神経細胞集団のCa輝度変化情報の機械学習による医薬品の痙攣毒性予測法の開発

开发一种利用神经细胞群 Ca 亮度变化信息的机器学习来预测药物惊厥毒性的方法

• 批准号: 22K17998
• 负责人: 松田 直毅
• 金额: $ 2.91万
• 依托单位: Tohoku Institute of Technology
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Early-Career Scientists
• 财政年份: 2022
• 资助国家: 日本
• 起止时间: 2022-04-01 至 2024-03-31
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-22K17998/
• 关键词: 機械学習; 脳・神経; in vitro; カルシウムイメージング; 神経毒性

本研究では、ハイスループット計測が可能な神経細胞集団のCaイメージング法で得られた輝度変化（１ウエルあたり１つの時系列データ）から、機械学習を用いて、痙攣リスクおよび作用機序予測を可能とする解析法を開発することを目的としている。本年度はヒトiPS細胞由来ニューロンを用いて、MEA計測でデータ取得済みの２４種類の痙攣陽性化合物および５種類の陰性対照化合物における用量依存的なデータを取得した。輝度値の時系列データから算出したオシレーションのピーク関連パラメータを用いて機械学習を行い、オシレーションと非オシレーションを分類するオシレーション検出AIを作製した。作製したAIは97%の精度でオシレーションを検出した。次に、AIが検出したピークに基づき算出されたパラメータの主成分解析を行い、陰性化合物の主成分得点に基づく痙攣毒性予測法を開発した。痙攣毒性判定の結果、２４つの痙攣陽性化合物のうち２３化合物の毒性を検出できたが、５つの陰性化合物のうち２つの陰性化合物が毒性と判定されたため、偽陽性が課題となった。今後は主成分分析に使用するパラメータについて検討するとともに、パラメータを学習した機械学習による痙攣毒性予測法および、作用機序予測法の開発を行う。さらに、阻害剤、リガンド、承認薬等の化合物ライブラリーであるLoPac1280化合物のデータを用いて、開発した痙攣毒性予測法の予測結果の妥当性、および開発した予測法の課題を検証する。

In this study, it is possible to measure the number of human cells in the human body. aイメージング法でGETられたBrightness Changing（１ウエルあたり１つの时Series データ)から, machine learning をいて, spasm リスクおよび action machine sequence prediction をpossible とするanalytic method を开発することをpurpose としている. This year, the origin of iPS cells obtained by はューロンを was measured by いて and MEA, and 24 types were obtained There are 5 types of spasm positive compounds, および, and 5 types of のnegative treatment compounds, における, which depend on the dosage. Luminance value series データからcalculationしたオシレーションのピークrelated パラメータを Use いて machine learningを行い、オシレーションと不オシレーションをcategorizationするオシレーション検出AIをproducedした. The AI ​​​​is produced with an accuracy of 97%. The main component analysis of the AI ​​検出 したピークにbased づきcalculates the されたパラメータのprincipal component analysis を行い, and the main component of the negative compound gets the にbased づく spasm toxicity prediction method を开発した. Result of spasm toxicity determination, 24 つの spasm positive compound のうち 23 compound toxicity を検出できたが, 5つのnegative compounds のうち２つのnegative compounds がtoxicity とdetermination されたため, false positive ががとなった. From now on, principal component analysis will be conducted using the principal components analysisをlearningしたmechanical learningによる spasm toxicity prediction methodおよび, action mechanism prediction methodの开発を行う.さらに, inhibitors, リガンド, recognized compounds, etc. ライブラリーであるLoPac1280 compound のデータを用いて, 开発した The validity of the prediction results of the method for predicting spasm toxicity, and および开発した The problem of the prediction method is を検证する.