| Project/Area Number |
21K20519
|
|---|
| Research Category |
Grant-in-Aid for Research Activity Start-up
|
| Allocation Type | Multi-year Fund |
|---|
| Review Section |
0403:Biomedical engineering and related fields
|
|---|
| Research Institution | Tohoku Institute of Technology |
|---|
Principal Investigator |
Matsuda Naoki 東北工業大学, 工学部, 助教 (80909490)
|
|---|
| Project Period (FY) |
2021-08-30 – 2023-03-31
|
| Project Status |
Completed (Fiscal Year 2022)
|
| Budget Amount *help |
¥3,120,000 (Direct Cost: ¥2,400,000、Indirect Cost: ¥720,000)
Fiscal Year 2022: ¥1,560,000 (Direct Cost: ¥1,200,000、Indirect Cost: ¥360,000)
Fiscal Year 2021: ¥1,560,000 (Direct Cost: ¥1,200,000、Indirect Cost: ¥360,000)
|
|---|
| Keywords | 機械学習 / 脳・神経 / in vitro / 微小電極アレイ / 神経毒性 / 同期バースト発火 / 同期バースト |
|---|
| Outline of Research at the Start |
神経回路が同期的に活動する「同期バースト発火」は医薬品の毒性および薬効評価の重要な解析パラメータとなっているが、同期バースト発火の個数や長さを正確、かつ施設間で統一して検出する方法は未確立である。本研究では、機械学習を用いて間差に依存せず統一して使用できる「同期バースト発火検出AI」の開発を行う。また、AIが同期バースト発火の検出に使用した特徴量を同定し、特徴量を復元することで、新しい同期バースト発火の定義付けを行う。
|
| Outline of Final Research Achievements |
This study aimed to develop a synchronization burst detection AI that can be used consistently across different experiments. Spontaneous activity of human induced pluripotent stem cell-derived neurons cultured on a microelectrode array (MEA) and responses to epileptogenic compounds were acquired. Using the obtained data, five synchronization burst detection AIs were developed, and models capable of handling inter-data variations were identified. The identified raster plot image-based learning model demonstrated the ability to detect the number of synchronization bursts with an accuracy of 99.8% and the length of synchronization bursts with an accuracy of 91.9% even with different experimental data. The synchronization burst detection method using machine learning developed in this study showed the capability to evaluate neural activity obtained from MEA consistently across different experiments.
|
| Academic Significance and Societal Importance of the Research Achievements |
本研究で開発した機械学習を用いた同期バースト検出法は、MEAで取得した神経活動を実験間差なく評価できることが示された。国内外でMEA神経活動計測法を用いた神経毒性評価の取り組みが行われており、本研究は、当該分野の基盤かつ統一的な解析法になる位置づけである。また、本研究で行う同期バースト発火検出AIは、上述のin vitro試験のみならず、in vivoの電気活動データにも適用可能であることから、電気活動を指標とした神経科学研究全般に拡張することができ、汎用性が高い研究開発である。
|
