• 研究課題をさがす
  • 研究者をさがす
  • KAKENの使い方
  1. 前のページに戻る

リアルタイム網羅的遺伝子発現計測法の開発

研究課題

研究課題/領域番号 23K23855
補助金の研究課題番号 22H02592 (2022-2023)
研究種目

基盤研究(B)

配分区分基金 (2024)
補助金 (2022-2023)
応募区分一般
審査区分 小区分43040:生物物理学関連
研究機関国立研究開発法人理化学研究所

研究代表者

城口 克之  国立研究開発法人理化学研究所, 生命機能科学研究センター, チームリーダー (00454059)

研究期間 (年度) 2022-04-01 – 2026-03-31
研究課題ステータス 交付 (2024年度)
配分額 *注記
17,160千円 (直接経費: 13,200千円、間接経費: 3,960千円)
2025年度: 1,690千円 (直接経費: 1,300千円、間接経費: 390千円)
2024年度: 5,720千円 (直接経費: 4,400千円、間接経費: 1,320千円)
2023年度: 5,200千円 (直接経費: 4,000千円、間接経費: 1,200千円)
2022年度: 4,550千円 (直接経費: 3,500千円、間接経費: 1,050千円)
キーワード1細胞解析 / AI / 機械学習 / 遺伝子発現解析 / イメージング / バイオイメージング / 細胞解析 / 細胞操作 / 1細胞解析
研究開始時の研究の概要

発生や疾患など、時間変化する生命現象の理解において、各細胞の状態変化を経時計測することは重要である。近年、個々の細胞の状態をバイアスなく同定する方法として、1細胞網羅的遺伝子発現解析が世界で広く実施されている。一方で、この手法は細胞から全RNAを抽出する必要があり、経時計測は難しい。本研究では、状態が遷移する細胞を対象に、リアルタイム・非破壊的にその時の状態を同定する手法を開発している。

研究実績の概要

発生や疾患など、時間変化する生命現象の理解において、各細胞の状態変化を経時計測することは重要である。近年、個々の細胞の状態をバイアスなく同定する方法として、1細胞網羅的遺伝子発現解析が世界で広く実施されている。一方で、この手法は細胞から全RNAを抽出する必要があり、経時計測は難しい。本研究では、状態が遷移する細胞を対象に、リアルタイム・非破壊的にその時の状態を同定する手法を開発している。
本年度は、ターゲットとした細胞の遷移前と遷移後の様子を観察して記録し、1万個以上の細胞の画像を自動取得できるシステムを開発した。具体的には、細胞の位置と輪郭を決めるプログラム、各細胞の画像を切り出すプログラムを構築した。その後、整備した解析用コンピュータを用いて機械学習を実施した。まず、遷移前と遷移後の細胞画像の特徴を抽出し、その後に細胞画像から遷移の前か後かを一定の精度で推定することができた。
次のステップとして、遷移している途中の細胞の画像を大量に取得するシステムの開発に着手した。安定して細胞を観察できるように顕微鏡システムを工夫し、遷移中の細胞を3-7日間、継続して観察した。先述したプログラムを用いて1万細胞以上の細胞画像を自動的に切り出し、機械学習に用いた。細胞画像と遷移を始めてからの時間の関係を抽出する機械学習モデルを構築し、細胞画像から画像を取得した時間を推定できるかを検討している。細胞の周りをマスクするなどの改良をしながら、推定の精度がどのように変わるかを調べている。

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

ターゲットとした肺がん細胞のEMTの遷移前と遷移後の様子を観察して記録した。効率よく解析を進めるために、1万個以上の細胞の画像を自動取得できるシステムを開発した。具体的には、細胞の位置を同定して輪郭を決定するプログラム、各細胞の画像を切り出すプログラムを構築した。その後、整備した解析用コンピュータを用いて深層学習を実施した。まず、EMTの遷移前と遷移後の細胞画像の特徴を抽出し、その後に細胞画像から遷移の前か後かを一定の精度で推定することができた。
次のステップとして、遷移している途中の細胞の画像を大量に取得するシステムの開発に着手した。安定して細胞を観察できるように顕微鏡システムを工夫し、遷移中の細胞を3-7日間、継続して観察した。先述したプログラムを用いて1万細胞以上の細胞画像を自動的に切り出し、深層学習を実施した。細胞画像と遷移を始めてからの時間の関係を抽出する深層学習モデルを構築し、細胞画像から画像を取得した時間を推定できるかを検討している。細胞の周りをマスクするなどの改良をしながら、推定の精度がどのように変わるかを調べている。

今後の研究の推進方策

(1)検討中の深層学習モデルにより、細胞の画像から、画像を取得した時間を推定する。
(2)個々の細胞の時系列データを得るため、細胞追跡を自動で行うプログラムを開発する。その後、細胞画像から時間の遷移を推定できるかを検討する。
(3)顕微鏡で観察したEMTの遷移中の細胞を複数のタイムポイントで分取してRNAseqを実施し、細胞画像と遺伝子発現がペアとなるデータセットを得る。
(4)深層学習を用いて細胞画像から時間変化する遺伝子発現状態を推定する。

報告書

(2件)
  • 2023 実績報告書
  • 2022 実績報告書
  • 研究成果

    (2件)

すべて 2023 2022

すべて 学会発表 (2件)

  • [学会発表] Developing live-image based transcriptomic state prediction for studying dynamics of the metastasis model EMT2023

    • 著者名/発表者名
      Tobias Frick、城口克之
    • 学会等名
      第46回日本分子生物学会年会
    • 関連する報告書
      2023 実績報告書
  • [学会発表] Live prediction with image-based deep learning accesses temporal variability of single-cell transcriptomic states2022

    • 著者名/発表者名
      Tobias Frick, Katsuyuki Shiroguchi
    • 学会等名
      日本生物物理学会年会
    • 関連する報告書
      2022 実績報告書

URL: 

公開日: 2022-04-19   更新日: 2024-12-25  

サービス概要 検索マニュアル よくある質問 お知らせ 利用規程 科研費による研究の帰属

Powered by NII kakenhi