グラフィカルモデルを使用して「病気に罹患するメカニズム」を特定

ジョージア工科大学の研究チームは、グラフィカルモデルなどの既存のツールを用いて細胞を識別し、病気のメカニズムを理解する方法を発見しました。
病気の理解・診断・治療に大きく貢献する事が期待されます。

A multidisciplinary team of Georgia Institute of Technology neuroscience researchers, borrowing from existing tools such as graphical models, have uncovered a better way to identify cells and understand the mechanisms of the diseases, potentially leading to better understanding, diagnosis, and treatment. 

参照元：https://news.gatech.edu/2021/03/17/identifying-cells-better-understand-healthy-and-diseased-behavior
– ジョージア工科大学 Georgia Institute of Technology. MARCH 17, 2021  –

アルツハイマー病やパーキンソン病などの変性状態の原因と潜在的な治療法を研究する際、神経科学者は、記憶力の低下や平衡障害や震えなどの行動変化を引き起こす脳活動を理解するために必要な細胞を正確に特定するのに苦労することがよくあります。

ジョージア工科大学の神経科学研究者の学際的なチームは、グラフィカルモデルなどの既存のツールを借りて、細胞を識別し、病気のメカニズムを理解するためのより良い方法を発見しました。

これは、より良い理解、診断、および治療につながる可能性があります。

彼らの調査結果は、2021年2月24日にジャーナルeLifeで報告されました。

この研究は、国立衛生研究所と国立科学財団によってサポートされていました。

神経科学の分野では、神経系がどのように機能し、遺伝子と環境が行動にどのように影響するかを研究しています。

神経科学者は、新しいテクノロジーを使用して生物学的システムの自然な状態と機能不全の状態を理解することにより、最終的に病気を治療することを望んでいます。

それが起こる前に、神経科学者はまず脳内のどの細胞が行動を促進しているのかを理解する必要がありますが、細胞ごとの脳活動のマッピングは見た目ほど簡単ではありません。

2つの脳細胞は同じではありません

ジョージア工科大学の化学および生体分子工学の学校で、化学および生体分子工学のラブファミリー教授であるHangLu氏は話します。

「伝統的に、科学者は画像をアトラスと比較することによって各細胞の位置をマッピングする座標系を確立しましたが、「すべての脳が同じように見える」という文献の概念は絶対に真実ではありません。」

協調的アプローチを取ることは、2つの主要な課題を提示します。

1つは、セルの数が非常に多く、どれもそれほど明確に見えないことです。

第二に、細胞は個人によって異なります。

Lu氏は話します。

「これは現在の大きなボトルネックです。ニューロンの活動を好きなだけ記録できますが、どの細胞が何をしているのかがわからない場合、脳や状態を比較して意味のある結論を出すことは困難です。」

大学院の研究者ShiveshChaudharyによると、データにはノイズがあり、脳の2つの異なる領域間の対応を確立するのが困難です。

Lu氏は話します。

「データにいくつかの変形が存在するか、形状の一部が欠落している可能性があります。」

地理だけでなく、細胞の関係に焦点を当てる

これらの課題を克服するために、Georgia Techの研究者は、機械学習のグラフィカルモデルと数学の形状マッチングへのメトリックジオメトリアプローチの2つの分野から借用し、モデル生物である線虫C.elegansの細胞を特定する計算方法を構築しました。

チームは、自然言語処理などの他の分野のフレームワークを使用して、独自のモデリングソフトウェアを構築しました。

自然言語処理では、コンピューターはステートメント内の単語間の依存関係をキャプチャすることにより、文の意味を判別できます。

研究者たちは同様のモデルを採用しましたが、「細胞を識別するためにニューロン間でそれらをキャプチャしました」という単語間の依存関係をキャプチャする代わりに、このアプローチは各セルの地理的位置を調べる他の方法と比較してエラー伝播を制限することに注意しました。

Lu氏は話します。

「セル間の関係を使用することは、実際にはセルのアイデンティティを定義する上でより有用でした。1つを定義すると、他のセルのアイデンティティに影響を与えることになります。」

研究チームによると、このアプローチは現在の識別方法よりもはるかに正確です。

アルゴリズムは完全ではありませんが、不完全なデータに直面しても大幅にパフォーマンスが向上し、ノイズやエラーによる「ガタガタ音が少なくなる」とLu氏は述べています。

科学者が病気のメカニズムを理解すると、介入を見つけることができるため、このアルゴリズムは多くの発達疾患に大きな影響を及ぼします。

Lu氏は話します。

「これを使用して、遺伝的リスクを評価するための薬物および遺伝的スクリーニングを行うことができます。誰かの遺伝的背景を取得し、この背景によって細胞が標準の参照遺伝的背景とどのように異なるかを調べることができます。」

ハーバード大学脳科学センターの生物進化生物学部教授であるユン・チャン氏は話します。

「このアプローチの優れた点の1つは、データ駆動型であるため、個々のワーム間の変動をキャプチャすることです。この方法は、正常な状態だけでなく、病気の下での発達と機能に関する幅広い研究に適用できる可能性が高いです。」

より高速なデータ分析

このアルゴリズムは、脳全体のデータを分析する速度を大幅に加速します。

研究者たちは、この進歩の前に、彼らの研究室が一連のデータを記録するのに20分かかるかもしれませんが、細胞を特定してデータを分析するのに数週間かかるだろうと説明しました。

アルゴリズムを使用すると、分析は「デスクトップ上でせいぜい一晩」かかります、とChaudhary氏は言いました。

この手法は、アルゴリズムをテストしてアトラスを構築できる、より大きなコミュニティにアルゴリズムを開放するクラウドソーシングのコラボレーションオンラインプラットフォームもサポートします。

Lu氏は話します。

「同じ問題に取り組んでいるすべての研究者は、記録を行い、すべての状況で広く使用できるこれらのアトラスのさらなる構築に貢献することができます。」

研究者たちは、物理学、生物学、数学、化学にまたがる複数の分野を利用できることで、プロジェクトの成功を認めています。

化学工学の学士号を持っているChaudhary氏は、この特定の神経科学の問題を解決するために、コンピューターサイエンスと数学の発展を利用しました。

Chaudhary氏は続けます。

「私たちの研究室には、顕微鏡の構築に取り組んでいる物理学者、生物学者、コンピューターサイエンスに傾倒している私のような人々がいます。純粋数学者とも協力しています。神経科学の分野にはすべてがあります。あなたはあなたが望むどんな方向にも行くことができます。」