| Project/Area Number |
20H00663
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (A)
|
| Allocation Type | Single-year Grants |
|---|
| Section | 一般 |
|---|
| Review Section |
Medium-sized Section 90:Biomedical engineering and related fields
|
|---|
| Research Institution | Kyoto Institute of Technology |
|---|
Principal Investigator |
野田 実 京都工芸繊維大学, 電気電子工学系, 教授 (20294168)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
山門 穂高 京都大学, 医学研究科, 特定准教授 (10378771)
澤村 正典 京都大学, 医学研究科, 特定病院助教 (60852423)
島内 寿徳 岡山大学, 環境生命自然科学学域, 准教授 (10335383)
寒川 雅之 新潟大学, 自然科学系, 准教授 (70403128)
福澤 理行 京都工芸繊維大学, 情報工学・人間科学系, 准教授 (60293990)
|
|---|
| Project Period (FY) |
2020-04-01 – 2024-03-31
|
| Project Status |
Granted (Fiscal Year 2023)
|
| Budget Amount *help |
¥44,980,000 (Direct Cost: ¥34,600,000、Indirect Cost: ¥10,380,000)
Fiscal Year 2023: ¥6,110,000 (Direct Cost: ¥4,700,000、Indirect Cost: ¥1,410,000)
Fiscal Year 2022: ¥10,400,000 (Direct Cost: ¥8,000,000、Indirect Cost: ¥2,400,000)
Fiscal Year 2021: ¥16,250,000 (Direct Cost: ¥12,500,000、Indirect Cost: ¥3,750,000)
Fiscal Year 2020: ¥12,220,000 (Direct Cost: ¥9,400,000、Indirect Cost: ¥2,820,000)
|
|---|
| Keywords | 診断チップ / プリオン様タンパク質 / バイオセンサ / 脂質膜 / 機械学習 / パーキンソン病 / αシヌクレイン / リポソーム / 統計解析 / 診断用チップ |
|---|
| Outline of Research at the Start |
申請者らは、人間の脳髄液中、さらには血液中で異なる各種のプリオン様タンパク質を特異的・超高感度に検出するため、その生化学的機序を明らかにするとともに、特異的・超高感度に検出できるバイオセンサ技術を創成することが大きな目的である。そのために本研究では、プリオン様タンパク質との相互作用性を格段に向上しうる脂質膜関連技術、高感度検出と同時に異なる複数種プリオン様タンパク質を検出できる電気電子的物理センサ基盤技術を検討する。さらにセンシング認識分子となる各種脂質膜リポソームとの最適な反応条件を検討するために機械学習の適用を進める。
|
| Outline of Annual Research Achievements |
令和３年度はⅠ．センサ検出能力の生化学的側面として以下、検出分子技術手法が具体的進展した。
１．aSyn凝集体の検出ではsandwich ELISA法にてpg/mlオーダーの検出系を確立し、髄液・血清においても交雑物質の影響を受けず標準物質と同様の感度を確認した。RT-QUICでも1pg/ml以下の標準物質の検出が可能とし、ELISAと組合せ脳homogenateからパーキンソン病、多系統萎縮症特異的なaSyn凝集体の検出を確認した。２．①脂質種を最適化、②機能性分子による脂質膜修飾添加双方として、相分離性脂質混合系や糖鎖脂質の混合系がaSynのモデル系としてのAβに対する検出感度を増強しこの脂質組成をaSynモノマーに応用した結果、aSyn凝集体形成過程への大きな干渉を確認できた。
Ⅱ．集積アレイセンサ化では各要素技術が順調に進展した。１．マイクロ流路構造では、新規マイクロ溶液供給システムを構築し、測定溶液供給時におけるカンチレバーセンサの基本検出動作を確認し、出力ノイズ・変動は従来単体液滴保持構造センサでの測定前変動と同等だった。２．①カンチレバーセンサでは、1)ピエゾ抵抗検出部応力集中：1桁弱の感度向上、2)溶液中塩濃度の最適化：約５倍の感度向上、3)PD患者血清測定にて1),2)による数倍の識別性向上を確認した。QCMで上記検証を行いPD患者、非患者、健常者を含めサンプル数約５での再現性、十分な識別性を確認した。②IS-FETでは、ゲート検出部に特化したMOSダイオード自体のアレイ化使用を検討した。
③LSPRを含めてⅢ．アレイセンサ信号情報処理ではデータ収集性を最優先しており、吸収スペクトルの二次元分布を手動走査測定可能なパイロットシステムを構築してLSPR吸光度測定に成功し、LSPRチップへの適用性を確認した。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
Ⅰ．１．aSyn凝集体の検出ではsandwich ELISA法にてpg/mlオーダーの検出系を確立し、髄液・血清においても交雑物質の影響を受けず標準物質と同様の感度を確認した。RT-QUICでも1pg/ml以下の標準物質の検出が可能とし、ELISAと組合せ脳homogenateからパーキンソン病、多系統萎縮症特異的なaSyn凝集体の検出を確認した。２．①脂質種を最適化、②機能性分子による脂質膜修飾添加双方として、高感度検知可能な脂質組成を絞った。aSynのモデル系とAβモノマーを用いた結果，相分離性脂質混合系や糖鎖脂質の混合系がAβに対する検出感度を増強しこの脂質組成をaSynモノマーに応用した結果、aSyn凝集体形成過程への大きな干渉を確認できた。
Ⅱ．集積アレイセンサ化１．アレイ化用マイクロ流路構造では、新規マイクロ溶液供給システムを構築し、測定溶液供給時におけるカンチレバーセンサの基本検出動作を確認し、出力ノイズ・変動は従来単体液滴保持構造センサでの測定前変動と同等だった。２．①カンチレバーセンサでは、1)ピエゾ抵抗検出部応力集中による1桁弱の感度向上、2)溶液中塩濃度の最適化による約５倍の感度向上、3)PD患者血清測定にて1),2)による数倍の識別性向上を確認した。またQCMで上記検証を行いPD患者、非患者、健常者を含めサンプル数約５での再現性、十分な識別性を確認できた。一方高感度化4×4アレイで、荷重応答は従来より4倍以上、また2ゲージ結線ブリッジ回路構成によりさらに2倍高感度化した。②IS-FETでは、ゲート検出部に特化したMOSダイオード自体のアレイ化使用を検討した。
③LSPR含めてⅢ．アレイセンサ信号情報処理としては、吸収スペクトルの二次元分布を手動走査測定可能なパイロットシステムを構築してLSPR吸光度測定に成功し、LSPRチップへの適用性を確認した。
|
| Strategy for Future Research Activity |
Ⅰ．センサ検出能力の生化学的側面として１．ELISAではcapture抗体のisotype controlを用い生体液中のheterophilic antibodyの影響を最大限排除する。RT-QUICでも血清からのaSyn凝集体の再現性ある検出に取組み、この二つの系により発症後のパーキンソン病、多系統萎縮症、パーキンソン病前駆期の患者生体液からの検出を目指す。２．脂質膜リポソームの最適化では脂質代謝異常患者から抽出した脂質等を利用しaSyn凝集体形成を加速する特異的脂質を探索する。具体的にはaSynモノマー同士の相互作用促進と核発生に特異的脂質分子がどう関与するかを明らかにし、前年度探索の脂質組成に特異的脂質を組込みaSynモノマーや凝集体の高感度検出を目指す。
Ⅱ．集積アレイセンサ化として１．マイクロ流路構造では作製技術向上を図り、２．① カンチレバーセンサでは密着性を向上させた表面保護層をカンチレバー形成プロセスに適用、4×4アレイ配置素子の作製歩留りを向上し、高感度化した歪ゲージを導入し荷重感度向上を確認、② IS-FETではMOSダイオードアレイ技術としてLAPs(Light-Addressable-Potentiometric sensor)を適用、③LSPRでは3D電磁界シミュレータ計算結果を基に高感度化の点で新Auナノピラー構造を再検討・形成し、Au構造への脂質平面膜、同修飾分子構造は上記Ⅰ．２の進捗を反映させる。
Ⅲ．アレイセンサ信号情報処理はLSPRチップを多数測定しスペクトル実データを収集する。システム改良として電動ステージを付加しCCDカメラ画像と分光器スペクトルを対応させアレイチップを自動走査可能なシステムにする。統計的学習ではDA,SVM,k-NN,PLSR,MLR等の候補手法を網羅的に試行してLSPRチップに最適なスペクトル解析手法を検討する。
|
