| 研究課題/領域番号 |
22K08224
|
|---|
| 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 | 医療法人徳洲会湘南鎌倉総合病院(臨床研究センター) |
|---|
研究代表者 |
浅原 孝之 医療法人徳洲会湘南鎌倉総合病院(臨床研究センター), 湘南先端医学研究所, 副所長 (20246200)
|
|---|
| 研究分担者 |
大竹 剛靖 医療法人徳洲会湘南鎌倉総合病院(臨床研究センター), 湘南先端医学研究所 再生医療開発研究部, 主任研究員 (10771032)
小林 修三 医療法人徳洲会湘南鎌倉総合病院(臨床研究センター), 湘南先端医学研究所, 所長 (60195782)
矢沢 正樹 医療法人徳洲会湘南鎌倉総合病院(臨床研究センター), 湘南先端医学研究所 再生医療開発研究部, 研究員 (60944147)
Salybekov Amankeldi 医療法人徳洲会湘南鎌倉総合病院(臨床研究センター), 湘南先端医学研究所 再生医療開発研究部, 主席研究員 (80850776)
|
|---|
| 研究期間 (年度) |
2022-04-01 – 2025-03-31
|
| 研究課題ステータス |
交付 (2023年度)
|
| 配分額 *注記 |
4,160千円 (直接経費: 3,200千円、間接経費: 960千円)
2024年度: 780千円 (直接経費: 600千円、間接経費: 180千円)
2023年度: 1,690千円 (直接経費: 1,300千円、間接経費: 390千円)
2022年度: 1,690千円 (直接経費: 1,300千円、間接経費: 390千円)
|
|---|
| キーワード | 心筋梗塞 / 再生微小環境細胞群 / シングル細胞RNA発現解析 / 糖尿病 / 加齢 / エイジング / シングルセル解析 / 再生微小環境細胞 / 血管再生 / 老化 |
|---|
| 研究開始時の研究の概要 |
健康および糖尿病・老化動物の心筋梗塞 部位の再生微小環境細胞を病期ごとに単細胞分離し、single cell RNA sequence (sc-seq)のAI解析で細胞群ダイナミックスと細胞群クラスターの発現解析によって、各クラスターの網羅的機能（遺伝子発現・分泌・シグナル）を比較解析し、糖尿病・老化での再生不全メカニズムを明らかに出来る。sc-seqデータ解析から糖尿病・老化による具体的な不全責任因子を同定することが可能になり、今後の創薬・細胞治療などによる再生環境治療などの発展に期待が出来る。
|
| 研究実績の概要 |
心筋梗塞モデルにおいて、梗塞部位に集積する細胞集団の同定を目的とし、対照マウス、糖尿病マウス、高齢マウスの細胞を比較する予備実験として、湘南鎌倉総合病院湘南先端医学研究所にて調製された梗塞部位の細胞の細胞調製および細胞凍結状態を株式会社ナレッジパレットに送付して生細胞数、細胞生存率及びsinglet 画分率を確認した。数回の対照マウスの梗塞部位由来細胞の検討において、サンプルの状態が不良（細胞生存率が低く、生細胞数が少なく、debris が非常に多かった）であったため、本研究室でのサンプル調整方法を変更して再試行した。
最終的なサンプルでは、対照マウスおよび糖尿病マウスの梗塞部位由来細胞の生細胞数、細胞生存率及びsinglet 画分率を測定したところ、それぞれ生細胞数は、3.34x10^6 cells/vial、2.06x10^6 cells/vial 、細胞生存率は64.3%、66.7%、singlet 画分率は23.5%、25.9%であった。以前のサンプルと比較し、細胞生存率及び生細胞数に改善がみられ、シングルセルトランスクリプトームデータ（384plate x 1枚）の取得は可能であると考えられた。この結果を元に、対照マウス心筋梗塞部位細胞6サンプル、糖尿病マウス心筋梗塞部位細胞6サンプル、高齢マウス心筋梗塞部位細胞5サンプルが用意された。
以上の設計された研究計画に従い、単離された単一細胞の品質管理が完了し、心筋梗塞部位の再生微小環境における糖尿病・加齢の影響についてシングル細胞表現型解析を進めている。
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
2: おおむね順調に進展している
理由
心筋梗塞部位の再生微小環境からの細胞分離方法について、数度の分離トライアルが必要であった。ただし、この試行錯誤は研究計画の段階で想定済みであり、概ね順調に研究は進められている。
|
| 今後の研究の推進方策 |
現在進行中のシングルセルRNAseq発現解析により、（１）環境細胞群を、発現性の均一的な細胞群（クラスター）に分類・分布比較し、（２）クラスターごとの膨大なRNAseqデータのAI解析によるマーカー・発現性・分泌性の探索を進め、（３）健常と疾患データ比較による、単一細胞あるいはクラスターごとの分泌分子・細胞内シグナル・代謝などの異常探索、責任分子同定の研究を拡げたいと考えている。
|
