Electrophysiological evaluation of iPS cell-derived cardiomyocytes using magnetic field measurements and deep learning

我々は、磁場測定が非侵襲・非破壊的に行えることに着目し、細胞集団中の電気活動伝播に伴って生じる自発磁場を計測することによってiPS細胞由来心筋細胞の電気生理学的評価を試みてきた。しかし細胞の自発磁場は背景ノイズに対して非常に微小であり、標準的な磁気シールド環境下で計測された磁場信号から、従来の信号解析手法で分化心筋細胞のシグナル検出を行うことは困難である。本研究ではシミュレーションにより推定した細胞磁場のピーク波形を教師データとして用いた深層学習による分化心筋細胞のシグナル検出を提案し有効性の検証を行ってきた。2022年度はこの手法の原理実証実験として、人工的に発生させた擬似生体磁場をSQUID磁場センサーで計測し、学習済みの深層ニューラルネットワークによるピーク領域の検出を試みた。その結果、正解データとの比較において80%のピーク領域が正しく検出されたことが確認され、提案する本手法が微小な細胞磁場のピーク波形検出に有効であることが示唆された。また時系列データから特徴量抽出に用いたFSST(フーリエ シンクロスクイーズド変換)の入力周波数帯域を変えて学習を行うと、ピークの検出精度が大きく変化することが判った。背景ノイズが大きい周波数帯域を除外してネットワークの学習を行った時に検出精度が大きく向上することも確認された。また疑似生体磁場を用いて既存のピーク検出手法との比較も行った。その結果パターンマッチングやフィルタリングなどと比較して提案する本手法の検出力が優れていることも実証された。実際の分化心筋細胞サンプルを用いた計測においては、イソプロテレノール投与による細胞磁場のピーク数増加が認められ、変時作用の検出といった薬剤試験への応用に関して有望な結果が得られた。

我々は、磁場測定が非侵襲・非破壊的に行えることに着目し、細胞集団中の電気活動伝播に伴って生じる自発磁場を計測することによってiPS細胞由来心筋細胞の電気生理学的評価を試みてきた。しかし細胞の自発磁場は背景ノイズに対して非常に微小であり、標準的な磁気シールド環境下で計測された磁場信号から、従来の信号解析手法で分化心筋細胞のシグナル検出を行うことは困難である。本研究ではシミュレーションにより推定した細胞磁場のピーク波形を教師データとして用いた深層学習による分化心筋細胞のシグナル検出を提案し有効性の検証を行ってきた。2022年度はこの手法の原理実証実験として、人工的に発生させた擬似生体磁場をSQUID磁場センサーで計測し、学習済みの深層ニューラルネットワークによるピーク領域の検出を試みた。その結果、正解データとの比較において80%のピーク領域が正しく検出されたことが確認され、提案する本手法が微小な細胞磁場のピーク波形検出に有効であることが示唆された。また時系列データから特徴量抽出に用いたFSST(フーリエ シンクロスクイーズド変換)の入力周波数帯域を変えて学習を行うと、ピークの検出精度が大きく変化することが判った。背景ノイズが大きい周波数帯域を除外してネットワークの学習を行った時に検出精度が大きく向上することも確認された。また疑似生体磁場を用いて既存のピーク検出手法との比較も行った。その結果パターンマッチングやフィルタリングなどと比較して提案する本手法の検出力が優れていることも実証された。実際の分化心筋細胞サンプルを用いた計測においては、イソプロテレノール投与による細胞磁場のピーク数増加が認められ、変時作用の検出といった薬剤試験への応用に関して有望な結果が得られた。