単一細胞解析とは何か：仕組みと医療への応用を解説

単一細胞解析とは何か：基本から臨床応用まで

バルク解析で「異常なし」と判定されたがん組織に、実は治療抵抗性を持つ細胞が1%潜んでいることがあります。

単一細胞解析とは：1個の細胞に着目する解析の基本概念

単一細胞解析（シングルセル解析）とは、生体サンプルに含まれる細胞をひとつひとつ単離し、それぞれの細胞が持つゲノム情報・遺伝子発現量・タンパク質情報などを個別に取得・解析する手法のことです。「シングルセル（Single Cell）」という名称の通り、1個の細胞を解析の基本単位としている点が最大の特徴です。

医学・生物学の文脈で「細胞を調べる」という行為は長い歴史を持ちます。しかし、従来の主流は多数の細胞をまとめて処理し、全体の平均的なデータを得る「バルク解析」でした。たとえばバルクRNA解析では、数万〜数百万個の細胞をすり潰して得た混合物から遺伝子発現量を測定します。これは大量の情報を効率よく得られる反面、「どの細胞が何を発現していたか」という情報は失われてしまいます。

単一細胞解析が登場したことで、この問題が根本から変わりました。個々の細胞ごとにデータを取得するため、集団内に1〜2%しか存在しない「希少な細胞亜集団」も検出できます。これはバルク解析では原理的に不可能だったことです。

よく使われる比喩として、「森を見て木を見ず」という言葉が当てはまります。バルク解析が森全体の平均的な状態を把握する方法だとすると、単一細胞解析は一本一本の木の状態を個別に確かめる方法です。どちらにも意義はありますが、病気の原因となる「特異な木（細胞）」を見つけるには、個別の観察が不可欠です。

つまり単一細胞解析とは「見えなかった細胞の個性を可視化する技術」です。

比較項目	バルク解析	単一細胞解析
解析単位	細胞集団全体の平均	1細胞ごとに個別取得
希少細胞の検出	困難（シグナルが埋もれる）	可能（1%以下でも検出）
細胞の個性・不均一性	把握できない	把握できる
コスト・手間	比較的低い	高い（受託費用60万円〜）
データ量	少ない	膨大（要バイオインフォマティクス）

参考：単一細胞解析とバルク解析の概念的な違いについて、横河電機の技術解説ページで詳しく図解されています。

【わかりやすく解説】シングルセル解析とは？ | YOKOGAWA

単一細胞解析の手順：細胞単離・測定・データ解析の流れ

単一細胞解析は大きく「① 細胞単離（サンプリング）」「② 測定（シーケンシング）」「③ データ解析」の3ステップで構成されます。それぞれのステップに専門的な技術が必要で、いずれか一つでも精度が落ちると結果全体に影響します。

① 細胞単離（サンプリング）

最初のステップは、生体サンプルから個々の細胞を一つずつ物理的に単離することです。主な方法には以下があります。

• 🔩 マイクロ流体デバイス（Droplet法）：マイクロ流路を用いて数万個の微小な油滴（ドロップレット）を作り、その中に1個の細胞を封入する方法。10x Genomics社の「Chromiumシステム」が代表例で、1回の実験で数千〜1万細胞を並行処理できます。
  




• 🔬 フローサイトメトリー（FACS）：細胞を流体中に流しながら光学的に識別し、マルチウェルプレートへ1細胞ずつ分取する方法。特定の表面マーカーを持つ細胞集団を選別してから解析する場合に有効です。
  




• 🧫 キャピラリーピッキング：顕微鏡下で微細なガラスキャピラリーを使い、特定の細胞を直接物理的に採取する方法。細胞の空間的位置情報を保持したままサンプリングできる装置も近年登場しています。
  

② 測定（シーケンシング）

単離した1細胞ごとにRNAを抽出し、逆転写によってcDNAを作成します。次に、そのcDNAをPCR増幅してライブラリーを構築し、次世代シーケンサー（NGS）によって塩基配列を読み取ります。これが「シングルセルRNA-seq（scRNA-seq）」と呼ばれる、最も広く使われている単一細胞解析の手法です。

1細胞あたりのRNA量は非常に微量であるため、増幅ステップでのノイズ制御が精度の鍵になります。これが重要です。

③ データ解析（バイオインフォマティクス）

NGSから得られた大量の配列データを処理し、各細胞の「遺伝子発現プロファイル」を作成します。次に主成分分析（PCA）やUMAPなどの次元削減アルゴリズムを使い、細胞を特徴ごとにグループ分けする「クラスタリング」を行います。同じように見える細胞でも遺伝子発現パターンが異なる「細胞亜集団」が存在することが、クラスタリングによって初めて明らかになります。

さらに、細胞の分化経路を時系列で推定する「Pseudotime解析（疑似時間解析）」では、静的なスナップショットデータから細胞がどの状態からどの状態へと変化するかを動的に再構築することも可能です。データ解析が原則です。

参考：scRNA-seq解析のデータ解析フローについて詳しく解説されています。

シングルセルRNAシーケンスの自信を築く初心者ガイド | 10x Genomics

単一細胞解析の種類：scRNA-seq・scATAC-seq・マルチオミクスの違い

「単一細胞解析」と一口に言っても、解析対象によっていくつかの主要な手法に分かれます。それぞれが捉える生物学的情報が異なるため、研究目的に応じた選択が求められます。

① シングルセルRNA-seq（scRNA-seq）／トランスクリプトーム解析

最もよく使われる手法で、1細胞ごとのmRNA発現量を網羅的に測定します。「どの遺伝子が今どれだけ働いているか」を細胞単位で把握できます。細胞種の同定・分化状態の推定・疾患と健常細胞の比較などに広く活用されています。

② シングルセルATAC-seq（scATAC-seq）／エピゲノム解析

クロマチンのオープン領域（遺伝子が転写されやすい状態にある領域）を細胞ごとに調べる手法です。遺伝子発現量そのものではなく、遺伝子発現の「調節機構」を明らかにしたい場合に有効です。

③ シングルセルゲノミクス（scDNA-seq）

細胞ごとのDNA配列を解読する手法です。コピー数変異（CNV）などのゲノム異常を細胞単位で検出できるため、がん細胞内の遺伝的多様性（腫瘍内不均一性）の解析に特に役立ちます。

④ CITE-seq（タンパク質＋RNA同時解析）

抗体バーコード技術を使い、1つの細胞から表面タンパク質（タンパク質レベル）と遺伝子発現（RNAレベル）を同時に測定できます。フローサイトメトリー的な情報とトランスクリプトームの情報を同時に得られる点が強みです。

⑤ マルチオミクス解析

上記の複数のオミクス情報を1細胞から同時に取得する試みが進んでいます。10x Genomics社の「Chromium Single Cell Multiome ATAC + Gene Expression」では、同一細胞からATACとRNA両方のデータを取得できます。受託費用は1サンプルあたり145万円前後（2024年時点）とまだ高コストです。

これは使えそうです。

各手法を選択する際の基準として、「どの分子層の情報が必要か（RNA・DNA・タンパク質）」「細胞の空間的な位置情報が必要か否か」「予算と解析可能細胞数のバランス」の3点が判断軸になります。この3点が条件です。

参考：シングルセル解析のメリット・デメリットと各手法の選択指針が詳しく解説されています。

【シングルセル解析をわかりやすく解説】メリット・デメリットや基本的な原理とは | ミクセル

単一細胞解析のがん・免疫疾患・再生医療への臨床応用

単一細胞解析は研究室の技術にとどまらず、実際の医療・創薬への橋渡しが急速に進んでいます。医療従事者が知っておくべき臨床応用の最前線を整理します。

がん研究・治療戦略への応用

がん細胞はひとつの腫瘍内でも遺伝子的に多様な細胞が混在しており、これを「腫瘍内不均一性（Intra-tumor heterogeneity）」と呼びます。バルク解析では腫瘍全体の平均的なシグナルしか取れないため、わずか数%しか存在しない「治療抵抗性を持つ細胞クローン」は検出されず、治療後に再発・難治化の原因となるケースがあります。

単一細胞解析を使うと、この少数派の細胞を事前に同定し、どの遺伝子が治療抵抗性に寄与しているかを特定できます。これにより、最初から適切な治療法を選択する「個別化医療」への貢献が期待されます。また、免疫チェックポイント阻害薬治療における腫瘍浸潤リンパ球（TIL）の状態を単一細胞レベルで解析することで、治療奏効を予測するバイオマーカーの開発も進んでいます。

自己免疫・アレルギー疾患への応用

2024年に大阪大学の研究グループが「Nature Reviews Immunology」に発表した総説によると、scRNA-seqを用いた自己免疫疾患の研究から以下のような臨床的知見が得られています。

• 🦴 関節リウマチ：自己抗体陽性／陰性患者で異なる治療方向性が示された。滑膜線維芽細胞のNotchシグナルなどが治療ターゲットとなりうる。
  




• 🩺 全身性エリテマトーデス（SLE）：I型インターフェロン関連シグナルが治療ターゲットとして妥当であることが確認された。尿中ケモカインが病勢マーカーとして活用できることも示唆された。
  




• 🫁 気管支喘息：Th2細胞だけでなく、マクロファージなど自然免疫系の細胞分化異常が病態に大きく関与していることが判明した。
  

これらの発見は、シングルセル解析が単なる基礎研究のツールではなく、バイオマーカーの発見や治療標的の同定という形で臨床に直接貢献できることを示しています。

再生医療・iPS細胞研究への応用

2014年、理化学研究所の髙橋政代博士らのグループが世界で初めてiPS細胞由来の網膜色素上皮細胞を患者に移植した際、京都大学iPS細胞研究所の研究グループが単一細胞解析を用いて「移植細胞が純粋に目的の細胞に分化しているか」を細胞1個レベルで品質評価しました。移植前の安全確認に単一細胞解析が貢献したこの事例は、再生医療の品質管理における本技術の可能性を世界に示しました。

また、膵臓β細胞への分化誘導効率が数%程度と低い問題に対し、単一細胞解析を使ってどの段階で細胞の運命が変わるのかを特定し、分化促進因子を同定することで誘導効率を劇的に改善した事例も報告されています。

参考：シングルセル解析の再生医療・iPS細胞研究への応用について京都大学CiRAの研究者が解説しています。

＜研究最前線＞シングルセル解析技術で解明される細胞の運命 | M-hub

単一細胞解析の限界・課題と、空間トランスクリプトームという次の一手

単一細胞解析は強力な技術ですが、医療従事者が正しく評価するために、現時点での限界と課題も理解しておく必要があります。

① コストの問題

受託解析サービスを利用する場合、scRNA-seq 1サンプルあたりの費用は国内では概ね60万〜145万円前後（用いる手法・細胞数・シーケンシング深度によって大きく異なります）。京都大学ASHBiのSignACコアのような研究機関内共用施設でも、シーケンス費用だけで30万円以上かかるケースがあります。これが普及の障壁のひとつです。

② 1細胞あたりのRNA量は微量

1個の細胞から得られるRNAは非常に少量であるため、増幅プロセスでノイズが入りやすく、一部の遺伝子発現データが欠損する「ドロップアウト」と呼ばれる現象が起きます。このため低発現遺伝子の検出には限界があります。

③ 空間情報が失われる問題

従来の単一細胞解析では、組織から細胞を剥がして懸濁液にしてから解析するため、「その細胞が組織のどの場所にいたか」という空間情報が失われます。厳しいところですね。

この課題を解決するために登場したのが「空間トランスクリプトーム解析（Spatial Transcriptomics）」です。組織切片をそのまま専用スライドに貼り付け、細胞の位置情報を保持したままRNA発現を測定できます。2024年に10x Genomics社が発表した「Visium HD」では、従来の空間解析よりも高解像度での解析が可能になり、組織内の細胞境界に近い分解能を実現しています。

④ 膨大なデータ解析能力が必要

1サンプルに含まれる数千〜数万細胞、各細胞で数万遺伝子分のデータが生成されます。これを処理・解析するには、バイオインフォマティクスの専門知識と高性能な計算機環境が必要です。受託解析を活用するか、院内・研究室内での専門人材育成が課題になります。

単一細胞解析は「情報の宝庫」です。しかし大阪大学の総説が指摘するように、「膨大なデータを患者に直接役立つ臨床知見へと落とし込む視点」が、現時点ではまだ不十分な研究も多いという現実もあります。医療従事者が研究者と協働する際には、「どのような臨床疑問に答えたいのか」を最初に明確にすることが、研究価値を高める鍵になります。それが基本です。

参考：空間トランスクリプトームの仕組みと単一細胞解析との関係について、富士フイルム和光の技術ブログで詳しく解説されています。

【連載】遺伝子解析 新技術とその応用「第3回 1細胞シーケンス」 | 富士フイルム和光