老化は体内のほぼすべてのシステムを再形成し、そのより静かな影響の一つが血液に現れる。加齢に伴い、血液細胞の産生を担う器官や組織である造血系は、十分な血液細胞産生を維持する能力が低下する。血液幹細胞がどのように老化し、その機能をどのように保持または回復できるかを研究する研究者にとって、この低下は単なる興味深い現象ではない。それは測定上の問題である。
Bellvitge Biomedical Research Institute（IDIBELL）の再生医療プログラムの研究者でICREA研究教授であるMaria Carolina Florian博士と、Barcelona Supercomputing Center — Centro Nacional de Supercomputación（BSC-CNS）およびBarcelona Institute for Global Health（ISGlobal）のPaula Petrone博士が率いるチームは、この問題の解決を支援するために設計されたツールを導入した。ChromAgeNetと名付けられたこのシステムは、人工知能を用いて、クロマチンの三次元組織化を分析することにより、造血幹細胞の顕微鏡画像における老化関連パターンを検出する。この発見は学術誌Aging Cellに掲載され、この研究はISGlobalの研究者であるPablo Iañez氏の博士論文の中心的な部分を形成した。
クロマチンが細胞について語ること
クロマチンは細胞核内の物質であり、主にDNAとタンパク質から成り、DNAをパッケージ化し、どの遺伝子が活性化されるかの調節を助ける。そのパッケージ化は単に構造的なものではない。遺伝子活性に影響を与えるため、クロマチンの組織化は細胞のアイデンティティと機能を決定するのに役立ち、細胞が老化するにつれて変化する。
ChromAgeNetはその関係を直接活用するように構築されている。少数の分子マーカーに依存する代わりに、このツールは核画像内のクロマチンの三次元配置を読み取り、一見単純な問いに答える。この核は若く見えるか、老化して見えるか？
モデルの訓練方法
このシステムを構築するために、研究者らはDAPIで染色されたマウス造血幹細胞核の三次元画像を用いた。DAPIはDNAを可視化するためのシンプルで広く使われている手法である。次に、画像を分析するために特別に設計されたAIモデルの一種である畳み込みニューラルネットワークが、外観のみに基づいて若齢細胞と老化細胞を分離するように訓練された。
- 画像入力： DAPIで染色されたマウス造血幹細胞核の3D顕微鏡画像。
- モデルタイプ： 画像分析に適した畳み込みニューラルネットワーク。
- タスク： 核の外観から各細胞を若齢または老化として分類する。
- 焦点： 事前定義されたマーカーではなく、クロマチンの三次元組織化。
このアプローチは、研究者が事前に指定することを要求するのではなく、画像に存在する識別特徴をモデルに学習させる点で注目に値する。
性能：77%の精度とベンチマークの打破
研究者らによると、ChromAgeNetは核の外観に基づいて細胞を若齢または老化として正確に分類する確率77%を達成した。この結果は、チームが以前に手作業で定義したクロマチン特徴に基づいて構築された機械学習モデルを上回った。
この比較は重要である。訓練されたニューラルネットワークが、従来の特徴ベースのアプローチでは見逃される核構造のパターンを拾い上げることができることを示唆している。それは画像に存在するが、研究者が注目するために選んだ特定の測定では捉えられない情報である。
目に見えないものを検出する
この研究の枠組みは、顕微鏡検査におけるよく知られた問題を中心にしている。人間の観察者は核を記述することはできるが、クロマチンパッキングの微妙な三次元的差異を年齢の一貫した指標として信頼性をもって順位付けすることはできない。ChromAgeNetは、それらの微妙な差異を、繰り返し大規模に計算できるシグナルに変える試みである。
もしそのようなシグナルが支持されれば、血液幹細胞の老化研究をいくつかの方法で支援できる可能性がある。治療が幹細胞機能を保持または回復するかどうかをテストする実験のための潜在的な読み出しを提供する。また、顕微鏡下では類似して見えるが実際には異なる挙動をする細胞を研究者が選別するのにも役立つ可能性がある。
学際的な取り組み
このプロジェクトは、幹細胞生物学、老化、画像分析、人工知能の専門知識を結集した。その組み合わせは関与した機関に反映されている。この研究は、IDIBELLの再生医療プログラム、BSC-CNS、および「la Caixa」財団が支援するセンターであるISGlobalに所属する研究者らによって主導された。この研究は査読を受けており、公表された図に使用された画像はIDIBELLのEva Mejía博士のクレジットとされている。
結果が確立することとしないこと
この発見はマウス造血幹細胞とDAPI染色核画像に基づいており、報告された77%の精度は、モデルが有益ではあるが無謬ではないことを意味する。およそ4回に1回の分類は逆になることが予想される。公表された要約はまた、臨床検証やヒト患者での使用についても記述していない。
これらの境界は念頭に置く価値がある。ChromAgeNetは研究機器として最もよく理解される。すなわち、幹細胞研究室ですでに標準的であり、安価で日常的な染色技術を用いて、既存の画像から老化関連シグナルを抽出する方法である。
なぜ重要か
より広い意味での重要性は、加齢に伴う造血系の漸進的な低下にある。このシステムは血液細胞を供給するため、その劣化は免疫、酸素輸送、凝固などの機能に影響を与える。血液幹細胞の老化をより観察しやすくするツールは、研究者が何がいつ変化するのか、そして介入がその軌道を変えるのかについて、より鋭い問いを立てるのに役立つ可能性がある。
ChromAgeNetの貢献は、生物学的であると同時に方法論的でもある。通常の顕微鏡検査で捉えられたクロマチン構造が、ニューラルネットワークが検出するのに十分な年齢関連情報を運んでいること、そしてこのアプローチが科学者自身が定義した特徴に基づいて構築されたモデルを上回ることができることを示している。同じシグナルが他の細胞型、他の画像設定、またはヒトサンプルに拡張できるかどうかは、この研究が解決しない未解決の問いである。
要点
- ChromAgeNetと呼ばれるAIツールは、3Dクロマチン組織化を分析することにより、造血幹細胞画像における老化関連パターンを特定する。
- このモデルは、マウス血液幹細胞を若齢または老化として、正しい確率77%で分類した。
- 研究者が事前に定義したクロマチン特徴に基づく機械学習モデルを上回った。
- この研究はIDIBELL、BSC-CNS、ISGlobalの研究者らによって主導され、Aging Cellに掲載された。
- このアプローチは、幹細胞研究ですでに一般的なDAPI染色と3D核画像に依存している。
この記事はMedical Xpressの報道に基づいています。元の記事を読む。
Originally published on medicalxpress.com
