解（Tensor Decomposition）に基づく教師なし特徴抽出（Unsupervised Feature Extraction）を用いた新しいアプローチを提案しました。
【主な内容】
• 既存手法の限界: RCTDやcell2location等は、マイナー細胞種を含む参照データを用いると、存在しない細胞種（アストロサイト等）を誤検出したり、計算に数日を要したりする問題があることを示しました。
• 提案手法の利点: テンソル分解（HOSVD）を用いることで、主要な細胞種（ミクログリア、ニューロン、オリゴデンドロサイト）の空間分布を正確に推定可能です。
• 計算速度: cell2locationが数日要する計算を、本手法は数分で完了させる圧倒的な高速性を実現しました。
【書誌情報】 Taguchi, Y.-H.; Turki, T. Novel Tensor Decomposition-Based Approach for Cell-Type Deconvolution in Visium Datasets with Reference scRNA-Seq Data Containing Multiple Minor Cell Types. Mathematics 2025, 13, 4028. https://doi.org/10.3390/math13244028

Transcript