SIMO マルチオミクス統合エージェント

SIMO マルチオミクス統合エージェントは、確率的アラインメントによるマルチオミクスデータセットの空間統合を実行します。以前のツールは転写産物学に限定されていましたが、SIMOは空間転写産物学とシングルセル RNA-seq を統合し、クロマチンアクセシビリティ、DNA メチル化、およびプロテオミクスデータまで拡張します。

このスキルを使用する場合

• 空間転写産物学とシングルセルマルチオミクスデータを統合する場合
• 空間的文脈を含む包括的な組織アトラスを構築する場合
• エピゲノミック状態(ATAC-seq、メチル化)を空間座標にマッピングする場合
• 組織アーキテクチャ内のマルチモーダル細胞表現型を分析する場合
• 複数のモダリティを組み合わせた空間デコンボリューションを実行する場合

コア機能

1. 空間-scRNA 統合: シングルセル RNA-seq を確率的に空間座標にアラインメントします。

2. クロマチンアクセシビリティマッピング: scATAC-seq プロファイルを空間組織位置に投影します。

3. DNA メチル化空間マッピング: シングルセルメチル化データを空間的文脈と統合します。

4. マルチモーダル融合: 転写産物学、エピゲノミック、およびプロテオミクスレイヤーを組み合わせます。

5. 確率的細胞型アサインメント: 不確実性定量化を伴って空間スポットに細胞型をアサインします。

6. 空間ニッチ同定: マルチオミクスシグネチャで定義される細胞ニッチを発見します。

サポートされるモダリティ

モダリティ	入力形式	空間リファレンス
scRNA-seq	AnnData、Seurat	Visium、MERFISH、Xenium
scATAC-seq	SnapATAC2、ArchR	Visium、Slide-seq
scMethyl	Bismark、allcools	任意の空間モダリティ
CITE-seq (タンパク質)	AnnData	空間プロテオミクス
Multi-ome (RNA+ATAC)	Muon、SnapATAC2	すべてのプラットフォーム

統合アルゴリズム

ステップ	方法	目的
特徴選択	HVG + マーカー遺伝子	次元削減
エンベディング	変分オートエンコーダ	共有潜在空間
アラインメント	最適輸送	確率的マッチング
空間マッピング	ガウス過程	滑らかな空間予測
不確実性	事後サンプリング	信頼区間

ワークフロー

1. 入力: 空間転写産物学(Visium/MERFISH/Xenium)、リファレンスシングルセルマルチオミクス。

2. 前処理: 両データセットの正規化、特徴選択、品質管理。

3. エンベディング: モダリティ間の結合潜在表現を学習。

4. 確率的アラインメント: 細胞からスポットへのアサインメント確率を計算。

5. 空間補完: モダリティを空間座標に転送。

6. ニッチ分析: マルチオミクスシグネチャで空間ドメインを識別。

7. 出力: 統合空間マルチオミクスオブジェクト、ニッチアサインメント、ビジュアライゼーション。

使用例

ユーザー: 「scRNA-seq と scATAC-seq データを空間転写産物学と統合して、異なる組織領域でのクロマチン状態を理解したい。」

エージェント実行:

python3 Skills/Genomics/SIMO_Multiomics_Integration_Agent/simo_integration.py \
    --spatial_data visium_data.h5ad \
    --scrna_ref scrna_atlas.h5ad \
    --scatac_ref scatac_atlas.h5ad \
    --modalities rna,atac \
    --n_spots_per_cell 5 \
    --uncertainty_quantification true \
    --output integrated_spatial_multiome.h5ad

出力コンポーネント

出力	説明	形式
統合オブジェクト	マルチモーダル空間データ	AnnData/Muon
細胞型マップ	空間細胞型アサインメント	GeoTIFF、CSV
クロマチンアクセシビリティマップ	空間 ATAC パターン	BigWig、CSV
ニッチアサインメント	空間ドメインラベル	CSV、Zarr
不確実性マップ	スポットごとの信頼度	GeoTIFF
遺伝子活動スコア	ATAC 由来遺伝子活動	AnnData レイヤー

サポートされる空間プラットフォーム

プラットフォーム	解像度	スポット/セル数	遺伝子数
10x Visium	55 μm	~5,000	全転写産物
10x Visium HD	8 μm	~300,000	全転写産物
10x Xenium	サブセルラー	>100,000	300-5,000 パネル
MERFISH	サブセルラー	>1M	100-10,000 パネル
Slide-seq	10 μm	~60,000	全転写産物
CosMx	サブセルラー	>1M	1,000-6,000 パネル

AI/ML コンポーネント

変分統合:

• 結合エンベディングのためのマルチモーダル VAE
• モダリティアラインメントのための対照学習
• データセット間のバッチ補正

確率的マッピング:

• エントロピー正則化による最適輸送
• ガウス過程空間平滑化
• ベイズ不確実性推定

ニッチ発見:

• マルチビュークラスタリング
• 空間自己相関(Moran's I)
• ニッチ境界のためのグラフニューラルネットワーク

前提条件

• Python 3.10+
• Scanpy、Squidpy、Muon
• scvi-tools、SnapATAC2
• POT (Python Optimal Transport)
• PyTorch、GPyTorch

関連スキル

• scGPT_Agent - ファウンデーションモデルエンベディング用
• Spatial_Epigenomics_Agent - 空間エピゲノミクス分析用
• Cell_Cell_Communication - リガンド-レセプター分析用
• Nicheformer_Spatial_Agent - 空間ニッチモデリング用

特別な考慮事項

1. バッチ効果: 異なるプロトコルからのデータセットを事前にアラインメント
2. スポットデコンボリューション: 低解像度プラットフォームはデコンボリューション必須
3. スパース性: scATAC データは集計戦略が必要
4. 計算: マルチモーダル統合はメモリ集約的
5. 検証: 既知のマーカー分布で空間パターンを検証

応用

応用	ユースケース
腫瘍マイクロ環境	免疫浸潤細胞のクロマチン状態をマップ
発生	系統分化クロマチンダイナミクスを空間的に追跡
神経変性	エピジェネティック変化の空間マッピング
線維化	空間活性化プログラムを理解

作成者

AI Group - 生物医学 AI プラットフォーム