| 研究課題/領域番号 |
21J14853
|
|---|
| 研究種目 |
特別研究員奨励費
|
| 配分区分 | 補助金 |
|---|
| 応募区分 | 国内 |
|---|
| 審査区分 |
小区分47060:医療薬学関連
|
|---|
| 研究機関 | 東京大学 |
|---|
研究代表者 |
前寺 正太郎 東京大学, 薬学系研究科, 特別研究員(DC2)
|
|---|
| 研究期間 (年度) |
2021-04-28 – 2022-03-31
|
| 研究課題ステータス |
完了 (2021年度)
|
| 配分額 *注記 |
800千円 (直接経費: 800千円)
2021年度: 800千円 (直接経費: 800千円)
|
|---|
| キーワード | 細胞画像 / 病理画像 / 深層学習 / バイオインフォマティクス / 化合物 / プロファイル |
|---|
| 研究開始時の研究の概要 |
化合物構造からあらゆる作用を予測する方法論確立には、化合物が持つ多岐に渡る生理学的作用を精緻に反映する膨大なデータが必要となる。ハイコンテントアナリシス（HCA）は安価かつスループット性に優れているが、染色試薬同士の励起波長の重複、試薬の標的への結合性や細胞内動態に対する解析対象の作用等、精緻性を損なうノイズの発生要因が多数存在する。本研究では、より精緻なHCAによるプロファイルデータ取得系の構築を目指し、最適な染色対象オルガネラや染色方法の検討や、機械学習等を用いた細胞染色像からの特徴量抽出法の確立に取り組む。
|
| 研究実績の概要 |
従来の細胞画像特徴量を用いたプロファイルデータ解析の性能の検証のため、スタチン類化合物で刺激されたMCF7細胞およびHeLa細胞を染色し、各オルガネラおよび細胞質の染色画像を取得、細胞形態に関わる特徴量を抽出した。OLSAによるプロファイルデータ解析を行ったところ、cerivastatinに特異的な素作用が抽出されたが、他に系統的な素作用を見出だすことができなかった。細胞画像から特徴量を抽出する段階に課題があると考え、ラットに160種類の化合物を投与し、20000枚を超える肝臓HE染色画像を収載したデータベースOpen TG-GATEs (TGGATEs)に注目した。Convolutional Neural Networkの一種であるEfficientNetB4から、TGGATEsの画像と病理所見を学習データとした深層学習により、細胞の形態特徴量抽出モデルを作成した。Leave one out法を用いた試験により、病理所見を学習させたモデルが、学習させた病理所見以外の画像特徴の情報を高い精度で抽出していることを検証した。作成したモデルにより抽出された特徴量を用いて、logistic回帰モデルを作成し、TGGATEs画像が持つ特徴を予測させることで性能を評価した。投与化合物の分類、投与化合物のmechanism of actionの分類、画像に存在する病理所見の判別のいずれにおいても、既存のImageNet pretrained modelよりも優れた性能を示していた。構築した特徴量抽出モデルは、HCAで取得した画像の特徴量抽出にも活用可能であると考えられる。また、病理所見の診断や、薬物の安全性試験などへの応用も期待される。
|
| 現在までの達成度 (段落) |
令和3年度が最終年度であるため、記入しない。
|
| 今後の研究の推進方策 |
令和3年度が最終年度であるため、記入しない。
|
