• Search Research Projects
  • Search Researchers
  • How to Use
  1. Back to project page

2022 Fiscal Year Annual Research Report

Machine learning-based simultaneous estimation of chemotactic and haptotactic response of Naegleria gruberi

Publicly Offered Research

Project AreaAdvanced mechanics of cell behavior shapes formal algorithm of protozoan smartness awoken in giorama conditions.
Project/Area Number 22H05673
Research InstitutionThe University of Tokyo

Principal Investigator

上道 雅仁  東京大学, 大学院総合文化研究科, 特任研究員 (60954287)

Project Period (FY) 2022-06-16 – 2024-03-31
Keywords原生生物 / 走化性 / 走触性 / 生物物理 / 深層学習
Outline of Annual Research Achievements

ネグレリアグルベリが栄養培地中で示す速いアメーバ運動を長時間かつ高解像度で観察し、その重心速度の時間変化と細胞の形状変化の関係を解析した。まず重心運動速度の時間相関を詳細に解析することで、速度の時間相関には、速度の大きさではなく向きの時間変化が主に寄与していたことがわかった。そこで細胞の周上の曲率から突起の時間変化を解析し、特に突起の方向と重心運動の方向との関係を調べた。この結果、多数形成された突起のうち一つが数秒の間先導端として重心運動の方向を決定し、その後先導端が分裂してその中の一つが再び先導端となるというサイクルが典型的に見られた。観測された先導端の向きの時間変化をランダムウォークとしてモデル化し、これを重心運動の向きとして扱うと、重心速度の時間相関が持つ90秒ほどの緩和時間を説明できることが明らかになった。また、例数は少ないが先導端の向きの変化にほぼ関係なく直進する細胞も確認された。これは好中球などに見られる走化性運動に類似しており、環境要因による運動様式の変化の可能性が示唆された。
並行して細胞運動の軌跡データから深層学習を用いて運動方程式を推定するシステムの開発をおこなった。細胞の重心位置や速度だけでなく細胞型や細胞形状をはじめとする細胞の状態を変数とした運動方程式をニューラルネットワーク(NN)で実装し、データの後の時刻での状態を予測するように学習させるシステムを作成した。精度検証のため、走化性などの相互作用を取り入れた細胞型混合集団運動の数理モデルを作成し、数値計算で教師データを作成した。教師データを学習させることで、数理モデルで用いた相互作用を記述する関数の概形をNNに模倣させることができた。また、学習済みNNによる再シミュレーションでは教師データに見られた自己組織化を概ね再現でき、細胞運動の規則を大まかに推定するのに良いシステムであると示唆された。

Current Status of Research Progress
Current Status of Research Progress

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

Reason

マイクロミラーデバイスを用いた接着タンパク質のパターン作成、および赤色レーザーを用いたパターンの顕微鏡観察を予定していたが、機器不調のため実験を先送りにした。一様な環境の中でのネグレリアグルベリのアメーバ運動の解析については、形状と運動の関係を追加で解析することにより、その機構の理解を予想以上に深めることができた。また、深層学習システムについては単細胞だけでなく多細胞系の解析にも使用可能な形に拡張して開発できており、予想を上回る進展となった。研究計画全体で平均して、おおむね順調に進展している。

Strategy for Future Research Activity

ネグレリアグルベリのアメーバ運動における外部要因の影響を定量的かつ数理的に明らかにすべく、走化性誘引物質と接着タンパク質が空間的非一様に存在する環境を作成して、その中での運動を観察する。深層学習システムについては、外部要因のある単細胞運動のモデルを用いた数値計算により教師データを作成し、そのような条件でも精度を検証する。その後、ネグレリアグルベリの実験データを学習させることで、ネグレリアグルベリの走化性誘引物質および接着タンパク質への応答を数理的に推定し、その機構を議論する。

  • Research Products

    (10 results)

All 2023 2022

All Presentation (10 results)

  • [Presentation] Cell sorting in Dictyostelium discoideum - modeling and force inference2023

    • Author(s)
      上道雅仁, Simon K. Schnyder
    • Organizer
      新学術領域研究「情報物理学でひもとく生命の秩序と設計原理」第6回領域会議
  • [Presentation] Deep learning-based estimation of interaction rules in collective motion with self-organization2023

    • Author(s)
      上道雅仁, 橋村秀典, Simon K. Schnyder, 安達智子, 江藤澄恵, 小林徹也, 澤井哲
    • Organizer
      新学術領域研究「情報物理学でひもとく生命の秩序と設計原理」第6回領域会議
  • [Presentation] 機械学習によるネグレリアグルベリの 走化性および走触性応答の同時推定2023

    • Author(s)
      上道雅仁
    • Organizer
      学術変革領域研究(A)「ジオラマ環境で覚醒する原生知能を定式化する細胞行動力学」 第3回領域全体会議
  • [Presentation] Deep learning-based estimation of motion rules in collective motion with self-organization2023

    • Author(s)
      上道雅仁, 橋村秀典, Simon K. Schnyder, 安達智子, 江藤澄恵, 小林徹也, 澤井哲
    • Organizer
      CREST 多細胞領域 第 4 回領域会議
  • [Presentation] ネグレリアグルベリのアメーバ運動におけるランダム性の解析2022

    • Author(s)
      上道雅仁
    • Organizer
      第55回 日本原生生物学会大会シンポジウム「原生生物のジオラマ行動力学」
  • [Presentation] Deep learning-based estimation of motion rules for 2-cell type mixed collective motion of D. discoideum2022

    • Author(s)
      上道雅仁, 橋村秀典, 安達智子, 江藤澄恵, 澤井哲
    • Organizer
      第60回日本生物物理学会年会
  • [Presentation] 深層学習を用いた細胞重心運動における運動規則のデータ駆動推定2022

    • Author(s)
      上道雅仁, 橋村秀典, 安達智子, 江藤澄恵, 澤井哲
    • Organizer
      定量生物学の会第10回年会
  • [Presentation] 深層学習を用いた2細胞型混合集団運動の解析2022

    • Author(s)
      上道雅仁, 橋村秀典, 安達智子, 江藤澄恵, 澤井哲
    • Organizer
      新学術領域研究「情報物理学でひもとく生命の秩序と設計原理」第5回領域会議
  • [Presentation] 機械学習によるネグレリアグルベリの走化性および走触性応答の同時推定2022

    • Author(s)
      上道雅仁
    • Organizer
      学術変革領域研究(A)「ジオラマ環境で覚醒する原生知能を定式化する細胞行動力学」 第2回領域全体会議
  • [Presentation] アメーバ運動に伴う細胞重心運動の規則推定2022

    • Author(s)
      上道雅仁
    • Organizer
      学術変革A「ジオラマ行動力学」研究交流会

URL: 

Published: 2023-12-25  

Information User Guide FAQ News Terms of Use Attribution of KAKENHI

Powered by NII kakenhi