| Project/Area Number |
23K23855
|
|---|
| Project/Area Number (Other) |
22H02592 (2022-2023)
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (B)
|
| Allocation Type | Multi-year Fund (2024)
Single-year Grants (2022-2023) |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 43040:Biophysics-related
|
|---|
| Research Institution | Institute of Physical and Chemical Research |
|---|
Principal Investigator |
城口 克之 国立研究開発法人理化学研究所, 生命機能科学研究センター, チームリーダー (00454059)
|
|---|
| Project Period (FY) |
2022-04-01 – 2026-03-31
|
| Project Status |
Granted (Fiscal Year 2024)
|
| Budget Amount *help |
¥17,160,000 (Direct Cost: ¥13,200,000、Indirect Cost: ¥3,960,000)
Fiscal Year 2025: ¥1,690,000 (Direct Cost: ¥1,300,000、Indirect Cost: ¥390,000)
Fiscal Year 2024: ¥5,720,000 (Direct Cost: ¥4,400,000、Indirect Cost: ¥1,320,000)
Fiscal Year 2023: ¥5,200,000 (Direct Cost: ¥4,000,000、Indirect Cost: ¥1,200,000)
Fiscal Year 2022: ¥4,550,000 (Direct Cost: ¥3,500,000、Indirect Cost: ¥1,050,000)
|
|---|
| Keywords | １細胞解析 / AI / 機械学習 / 遺伝子発現解析 / イメージング / バイオイメージング / 細胞解析 / 細胞操作 / 1細胞解析 |
|---|
| Outline of Research at the Start |
発生や疾患など、時間変化する生命現象の理解において、各細胞の状態変化を経時計測することは重要である。近年、個々の細胞の状態をバイアスなく同定する方法として、１細胞網羅的遺伝子発現解析が世界で広く実施されている。一方で、この手法は細胞から全RNAを抽出する必要があり、経時計測は難しい。本研究では、状態が遷移する細胞を対象に、リアルタイム・非破壊的にその時の状態を同定する手法を開発している。
|
| Outline of Annual Research Achievements |
発生や疾患など、時間変化する生命現象の理解において、各細胞の状態変化を経時計測することは重要である。近年、個々の細胞の状態をバイアスなく同定する方法として、１細胞網羅的遺伝子発現解析が世界で広く実施されている。一方で、この手法は細胞から全RNAを抽出する必要があり、経時計測は難しい。本研究では、状態が遷移する細胞を対象に、リアルタイム・非破壊的にその時の状態を同定する手法を開発している。
本年度は、ターゲットとした細胞の遷移前と遷移後の様子を観察して記録し、１万個以上の細胞の画像を自動取得できるシステムを開発した。具体的には、細胞の位置と輪郭を決めるプログラム、各細胞の画像を切り出すプログラムを構築した。その後、整備した解析用コンピュータを用いて機械学習を実施した。まず、遷移前と遷移後の細胞画像の特徴を抽出し、その後に細胞画像から遷移の前か後かを一定の精度で推定することができた。
次のステップとして、遷移している途中の細胞の画像を大量に取得するシステムの開発に着手した。安定して細胞を観察できるように顕微鏡システムを工夫し、遷移中の細胞を３－７日間、継続して観察した。先述したプログラムを用いて１万細胞以上の細胞画像を自動的に切り出し、機械学習に用いた。細胞画像と遷移を始めてからの時間の関係を抽出する機械学習モデルを構築し、細胞画像から画像を取得した時間を推定できるかを検討している。細胞の周りをマスクするなどの改良をしながら、推定の精度がどのように変わるかを調べている。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
ターゲットとした肺がん細胞のEMTの遷移前と遷移後の様子を観察して記録した。効率よく解析を進めるために、１万個以上の細胞の画像を自動取得できるシステムを開発した。具体的には、細胞の位置を同定して輪郭を決定するプログラム、各細胞の画像を切り出すプログラムを構築した。その後、整備した解析用コンピュータを用いて深層学習を実施した。まず、EMTの遷移前と遷移後の細胞画像の特徴を抽出し、その後に細胞画像から遷移の前か後かを一定の精度で推定することができた。
次のステップとして、遷移している途中の細胞の画像を大量に取得するシステムの開発に着手した。安定して細胞を観察できるように顕微鏡システムを工夫し、遷移中の細胞を３－７日間、継続して観察した。先述したプログラムを用いて１万細胞以上の細胞画像を自動的に切り出し、深層学習を実施した。細胞画像と遷移を始めてからの時間の関係を抽出する深層学習モデルを構築し、細胞画像から画像を取得した時間を推定できるかを検討している。細胞の周りをマスクするなどの改良をしながら、推定の精度がどのように変わるかを調べている。
|
| Strategy for Future Research Activity |
（１）検討中の深層学習モデルにより、細胞の画像から、画像を取得した時間を推定する。
（２）個々の細胞の時系列データを得るため、細胞追跡を自動で行うプログラムを開発する。その後、細胞画像から時間の遷移を推定できるかを検討する。
（３）顕微鏡で観察したEMTの遷移中の細胞を複数のタイムポイントで分取してRNAseqを実施し、細胞画像と遺伝子発現がペアとなるデータセットを得る。
（４）深層学習を用いて細胞画像から時間変化する遺伝子発現状態を推定する。
|
