内容概要: 20 世紀以来、幹細胞および再生医療技術は、国際的な生物医学分野におけるホットフロンティアの 1 つです。現在、研究者らは幹細胞を特定の種類の細胞に変える研究を始めている。しかし、その過程で幹細胞は不規則に増殖したり、自発的に異なる種類の細胞に分化したりするため、幹細胞の増殖や分化をどのように制御するかが研究者の課題の一つとなっています。この論文では、北京大学のZhao Yang研究グループの研究者らは、多能性幹細胞の分化プロセスに機械学習を適用することを試み、これにより状況が効果的に改善され、再生医療に新たな方向性がもたらされた。
キーワード：多能性幹細胞 画像解析 機械学習
この記事は、HyperAI スーパー ニューラル WeChat パブリック プラットフォームで初めて公開されました~
多能性幹細胞 (PSC) は、自己複製能力と自己複製能力を備えた多能性細胞の一種であり、in vitro で増殖してさまざまな種類の細胞に分化し、損傷した細胞を置換し、損傷した組織の機能の回復を促進することができます。眼疾患、心血管系疾患、神経系疾患の治療に新たな希望が生まれました。
しかし、現在の多能性幹細胞の方向性分化プロセスには、ライン間およびバッチ間での分化が不安定であるなどの問題があり、機能性細胞の調製に時間と労力がかかり、研究開発や研究の大きな妨げとなっています。多能性幹細胞の臨床応用製品の大規模製造。したがって、多能性幹細胞の分化過程のリアルタイムモニタリングを実現することが特に重要です。
最近、北京大学のZhao Yang氏の研究グループとZhang Yu氏の研究グループは、北京交通大学のLiu Yiyan氏の研究グループと協力して、生きた細胞の明視野動的画像と機械学習に基づいて、インテリジェントに調整および最適化できる識別システムを開発した。多能性幹細胞の分化過程をリアルタイムに把握し、機能細胞の効率的かつ安定した生産を実現します。現在、研究成果は「PSC分化システムの変動性を低減するための生細胞画像ベースの機械学習戦略」と題して雑誌「Cell Discovery」に掲載されている。
研究結果はCell Discovery誌に掲載されました。
論文アドレス:
https://www.nature.com/articles/s41421-023-00543-1
実験概要
現在、顕微鏡技術により細胞の画像取得が可能になり、機械学習手法により細胞画像の分析が可能になりました。したがって、この研究では、機械学習アルゴリズムを使用して明視野画像内の細胞を識別および分類し、その系統や細胞成分を決定し、研究者が細胞の構造と機能をよりよく理解できるようにします。
本研究の結果は、多能性幹細胞の心筋細胞（心筋細胞、CM）および肝臓および腎臓のインレー細胞への分化プロセスを効果的に最適化および改善できることが確認されており、一連の研究方法と手順は次のとおりです。
図 1: 機械学習に最適化された PSC-to-CM
a: 図の上部は、PSC の各微分プロセスにばらつきがあることを示し、図の下部は、上記の微分プロセスに機械学習が適用され、ばらつきが効果的に低減されていることを示しています。
b: 標準的な Wnt シグナル伝達経路の PSC から CM への分化プロセスは、小分子モジュレーターによって制御されます。緑色の矢印は、第 1 段階の CHIR 制御の期間と濃度を示し、色付きの点は機械学習のチェックポイントを示します。
c: 10 日間にわたる遅延明視野画像と cTnT 蛍光結果。
d: 全プロセス中の、分化に成功した細胞と分化に失敗した細胞の位置と形態。
e: 5 日目から 12 日目までの分化に成功した細胞の質感および形態学的変化。
f: 微分効率のライン間のばらつき。
g: 細胞分化の異なるバッチの変動性。
h: 異なる CHIR 線量での微分画像の局所特性の変化。
実験手順
実験データセット
PSC から CM への分化を主な例として取り上げ、上の図 1b に示すように、研究者らは Zeiss Cell Discover 7 生細胞自動イメージング プラットフォームを使用して、分化プロセス中にリアルタイムで明視野画像を収集し、プロセス全体を追跡しました。分化の最後に、心筋細胞の特異的マーカーである cTnT による蛍光標識によって、分化に成功した CM が同定されました。このプロセスでは、画像の多様性を高めるために、研究者らはいくつかの変数（異なる PSC、初期細胞密度、分化培地、異なる CHIR 線量）を導入し、最終的に 720 万枚以上の画像を収集しました。
実験結果
生細胞イメージング技術と機械学習を組み合わせたこの実験では、次の 4 つの成果が得られました。
- 機械学習により、分化した細胞の状態を正確に特定し、分化効率を予測できます。
研究者らは、分化プロセスの 6 日目に、最終的に CM に分化できる細胞、つまり CPC (心臓前駆細胞) が紡錘体の形状をとり始めることを発見しました**。そのため、弱い教師付きモデルを使用してそのような形状を特定しました。 **以下の図 2 に示すように、研究者らは、全細胞に対する IR-CPC の比率が真の分化と相関関係があると結論付けました。効率88%。
図 2: IR-CPC 比と真の分化効率の相関関係
同時に、研究者らは、pix2pix 深層学習モデルを使用して、下図に示すように、CM 誘導段階 (つまり、分化の最初の段階) の明視野画像と、予測された分化効率との相関関係を予測しました。実際の微分効率は 93% に達しました。
図 3: 予測された微分効率と実際の微分効率の相関関係
上記の実験は、機械学習が分化のさまざまな段階で細胞の状態を特定し、分化の結果をリアルタイムで予測できることを示しています。
- 機械学習により、分化時間と誘導物質の濃度をリアルタイムで予測できます。
研究者らは、分化過程において、誘導因子CHIR99021（CHIR）の用量（濃度と処理時間）が中胚葉段階（0～3日）の分化効率に大きな影響を与えることを発見した。彼らは、分化の初期段階（0～12時間）における明視野画像のCHIRに関連する特徴に基づいてロジスティック回帰モデルを構築し、ウェル内のCHIR濃度（低、中、高）を予測しました。 、選択したCHIR において、処理時間が 24 時間の場合、各ウェル (小さな穴が多数ある実験室製品) の濃度を判断するモデルの正解率は 93.1% に達しました。
図 4: ウェル内の CHIR 濃度のモデル予測
同時に研究者らは、最適な CHIR 処理時間を得るために、異なる CHIR 処理時間 (24 時間、36 時間、または 48 時間) でのモデルの予測結果 (偏差スコア) を比較しました。以下の図 5 に示すように、最適な CHIR 処理時間は約 12 時間です (最小偏差スコア)。さらに、図6に示すように、モデルの予測結果に従って、CHIRの濃度を調整して分化効率を向上させることもできます。
図 5: モデルは最適な CHIR 処理時間を予測します
図 6: 調整済みおよび未調整の CHIR 濃度による識別結果
上記の実験は、機械学習が誘発剤の投与量の介入を達成できることを示しています。
- 機械学習により、PSC 初期微分の最適な状態をリアルタイムに判断できます。
研究者らは、適度な濃度の CHIR であっても分化に失敗した細胞が出現することを発見しました。これは空間的に変化する分化によって引き起こされたものであると考えられます。これにより、分化 0 日目に PSC コロニーの端にある細胞は成功する傾向があり、一方、分化 0 日目に PSC コロニーの端にある細胞は成功する傾向があります。 PSC コロニーの中心は失敗しやすいです。
この点に関して、研究者らは、高い分化成功率で初期細胞画像の特徴を特定するためのランダムフォレストベースの機械学習モデルを確立した。モデルの結果は、中程度の細胞面積、より長いエッジ、およびより多くのポットホールを持つ細胞が成功しやすいことを示したこれは実際の観察と一致しています。このモデルに基づいて、研究者らは、以下の図 7 に示すように、予測された初期 PSC 状態の特定と真の分化効率の間に 76% の相関があることを発見しました。
これに基づいて、研究者らは人為的介入によって細胞の初期形態も変更し、分化効率を 21.6% ± 2.7% から 88.8% ± 10.5% に効果的に高めました。
図 7: 細胞の開始状態の特定と分化効率の予測の相関関係
上記の結果は、機械学習が PSC の初期状態の品質管理を実行できることを示しています。
- 機械学習は、低分子化合物のスクリーニングと分化の安定性の向上に役立ちます。
研究者らは、CHIR 濃度が分化に影響を与える重要な要素の 1 つであることを発見したため、新しい化合物で不適切な CHIR 濃度に対抗するために小分子スクリーニングを試みました。以下の図に示すように、研究者らは分化プロセス6日目の明視野生細胞画像と確立された弱い監視モデルに基づいて小分子スクリーニングプラットフォームを構築し、最終的に3,000以上の小分子の中からBI-1347をスクリーニングすることに成功した。 . 化合物。
図8：機械学習による低分子化合物のスクリーニングプロセス
上記の実験は、機械学習モデルに基づいて、研究者が小分子スクリーニング プラットフォームを構築できることを示しています。これにより、スクリーニング実験サイクルが短縮され、スクリーニング コストが削減されます。また、この技術によってスクリーニングされた小分子は CHIR 線量範囲を広げ、それによって全体的な評価が向上します。 PSC 分化プロセスの安定性。
最後に、応用シナリオを拡大するために、研究者らはこの研究の結果を腎前駆細胞と肝細胞分化の初期段階に適用し、正確な予測結果も達成しました。多能性幹細胞の分化過程の時間ガイド。
細胞療法: または生物医学の新しい道
細胞療法は、幅広い疾患（がん、遺伝性疾患）に対して有望な結果を示している新興療法です。主な治療法は免疫細胞療法と幹細胞療法に分けられ、その中でも幹細胞は、多方向への分化、免疫制御、サイトカインの分泌などの機能により、この分野の中心的な研究方向の一つとなっています。
現在、中国における細胞治療分野の発展は比較的短期間ですが、将来の展望は非常に広いです。一方で、データから判断すると、今後 10 年間はこの分野で急成長する時期となる可能性があります。関連データによると、我が国の細胞治療市場規模は2021年の13億元から2030年には584億元に増加し、年平均成長率は53％となる見込みです。他のデータによると、我が国の細胞および遺伝子治療市場は2025年に25億9,000万米ドルに達し、複合成長率276%で成長すると予想されています。
** その一方で、世界中の政府もこの分野を支援し、奨励するために関連政策を継続的に発行してきました。**例えば、北京、上海、天津、深センなどでは細胞治療産業が精力的に発展しています。上海市は「細胞治療技術の革新と産業発展を促進するための上海行動計画（2022～2024年）」を打ち出し、2024年までに上海の細胞治療産業の規模が100億元に達するよう努力することを提案した。深セン市は昨年、細胞治療薬を含む産業クラスターの質の高い発展支援に重点を置き、生物医学産業の発展を支援する文書を相次いで発行した。
データセットとコードのアドレス:
https://GitHub.com/zhaoyanglab/ML-for-psc-delivery
参考リンク：
[1]https://www.thepaper.cn/newsDetail_forward_23417694
[2]http://www.cls.edu.cn/Research/Research_Achievements6067.shtml
[3]https://stcsm.sh.gov.cn/zwgk/ghjh/20221104/f7b02ab5db40439e8d93f15b9dd206da.html
[4]http://legacy.frostchina.com/wp-content/uploads/2021/11/20211116-2.pdf
- 以上 -
この記事は、HyperAI スーパー ニューラル WeChat パブリック プラットフォームで初めて公開されました~