昨今、加齢関連疾患の病態において細胞老化が重要な位置付けを占めていることが報告されている。特に、血管内皮細胞の老化は様々な臓器の病態進行に重要であることから、新規の治療標的であると考えられる。本研究では、人工知能技術の一つである畳み込みニューラルネットワークを用いて、細胞形態を指標として血管内皮細胞の老化度合いを定量的評価する技術(Deep-SeSMo)を開発した。Deep-SeSMoは分子生物学的ラベルを用いることなく、簡単な顕微鏡撮影のみで細胞老化が評価可能であり、ラベルフリーで薬剤スクリーニングが実行可能である。同システムを用いることで血管老化を抑制する候補化合物を同定した。
Recently, many reports showed that cellular senescence plays an important role in age-related diseases. In particular, senescence of endothelial cells involve in the pathology of organ dysfunction, and are focused as the novel therapeutic target. We developed an automated quantitative scoring system to evaluate the state of endothelial cells from cellular morphology using senescence probability output from pre-trained convolutional neural network, Deep Learning-Based Senescence Scoring System by Morphology (Deep-SeSMo). Deep-SeSMo can examine cellular senescence only using phase-contrast microscopy, without the use of molecular labels. We conducted label-free high-throughput drug screening by using Deep-SeSMo, and identified novel candidate drugs suppressing vascular senescence.

研究種目 : 基盤研究 (C) (一般)
研究期間 : 2019～2021
課題番号 : 19K08549
研究分野 : 循環器内科学