| 研究課題/領域番号 |
20J22464
|
|---|
| 研究機関 | 立命館大学 |
|---|
研究代表者 |
六車 宜央 立命館大学, 薬学研究科、薬学専攻, 特別研究員(DC1)
|
|---|
| 研究期間 (年度) |
2020-04-24 – 2023-03-31
|
| キーワード | 内因性低分子代謝物 / ワイドターゲットメタボロミクス / LC-MS/MS / 誘導体化法 / AI |
|---|
| 研究実績の概要 |
本研究は、400種類以上の内因性代謝物を対象として、誘導体化LC-MS/MS測定法に基づくワイドターゲットメタボロミクス（W-TMet）を実施し、得られた網羅的な代謝物情報に対して、様々な解析法を施すことにより、健常者における認知症の発症リスク評価を実現することを目的としている。
2021年度の研究では、前年度に合成した誘導体化試薬を利用して、カルボン酸・アミンの網羅的分析法の構築を主に実施した。具体的には、カルボン酸系（約220種類）およびアミン系（約170種）の分析対象化合物におけるMS/MS条件の最適化が完了し、MRMモードを用いたLC分離条件を検討している。カルボン酸系を対象とした分析法においては、現在バリデーション試験（検出限界や定量限界、定量性）を実施している。一方、アミン系の分析法における実用性評価として、終末糖化産物（AGEs）を標的とした血清メタボロミクスを実施した。本誘導体化反応を利用した分析法は、11種のAGEsを15分以内に分析可能であり、重水素標識体を内標準物質として作成した検量線は、良好な直線性が得られている。また、血清における添加回収試験においても、良好な結果が得られており、今後の網羅的メタボロミクスの開発への有用性が示された。
一方、W-TMetを展開していく上で、処理するデータ数が膨大となり、人の手のみで全てを処理すること、また代謝物情報に内在する潜在的な特徴量を捉えることは困難となると考えた。そこで、得られた膨大な代謝物情報（定量値や代謝パターンなど）の効率的な解析法として、多変量解析などの統計解析に加えて、AIを用いた機械学習や深層学習を考えている。現在、具体的な利用法は検討中であるが、病態特有の代謝変化に関するデータの蓄積が進めば、診断が困難である病態に対しても感度よく検出できる可能性があると考えている。
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
3: やや遅れている
理由
COVID-19が前年度の研究活動にも大きく影響したことで、全体的に研究の進展に遅れが生じている。学外との検体に関する打ち合わせや共同研究先である病院の検体収集およびその倫理審査等にかなりの時間がかかっている。そのため、ヒト試料を用いた分析検討が実施できていない。それでもなお、誘導体化を用いたAGEsの血清メタボロミクスをはじめ、本分析法・解析法における有用性の検証ができている。このことから、提唱したメタボロミクスの方法論が様々な生体試料分析に応用可能であることが期待される。
|
| 今後の研究の推進方策 |
前年度と同様、今後の研究では、開発した誘導体化試薬および最適化した各代謝物のMS/MS条件を用いて、最適なLC分離条件を検討する。その後、各種バリデーション試験を実施した後、実際に実試料分析（脳脊髄液・血液）に応用させ、バイオマーカー候補と成り得る代謝物・代謝経路を特定する予定である。さらに現在、検討中であるAIの応用性を検証し、得られたメタボロミクスデータに対して、AIを用いることで効率的に解析可能であるかを検討していく予定である。このAIメタボロミクス法が確立できれば、様々な疾患における試料にも応用可能であり、今後のバイオマーカー研究に非常に有用な手法となる。
|
