2023 Fiscal Year Annual Research Report
画像解析と機械学習を組み合わせた新技術で解き明かす微生物集団構築プロセス
Project/Area Number |
20K15427
|
Research Institution | National Institute of Infectious Diseases |
Principal Investigator |
高部 響介 国立感染症研究所, 細菌第一部, 研究員 (60821907)
|
Project Period (FY) |
2020-04-01 – 2024-03-31
|
Keywords | バイオフィルム / ライブイメージング / 自家蛍光 / 画像解析 / 機械学習 |
Outline of Annual Research Achievements |
地球上の微生物の多くは集団(バイオフィルム)を形成し生活を営んでおり、微生物バイオフィルムは正負の両面において我々の生活に深く関わっているため、その集団の生態を深く理解することが重要である。モデル細菌である緑膿菌バイオフィルム内では同一遺伝子型でさえ細胞ごとに遺伝子発現等に不均一性が生じることが知られており、集団内で役割分担(機能分化)が行われていると考えられている。しかし、役割分担が生じるプロセスはよくわかっておらず、個々の細胞がどのように集合体を構築するのかの詳細も不明であった。そこで本研究では細胞が生来的に持ち合わせている自家蛍光に注目し、個々の細胞の性質および機能性と自家蛍光との関連性明らかにし、非染色・非標識で個々の細胞の機能性の変化をモニタリング可能か検証した。並行して、バイオフィルム内の個々の細胞を解析可能な画像解析手法の構築を行い、1細胞レベルでのバイオフィルム構築プロセスの包括的理解を目指した。これまでの研究において、嫌気脱窒過程の緑膿菌のバイオフィルム内の個々の細胞を1細胞レベルで解析した結果、個々の細胞はバイオフィルム形成基質に平行に配向しながら積み重なり集団が形成されることが明らかとなった。バイオフィルムは周囲の環境により構造が異なるため、バイオフィルム形成プロセスの普遍性の理解には更なる研究が必要となる。一方で、バイオフィルム形成に重要な細胞外多糖を産生する細胞と産生しない細胞では自家蛍光に異なる特徴があることが明らかとなり、機械学習によって80%以上で細胞毎に区別可能であることがわかった。加えて、細胞生理状態の変化を自家蛍光で診断するAIの開発にも成功した。本研究で得られた成果は、自家蛍光を1細胞レベルで解析することで、従来手法の問題点を解決し、機能分化プロセスを追跡可能であることを示唆しているが、今後の更なる研究が必要である。
|