AIが神経変性疾患研究に新たな知見をもたらす

December, 18, 2023, Lausanne--EPFLの研究者は、タンパク質凝集体を研究するためのAI駆動のラベルフリー法を開発し、神経変性疾患研究に新たな視点を提供している。

アルツハイマー病、パーキンソン病、ハンチントン病などの神経変性疾患は、医療における課題として深刻化しており、世界中で何百万人もの人々が罹患している。それらは神経機能の進行性低下を特徴とし、様々な衰弱症状に現れる。さらに、寿命が延びるにつれて、世界人口の高齢化に伴い、神経変性疾患の発生率が増加している。

多くの神経変性疾患は、アルツハイマー病、パーキンソン病、ハンチントン病などの疾患の発症と進行の中心となる、誤って折りたたまれたタンパク質凝集体の蓄積を伴う。しかし、これらの疾患の理解と治療の進歩は、ミスフォールディングタンパク質を蛍光タグで標識する現在の方法によって妨げられている。

これらのアプローチはある程度効果的であるが、タンパク質の生物物理学的特性を変化させ、他のタンパク質や細胞成分との相互作用に影響を与える。このため、脳内の疾患の原因となるタンパク質凝集体の複雑さと超微細構造構造を正確に研究することは非常に困難である。

LINA導入
現在、EPFLの研究者は、ディープラーニング(DL)を使用してこれらの凝集体を変化させることなく識別することで問題を回避する新しい技術を開発し、神経変性疾患の病因の中心的なプロセスを理解するための非侵襲的で高精度なアプローチを提供している。

この新しい手法は「Label-free Identification of Neurodegenerative-disease-associated Aggregates」(LINA)と呼ばれ、EPFLの生命科学部と工学部のHilal LashuelとAleksandra Radenovicのグループと、デルフト工科大学(TU Delft)のKristin Grußmayerによって開発された。研究成果は、Nature Communications に掲載された。

LINAは、ディープラーニングを使用して生細胞からの透過光画像を分析し、蛍光標識を使用せずにタンパク質凝集体を識別できるようにする。この方法では、タンパク質の自然な状態が維持され、正確な研究に不可欠な忠実度の高いデータが得られる。

ハンティントンのLINA
科学者たちは、ハンチンチン病、タンパク質ハンチンチンのミスフォールディングによって引き起こされる神経変性疾患のコンテクストでLINAをテストした。チームは、変異体Huntingtinを過剰発現するHEK 293細胞に基づく、十分に制御された生物学的モデルシステムを使用した。

チームは、特注のマルチモーダル、マルチプレーン顕微鏡を使用して、超高速の4D明視野画像と蛍光画像を撮影し、定量的位相イメージング(QPI)から画像に変換した。これは、染色や標識を必要とせずに、サンプルによって引き起こされる光相の変化を捉えて、その物理的および光学的特性(厚さや屈折率など)に関する詳細な情報を「見る」イメージング技術である。

次に、研究チームは、画像や動画などの視覚データの処理と分析のために特別に設計されたAIである畳み込みニューラルネットワーク(CNN)をトレーニングするための基盤としてQPI画像を使用した。

LINA技術は、Httex1として知られるハンチンチン(HTT)タンパク質の断片によって形成された凝集体の同定において驚くべき精度を示した。この断片には、ハンチントン病を引き起こす突然変異の部位が含まれている。

「われわれのグループのこれまでの研究で、Httex1や神経変性疾患に関連する他のタンパク質が蛍光タンパク質に融合すると、ニューロンの天然タンパク質に見られるものとは大きく異なる凝集体を形成することが示された。これは、疾患プロセスを再現して監視することができないことを意味する」とLashuelは説明している。

LINAは、標識タンパク質と非標識タンパク質の両方でHttex1凝集体を同定することに成功し、様々なイメージング条件と細胞株にわたるその汎用性と一貫性を実証した。

生細胞イメージングにおけるLINA
研究チームは、AIを使用し、生細胞イメージングを使用してタンパク質凝集の動的プロセスをモニターし、Httex1凝集体の増殖動態に関する新しい洞察を提供した。この特徴は、神経変性疾患の進行を理解する上で不可欠であり、新しい治療標的の同定につながる可能性がある。

とは言え、LINAはタンパク質凝集体の同定に効果的であるだけではない。また、異なるタイプの詳細な比較を実行することもできる。これらの微妙な違いと類似点を理解することは、これらのタンパク質凝集体がどのように形成され、どのように振る舞うかに光を当てるため、非常に重要である。

シンプル、高スループット自動化ツール
「われわれのモデルは、最も単純な形では、透過光画像からタンパク質凝集体を自動的に検出してセグメント化するためのシンプルで迅速な方法を提示する。透過光画像は、定量的な位相画像または可能な限り単純な明視野画像のいずれかである。これにより、世界中のラボのユーザは、タンパク質凝集体を検出および分析するための簡単で高スループット自動化技術を手に入れることができる」と、研究の筆頭著者、Khalid Ibrahimはコメントしている。

「われわれは現在、アルツハイマー病やパーキンソン病に関連する他のタンパク質の凝集を、これらの疾患の新規かつ検証済みの細胞モデルを用いて調査するために、この方法の応用を拡張しようとしている。われわれの最終的な目標は、神経変性の主要な要因であると考えられているこのプロセスの初期イベントを捕捉できるようにすることだが、既存のほとんどの方法ではアクセスできない。これにより、タンパク質の凝集と毒性を阻害する新薬のスクリーニングへの道が開かれる」(Lashuel)。

Aleksandra Radenovicは、「タンパク質凝集と病理形成の進化をモニタするだけでなく、その特性を定量的に測定できる新しい方法を開発できれば、現在、大きな蛍光タンパク質マーカーの使用によって隠されている新しいメカニズムと洞察を明らかにするのに役立つ可能性がある」と付け加えている。