患者iPS細胞表現型からの孤発性パーキンソン病の層別化と最適治療の開発

2022 Fiscal Year Annual Research Report

• Project/Area Number: 21H02814
• Research Institution: Juntendo University
• Principal Investigator: 赤松 和土 順天堂大学, 大学院医学研究科, 教授 (60338184)
• Co-Investigator(Kenkyū-buntansha): 清田 純 国立研究開発法人理化学研究所, 情報統合本部, チームリーダー (40793790) ; 太田 禎生 東京大学, 先端科学技術研究センター, 准教授 (70731214) ; 石川 景一 順天堂大学, 大学院医学研究科, 准教授 (90733973)
• Project Period (FY): 2021-04-01 – 2024-03-31
• Keywords: iPS細胞 / 深層学習 / 機械学習 / パーキンソン病 / 高速3Dフローイメージャー

Outline of Annual Research Achievements

パーキンソン病症例の9割を占める孤発性症例は臨床症状からもその原因が多様な集団と予測され、疾患修飾治療法の開発にはその層別化が必須と考えられる。研究代表者は孤発性症例の患者iPS細胞表現型を遺伝性症例と比較しながら解析し、その表現型から分類することができれば最適な治療の開発につながると考え研究を進めてきた。しかしながら通常の統計解析手法では細胞表現型のデータから孤発性症例を層別化することが困難であったという課題が浮かび上がった。そこで本研究では、研究代表者がこれまで樹立した数百例の孤発性パーキンソン病患者iPS細胞由来ニューロンに対して　①細胞染色画像情報の直接の機械学習　②高速3Dイメージャーを用いたハイスループットな細胞3D形態情報の取得とその機械学習　という2つの方法を用いることにより、各症例を客観的に分類可能な独自のシステムを構築することを目標とした。本研究の結果で孤発性症例が分類されれば、その成果を応用した新たな疾患修飾薬を用いた根本的治療の開発が期待できる。今年度は昨年度に引き続き、機械学習の分類器の精度を向上させるために8種類の遺伝性PD-iPS細胞でさらに多くの表現型の取得を進め、機械学習の判別精度を従来よりも高めることに成功した。太田らが開発した高速3Dフローイメージャーを用いてハイスループットに細胞画像データを取得し、機械学習をそのデータに適用し 細胞形態情報からPD患者と健常者の識別を試みるための高速3Dフローイメージャーの最適化を継続した。

Current Status of Research Progress

2: Research has progressed on the whole more than it was originally planned.

Reason

代表者と分担者の石川はこれまで遺伝性PD-iPS細胞8種類(PARK2A/2B/4/6/8/9/14/22)それぞれの表現型データ8種類でn=4-7でデータを取得している。今年度は昨年度に引き続き機械学習の分類器の精度を向上させるために8種類の遺伝性PD-iPS細胞でさらに多くの表現型の取得を進め、機械学習の判別精度を従来よりも高めることに成功した。
太田らが開発した高速3Dフローイメージャーを用いてハイスループットに細胞画像データを取得し、機械学習をそのデータに適用し 細胞形態情報からPD患者と健常者の識別を試みるための高速3Dフローイメージャーの最適化を行った。

Strategy for Future Research Activity

分類の最適化のために、さらに機械学習の分類器の精度を向上させる必要がある。8種類の遺伝性PD-iPS細胞でさらに多くの表現型の取得を進めて、適切な分類手法の最適化を図る。高速3Dフローイメージャーを用いてハイスループットに細胞画像データを取得するための最適化と、実際の細胞の解析を進める。