| 研究課題/領域番号 |
20K08423
|
|---|
| 研究種目 |
基盤研究(C)
|
| 配分区分 | 基金 |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
小区分53020:循環器内科学関連
|
|---|
| 研究機関 | 鳥取大学 |
|---|
研究代表者 |
久留 一郎 鳥取大学, 医学部, 特任教員 (60211504)
|
|---|
| 研究分担者 |
三明 淳一朗 鳥取大学, 医学部, 准教授 (40372677)
經遠 智一 鳥取大学, 医学部, 助教 (60730207)
白吉 安昭 鳥取大学, 医学部, 准教授 (90249946)
森川 久未 国立研究開発法人産業技術総合研究所, 生命工学領域, 研究員 (90707217)
|
|---|
| 研究期間 (年度) |
2020-04-01 – 2023-03-31
|
| 研究課題ステータス |
完了 (2022年度)
|
| 配分額 *注記 |
4,290千円 (直接経費: 3,300千円、間接経費: 990千円)
2022年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円)
2021年度: 910千円 (直接経費: 700千円、間接経費: 210千円)
2020年度: 2,210千円 (直接経費: 1,700千円、間接経費: 510千円)
|
|---|
| キーワード | iPS / sinoatrial node / deep learning / automaticity / SAN cell / iPS細胞 / ペースメーカ細胞 / 深層学習 / 洞結節細胞 / 機械学習 / 形態 / 特徴量 / 自動能 / machine learning / iPS cell / sinus nodal cell / feature value |
|---|
| 研究開始時の研究の概要 |
本研究では細胞の形態画像からHCN4-GFP単独陽性細胞を選別する機械学習モデルを開発し、遺伝子操作を用いることなく洞結節細胞を選別採取する技術を構築し、さらに機械学習モデルが抽出する洞結節細胞の形態的特徴量が自発性活動電位の心房への伝導性に及ぼす影響とその分子基盤を明らかにする。
|
| 研究成果の概要 |
我々が確立した洞結節細胞マーカ由来のdual reporter（HCN4並びにShox2)遺伝子を搭載したヒトiPS細胞から心筋分化誘導し、全細胞の70%が洞結節細胞（SAN)と同等の自動能活動電位を有していた。しかし残りの30%は心房および心室型の自動能であった。そこで機械学習がSANの細胞形態を選別できるかを課題とした。本細胞は形態に特徴を有し、二値化モデルを用いることでペースメーカ細胞を選別でき、その正確性はヒトの選別能力を有意に上回ることが確認された。以上から畳み込みニューラルネットワークを用いた機械学習は遺伝子搭載ヒトiPS細胞由来ペースメーカ細胞の形態を認識することが判明した。
|
| 研究成果の学術的意義や社会的意義 |
二値化モデルを用いた機械学習は遺伝子搭載ヒトiPS細胞由来ペースメーカ細胞の形態を認識していることが判明した。この結果は機械学習が遺伝子を搭載したヒトiPS細胞から分化誘導したペースメーカ細胞を選別採取出来る可能性を示している。今後は本機械学習を用いて遺伝子改変をしないヒトiPS細胞から心筋分化誘導後のペースメーカ細胞を純化できるかを検討するが、本研究が成功すれば徐脈性不整脈患者に対しての新たな再生医療となり得るために、医療に与える好影響は計り知れない。
|
