2022 Fiscal Year Annual Research Report
DNAメチル化を基盤としたヒト心筋細胞発生分化機構の制御に関する研究
| Project/Area Number |
21H02381
|
|---|
| Research Institution | University of Miyazaki |
|---|
Principal Investigator |
西野 光一郎 宮崎大学, 農学部, 教授 (90508144)
|
|---|
| Project Period (FY) |
2021-04-01 – 2024-03-31
|
| Keywords | ヒトiPS細胞 / 分化指向性 / DNAメチル化 / 心筋分化 / オミクスデータ / 機械学習 |
|---|
| Outline of Annual Research Achievements |
本研究の目的は、心筋細胞分化の阻害となるヒトiPS細胞内分子ネットワークの同定とその制御を通して、心筋発生分化の理解の深化を目指すことである。
ヒト心筋発生を研究する上でiPS細胞は有用なツールであるが、一方でヒトiPS細胞は変化を受けやすい特性を持ち、同一細胞株にもかかわらず異なる施設間で特性が変化する事例は多く報告されている。それ故ヒトiPS細胞の分化指向性を解析し、その制御に関する研究は重要な課題である。心筋細胞への分化効率の異なるiPS細胞株を多数解析し、心筋細胞分化効率に影響を及ぼす分子ネットワークを同定することは、多分化能の維持機構のみならず、心筋発生の分子機序を解明することになる。
本研究では、多数の未分化ヒトiPS細胞から得られる網羅的DNAメチル化データ、遺伝子発現データとAI技術の一つである機械学習を組み合わせ、未分化状態のヒiPS細胞のデータから心筋細胞への分化効率を予測する学習モデルを構築し、さらに学習モデルの要素解析から心筋細胞分化の阻害となるヒトiPS細胞内分子ネットワークの同定と多分化能の維持機構の解析を進めている。
本研究を遂行するためには、クオリティーの高い良質な網羅的データを取得することが重要であり、昨年度までに未分化状態時のヒトiPS細胞３５株から網羅的DNAメチル化情報の取得が完了した。さらに同一サンブルにおける心筋細胞分化誘導を行い、各株の分化効率実測値データの取得を行った。これらのデータを基に心筋細胞分化の阻害となるヒトiPS細胞内分子ネットワークの同定と多分化能の維持機構の解析が進行中である。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
本研究は、ヒトiPS細胞の網羅的DNAメチル化データを中心に遺伝子発現データと心筋細胞分化誘導効率実測値データを収集し、機械学習により解析する計画である。
本研究を遂行するための実験計画の柱は２つである。一つ目は、精度の高い学習モデル構築のためのクオリティーの高い良質な網羅的データを取得すること、二つ目は、機械学習による学習モデルの構築である。本年度は、機械学習に用いる良質なデータの収集を中心に行った。
ヒトiPS細胞、35株の培養とサンプル調製：申請者はこれまで多数のヒトiPS細胞を樹立し、多くの株を保有している。これらの株とiPS研究所で樹立された株を合わせて昨年度20株、本年度15株を培養し、ゲノムDNAおよびRNA抽出用の解析用サンプルおよび心筋分化誘導実験に供するiPS細胞の調製を行い完了した。本研究では申請者がヒトiPS細胞の培養・維持からサンプリング、心筋細胞分化誘導実験までを一貫して行うことで、ヒトiPS細胞の品質およびデータのクオリティーを確保している。
心筋細胞分化効率の実測値測定：ヒトiPS細胞心筋細胞分化誘導を行い、心筋細胞マーカーであるcTnT抗体により免疫染色後、フローサイトメーターにより心筋細胞の割合を測定し、各株毎の心筋細胞分化効率を算出した。ヒトiPS細胞の培養・維持から分化誘導までを一貫して行えることで、同一株由来の網羅的データセットに完全に対応した心筋細胞分化効率データの取得が完了した。
|
| Strategy for Future Research Activity |
機械学習による精度の高い学習モデル構築のためには、より多くのデータが不可欠である。本研究では、昨年度、本年度において解析に十分なデータの取得が完了した。ヒトiPS 細胞から分化誘導実験までを一貫して行うことで，細胞ロット間の性質の差異を正確に評価し、解析することが可能なデータセットを取得することは、本研究の特色であり，利点である。
2023年度は取得したデータを用いて機械学習による学習モデル構築と学習モデルの要素抽出、要素解析を中心とした心筋分化特異的ネットワークの可視化と因子の同定を進める。
|
