シングルセルRNA-seq（scRNA-seq）多検体解析における計算ネックと失敗しないHPCを選定するには？

皆さん、こんにちは。アプライド広域システム営業部です。

本日のテーマは、「シングルセル解析・多検体データ時代の最適解」に関してです。

シングルセルRNAシーケンス（scRNA-seq）技術の進化により、
従来のバルク解析(*1)では見えなかった「1細胞レベル」の遺伝子発現ダイナミクスが解明できるようになりました。

*1:組織などの複数の細胞をまとめてすり潰し、サンプル全体の平均的な遺伝子発現量を測定する手法

バルクRNA-seqが、組織全体を混ぜた「ミックスジュース」の味を調べるものだとすれば、
scRNA-seqは、「フルーツの盛り合わせ」から個々のフルーツの種類や状態を正確に特定するアプローチに例えられます。

現在、研究現場では単一サンプルのプロファイリングから、数十〜数百検体を比較する「多検体解析」へと移行が進んでいます。

しかし、そこで大きな壁となるのが「計算資源（メモリー・CPU・ストレージ）の枯渇」です。

そこで今回は、計算のボトルネックポイントと、それを解決する推奨HPC（ハイパフォーマンス・コンピューティング）環境について詳しく解説します。

なぜ多検体scRNA-seq解析はPCをフリーズさせるのか？

多検体解析では、1サンプルあたり1万細胞を取得し30検体集めるだけでも「30万細胞 × 2万遺伝子」という膨大な行列データを扱うことになります。

一般的なPC（メモリ16GB〜32GB）で解析を試みた際、特に深刻なのが以下の2つの課題です。

1.メモリ不足（Out of Memory）によるクラッシュ
R（Seurat）やPython（Scanpy）などの主要解析ツールは、データをメモリ上に一括展開して処理するインメモリ型設計となっています。
そのため、巨大な次元圧縮（PCA）やクラスタリング処理を行う際、メモリが足りないと、即座にクラッシュを引き起こします。

2.バッチエフェクト補正（Integration）(*2)の膨大な計算量

*2:異なる実験日や測定機器、試薬のロット、担当者などの「実験条件（バッチ）の違い」によって生じる、
データ上の不自然なズレや偏り（バッチ効果）を取り除く統計・データ処理のこと

実験日やサンプルの違いによる技術的誤差を取り除くデータ統合（Integration）処理は、複数データ間の相関を計算し直すため、
十分なCPU並列処理能力がないと処理に数日単位の時間を要します。