本年度は、深層生成モデルを用いて腫瘍微小環境（TME）の状態を推定する新規手法 Mievformerを開発した。Transformer を核とする同モデルは、周囲細胞の発現プロファイルと空間的位置関係を同時に学習し、シミュレーションデータおよび実測の空間トランスクリプトームデータの双方で、既存手法を上回る予測精度を達成した。また、Mievformerの細胞状態と微小環境状態の間の確率的な関連性が推定可能な特性を活かし、肺がんXeniumデータで腫瘍微小環境の中でも血管内皮細胞が局在する微小環境に特異的ながん細胞の集団を同定した。また、Bulk RNA-seqの分解による病態解析については、先行して一細胞トランスクリプトームの分解技術と予後解析を統合した解析技術scSurvの開発を行なった。この手法では、Variational Auto Encoderにより推定される細胞状態ごとにBulk細胞への貢献、並びにHazardへの貢献を推定することにより、細胞状態ごとのHazard情報に基づいてBuld RNA-seqに紐づいた生存時間をCox比例ハザードモデルにより回帰する。これにより、細胞状態ごとの予後を予測への貢献を予測することができる。これらの成果については論文化を行いプレプリントサーバーへの投稿を行なった。また、微小環境アトラスの構築に向けて、多検体のXenium観測を実施しつつあり、Mievformer、分解・予後解析技術の適用により、転移等の病態に関連した微小環境の特定を行う。