多能性幹細胞の分化を監視するための生細胞画像ベース機械学習戦略

本研究では、生細胞の明視野画像に基づいて、さまざまな機械学習モデルを活用した戦略を開発しました。この戦略により、細胞系譜を非侵襲的に同定し、分化プロセスをリアルタイムで調節し、分化プロトコルを最適化することで、PSCから機能細胞への分化における不死身性を向上させることができます。多能性幹細胞は、in vitroで多くの種類の細胞に分化する能力を示しており、細胞治療、疾患モデリング、および医薬品開発に使用できます。

PSC由来の細胞生産における主な問題の1つは、細胞株とバッチ間の不安定性です。そのため、何度も実験を繰り返すことになり、多大な時間と労力を消費することになります。現在、最先端の顕微鏡技術により、生細胞の長期タイムラプス、ハイスループットな画像取得をサポートすることができます。

一方、急速に進化する機械学習法は、細胞画像解析にますます適用されており、細胞培養における分化中に特定の細胞成分や細胞画像を認識する可能性が開かれています。この方法は、オルガノイド分化、直接分化転換、細胞プログラミングなど、標準化された他の細胞運命誘導システム、特に複数のステップと複雑な誘導物質を必要とする不安定なシステムに適用できると期待されています。また、当社の戦略は他の技術と互換性があり、PSC分化のin vitro全自動処理のための自己適応型閉ループシステムに統合することが期待できます。