JP2023005361A - 薬剤の影響予測システム - Google Patents
薬剤の影響予測システム Download PDFInfo
- Publication number
- JP2023005361A JP2023005361A JP2021107213A JP2021107213A JP2023005361A JP 2023005361 A JP2023005361 A JP 2023005361A JP 2021107213 A JP2021107213 A JP 2021107213A JP 2021107213 A JP2021107213 A JP 2021107213A JP 2023005361 A JP2023005361 A JP 2023005361A
- Authority
- JP
- Japan
- Prior art keywords
- nerve cells
- culture space
- culture
- neurites
- damage
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000000694 effects Effects 0.000 title claims abstract description 21
- 229940079593 drug Drugs 0.000 title abstract description 13
- 239000003814 drug Substances 0.000 title abstract description 13
- 210000002569 neuron Anatomy 0.000 claims abstract description 78
- 210000002241 neurite Anatomy 0.000 claims abstract description 76
- 239000000126 substance Substances 0.000 claims abstract description 47
- 230000006378 damage Effects 0.000 claims abstract description 42
- 210000005036 nerve Anatomy 0.000 claims abstract description 25
- 238000012360 testing method Methods 0.000 claims abstract description 18
- 238000012258 culturing Methods 0.000 claims abstract description 14
- 238000003860 storage Methods 0.000 claims abstract description 11
- 230000000857 drug effect Effects 0.000 claims description 17
- 238000010801 machine learning Methods 0.000 claims description 11
- 102000006386 Myelin Proteins Human genes 0.000 claims description 9
- 108010083674 Myelin Proteins Proteins 0.000 claims description 9
- 210000005012 myelin Anatomy 0.000 claims description 9
- 210000005056 cell body Anatomy 0.000 claims description 7
- 239000001963 growth medium Substances 0.000 claims description 7
- 210000004027 cell Anatomy 0.000 claims description 5
- 238000001000 micrograph Methods 0.000 claims description 4
- 230000007844 axonal damage Effects 0.000 claims 1
- 239000012530 fluid Substances 0.000 abstract 1
- 239000000758 substrate Substances 0.000 description 45
- 238000000034 method Methods 0.000 description 17
- 239000000243 solution Substances 0.000 description 14
- 210000000578 peripheral nerve Anatomy 0.000 description 13
- 208000027418 Wounds and injury Diseases 0.000 description 9
- 208000014674 injury Diseases 0.000 description 9
- 210000003050 axon Anatomy 0.000 description 8
- 230000006870 function Effects 0.000 description 8
- 230000007845 axonopathy Effects 0.000 description 7
- 238000013528 artificial neural network Methods 0.000 description 6
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 229930012538 Paclitaxel Natural products 0.000 description 4
- 238000007876 drug discovery Methods 0.000 description 4
- 239000007788 liquid Substances 0.000 description 4
- 210000003007 myelin sheath Anatomy 0.000 description 4
- 229960001592 paclitaxel Drugs 0.000 description 4
- RCINICONZNJXQF-MZXODVADSA-N taxol Chemical compound O([C@@H]1[C@@]2(C[C@@H](C(C)=C(C2(C)C)[C@H](C([C@]2(C)[C@@H](O)C[C@H]3OC[C@]3([C@H]21)OC(C)=O)=O)OC(=O)C)OC(=O)[C@H](O)[C@@H](NC(=O)C=1C=CC=CC=1)C=1C=CC=CC=1)O)C(=O)C1=CC=CC=C1 RCINICONZNJXQF-MZXODVADSA-N 0.000 description 4
- 229920000089 Cyclic olefin copolymer Polymers 0.000 description 3
- CZMRCDWAGMRECN-UGDNZRGBSA-N Sucrose Chemical compound O[C@H]1[C@H](O)[C@@H](CO)O[C@@]1(CO)O[C@@H]1[C@H](O)[C@@H](O)[C@H](O)[C@@H](CO)O1 CZMRCDWAGMRECN-UGDNZRGBSA-N 0.000 description 3
- 229930006000 Sucrose Natural products 0.000 description 3
- 230000003902 lesion Effects 0.000 description 3
- DWAFYCQODLXJNR-BNTLRKBRSA-L oxaliplatin Chemical compound O1C(=O)C(=O)O[Pt]11N[C@@H]2CCCC[C@H]2N1 DWAFYCQODLXJNR-BNTLRKBRSA-L 0.000 description 3
- 229960001756 oxaliplatin Drugs 0.000 description 3
- 239000005720 sucrose Substances 0.000 description 3
- FIAFUQMPZJWCLV-UHFFFAOYSA-N suramin Chemical compound OS(=O)(=O)C1=CC(S(O)(=O)=O)=C2C(NC(=O)C3=CC=C(C(=C3)NC(=O)C=3C=C(NC(=O)NC=4C=C(C=CC=4)C(=O)NC=4C(=CC=C(C=4)C(=O)NC=4C5=C(C=C(C=C5C(=CC=4)S(O)(=O)=O)S(O)(=O)=O)S(O)(=O)=O)C)C=CC=3)C)=CC=C(S(O)(=O)=O)C2=C1 FIAFUQMPZJWCLV-UHFFFAOYSA-N 0.000 description 3
- 229960005314 suramin Drugs 0.000 description 3
- OGWKCGZFUXNPDA-XQKSVPLYSA-N vincristine Chemical compound C([N@]1C[C@@H](C[C@]2(C(=O)OC)C=3C(=CC4=C([C@]56[C@H]([C@@]([C@H](OC(C)=O)[C@]7(CC)C=CCN([C@H]67)CC5)(O)C(=O)OC)N4C=O)C=3)OC)C[C@@](C1)(O)CC)CC1=C2NC2=CC=CC=C12 OGWKCGZFUXNPDA-XQKSVPLYSA-N 0.000 description 3
- 229960004528 vincristine Drugs 0.000 description 3
- OGWKCGZFUXNPDA-UHFFFAOYSA-N vincristine Natural products C1C(CC)(O)CC(CC2(C(=O)OC)C=3C(=CC4=C(C56C(C(C(OC(C)=O)C7(CC)C=CCN(C67)CC5)(O)C(=O)OC)N4C=O)C=3)OC)CN1CCC1=C2NC2=CC=CC=C12 OGWKCGZFUXNPDA-UHFFFAOYSA-N 0.000 description 3
- 206010029350 Neurotoxicity Diseases 0.000 description 2
- 206010044221 Toxic encephalopathy Diseases 0.000 description 2
- 230000003376 axonal effect Effects 0.000 description 2
- 239000000090 biomarker Substances 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000007135 neurotoxicity Effects 0.000 description 2
- 231100000228 neurotoxicity Toxicity 0.000 description 2
- 229920003229 poly(methyl methacrylate) Polymers 0.000 description 2
- 239000004926 polymethyl methacrylate Substances 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000007447 staining method Methods 0.000 description 2
- 230000001988 toxicity Effects 0.000 description 2
- 231100000419 toxicity Toxicity 0.000 description 2
- KISWVXRQTGLFGD-UHFFFAOYSA-N 2-[[2-[[6-amino-2-[[2-[[2-[[5-amino-2-[[2-[[1-[2-[[6-amino-2-[(2,5-diamino-5-oxopentanoyl)amino]hexanoyl]amino]-5-(diaminomethylideneamino)pentanoyl]pyrrolidine-2-carbonyl]amino]-3-hydroxypropanoyl]amino]-5-oxopentanoyl]amino]-5-(diaminomethylideneamino)p Chemical compound C1CCN(C(=O)C(CCCN=C(N)N)NC(=O)C(CCCCN)NC(=O)C(N)CCC(N)=O)C1C(=O)NC(CO)C(=O)NC(CCC(N)=O)C(=O)NC(CCCN=C(N)N)C(=O)NC(CO)C(=O)NC(CCCCN)C(=O)NC(C(=O)NC(CC(C)C)C(O)=O)CC1=CC=C(O)C=C1 KISWVXRQTGLFGD-UHFFFAOYSA-N 0.000 description 1
- 208000028389 Nerve injury Diseases 0.000 description 1
- 239000004793 Polystyrene Substances 0.000 description 1
- 102000004243 Tubulin Human genes 0.000 description 1
- 108090000704 Tubulin Proteins 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 210000000467 autonomic pathway Anatomy 0.000 description 1
- 208000036815 beta tubulin Diseases 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 229920001577 copolymer Polymers 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000000338 in vitro Methods 0.000 description 1
- 238000001746 injection moulding Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000009545 invasion Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000005304 joining Methods 0.000 description 1
- 238000010030 laminating Methods 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000002609 medium Substances 0.000 description 1
- 230000008764 nerve damage Effects 0.000 description 1
- 231100000252 nontoxic Toxicity 0.000 description 1
- 230000003000 nontoxic effect Effects 0.000 description 1
- 231100000956 nontoxicity Toxicity 0.000 description 1
- 239000004417 polycarbonate Substances 0.000 description 1
- 229920000515 polycarbonate Polymers 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000011158 quantitative evaluation Methods 0.000 description 1
- 229920005989 resin Polymers 0.000 description 1
- 239000011347 resin Substances 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 229920002379 silicone rubber Polymers 0.000 description 1
- 239000004945 silicone rubber Substances 0.000 description 1
- 230000000392 somatic effect Effects 0.000 description 1
- 238000001179 sorption measurement Methods 0.000 description 1
- 238000010186 staining Methods 0.000 description 1
- 230000000638 stimulation Effects 0.000 description 1
- 230000008685 targeting Effects 0.000 description 1
- 229920001169 thermoplastic Polymers 0.000 description 1
- 229920005992 thermoplastic resin Polymers 0.000 description 1
- 239000004416 thermosoftening plastic Substances 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 229920006352 transparent thermoplastic Polymers 0.000 description 1
- 210000001170 unmyelinated nerve fiber Anatomy 0.000 description 1
Images
Classifications
-
- C—CHEMISTRY; METALLURGY
- C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
- C12N—MICROORGANISMS OR ENZYMES; COMPOSITIONS THEREOF; PROPAGATING, PRESERVING, OR MAINTAINING MICROORGANISMS; MUTATION OR GENETIC ENGINEERING; CULTURE MEDIA
- C12N5/00—Undifferentiated human, animal or plant cells, e.g. cell lines; Tissues; Cultivation or maintenance thereof; Culture media therefor
- C12N5/06—Animal cells or tissues; Human cells or tissues
- C12N5/0602—Vertebrate cells
- C12N5/0618—Cells of the nervous system
- C12N5/0619—Neurons
-
- C—CHEMISTRY; METALLURGY
- C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
- C12M—APPARATUS FOR ENZYMOLOGY OR MICROBIOLOGY; APPARATUS FOR CULTURING MICROORGANISMS FOR PRODUCING BIOMASS, FOR GROWING CELLS OR FOR OBTAINING FERMENTATION OR METABOLIC PRODUCTS, i.e. BIOREACTORS OR FERMENTERS
- C12M23/00—Constructional details, e.g. recesses, hinges
- C12M23/02—Form or structure of the vessel
- C12M23/16—Microfluidic devices; Capillary tubes
-
- C—CHEMISTRY; METALLURGY
- C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
- C12M—APPARATUS FOR ENZYMOLOGY OR MICROBIOLOGY; APPARATUS FOR CULTURING MICROORGANISMS FOR PRODUCING BIOMASS, FOR GROWING CELLS OR FOR OBTAINING FERMENTATION OR METABOLIC PRODUCTS, i.e. BIOREACTORS OR FERMENTERS
- C12M1/00—Apparatus for enzymology or microbiology
-
- C—CHEMISTRY; METALLURGY
- C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
- C12M—APPARATUS FOR ENZYMOLOGY OR MICROBIOLOGY; APPARATUS FOR CULTURING MICROORGANISMS FOR PRODUCING BIOMASS, FOR GROWING CELLS OR FOR OBTAINING FERMENTATION OR METABOLIC PRODUCTS, i.e. BIOREACTORS OR FERMENTERS
- C12M1/00—Apparatus for enzymology or microbiology
- C12M1/34—Measuring or testing with condition measuring or sensing means, e.g. colony counters
-
- C—CHEMISTRY; METALLURGY
- C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
- C12M—APPARATUS FOR ENZYMOLOGY OR MICROBIOLOGY; APPARATUS FOR CULTURING MICROORGANISMS FOR PRODUCING BIOMASS, FOR GROWING CELLS OR FOR OBTAINING FERMENTATION OR METABOLIC PRODUCTS, i.e. BIOREACTORS OR FERMENTERS
- C12M3/00—Tissue, human, animal or plant cell, or virus culture apparatus
-
- C—CHEMISTRY; METALLURGY
- C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
- C12M—APPARATUS FOR ENZYMOLOGY OR MICROBIOLOGY; APPARATUS FOR CULTURING MICROORGANISMS FOR PRODUCING BIOMASS, FOR GROWING CELLS OR FOR OBTAINING FERMENTATION OR METABOLIC PRODUCTS, i.e. BIOREACTORS OR FERMENTERS
- C12M41/00—Means for regulation, monitoring, measurement or control, e.g. flow regulation
- C12M41/46—Means for regulation, monitoring, measurement or control, e.g. flow regulation of cellular or enzymatic activity or functionality, e.g. cell viability
-
- C—CHEMISTRY; METALLURGY
- C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
- C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
- C12Q1/00—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions
- C12Q1/02—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions involving viable microorganisms
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
- G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
- G01N33/5005—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving human or animal cells
- G01N33/5008—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving human or animal cells for testing or evaluating the effect of chemical or biological compounds, e.g. drugs, cosmetics
- G01N33/5044—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving human or animal cells for testing or evaluating the effect of chemical or biological compounds, e.g. drugs, cosmetics involving specific cell types
- G01N33/5058—Neurological cells
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Organic Chemistry (AREA)
- Zoology (AREA)
- Wood Science & Technology (AREA)
- Biomedical Technology (AREA)
- Biotechnology (AREA)
- Microbiology (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Genetics & Genomics (AREA)
- General Engineering & Computer Science (AREA)
- Sustainable Development (AREA)
- Cell Biology (AREA)
- Immunology (AREA)
- Analytical Chemistry (AREA)
- Neurology (AREA)
- Molecular Biology (AREA)
- Medicinal Chemistry (AREA)
- Dispersion Chemistry (AREA)
- Clinical Laboratory Science (AREA)
- Hematology (AREA)
- Physics & Mathematics (AREA)
- Urology & Nephrology (AREA)
- Proteomics, Peptides & Aminoacids (AREA)
- Neurosurgery (AREA)
- General Physics & Mathematics (AREA)
- Toxicology (AREA)
- Tropical Medicine & Parasitology (AREA)
- Pathology (AREA)
- Virology (AREA)
- Biophysics (AREA)
- Food Science & Technology (AREA)
- Apparatus Associated With Microorganisms And Enzymes (AREA)
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
- Micro-Organisms Or Cultivation Processes Thereof (AREA)
Abstract
【課題】薬剤の神経に対する影響を簡便且つ効率的に予測することのできるシステムを提供する。【解決手段】本発明に係る薬剤の影響予測システムは、神経細胞を培養可能な第一培養空間と神経細胞と分離した状態で神経突起を培養可能な第二培養空間とを有してなるマイクロ流体デバイスと、複数の既知物質のそれぞれを個別に培養液に添加した状態で培養された複数の神経細胞のそれぞれから伸長した第二培養空間内の神経突起の画像に基づく学習用入力データと既知物質により生じる神経に対する障害部位の情報に関する学習用出力データとを関連付けてなる複数の教師データに基づく学習済モデルが記録された記憶部と、被験物質を培養液に添加した状態で神経細胞を培養して第二培養空間内の神経突起の顕微鏡画像に基づく判定用入力データを学習済モデルに適用することで神経の部位別の障害発生確率に由来した情報を出力する判定部とを備える。【選択図】図１
Description
本発明は、薬剤の影響を予測するシステムに関し、特に末梢神経や中枢神経といった神経に対する影響を予測するシステムに関する。
創薬研究においては、薬効効果の確認のフェーズと共に、毒性や安全性を評価するフェーズが存在する。薬剤が投与されることで末梢神経に対する障害が生じると、患者の生活の質（ＱＯＬ）に対する影響が多大であるため、好ましくない。このため、創薬研究において、末梢神経を初めとする神経に対する影響（神経毒性）を事前に把握しておくことは、重要である。
神経毒性を評価する方法として、マイクロ流体デバイスを用いて神経細胞から神経突起を形成させて薬剤刺激とその応答を観察する方法が知られている（例えば、下記特許文献１参照）。特許文献１には、細胞体から延びた神経突起（「軸索」とも呼ばれる。）を培養可能なチャネルを有するマイクロ流体デバイスが開示されている。
しかしながら、特許文献１のチャネルは、その寸法が幅１００μｍ～１５０μｍ及び高さ１００μｍ～２００μｍである。このため、チャネルの幅と高さが神経突起の太さに比べて大きく、且つ幅と高さの大きさが近い。よって、このチャネルで神経細胞を培養すると、神経突起が集合して束状構造を形成する。このような態様で神経細胞が培養されてしまうと、神経細胞から伸長する各神経突起を個別に観察して分析することができない。
また、従来、シャーレで神経細胞を培養する方法が知られているが、この場合にも培養中に神経細胞や神経突起が折り重なってしまう。かかる現象を回避しながら神経細胞を培養しようとすると、シャーレ内における神経突起の密度が希薄する。このような状態では、細胞の機能が低下して生体との乖離が大きくなる。また、個々の神経細胞の状態によってもばらつきが生じる。よって、この方法で培養された神経突起の画像を、薬剤の影響評価に利用することには懸念がある。
神経細胞を高密度に培養して神経突起のネットワーク構造を形成させる方法も考えられる。しかし、この場合においても、神経細胞や神経突起がお互いに重層するため、観察部位の特定が困難となる。また、その重層の態様は試験の都度に不規則的となるため、この観察画像に基づく定量的な評価は困難である。
上記の事情により、現時点では、in vitroで末梢神経を初めとする神経に対する薬剤の影響を定量的に評価する方法が確立されていない。
本発明は、上記の課題に鑑み、薬剤の神経に対する影響を簡便且つ効率的に予測することのできるシステムを提供することを目的とする。
本発明に係る薬剤の影響予測システムは、
神経細胞を培養可能な第一培養空間と、前記第一培養空間から延設され前記神経細胞から伸長する神経突起を前記神経細胞と分離した状態で培養可能な第二培養空間とを有してなるマイクロ流体デバイスと、
学習用に準備された複数の前記マイクロ流体デバイスの前記第一培養空間において、神経に対する障害部位が障害部位候補群に属する既知の部位であるか又は障害部位が存在しない複数の既知物質のそれぞれを個別に培養液に添加した状態で培養された、複数の前記神経細胞のそれぞれから伸長して前記第二培養空間内に位置している複数の前記神経突起の顕微鏡画像に基づく学習用入力データと、前記顕微鏡画像に対応した前記神経細胞が培養されている前記第一培養空間内に添加された前記既知物質により生じる神経に対する障害部位の情報又は障害部位が存在しない旨の情報に関する学習用出力データとを関連付けてなる複数の教師データに基づく機械学習により生成された学習済モデルが記録された記憶部と、
判定用に準備された前記マイクロ流体デバイスの前記第一培養空間において、神経に対する障害部位が未知である被験物質を培養液に添加した状態で前記神経細胞を培養し、前記神経細胞より伸長して前記第二培養空間内に位置している前記神経突起の顕微鏡画像に基づく判定用入力データの入力を受け付けるデータ入力受付部と、
前記判定用入力データを前記学習済モデルに適用することで、前記被験物質が導入されることによる、神経の前記障害部位候補群に属する部位別の障害発生確率に由来した情報を出力する判定部と、を備えたことを特徴とする。
神経細胞を培養可能な第一培養空間と、前記第一培養空間から延設され前記神経細胞から伸長する神経突起を前記神経細胞と分離した状態で培養可能な第二培養空間とを有してなるマイクロ流体デバイスと、
学習用に準備された複数の前記マイクロ流体デバイスの前記第一培養空間において、神経に対する障害部位が障害部位候補群に属する既知の部位であるか又は障害部位が存在しない複数の既知物質のそれぞれを個別に培養液に添加した状態で培養された、複数の前記神経細胞のそれぞれから伸長して前記第二培養空間内に位置している複数の前記神経突起の顕微鏡画像に基づく学習用入力データと、前記顕微鏡画像に対応した前記神経細胞が培養されている前記第一培養空間内に添加された前記既知物質により生じる神経に対する障害部位の情報又は障害部位が存在しない旨の情報に関する学習用出力データとを関連付けてなる複数の教師データに基づく機械学習により生成された学習済モデルが記録された記憶部と、
判定用に準備された前記マイクロ流体デバイスの前記第一培養空間において、神経に対する障害部位が未知である被験物質を培養液に添加した状態で前記神経細胞を培養し、前記神経細胞より伸長して前記第二培養空間内に位置している前記神経突起の顕微鏡画像に基づく判定用入力データの入力を受け付けるデータ入力受付部と、
前記判定用入力データを前記学習済モデルに適用することで、前記被験物質が導入されることによる、神経の前記障害部位候補群に属する部位別の障害発生確率に由来した情報を出力する判定部と、を備えたことを特徴とする。
上記のマイクロ流体デバイスによれば、第一培養空間で神経細胞を培養することができ、第二培養空間で神経細胞から伸長する細胞突起を培養することができる。このため、複数の神経突起が束状構造をとらず、それぞれの神経突起が幅方向に並ぶように培養される。
よって、このマイクロ流体デバイスで神経細胞を培養し、特に第二培養空間を観察することで、神経突起の緻密なネットワーク構造を、部位毎に観察することが可能となる。
このマイクロ流体デバイスを用い、神経に対する影響の有無やその部位が既知である物質（既知物質）を添加した状態で神経細胞を培養することで、当該既知物質が導入されたことによる影響が、第二培養空間内に存在する神経突起の観察画像（顕微鏡画像）の情報に現れる。そして、このマイクロ流体デバイスによれば、神経突起を神経細胞から分離した状態で培養できるため、既知物質が導入されることで神経突起に対して生じる影響の再現性は高い。つまり、複数の既知物質のそれぞれを個別に培養液に添加した状態で上記マイクロ流体デバイス内で神経細胞を培養したときに、第二培養空間内に位置する神経突起の顕微鏡画像には、各既知物質が影響する部位（障害部位）に対して何らかの影響が及ぼされた情報が含まれる。
このため、神経突起が存在する領域（第二培養空間内）の顕微鏡画像そのもののデータ、又はこの顕微鏡画像に対して所定の画像処理を施してなるデータを学習用入力データとし、この顕微鏡画像に対応した神経細胞の培養空間に添加された既知物質による障害部位に関する情報を学習用出力データとして、関連付けてなる教師用データを複数準備して、機械学習を行うことが可能となる。なお、既知物質の中には、導入されても神経に対する障害が生じないものが含まれてもよく、この場合には、当該既知物質が添加されて培養された神経突起の顕微鏡画像に基づくデータを学習用入力データとし、障害部位が存在しない旨の情報を学習用出力データとして、これらが関連付けられてなる教師用データが準備される。
前記学習用入力データと前記学習用出力データとを含む教師用データに基づく機械学習の方法は、公知の方法が利用できる。例えば、前記顕微鏡画像に基づく画像データから抽出された複数の特徴量に関する情報で構成された複数のノードを入力層とし、障害部位候補群に属する各部位の情報及び障害部位が存在しない旨の情報で構成された複数のノードを出力層とし、これらの入力層と出力層とを連絡する複数のノードからなる中間層を１層以上有するニューラルネットワークを構築することで、学習済モデルが生成される。
本発明に係る薬剤の影響予測システムは、このような学習済モデルが記録された記憶部を備えている。このため、同様のマイクロ流体デバイスにおいて、被験物質が添加された状態で神経細胞を培養し、第二培養空間内に位置している神経突起の顕微鏡画像に基づくデータを、判定用入力データとしてシステムに入力することで、学習済モデルに適用することができる。つまり、この判定用入力データは、学習済モデルを生成する教師データとして利用された学習用入力データと同質なデータであるため、この学習済モデルに適用されることで、再現性の高い判定結果が得られる。本システムによれば、判定部からは、各障害部位候補群に属する部位別の障害発生確率に由来した情報が出力される。なお、この被験物質が導入されることで神経に対する障害の発現可能性がゼロである場合には、前記部位別の障害発生確率は全てゼロとなる。
以上のように、本発明に係る薬剤の影響予測システムによれば、上述した構造のマイクロ流体デバイス内において被験物質を添加した状態で神経細胞を培養し、第二培養空間内において神経細胞とは分離した状態で位置する神経突起の顕微鏡画像を取得しておきさえすれば、この顕微鏡画像に基づくデータに基づいて演算処理によって神経の部位別の障害発生確率に由来した情報（障害発生確率の値そのもの、又は前記確率の値に基づくスコア値等）を自動的に算出することができる。そして、この結果を踏まえて、創薬の早い段階から、副作用の有無の判定に利用できるため、より安全性の高い創薬を行うことができる。
前記障害部位候補群は、軸索障害、細胞体障害及び髄鞘障害を含むものとして構わない。
前記マイクロ流体デバイスの前記第二培養空間は、好適には、扁平な形状であって前記神経細胞から伸長する前記神経突起の培養が可能な幅を持つと共に、前記神経細胞が侵入しない高さを有する。
前記マイクロ流体デバイスの前記第二培養空間は、幅が高さの１０倍以上の大きさであるものとしても構わない。好適には、前記第二培養空間は、扁平な形状であって前記神経突起の直径の７倍以上の幅を有する。好適には、前記第二培養空間の高さは、５μｍ～８０μｍである。
前記神経細胞は、マウスＤＲＧ由来、ラットＤＲＧ由来、ヒトＥＳ由来、又はヒトｉＰＳ由来の細胞であるものとしても構わない。
本発明によれば、薬剤の神経に対する影響を簡便且つ効率的に予測することのできるシステムが提供される。
本発明に係る薬剤の影響予測システムの実施形態につき、図面を参照して説明する。図１は、薬剤の影響予測システムの実施形態の構成を模式的に示すブロック図である。
図１に示すように、薬剤の影響予測システム１０は、データ入力受付部１１と、記憶部１３と、判定部１５と、表示出力部１７とを備える。記憶部１３は、学習済モデルＭ１を記録している。以下では、「薬剤の影響予測システム１０」は適宜「システム１０」と略記される。
［システムの全体構成］
システム１０は、神経に対する障害部位が未知である被験物質が、神経の部位に対して障害を発生させる可能性を、演算より算定する機能を有する。以下において、システム１０の使用方法について説明する。以下では、神経のうちの末梢神経を例に挙げて説明されるが、中枢神経についても同様の議論が可能である。なお、本明細書内において単に「神経」と記載している場合、末梢神経と中枢神経とが包含される。
システム１０は、神経に対する障害部位が未知である被験物質が、神経の部位に対して障害を発生させる可能性を、演算より算定する機能を有する。以下において、システム１０の使用方法について説明する。以下では、神経のうちの末梢神経を例に挙げて説明されるが、中枢神経についても同様の議論が可能である。なお、本明細書内において単に「神経」と記載している場合、末梢神経と中枢神経とが包含される。
図１に示すように、被験物質４８が添加された培養液で培養された神経突起４２の観察画像が顕微鏡５０によって取得され、この観察画像に基づくデータ（以下、「判定用入力データｉ４２ｔ」と称する。）がデータ入力受付部１１に対して入力される。データ入力受付部１１は、画像データの入力用インタフェースである。データ入力受付部１１は、必要に応じて、入力された画像データに対して、システム１０内で利用可能なデータ形式に変換する処理を行う機能を搭載している。
より詳細には、図２を参照して後述されるマイクロ流体デバイス３０において、被験物質４８が添加された培養液を用いて神経細胞４１が培養され、神経細胞４１から伸長した神経突起４２を含む領域が顕微鏡５０によって撮像される。この顕微鏡画像そのもの、又はこの顕微鏡画像に対して画像処理が施されてなるデータが、判定用入力データｉ４２ｔとしてデータ入力受付部１１を介してシステム１０内に入力される。
判定部１５は、記憶部１３に記録されている学習済モデルＭ１に対して、この判定用入力データｉ４２ｔを適用する。学習済モデルＭ１は、事前に取得された、別の神経突起４２が存在する箇所の顕微鏡画像と、この顕微鏡画像が示す障害部位に関する情報とが関連付けられた複数の教師データに基づいて、機械学習が行われることで生成されたモデルである。すなわち、学習済モデルＭ１には、神経突起４２の顕微鏡画像由来の入力データを入力側とし、神経突起４２に生じている障害部位に関する情報を出力側とする、ニューラルネットワークが構築されている。
よって、学習済モデルＭ１に対して、入力された判定用入力データｉ４２ｔが適用されることで、この判定用入力データｉ４２ｔに現れている情報から、神経突起４２に対してどのような障害が生じている可能性があるかを、確率的に出力できる。判定部１５は、この判定結果を表示出力部１７に出力し、表示出力部１７においてその結果が表示される。
判定部１５は、判定用入力データｉ４２ｔを学習済モデルＭ１に適用することで、学習済モデルＭ１を用いた演算を行って、その結果を出力する演算処理手段であり、例えばＣＰＵやＭＰＵで構成される。記憶部１３は、学習済モデルＭ１を含む所定の情報が格納された記憶媒体であり、典型的にはフラッシュメモリ等の不揮発性メモリ、又はハードディスクである。表示出力部１７は、例えばモニタである。
ただし、判定部１５による判定結果に関する情報は、図示しないインターネット等の通信回線を介して、遠隔位置に送信されるものとしても構わない。
［マイクロ流体デバイスの構成］
次に、学習済モデルＭ１の生成及び判定用入力データｉ４２ｔの取得の際に利用される、マイクロ流体デバイス３０の構成について、図面を参照して説明する。なお、以下の図面は、あくまで模式的に示されたものであり、図面上の寸法比は必ずしも実際の寸法比と一致していない。また、各図面間においても寸法比は必ずしも一致していない。
次に、学習済モデルＭ１の生成及び判定用入力データｉ４２ｔの取得の際に利用される、マイクロ流体デバイス３０の構成について、図面を参照して説明する。なお、以下の図面は、あくまで模式的に示されたものであり、図面上の寸法比は必ずしも実際の寸法比と一致していない。また、各図面間においても寸法比は必ずしも一致していない。
図２は、マイクロ流体デバイス３０の、完成前の時点における分解斜視図である。マイクロ流体デバイス３０は、第一基板３１と第二基板３２とを有し、これらが接合されることで製造される。図２は、第一基板３１に第二基板３２を接合する直前の、両基板（３１，３２）を示した斜視図に対応する。
第一基板３１及び第二基板３２を構成する材料は、透明な熱可塑性樹脂である。熱可塑性樹脂の例としては、ポリメチルメタクリレート（ＰＭＭＡ）、ポリカーボネート（ＰＣ）、シクロオレフィンコポリマー（ＣＯＣ）、シクロオレフィンポリマー（ＣＯＰ）、ポリスチレン（ＰＳ）が挙げられ、これらの中では、医療用グレードのＣＯＰが特に好ましい。ＣＯＰは、高透明性、低自家蛍光、低薬剤吸着性の熱可塑性樹脂である。
上記の材料からなる各基板（３１，３２）に対して、後述される貫通孔（３３ａ，３４ａ）及び凹部３５が例えば射出成形等によって形成された後、紫外線照射工程及び押圧工程が実行されることで、マイクロ流体デバイス３０が得られる。
マイクロ流体デバイス３０は、第二基板３２の一つの主面３２ａ上に、第一基板３１の一つの主面３１ｂが部分的に接触するように積層し、接合されて形成される。ここで、「主面」とは、基板（３１，３２）を構成する面のうち他の面よりもはるかに面積の大きい面を指す。基板（３１，３２）にはそれぞれ二つの主面があり、この二つの主面は互いに対向配置される。
第一基板３１の一方の主面３１ａは、第二基板３２とは反対側に位置しており、ポート（３３，３４）を有する。第一基板３１の他方の主面３１ｂは、第二基板３２と部分的に接触する。なお、この第一基板３１の主面３１ｂには凹部３５が形成されている。
以下の説明では、第一基板３１と第二基板３２とが接合された状態において、第一基板３１の主面（３１ａ，３１ｂ）及び第二基板３２の主面（３２ａ，３２ｂ）に平行な面をＸＹ平面とし、このＸＹ平面に直交する方向をＺ方向とする、ＸＹＺ座標系が適宜参照される。
本明細書において、方向を表現する際に、正負の向きを区別する場合には、「＋Ｘ方向」、「－Ｘ方向」のように、正負の符号を付して記載される。また、正負の向きを区別せずに方向を表現する場合には、単に「Ｘ方向」と記載される。すなわち、本明細書において、単に「Ｘ方向」と記載されている場合には、「＋Ｘ方向」と「－Ｘ方向」の双方が含まれる。Ｙ方向及びＺ方向についても同様である。なお、マイクロ流体デバイス３０は、通常、Ｚ方向を上下方向として使用され、－Ｚ方向が上方向に相当する。
図３は、マイクロ流体デバイス３０の平面図である。図４は、第二基板３２上に第一基板３１が接合されたマイクロ流体デバイス３０の断面模式図を示し、図３内のIV－IV線断面図である。なお、図４に示す断面模式図は、図の理解を容易にするために、両基板（３１，３２）の外形線のうち断面上に表れる線のみが示されている。後述する図６についても同様である。
第一基板３１及び第二基板３２は、それぞれ同一形状の主面を有する矩形基板である。第一基板３１及び第二基板３２の主面の寸法は、例えば１０ｍｍ×２０ｍｍである。
第一基板３１の厚みは第二基板３２の厚みよりも大きい。第一基板３１の厚みは、例えば、０．２ｍｍ～１０ｍｍであり、典型的には３ｍｍである。また、第二基板３２の厚みは、例えば０．１ｍｍ～２ｍｍであり、典型的には１ｍｍである。なお、ここでいう「厚み」とはＺ方向の長さに対応する。
図２に示すように、第一基板３１には、第一主面３１ａから第二主面３１ｂへ向かって延びる貫通孔（３３ａ，３４ａ）が形成されている。図２に示す形状例では、これらの貫通孔（３３ａ，３４ａ）が、Ｘ方向に並んだ状態で配置されている。
貫通孔３３ａの開口端であるポート３３、及び貫通孔３４ａの開口端であるポート３４は、液体をマイクロ流体デバイス３０に注入する目的と、液体をマイクロ流体デバイス３０から排出する目的との少なくとも一方の目的で設けられている。典型的な例として、ポート３３が液体注入口として使用され、ポート３４が液体排出口として使用される。
第一基板３１と第二基板３２とが接合されることにより、貫通孔３３ａは第一培養空間３６として機能する（図３、図４参照）。ここでは、貫通孔３３ａが第一培養空間３６として機能する例を示すが、貫通孔３４ａが第一培養空間３６として機能するようにしてもよい。また、貫通孔３３ａと貫通孔３４ａの両方がそれぞれ第一培養空間３６として機能するようにしてもよい。
貫通孔（３３ａ，３４ａ）は、何れもＺ方向に延びる円孔である。貫通孔（３３ａ，３４ａ）の直径ｑ１（図３参照）は、例えば０．０５ｍｍ～５ｍｍであり、典型的には２ｍｍである。貫通孔３３ａと貫通孔３４ａの間の離間距離ｑ２（図３参照）は、例えば１ｍｍ～１００ｍｍであり、典型的には７ｍｍである。
図２を参照して上述したように、第一基板３１は、第二主面３１ｂ側に凹部３５を備える。凹部３５は、Ｘ方向へ延びるように形成されている。凹部３５の延設方向（Ｘ方向）に垂直な断面（ＹＺ平面に平行な断面）は扁平な矩形状である。
凹部３５は、貫通孔３３ａ及び貫通孔３４ａに連通する。凹部３５は、第一基板３１と第二基板３２とが接合されることにより、両基板（３１，３２）に挟まれた中空状の第二培養空間３７として機能する。
凹部３５は、一定の幅及び深さでＸ方向に延びるスリット状を呈する。凹部３５は、好ましくは幅が深さの１０倍以上の大きさを示す。すなわち、第二培養空間３７は、延設方向に見たとき、好ましくは幅ｑ３（図３参照）が高さｑ４（図４参照）の１０倍以上の大きさとなるように構成されている。第二培養空間３７は、幅ｑ３が高さｑ４の好ましくは１０倍以上、より好ましくは２０倍以上の大きさとなるように構成される。また、幅ｑ３は高さｑ４の１００倍以下の大きさとするのが好ましい。なお、シリコーンゴムで形成された従来のマイクロ流体デバイスにおいては、幅が高さの１０倍以上となる扁平な流路は、重力等の影響で高さを維持することが困難であった。
以上のように、マイクロ流体デバイス３０は、第一培養空間３６と第一培養空間３６から延設された第二培養空間３７とを備える。そして、第二培養空間３７は、好ましくは、延設方向に見たとき、幅ｑ３が高さｑ４の１０倍以上となるように構成されている。このような構成を示すことで、第一培養空間３６内において神経細胞４１を培養すると、この神経細胞４１から伸長された神経突起４２を、神経細胞４１とは別の空間である第二培養空間３７内に位置させることができる（図５、図６参照）。つまり、マイクロ流体デバイス３０によれば、神経細胞４１と神経突起４２とを分離した状態で培養することができる。
図５及び図６は、マイクロ流体デバイス３０で神経細胞４１を培養した様子を模式的に示す平面図及び断面図である。図６は、図５に示すマイクロ流体デバイス３０のVI－VI線断面図である。
神経細胞４１は第一培養空間３６内にて培養され、神経細胞４１から伸長した神経突起４２は第二培養空間３７で培養されている。マイクロ流体デバイス３０を上記の構造としたことで、第二培養空間３７は、神経細胞４１自体が入り込むのを抑制しつつ、神経突起４２を培養させることができる。
神経細胞４１は、髄鞘の有無、直径、伝導速度などにより分類されるが、髄鞘を有するＡタイプでは、それぞれ直径がＡα（１３μｍ～２２μｍ）、Ａβ（８μｍ～１３μｍ）、Ａγ（４μｍ～８μｍ）、Ａδ（１μｍ～４μｍ）である。また、髄鞘を有する場合でも自立神経はＢタイプと呼ばれ、その直径は１μｍ～３μｍである。更には、髄鞘を有さないＣタイプ（Ｃ線維）では、直径は０．２μｍ～１．０μｍである。
第二培養空間３７は、扁平な断面形状に構成されているため、図５に示すように、複数の神経突起４２が束状構造をとらず、それぞれの神経突起４２が幅方向（Ｙ方向）に並ぶように培養することができる。
神経突起４２が軸索のみで構成される場合（ミエリンがない場合）、神経突起４２の直径は０．２μｍ～１．５μｍである。神経突起４２がミエリンで覆われた軸索で構成される場合、神経突起４２の直径は１μｍ～２２μｍである。第二培養空間３７の幅ｑ３（図３参照）を、神経突起４２の直径の７倍以上とすることで、第二培養空間３７の側壁に接触させることなく複数の神経突起４２を成長させることができる。
第二培養空間３７の幅ｑ３（図３参照）は、好ましくは５０μｍ～８０００μｍであり、より好ましくは５００μｍ～１０００μｍである。第二培養空間３７の幅ｑ３は、典型的には８００μｍである。
第二培養空間３７の高さｑ４（図４参照）は、好ましくは５μｍ～８０μｍであり、より好ましくは２０μｍ～８０μｍである。第二培養空間３７の高さｑ４は、典型的には４０μｍである。
［学習済モデル］
次に、学習済モデルＭ１の作成方法について説明する。
次に、学習済モデルＭ１の作成方法について説明する。
末梢神経に対して特有の障害が生じた場合、神経突起４２の形状や構造に対してその障害由来の変化が生じる。薬剤として含まれる物質の中には、末梢神経に対してどのような障害が生じるか、又は障害を生じさせないかが知られているもの（以下、「既知物質」という。）が存在する。そして、上述したように、マイクロ流体デバイス３０は、神経細胞４１と神経突起４２とを分離した状態で培養することができる。つまり、既知物質を導入した状態で神経細胞４１をマイクロ流体デバイス３０内、より詳細には第一培養空間３６内で培養し、神経細胞４１から伸長して第二培養空間３７内に位置する神経突起４２を観察すると、既知物質による影響を受けた状態の神経突起４２を、観察することができる。
なお、顕微鏡による観察を容易化する観点から、観察前に所定の薬液によって染色を行ってもよい。この染色の方法としては、例えば神経軸索のバイオマーカであるβ-tubulin III、ミエリンのバイオマーカであるMyelin Basic Protein（MBP）を標的とした蛍光抗体染色法等が挙げられる。
図７Ａ～図７Ｄは、異なる既知物質が添加された培養液によってマイクロ流体デバイス３０内で神経細胞４１を培養し、第二培養空間３７内に位置する神経突起４２を顕微鏡により観察したときの観察画像である。なお、ここでは、神経細胞４１としてラットＤＲＧが用いられたが、マウスＤＲＧ、ヒトＥＳ、又はヒトｉＰＳ等の各種細胞を用いることが可能である。
図７Ａは、既知物質としてSuraminを添加した培養液を用いて神経細胞４１を培養したときの神経突起４２の顕微鏡画像である。暴露時間は２４時間とされた。Suraminは、髄鞘障害（ミエリン障害）を生じさせることが知られている。
図７Ｂは、既知物質としてOxaliplatinを添加した培養液を用いて神経細胞４１を培養したときの神経突起４２の顕微鏡画像である。暴露時間は２４時間とされた。Oxaliplatinは、細胞体障害を生じさせることが知られている。
図７Ｃは、既知物質としてVincristineを添加した培養液を用いて神経細胞４１を培養したときの神経突起４２の顕微鏡画像である。暴露時間は２４時間とされた。Vincristineは、軸索障害を生じさせることが知られている。
図７Ｄは、既知物質としてSucroseを添加した培養液を用いて神経細胞４１を培養したときの神経突起４２の顕微鏡画像である。Sucroseは、末梢神経に対する毒性がないことが知られている。
このように、異なる既知物質を添加した培養液を用いて、マイクロ流体デバイス３０内で神経細胞４１を培養することで、第二培養空間３７内に位置する神経突起４２の顕微鏡画像を複数得ることができる。なお、学習精度を高める観点から、同一の既知物質を添加した培養液を用いて培養された神経突起４２の顕微鏡画像を、複数入手してもよい。
上記方法により、既知物質を添加した培養液を用いて培養された神経突起４２の顕微鏡画像由来の画像データｄａと、この画像データｄａに対応して、既知物質による末梢神経に対する障害に関する情報（障害部位の情報又は障害部位が存在しない旨の情報）ｄｂとの組み合わせのデータ列が、複数得られる。このデータ列を、図８に示すようにモデル生成部６１に導入することで、機械学習を行わせる。モデル生成部６１は、機械学習を演算処理によって実行する演算処理手段であり、例えばＣＰＵやＭＰＵである。なお、このモデル生成部６１は、薬剤の影響予測システム１０自体に内蔵されていても構わないし、別体のシステムに内蔵されていても構わない。
モデル生成部６１は、顕微鏡画像に基づく画像データｄａを学習用入力データとし、この学習用入力データに関連付けられた、末梢神経に対する障害に関する情報が記載されたデータｄｂを学習用出力データとする複数の教師データに基づいて機械学習を実行する。なお、ここでいう「機械学習」とは、人間による思考を介さずに機械（特に、コンピュータ）のみによって学習するこという。
機械学習に用いられる学習方法の例としては、典型的にはニューラルネットワークが利用できる。判定精度を高める観点から、入力層と出力層との間に一つ以上の中間層を有する階層型のニューラルネットワークを用いるのが好ましい。ただし、他の学習方法を利用してもよい。利用可能な学習方法の例としては、ニューラルネットワークの他に、線形回帰、決定木、サポートベクター回帰、アンサンブル法等が挙げられる。これらは１種を単独で用いてもよく、２種以上を組み合わせて用いてもよい。
機械学習に際しては、例えばTensorFlow（登録商標）や、Keras（登録商標）、Pytorch、Matlab（登録商標）等を用いて行うことができる。
教師データのサンプルの数は、判定精度を高める観点から、好ましくは１万枚以上、より好ましくは１０万枚以上、特に好ましくは１００万枚以上である。学習回数は、判定精度を高める観点から、好ましくは１００回以上、より好ましくは５００回以上、特に好ましくは１０００回以上である。
図９は、モデル生成部６１によって生成される学習済モデルＭ１の概念図である。入力層として、神経突起４２の顕微鏡画像に基づく画像データｄａに基づく各特徴量を用い、出力層としてこの神経突起４２への障害に関するデータｄｂを用い、これらを中間層によって連絡するネットワークが構築される。なお、障害に関するデータｄｂとしては、髄鞘障害ｄｂ１、細胞体障害ｄｂ２、軸索障害ｄｂ３、及び毒性無しｄｂ４の４ノードがセットされる。つまり、この実施形態では、障害が発生する部位の候補として、髄鞘、細胞体及び軸索の３種類が予定されている。なお、画像データｄａから各特徴量を抽出する方法は、画像データに基づく機械学習で行われる汎用的な方法が利用される。
軸索障害ｄｂ１は軸索そのものに障害が生じる現象である。細胞体障害ｄｂ２は細胞体に障害が生じ、その影響が軸索内を通じて全体に障害が生じる現象である。髄鞘（ミエリン）障害ｄｂ３は軸索を被覆し、保護する髄鞘に障害が生じる現象である。つまり、各種障害の態様によって、神経突起４２の線形状、神経突起４２の太さ、神経突起４２の分岐形状、神経突起４２間の間隔、神経突起４２分岐間の距離、神経ネットワークの均一性・分散性・集合性等に影響が及ぶ。このような影響は、神経突起４２の顕微鏡画像由来の画像データｄａに対して現れる。つまり、この画像データｄａから複数の特徴量を抽出することで、各障害部位と各特徴量との関係性に基づく学習済モデルＭ１が生成される。
このようにして構築された学習済モデルＭ１が、本システム１０の記憶部１３に格納される。
なお、上記実施形態では、学習済モデルＭ１は、末梢神経に対する障害部位を３種類とし、障害が生じない場合を含めてノード数４の出力層を設けるものとしたが、障害部位の種類数は４以上であっても構わない。
［検証］
末梢神経に対して軸索障害を生じさせることが知られているPaclitaxelを、被験物質４８の例として用い、この被験物質４８を添加した培養液を用いて、マイクロ流体デバイス３０において神経細胞４１を培養した。そして、神経細胞４１から伸長して、第二培養空間３７内に位置した神経突起４２を顕微鏡５０により観察し、観察画像を取得した。観察画像を図１０に示す。
末梢神経に対して軸索障害を生じさせることが知られているPaclitaxelを、被験物質４８の例として用い、この被験物質４８を添加した培養液を用いて、マイクロ流体デバイス３０において神経細胞４１を培養した。そして、神経細胞４１から伸長して、第二培養空間３７内に位置した神経突起４２を顕微鏡５０により観察し、観察画像を取得した。観察画像を図１０に示す。
観察画像に基づく画像データを判定用入力データｉ４２ｔとしてデータ入力受付部１１からシステム１０に入力した。システム１０は、判定部１５において上記学習済モデルＭ１に対して判定用入力データｉ４２ｔを適用した。すなわち、学習済モデルＭ１の入力層に対して判定用入力データｉ４２ｔに基づく各特徴量を適用した。この結果、図１１に示すような判定結果が表示出力部１７から出力された。これにより、この被験物質４８は、軸索障害を生じさせる可能性が高いことが確認できる。この結果は、被験物質４８が軸索障害を生じさせることが知られているPaclitaxelであったことに鑑みると、正しい判定結果であったことが分かる。
判定用入力データｉ４２ｔとしてPaclitaxel画像を用い、薬剤の影響予測システム１０によって5776回の判定試験を行ったところ、21.2％の1226回が軸索障害であると正答した。ただし、毒性無しと判定されなかった2027回の判定試験の内、軸索障害と判定した確率は60.5％（1226／2027）であった。教師データのサンプル数及び学習回数を増加させることで、この正答率は更に改善される。
１０ ：影響予測システム
１１ ：データ入力受付部
１３ ：記憶部
１５ ：判定部
１７ ：表示出力部
３０ ：マイクロ流体デバイス
３１ ：第一基板
３１ａ ：第一基板の第一主面
３１ｂ ：第一基板の第二主面
３２ ：第二基板
３２ａ ：第二基板の主面
３３ ：ポート
３３ａ ：貫通孔
３４ ：ポート
３４ａ ：貫通孔
３５ ：凹部
３６ ：第一培養空間
３７ ：第二培養空間
４１ ：神経細胞
４２ ：神経突起
４８ ：被験物質
５０ ：顕微鏡
６１ ：モデル生成部
１１ ：データ入力受付部
１３ ：記憶部
１５ ：判定部
１７ ：表示出力部
３０ ：マイクロ流体デバイス
３１ ：第一基板
３１ａ ：第一基板の第一主面
３１ｂ ：第一基板の第二主面
３２ ：第二基板
３２ａ ：第二基板の主面
３３ ：ポート
３３ａ ：貫通孔
３４ ：ポート
３４ａ ：貫通孔
３５ ：凹部
３６ ：第一培養空間
３７ ：第二培養空間
４１ ：神経細胞
４２ ：神経突起
４８ ：被験物質
５０ ：顕微鏡
６１ ：モデル生成部
Claims (6)
- 神経細胞を培養可能な第一培養空間と、前記第一培養空間から延設され前記神経細胞から伸長する神経突起を前記神経細胞と分離した状態で培養可能な第二培養空間とを有してなるマイクロ流体デバイスと、
学習用に準備された複数の前記マイクロ流体デバイスの前記第一培養空間において、神経に対する障害部位が障害部位候補群に属する既知の部位であるか又は障害部位が存在しない複数の既知物質のそれぞれを個別に培養液に添加した状態で培養された、複数の前記神経細胞のそれぞれから伸長して前記第二培養空間内に位置している複数の前記神経突起の顕微鏡画像に基づく学習用入力データと、前記顕微鏡画像に対応した前記神経細胞が培養されている前記第一培養空間内に添加された前記既知物質により生じる神経に対する障害部位の情報又は障害部位が存在しない旨の情報に関する学習用出力データとを関連付けてなる複数の教師データに基づく機械学習により生成された学習済モデルが記録された記憶部と、
判定用に準備された前記マイクロ流体デバイスの前記第一培養空間において、神経に対する障害部位が未知である被験物質を培養液に添加した状態で前記神経細胞を培養し、前記神経細胞より伸長して前記第二培養空間内に位置している前記神経突起の顕微鏡画像に基づく判定用入力データの入力を受け付けるデータ入力受付部と、
前記判定用入力データを前記学習済モデルに適用することで、前記被験物質が導入されることによる、神経の前記障害部位候補群に属する部位別の障害発生確率に由来した情報を出力する判定部と、を備えたことを特徴とする、薬剤の影響予測システム。 - 前記障害部位候補群が、軸索障害、細胞体障害及び髄鞘障害を含むことを特徴とする、請求項１に記載の、薬剤の影響予測システム。
- 前記マイクロ流体デバイスの前記第二培養空間は、扁平な形状であって前記神経細胞から伸長する前記神経突起の培養が可能な幅を持つと共に、前記神経細胞が侵入しない高さを有することを特徴とする、請求項１又は２に記載の、薬剤の影響予測システム。
- 前記マイクロ流体デバイスの前記第二培養空間は、扁平な形状であって前記神経細胞から伸長する前記神経突起の直径の７倍以上の幅を有することを特徴とする、請求項１又は２に記載の、薬剤の影響予測システム。
- 前記マイクロ流体デバイスの前記第二培養空間は、幅が高さの１０倍以上の大きさであることを特徴とする、請求項１又は２に記載の、薬剤の影響予測システム。
- 前記神経細胞は、マウスＤＲＧ由来、ラットＤＲＧ由来、ヒトＥＳ由来、又はヒトｉＰＳ由来の細胞であることを特徴とする、請求項１又は２に記載の、薬剤の影響予測システム。
Priority Applications (5)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2021107213A JP2023005361A (ja) | 2021-06-29 | 2021-06-29 | 薬剤の影響予測システム |
| US18/572,383 US20240287429A1 (en) | 2021-06-29 | 2022-03-22 | Medicinal agent effect prediction system |
| EP22832493.5A EP4365275A1 (en) | 2021-06-29 | 2022-03-22 | Medicinal agent effect prediction system |
| PCT/JP2022/013098 WO2023276330A1 (ja) | 2021-06-29 | 2022-03-22 | 薬剤の影響予測システム |
| CN202280042939.7A CN117500909A (zh) | 2021-06-29 | 2022-03-22 | 药剂的影响预测系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2021107213A JP2023005361A (ja) | 2021-06-29 | 2021-06-29 | 薬剤の影響予測システム |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP2023005361A true JP2023005361A (ja) | 2023-01-18 |
Family
ID=84692614
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2021107213A Pending JP2023005361A (ja) | 2021-06-29 | 2021-06-29 | 薬剤の影響予測システム |
Country Status (5)
| Country | Link |
|---|---|
| US (1) | US20240287429A1 (ja) |
| EP (1) | EP4365275A1 (ja) |
| JP (1) | JP2023005361A (ja) |
| CN (1) | CN117500909A (ja) |
| WO (1) | WO2023276330A1 (ja) |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20090246874A1 (en) * | 2008-03-26 | 2009-10-01 | Williams Justin C | Method And Device For Culturing Neural Cells |
| FR2937050A1 (fr) * | 2008-10-10 | 2010-04-16 | Inst Curie | Dispositif de culture cellulaire |
| CA2897195A1 (en) * | 2013-01-14 | 2014-07-17 | Massachusetts Institute Of Technology | Electrokinetic confinement of neurite growth for dynamically configurable neural networks |
| EP3450540A4 (en) | 2016-04-28 | 2020-04-08 | The Foundation for the Promotion of Industrial Science | NERVOUS CELL CULTURE DEVICE, NERVOUS CELL CULTURE METHOD, CULTIVATED NERVOUS CELL, METHOD OF ANALYZING AND IDENTIFYING PROTEIN IN AXON BEAM, AND METHOD OF USING NERVOUS CELL |
| ES2972698T3 (es) * | 2017-12-11 | 2024-06-14 | Nmi Naturwissenschaftliches Und Medizinisches Institut An Der Univ Tuebingen | Dispositivo para la exploración de neuronas |
| JP6567153B1 (ja) * | 2018-09-28 | 2019-08-28 | 学校法人東北工業大学 | 対象化合物の特性の予測を行うための方法、コンピュータシステム、プログラム |
-
2021
- 2021-06-29 JP JP2021107213A patent/JP2023005361A/ja active Pending
-
2022
- 2022-03-22 US US18/572,383 patent/US20240287429A1/en active Pending
- 2022-03-22 WO PCT/JP2022/013098 patent/WO2023276330A1/ja active Application Filing
- 2022-03-22 CN CN202280042939.7A patent/CN117500909A/zh active Pending
- 2022-03-22 EP EP22832493.5A patent/EP4365275A1/en active Pending
Also Published As
| Publication number | Publication date |
|---|---|
| WO2023276330A1 (ja) | 2023-01-05 |
| US20240287429A1 (en) | 2024-08-29 |
| CN117500909A (zh) | 2024-02-02 |
| EP4365275A1 (en) | 2024-05-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Smirnova et al. | Organoid intelligence (OI): the new frontier in biocomputing and intelligence-in-a-dish | |
| Yi et al. | Central nervous system and its disease models on a chip | |
| Lee et al. | A heart‐breast cancer‐on‐a‐chip platform for disease modeling and monitoring of cardiotoxicity induced by cancer chemotherapy | |
| Passaro et al. | Electrophysiological analysis of brain organoids: current approaches and advancements | |
| JP7068461B2 (ja) | 神経細胞試験用装置 | |
| Paolillo et al. | In vitro glioblastoma models: A journey into the third dimension | |
| CN115261224A (zh) | 细胞培养、运输和探究 | |
| La Porta et al. | The physics of cancer | |
| Bruno et al. | Microfluidic multielectrode arrays for spatially localized drug delivery and electrical recordings of primary neuronal cultures | |
| Palazzolo et al. | Fast wide-volume functional imaging of engineered in vitro brain tissues | |
| US20140255970A1 (en) | Synthetic microfluidic systems for hypoxia | |
| Marques-Smith et al. | Recording from the same neuron with high-density CMOS probes and patch-clamp: a ground-truth dataset and an experiment in collaboration | |
| WO2023276330A1 (ja) | 薬剤の影響予測システム | |
| Shoemaker et al. | Biofidelic dynamic compression of human cortical spheroids reproduces neurotrauma phenotypes | |
| Wanner et al. | Methods for mapping neuronal activity to synaptic connectivity: lessons from larval zebrafish | |
| Vuorenpää et al. | Building blocks of microphysiological system to model physiology and pathophysiology of human heart | |
| Carvalho et al. | A paradigm shift: bioengineering meets mechanobiology towards overcoming remyelination failure | |
| Callegari et al. | Modeling the three-dimensional connectivity of in vitro cortical ensembles coupled to Micro-Electrode Arrays | |
| Buchholz et al. | How synaptic strength, short-term plasticity, and input synchrony contribute to neuronal spike output | |
| WO2022259692A1 (ja) | マイクロ流体デバイス、マイクロ流体デバイスの製造方法、及びマイクロ流体デバイスの使用方法 | |
| Amodei | Network-scale electrophysiology: measuring and understanding the collective behavior of neural circuits | |
| Hu et al. | Mechanoinformatics: High-throughput single cell mechanical properties mapping to unravel cell heterogeneity | |
| Nairon et al. | Biofabrication of advanced in vitro and ex vivo cancer models for disease modeling and drug screening | |
| Schuster | Development and Exploration of New Automated Tools to Accelerate Research on Tissue and Tumor Model Systems | |
| US11782051B2 (en) | Systems and methods for reperfusion injury |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| RD01 | Notification of change of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7426 Effective date: 20210714 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20210714 |
|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20240328 |