|
本研究では通常の顕微鏡画像を基に、画像処理・機械学習の手法を用いて、細胞集団中の各種細胞タイプ、細胞状態の検出を簡便に、かつ高精度で行う画像解析技術とシングルセル遺伝子発現解析を組み合わせ「細胞の表現型」を定量的に記述する技術の確立を行うことを目的とし、 この技術をiPS細胞の形成過程の解析に適用し、ゲノム再プログラム化過程に関する知見を得ることを目指してきた。
モデル実験として、CD34陽性ヒト臍帯血へ再プログラム化因子を導入し、細胞状態、細胞タイプの変化をタイムラプス撮影で記録するとともに、同様のサンプルを時系列に沿って採取し、シングルセル発現解析を行った。この実験で用いる血球系細胞は、本来基質に付着しないが、再プログラム化により接着性の細胞へと変化し、また10日間ほどの培養期間中、細胞が活発に移動しないため、この実験系において初期化の比較的早い段階からiPS細胞が出現するまでを追跡することが可能であった。iPS細胞形成過程で出現する細胞をその形態を基にして検出、分類するため、畳み込みニューラルネットワーク(convolutional neural network: CNN)を用いた深層学習手法を適用し、実際に細胞の判別を実施した。その結果、学習させたCNN判別器を用いることにより、iPS細胞やその他の分化細胞を高精度で分類することが可能であった。一方、再プログラム化因子導入後、３日目（d3）から20日目（d20）まで、時系列に沿ってサンプリングし、シングルセル解析を行ったところ、d3で既に臍帯血と異なる発現プロファイルを有する細胞クラスターが出現し、その後、iPS細胞形成へ向う細胞群とそれとは異なる経路へ分岐する細胞群の検出に成功した。さらに各細胞集団に時期特異的発現を示す遺伝子マーカーの同定に成功した。
|
