深層学習を用いたオルガネラ構造の超高効率的解析法の開発

• 研究課題/領域番号: 21K19253
• 研究種目: 挑戦的研究(萌芽)
• 配分区分: 基金
• 審査区分: 中区分44:細胞レベルから個体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: 平林 祐介 東京大学, 大学院工学系研究科(工学部), 准教授 (80447391)
• 研究分担者: 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) ; HUMBEL Bruno 沖縄科学技術大学院大学, イメージングセクション, マネージャー (70810571)
• 研究期間 (年度): 2021-07-09 – 2023-03-31
• 研究課題ステータス: 完了 (2023年度)
• 配分額: 6,500千円 (直接経費: 5,000千円、間接経費: 1,500千円); 2022年度: 3,250千円 (直接経費: 2,500千円、間接経費: 750千円); 2021年度: 3,250千円 (直接経費: 2,500千円、間接経費: 750千円)
• キーワード: 深層学習 / 電子顕微鏡 / オルガネラ

研究開始時の研究の概要

細胞内小器官の量や形態を調節する遺伝子が生体の恒常性維持に必要であり、それらの遺伝子の変異が病態を引き起こすことが示唆されてきた。しかし、細胞内小器官の形態解析に必須の電子顕微鏡解析は効率や一貫性が非常に低く、実際にそれら遺伝子の変異が細胞内小器官の異常を引き起こすかは未だ多くの場合明らかではない。そこで本研究では電子顕微鏡画像を用いた細胞内小器官の形態解析を超高効率かつ客観性の非常に高い解析へと変革するために深層学習（Deep Learning）を用いた我々独自のアルゴリズムとプラットフォームを開発する。

研究成果の概要

本研究で我々は深層学習と人間による対話(Human-in-the-loop)型の画像解析プラットフォームPython-based human-in-the-loop workflow (PHILOW)を開発し、ミトコンドリア内部立体構造クリステの詳細な可視化に成功した。そして、この手法を用い、優性遺伝性視神経萎縮症の発症と非常に高い関連が知られるOPA1タンパク質のクリステ形成制御における新たな役割を解明した。

研究成果の学術的意義や社会的意義

今回開発したPHILOWは、今後様々な深層学習を用いた画像解析に応用され、様々な研究を促進することが期待される。また、OPA1の機能の新たな理解は、優性遺伝性視神経委縮症などの疾患におけるミトコンドリアの変異と病態の関連を探る上で重要な一歩となる。今後、本手法を用い、様々なオルガネラが関与した疾患について、原因究明の加速が期待される。