計算生物学：深層学習フレームワークにより細胞レベルの全身性変動が明らかに

肥満をはじめとする多くの疾患は全身に影響を及ぼし、体内の複数の器官系に変動をもたらす。しかし、疾患に関連する変化を全身スケールで包括的かつ高分解能で解析するための手段は不足している。今回我々が開発したMouseMapperは、基盤モデルベースの一連の深層学習アルゴリズムで、マウスの全身にわたって疾患の多器官系解析を可能にする。MouseMapperは全身の神経と免疫細胞を定量的に解析でき、微細な軸索分枝や免疫細胞クラスターを識別しつつ、31の器官および組織を自動的にセグメント化する。MouseMapperを用いて食餌誘導性肥満について調べたところ、三叉神経節の眼窩下枝の構造変化が特定された。眼窩下神経のこの構造的障害は、ヒゲによる感知の機能的障害と関連していた。さらに我々は、マウスとヒトの両方で、軸索リモデリングおよび補体経路に影響を及ぼす三叉神経節のプロテオーム変化を突き止めた。MouseMapperはまた、組織全体にわたる免疫細胞クラスターの構成を明らかにすることで、詳細な三次元炎症マップを作成した。MouseMapperフレームワークは、異なる画像分解能およびデータセットにわたって、ロバストな一般化可能性を示した。今回の研究は、全身性病態を特定して定量化するための強力かつスケーラブルな手法を提供し、動物モデルから得られる分子的知見をヒトの病態へと橋渡しするものである。

目次へ戻る