| Project/Area Number |
22K15344
|
|---|
| Research Category |
Grant-in-Aid for Early-Career Scientists
|
| Allocation Type | Multi-year Fund |
|---|
| Review Section |
Basic Section 47060:Clinical pharmacy-related
|
|---|
| Research Institution | Tohoku Institute of Technology |
|---|
Principal Investigator |
|
|---|
| Project Period (FY) |
2022-04-01 – 2024-03-31
|
| Project Status |
Completed (Fiscal Year 2023)
|
| Budget Amount *help |
¥4,680,000 (Direct Cost: ¥3,600,000、Indirect Cost: ¥1,080,000)
Fiscal Year 2023: ¥2,600,000 (Direct Cost: ¥2,000,000、Indirect Cost: ¥600,000)
Fiscal Year 2022: ¥2,080,000 (Direct Cost: ¥1,600,000、Indirect Cost: ¥480,000)
|
|---|
| Keywords | 末梢神経障害 / MEA / 感覚ニューロン / 薬剤性ミエリン障害 / 抗がん剤 / ミエリン障害 / AI / 末梢神経毒性 / 軸索伝導速度計測 / CMOS-MEA / 創薬スクリーニング / 軸索電動速度 / ミエリン機能障害 / 機械学習 |
|---|
| Outline of Research at the Start |
薬剤性のミエリン障害は、末梢神経でミエリンを形成するシュワン細胞の障害により引き
起こされる化学療法誘発性末梢神経障害 (CIPN)であり、末梢神経でミエリンを形成するシュワン細胞の障害により引き起こされる。末梢神経組織はターンオーバーが遅く、発症が遅れるために毒性予測ができず、神経毒性に対する投与量の基準は確立されていないことから、評価法の構築が求められている。本研究では、CMOS多電極アレイ(CMOS-MEA)による軸索伝導速度計測および機械学習による画像解析により、医薬品による末梢神経のミエリン障害検出法および評価法の開発を行う。
|
| Outline of Final Research Achievements |
Immunostained images and changes in impedance values were measured after exposure of sensory neurons cultured on MEA to negative compounds and anticancer agents. The results showed that by focusing on changes in impedance values, it was possible to detect peripheral neuropathy at concentrations lower than those at which morphological changes occur. Next, an AI that could detect differences at lower doses was created using machine learning of stained images 24 hours after addition. The created AI judged negative compounds as negative and vincristine as positive in the unlearned data. It also detected toxicity of Suramin, a myelin-disrupting positive compound, from 10 μM. The AI was able to predict drug-induced myelin damage at previously undetectable doses.
|
| Academic Significance and Societal Importance of the Research Achievements |
本研究で開発したMEAを用いたインピーダンス計測による末梢神経障害の検出法および、染色画像の機械学習を用いた薬剤性ミエリン障害の予測法は、いずれも先行研究で報告されている毒性濃度や形態変化が認められる濃度と比較して、低濃度で早期に障害を予測できる評価系であり、創薬開発の探索段階におけるスクリーニングにおいて有効なin vitro試験として期待できる。
|
