摂動予測の上限はどこか。同じ細胞での再現性から考える
背景をまたぐ摂動予測の評価の前に、同じ細胞での再現性から相関の上限を知る必要がある。Nadig 2025の補正相関を手がかりに、評価で確かめたい点を整理する。
On this page
文献・公開資料の確認日：2026年10月14日。本記事は文献に基づく論考であり、新しい解析は含まない。
ある細胞株で遺伝子をノックダウンしたときの応答が分かっているとき、別の細胞株で同じことをしたら何が起こるか。細胞への介入の結果を計算で予測するVirtual Cellでは、この「背景をまたぐ予測」が中心の課題になりつつある。2026年のVirtual Cell Challengeは、摂動データのない細胞背景への予測（zero-shot）を競う形になった。(1)
背景をまたぐ予測が難しいのは、モデルが未熟だからか、それとも応答そのものが背景で変わるからか。この問いに答える前に、確認しておきたい前提がある。同じ細胞で同じ実験を繰り返したとき、応答はどれだけ再現するのかである。
生の相関は再現性を大きく過小評価する
公開データから得られる相関が小さくても、それだけで「応答は背景で大きく変わる」と解釈することはできない。同じ細胞株で繰り返した実験の再現性と、測定誤差の影響を先に区別する必要がある。
以下の数値は、2026年11月2日にNadigらの2025年掲載論文の公開著者原稿と照合した。独立スクリーン間の相関、対象摂動数、細胞株間の6組の相関は、先に確認した2024年プレプリントと一致する。出版社の組版版ではなく、同じDOIに対応するPMCの著者原稿を確認した。Nadigらは、K562・RPE1・HepG2・Jurkatの必須遺伝子のPerturb-seqを使い、同じ問いをすでに調べていた。(2) まず、K562で別々に行われた2つのスクリーン（ゲノム全体を対象にしたものと、必須遺伝子を対象にしたもの）の間で、同じノックダウンのlog fold changeの相関を比べている。点推定どうしの相関の中央値は、わずか0.16だった。ところが、推定誤差をモデル化した手法（TRADE）で真の効果どうしの相関を推定すると、中央値は0.90になった。
つまり、同じ細胞株の同じノックダウンでも、生の相関は低く出る。一細胞あたりの読み取りは少なく、多くの遺伝子の変化は推定誤差に埋もれる。互いに無関係な誤差は、相関を0の方向へ引き下げる。生の相関の小ささを、そのまま生物学的な違いと読むことはできない。
補正すると細胞株をまたいだ相関も大きく上がる
同じ論文は、4つの細胞株の間でも補正した相関を推定している。(2) 対象は、共通の必須遺伝子2,053のうち、4細胞株すべてで効果が検出された1,660の摂動（緩い基準 Z > 0.5）である。中央値は、K562とJurkatの間で0.74、HepG2とRPE1の間で0.75と高く、K562とHepG2で0.64、JurkatとHepG2で0.69だった。低かったのはK562とRPE1（0.40）、JurkatとRPE1（0.56）である。
著者らは、K562とJurkatはp53変異の浮遊性の血液系細胞株、HepG2とRPE1はp53野生型の接着性の上皮系細胞株だと述べている。応答の似かたには、細胞株の性質による構造がありそうである。ただし、4つの細胞株ではp53の状態、系統、接着性、がん化の有無が重なっていて、どれが原因かは区別できない。CRISPRiの実験系の違いなど、実験の条件の差も含まれうる。
ここでの比較の目安は、完全相関の1だけでなく、同じ細胞株の別スクリーンで推定された0.90である。この0.90自体も推定値であり、普遍的な予測上限ではない。細胞株をまたいだ0.40〜0.75はそれより低く、応答が背景で変わることも起きていると読める。一方、この相関には多くの摂動に共通する応答も含まれうるので、摂動に固有の部分がどれだけ似ているかは、ここからは分からない。
ここから言えるのは、「背景が変わると応答は大きく変わる」と「ほとんど変わらない」のどちらでもない。どれだけ変わるかは、推定誤差を除いて初めて測れるということである。
再現性の上限と基準モデルを並べる
この前提は、背景をまたぐ予測モデルの評価に直接効く。
測定の再現性と予測の上限
予測と観測の相関が0.2だったとき、それが悪い値かどうかは、観測そのものの雑音の大きさが分からないと判断できない。注意したいのは、上限の求め方が比べるものによって違うことである。別の細胞株での測定をコピーするように、測定どうしを比べるなら、同じ背景の反復どうしの生の相関 \(r\) が目安になる。雑音のない予測と雑音を含む観測を比べるなら、等分散で互いにも真の効果にも独立な加算誤差を仮定すれば、上限はおよそ \(\sqrt{r}\) になる（\(r=0.16\) なら約0.40）。上の0.16はこのデータと処理に固有の値であり、一般的な目安ではない。摂動ごとの信頼性が異なるので、中央値の0.16を平方根にした値も、全摂動を合わせた指標の厳密な上限にはならない。上限はデータごとに、細胞を無作為に二分した反復（split-half）などで見積もる必要がある。
利用できる情報に合わせた基準モデル
背景をまたぐ予測なら、「別の細胞株で測った応答をそのままコピーする」が最も単純な基準になる。対象の背景で他の摂動のデータがあるなら、「その背景で多くの摂動に共通する応答」も基準になる。ただし、Virtual Cell Challenge 2026のように対象の背景の摂動データを使えない設定では、後者は作れない。(1) 使える情報が設定ごとに違うので、基準もそれに合わせて選ぶ。
共通の応答と摂動固有の応答
必須遺伝子を止めると、増殖の低下やストレス応答のように、多くの摂動に共通する変化が出る。Systemaは、この系統的な変化を当てるだけで評価指標が高く見えることを示した。(3) 一方でMillerらは、評価指標によっては本当に情報を持つ予測を検出する感度が低いことを示した。(4) 背景をまたぐ評価では、共通の応答の大きさ自体も細胞株ごとに違うので、この区別はさらに重要になる。
応答の強さと推定誤差
応答の弱い摂動では、観測された変化の多くが推定誤差である。強い応答と弱い応答を混ぜて平均すると、モデルの性能も、背景による違いも、読み取りにくくなる。
PIEの公開評価表を読んだ記事では、背景を未知にすると予測性能が下がる様子を見た。その下がり方のうち、どれだけがモデルの限界で、どれだけが応答そのものの違いで、どれだけが測定の雑音なのか。この三つを分けずに「背景をまたぐ予測は難しい」と言うと、何を改善すればよいかが見えなくなる。
参照
- Arc Institute. The 2026 Virtual Cell Challenge. 2026 Aug 20. Challenge announcement.
- Nadig A, Replogle JM, Pogson AN, Murthy M, McCarroll SA, Weissman JS, et al. Transcriptome-wide analysis of differential expression in perturbation atlases. Nature Genetics. 2025;57(5):1228–1237. doi:10.1038/s41588-025-02169-3. Published-study author manuscript and Figure 4. Earlier 2024 preprint.
- Viñas Torné R, Wiatrak M, Piran Z, Fan S, Jiang L, Teichmann SA, et al. Systema: a framework for evaluating genetic perturbation response prediction beyond systematic variation. Nature Biotechnology. 2026;44(6):1050–1059. doi:10.1038/s41587-025-02777-8.
- Miller HE, Mejia GM, Leblanc FJA, Swain B, Wang B, de Lima Camillo LP. Deep learning perturbation models can outperform baselines on calibrated metrics. Nature Biotechnology. 2026 Oct 1. Published online. doi:10.1038/s41587-026-03307-w.