| 研究課題/領域番号 |
21H03542
|
|---|
| 配分区分 | 補助金 |
|---|
| 研究機関 | 大阪大学 |
|---|
研究代表者 |
西野 美都子 大阪大学, 産業科学研究所, 准教授 (30510440)
|
|---|
| 研究期間 (年度) |
2021-04-01 – 2025-03-31
|
| キーワード | 多剤耐性菌 / 機械学習 / 画像判別 |
|---|
| 研究実績の概要 |
多剤耐性菌の出現は世界的な問題であり、感染症を克服することは、今日も医学的重要課題の一つである。耐性菌が出現するメカニズムを理解し、それらを抑制する手法を開発することは急務であり、病院検査室等においても簡便かつ迅速な多剤耐性菌検出法の開発が求められている。本研究では多剤耐性菌について耐性化過程で生じる遺伝子的、形態学的変化を網羅的に解析しオミクス情報を取得する。機械学習によるこれらの情報の融合とモデル化を行い、人工知能(AI)による薬剤耐性能自動判別技術基盤を構築する。我々は、進化実験により獲得された様々な薬剤耐性菌をモデル細胞として網羅的画像データを取得し、深層学習を用いた判別アルゴリズムの構築を目指している。これまでに電子顕微鏡画像により一部の薬剤耐性菌について高精度に判別することに成功した。電子顕微鏡は、細菌内部の詳細な形態情報を高分解能で得ることができる優れた方法であるものの、試料作成や画像取得のステップにおいて高度な技術と時間を要してしまい、ハイスループット解析に課題がある。そこで、我々は、薬剤耐性菌が光学顕微鏡レベルでも概形変化していれば、より簡便な方法で薬剤耐性菌の画像判別が可能になるのではないかと考えた。そこで、まず複数種類の異なる薬剤耐性株を用いて細菌細胞の光学顕微鏡画像を取得し、１細胞あたりの長径、短径や面積など様々な項目で計測し定量化した。数千個の細胞の計測データを用いて非耐性細菌と耐性菌を比較した結果、ENX耐性菌は円形に変化している傾向が認められた。一方でAMK耐性菌は長軸がやや大きくなっており、CP耐性菌は長軸が小さくなっているように見えた。アスペクト比を求めて親株と比較した結果、ENX耐性菌が最も顕著に小さくなっていた。CP耐性菌も小さくなっていたがAMKは逆に大きくなっていた。以上の結果、薬剤耐性菌は概形も有意に変化していることが示唆された。
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
1: 当初の計画以上に進展している
理由
深層学習は昨今発展が目覚ましい機械学習法の一つであり、コンピュータ上のAIで画像認識や識別を行い、多量のデータから統計的に共通する特徴を高精度に抽出することが可能になってきている。近年、医学分野の画像診断にもAI技術が取り入れられ始めている。しかしながら、病原細菌のような2マイクロメータ前後の非常に小さな対象物を画像で高精度に判別する方法は未だ開発途上にある。我々は、電子顕微鏡を用いた多剤耐性菌の画像判別を世界で初めて成功させた。さらに、光学顕微鏡画像解析により多剤耐性菌は細胞内部構造のみならず概形でも非耐性細菌から変化していることが分かった。
|
| 今後の研究の推進方策 |
研究代表者はこれまでの観察により、獲得された１０種類の異なる抗生剤の耐性株の多くが、耐性を持たない親株と比較して形態学的に異なる特徴を有していることを見出した。親株と比較して形状が丸くなったものや、外膜構造が変化しているものがあった。今後、様々な薬剤耐性菌株について、電子顕微鏡や電子線トモグラフィーを用いた内部構造の詳細な画像データと光学顕微鏡画像レベルでの概形データを網羅的に取得し、深層学習による判別と特徴抽出を行う。それぞれの手法で抽出された画像特徴量とトランスクリプトームデータとの相関を計算し、薬剤耐性菌の画像特徴に寄与する遺伝子を明らかにする。特に、光学顕微鏡による画像判別に成功すれば、臨床の現場で簡便かつ迅速な耐性菌の検出に役立つことが期待できる。
|
