| 研究課題/領域番号 |
20K22622
|
|---|
| 研究種目 |
研究活動スタート支援
|
| 配分区分 | 基金 |
|---|
| 審査区分 |
0701:分子レベルから細胞レベルの生物学およびその関連分野
|
|---|
| 研究機関 | 東京大学 |
|---|
研究代表者 |
河合 宏紀 東京大学, 大学院工学系研究科(工学部), 客員研究員 (20784391)
|
|---|
| 研究期間 (年度) |
2020-09-11 – 2022-03-31
|
| 研究課題ステータス |
完了 (2021年度)
|
| 配分額 *注記 |
2,860千円 (直接経費: 2,200千円、間接経費: 660千円)
2021年度: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円)
2020年度: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円)
|
|---|
| キーワード | 深層学習 / 電子顕微鏡 / 画像解析 / オルガネラ / ミトコンドリア / クリステ / プラットフォーム / 大脳組織 |
|---|
| 研究開始時の研究の概要 |
本研究では、近年目覚ましい発展を遂げている機械学習を用いて大脳組織電子顕微鏡画像解析ツールを開発し、1細胞全体のセグメンテーションおよび細胞内オルガネラのセグメンテーションを効率化することでこれまで不可能だった神経細胞の形態と細胞内オルガネラ間コンタクトの同時解析を行い、それらの相関を網羅的に明らかにすることを目指す。本研究の結果は、今後の神経科学の研究を大幅に効率化するツールを作り出すとともに、神経細胞の形態やシナプス形成の制御メカニズムの解明に必須の情報を提供すると期待される。
|
| 研究成果の概要 |
近年、電子顕微鏡画像取得の様々なステップを自動化する技術が発展し、膨大な情報量の電子顕微鏡画像が得られるようになってきた。しかし、その解析は未だ手動に頼る部分が多く、組織微細構造解析の律速になっている。そこで本研究では、近年目覚ましい発展を遂げている機械学習を用いて大脳組織電子顕微鏡画像解析ツールを開発し、細胞内オルガネラのセグメンテーションを効率化することでこれまで不可能だったオルガネラ微細構造の解析を可能にした。
|
| 研究成果の学術的意義や社会的意義 |
神経細胞においては複雑な細胞間相互作用と細胞内イベントを同時に解析することが求められており、そのためには電子顕微鏡を用いて、細胞レベル・細胞小器官レベルといった異なるスケールの解析を行う必要があり、その解析にかかる時間は膨大である。本研究で開発したプラットフォームを用いることで、今後の神経科学の研究が大幅に効率化され、神経細胞の形態やシナプス形成の制御メカニズムの解明に必須の情報を提供すると期待される。
|
