JP2023067851A - 細胞の成熟度の評価方法 - Google Patents
細胞の成熟度の評価方法 Download PDFInfo
- Publication number
- JP2023067851A JP2023067851A JP2022173597A JP2022173597A JP2023067851A JP 2023067851 A JP2023067851 A JP 2023067851A JP 2022173597 A JP2022173597 A JP 2022173597A JP 2022173597 A JP2022173597 A JP 2022173597A JP 2023067851 A JP2023067851 A JP 2023067851A
- Authority
- JP
- Japan
- Prior art keywords
- cells
- light
- cell
- maturity
- measurement information
- 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
- 238000011156 evaluation Methods 0.000 title claims abstract description 60
- 230000003287 optical effect Effects 0.000 claims abstract description 78
- 238000005259 measurement Methods 0.000 claims abstract description 69
- 230000001678 irradiating effect Effects 0.000 claims abstract description 12
- 210000004027 cell Anatomy 0.000 claims description 265
- 238000000034 method Methods 0.000 claims description 63
- 238000004458 analytical method Methods 0.000 claims description 37
- 238000013145 classification model Methods 0.000 claims description 34
- 238000012549 training Methods 0.000 claims description 12
- 238000010801 machine learning Methods 0.000 claims description 10
- 230000001427 coherent effect Effects 0.000 claims description 7
- 239000000049 pigment Substances 0.000 claims description 7
- 108090000765 processed proteins & peptides Proteins 0.000 claims description 6
- 210000000844 retinal pigment epithelial cell Anatomy 0.000 claims description 4
- 239000000523 sample Substances 0.000 claims description 4
- 239000007850 fluorescent dye Substances 0.000 claims description 3
- 239000012634 fragment Substances 0.000 claims description 3
- 108020004707 nucleic acids Proteins 0.000 claims description 3
- 102000039446 nucleic acids Human genes 0.000 claims description 3
- 150000007523 nucleic acids Chemical class 0.000 claims description 3
- 239000000126 substance Substances 0.000 claims description 2
- 238000002372 labelling Methods 0.000 abstract description 5
- 238000000684 flow cytometry Methods 0.000 description 13
- 238000012360 testing method Methods 0.000 description 13
- 238000012706 support-vector machine Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 8
- 230000004069 differentiation Effects 0.000 description 8
- 238000005286 illumination Methods 0.000 description 8
- 238000000691 measurement method Methods 0.000 description 8
- 230000008859 change Effects 0.000 description 7
- 238000012545 processing Methods 0.000 description 7
- 239000012530 fluid Substances 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 230000002123 temporal effect Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 4
- 238000003384 imaging method Methods 0.000 description 4
- 210000000130 stem cell Anatomy 0.000 description 4
- 238000010521 absorption reaction Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 3
- 230000014509 gene expression Effects 0.000 description 3
- 230000000877 morphologic effect Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 241000209094 Oryza Species 0.000 description 2
- 235000007164 Oryza sativa Nutrition 0.000 description 2
- 238000000862 absorption spectrum Methods 0.000 description 2
- 239000000090 biomarker Substances 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 239000000975 dye Substances 0.000 description 2
- 230000035800 maturation Effects 0.000 description 2
- 238000000491 multivariate analysis Methods 0.000 description 2
- 230000001575 pathological effect Effects 0.000 description 2
- 235000009566 rice Nutrition 0.000 description 2
- 206010028980 Neoplasm Diseases 0.000 description 1
- 206010061902 Pancreatic neoplasm Diseases 0.000 description 1
- 201000011510 cancer Diseases 0.000 description 1
- 239000003153 chemical reaction reagent Substances 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000000875 corresponding effect Effects 0.000 description 1
- 238000004163 cytometry Methods 0.000 description 1
- 210000001671 embryonic stem cell Anatomy 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 210000004263 induced pluripotent stem cell Anatomy 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000003834 intracellular effect Effects 0.000 description 1
- 210000003292 kidney cell Anatomy 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 208000015486 malignant pancreatic neoplasm Diseases 0.000 description 1
- 239000011859 microparticle Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 201000002528 pancreatic cancer Diseases 0.000 description 1
- 208000008443 pancreatic carcinoma Diseases 0.000 description 1
- 210000004694 pigment cell Anatomy 0.000 description 1
- 210000001778 pluripotent stem cell Anatomy 0.000 description 1
- 102000004196 processed proteins & peptides Human genes 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 239000000790 retinal pigment Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000012306 spectroscopic technique Methods 0.000 description 1
- 238000004611 spectroscopical analysis Methods 0.000 description 1
- 238000010186 staining Methods 0.000 description 1
- 238000002560 therapeutic procedure Methods 0.000 description 1
Images
Landscapes
- Apparatus Associated With Microorganisms And Enzymes (AREA)
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
- Investigating Or Analysing Biological Materials (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
【課題】高速、正確、安価かつ簡便に細胞の成熟度の評価、分類を非標識で行うことが可能な細胞評価方法を提供すること。【解決手段】波長460nm~500nmの範囲またはその一部範囲の照射光を細胞に照射して得られる透過光の波形を光学的計測情報として取得し、予め取得されている細胞の成熟度に連関する情報を用いて細胞の成熟度を評価することを含んでなる、細胞の成熟度の評価方法を提供する。【選択図】図5B
Description
本発明は細胞の成熟度の評価方法に関する。
生物の機能や構造、形態等について各種解明を行う場合には、同じ機能や構造を有する細胞群をひとくくりとした対象(例えば、腎臓細胞や癌細胞)として行われることが多く、これを構成する個々の細胞を個別に独立して扱うことは行われてこなかった。
しかし近年において、同種の細胞においても、細胞毎に遺伝子の発現状態や機能が異なることが明らかになってきた。また細胞の状態(例えば発育状態や健康状態)や成長段階(例えば分化程度)などにより同種の細胞であっても形態や機能が異なるため、細胞群単位で各種解明を行うのではなく、個々の細胞単位で解析を行うことの重要性が指摘されている。
一細胞(シングルセル)による解析手法としては、顕微鏡を用いた観察が知られているが、こうした手法は詳細な検体観察が可能である一方で、観察に時間と手間がかかるという問題点があった。また、観測者間の主観的な判断により評価が行われ、観察者が的確な判断を行えるようになるまでに技能の取得に熟練を要するという課題もあった。一方、一細胞(シングルセル)による解析を行う別の細胞計測技術としては、フローサイトメトリー法が提案されている。このフローサイトメトリー法は、個々の細胞を流体中に分散させ、その流体を微細に流下させて光学的に分析する技術であり、この技術を用いた装置をフローサイトメータと呼ぶ。このフローサイトメトリー法では、流路中に観察対象となる細胞等の微粒子を高速に流下しながら励起光を照射し、個々の細胞から発せられる蛍光輝度や散乱光の総量を取得することよって、観察対象物を評価することができる。このフローサイトメトリー法を用いると、非常に高いスループットで単一細胞の解析を行うことが可能となる。特許文献1には,フローサイトメータ及びそのフローサイトメータを用いたフローサイトメトリー法が開示されている。
しかしながら、フローサイトメトリー法においては、高いスループットで細胞の解析を行うことができるものの、例えば従来の散乱光の総量等の限定的な情報に基づく測定法では、細胞内の分子局在等の解像度の高い形態情報を取得する事が難しかった。一方で細胞の病態や成熟度をバイオマーカーの発現量を指標に生物学的計測手法により細胞の病態や成熟度を検出する方法が知られており、フローサイトメトリー法でも蛍光標識された抗体等を用いて測定が行われている。
近年の技術革新により細胞自体を治療に用いる需要が高まっていることから、スループットが高い、単一細胞解析のニーズはさらに高まっている。バイオマーカーの発現量を指標とする生物学的計測手法には、光学的計測手法に比べると遥かに高価な試薬等が必要になるため、安価に単細胞レベルで迅速に膨大な数の細胞を評価できる方法の確立が求められている。また、細胞を染色あるいは標識化することで細胞の性質や状態が変化しうることが指摘されており、細胞を非侵襲あるいは非破壊的な計測方法により測定し、正確な評価、分類を行なう単一細胞解析の手法が求められている。
本発明は、高速、正確、安価かつ簡便に細胞の成熟度の評価、分類を非標識で行うことが可能な細胞評価方法を提供することを一つの目的としている。
本発明の一実施態様によれば、以下の発明が提供される。
[1]波長460nm~500nmの範囲またはその一部範囲の照射光を細胞に照射して得られる透過光の波形を光学的計測情報として取得し、予め取得されている細胞の成熟度に連関する情報を用いて細胞の成熟度を評価することを含んでなる、細胞の成熟度の評価方法。
[2]上記細胞が、成熟度に連関して色素の含有量または分布が変動しうる細胞である、[1]に記載の方法。
[3]上記細胞が、網膜色素上皮細胞である、[2]に記載の方法。
[4]上記照射光がLED光またはレーザー光である、[1]~[3]のいずれかに記載の方法。
[5]上記照射光がコヒーレント光であり、その波長が475~500nmの範囲にある、[1]~[3]のいずれかに記載の方法。
[6]上記照射光がインコヒーレント光であり、その波長が460~475nmの範囲にある、[1]~[3]のいずれかに記載の方法。
[7]上記細胞の成熟度を評価する際に、当該細胞が、当該細胞と直接的に接合される光学的に検出可能な標識を備えていない、[1]に記載の方法。
[8]上記標識が、蛍光色素により標識された抗体またはそのフラグメントペプチド、および、ペプチドまたは核酸で構成されるプローブ分子からなる群から選択される少なくとも1つの物質を含んでなる、[7]に記載の方法。
[9]上記予め取得されている細胞の成熟度に連関する情報が、上記光学的計測情報と、細胞の成熟度に連関する参照用計測情報との3段階以上の連関度である、[1]に記載の方法。
[10]上記予め取得されている細胞の成熟度に連関する情報が、上記光学的計測情報を訓練データに用いて機械学習により作成した分類モデルである、[1]~[9]のいずれかに記載の方法。
[11]上記訓練データとして機械学習させる上記光学的計測情報が、当該細胞と直接的に接合される光学的に検出可能な標識により標識付けされた細胞に照射光を照射して取得した光学的計測情報を含む、[10]に記載の方法。
[12]上記分類モデルが、上記光学的計測情報として、前記照射光を細胞に照射して得られる透過光の時系列波形を用いて作成される、[10]に記載の方法。
[13]波長 460nm~500nmの範囲またはその一部範囲の照射光を照射する光源と、
フローセルを移動する細胞に上記光源からの照射光を照射し、その透過光を受光部へと導く光学的素子を含む分析部と、
上記分析部から上記透過光を受光する受光部と、
上記受光部が受光した透過光の光学的計測情報に基づき細胞の成熟度を評価する評価部と、
上記評価部が細胞の成熟度を評価する際に利用する細胞の成熟度に連関する情報が予め記録されている記録部と
を備える細胞評価装置。
[14][1]に記載の方法をコンピュータに実行させるためのプログラム。
[15][14]に記載のプログラムを記録したコンピュータに読み取り可能な記録媒体。
[16][14]に記載のプログラムを内部記憶装置に記録したコンピュータ。
[17][14]に記載のプログラムを実行して細胞の成熟度を評価する評価システム。
[1]波長460nm~500nmの範囲またはその一部範囲の照射光を細胞に照射して得られる透過光の波形を光学的計測情報として取得し、予め取得されている細胞の成熟度に連関する情報を用いて細胞の成熟度を評価することを含んでなる、細胞の成熟度の評価方法。
[2]上記細胞が、成熟度に連関して色素の含有量または分布が変動しうる細胞である、[1]に記載の方法。
[3]上記細胞が、網膜色素上皮細胞である、[2]に記載の方法。
[4]上記照射光がLED光またはレーザー光である、[1]~[3]のいずれかに記載の方法。
[5]上記照射光がコヒーレント光であり、その波長が475~500nmの範囲にある、[1]~[3]のいずれかに記載の方法。
[6]上記照射光がインコヒーレント光であり、その波長が460~475nmの範囲にある、[1]~[3]のいずれかに記載の方法。
[7]上記細胞の成熟度を評価する際に、当該細胞が、当該細胞と直接的に接合される光学的に検出可能な標識を備えていない、[1]に記載の方法。
[8]上記標識が、蛍光色素により標識された抗体またはそのフラグメントペプチド、および、ペプチドまたは核酸で構成されるプローブ分子からなる群から選択される少なくとも1つの物質を含んでなる、[7]に記載の方法。
[9]上記予め取得されている細胞の成熟度に連関する情報が、上記光学的計測情報と、細胞の成熟度に連関する参照用計測情報との3段階以上の連関度である、[1]に記載の方法。
[10]上記予め取得されている細胞の成熟度に連関する情報が、上記光学的計測情報を訓練データに用いて機械学習により作成した分類モデルである、[1]~[9]のいずれかに記載の方法。
[11]上記訓練データとして機械学習させる上記光学的計測情報が、当該細胞と直接的に接合される光学的に検出可能な標識により標識付けされた細胞に照射光を照射して取得した光学的計測情報を含む、[10]に記載の方法。
[12]上記分類モデルが、上記光学的計測情報として、前記照射光を細胞に照射して得られる透過光の時系列波形を用いて作成される、[10]に記載の方法。
[13]波長 460nm~500nmの範囲またはその一部範囲の照射光を照射する光源と、
フローセルを移動する細胞に上記光源からの照射光を照射し、その透過光を受光部へと導く光学的素子を含む分析部と、
上記分析部から上記透過光を受光する受光部と、
上記受光部が受光した透過光の光学的計測情報に基づき細胞の成熟度を評価する評価部と、
上記評価部が細胞の成熟度を評価する際に利用する細胞の成熟度に連関する情報が予め記録されている記録部と
を備える細胞評価装置。
[14][1]に記載の方法をコンピュータに実行させるためのプログラム。
[15][14]に記載のプログラムを記録したコンピュータに読み取り可能な記録媒体。
[16][14]に記載のプログラムを内部記憶装置に記録したコンピュータ。
[17][14]に記載のプログラムを実行して細胞の成熟度を評価する評価システム。
本発明によれば、細胞の成熟度の評価、分類を非標識で、高速、正確、簡便かつ安価に行うことが可能となる。本発明においては、標識を行うことなく、透過光の時系列波形を指標として細胞の成熟度を簡易に評価しうることから、標識に起因する細胞の性質や状態の変化を回避しつつ、高速かつ正確な細胞の評価、分類を行う上で特に有利である。
細胞の成熟度の評価方法
本発明の細胞の成熟度の評価方法は、波長460nm~500nmの範囲またはその一部範囲の波長の照射光を細胞に照射して得られる細胞からの透過光の時系列波形からなる光学的計測情報に基づき、予め記録されている細胞の成熟度に連関する情報を用いて細胞の成熟度を評価することを特徴としている。
本発明の細胞の成熟度の評価方法は、波長460nm~500nmの範囲またはその一部範囲の波長の照射光を細胞に照射して得られる細胞からの透過光の時系列波形からなる光学的計測情報に基づき、予め記録されている細胞の成熟度に連関する情報を用いて細胞の成熟度を評価することを特徴としている。
細胞に照射する照射光の波長の範囲は460~500nmの範囲であり、細胞の成熟度とより高度に連関する光学的計測情報を取得する観点からは、好ましくは465~495nmであり、より好ましくは460~475nmまたは475~500nmであり、さらに好ましくは470nmまたは488nmである。細胞に照射する照射光の波長の範囲は、事前に細胞の吸光スペクトルを測定し、細胞の成熟度により特定波長の光吸収が顕著になるという現象が判明している場合には、その特定の範囲の波長の照射光を使用することが効果的である。
細胞に照射される照射光は、コヒーレント光またはインコヒーレント光のいずれであってもよい。細胞の成熟度と高度に連関したインコヒーレント光の透過光に関する光学的計測情報を取得する観点からは、上記照射光は460~475nmの範囲の波長を有するインコヒーレント光を照射することが好ましい。また、細胞の成熟度と高度に連関したコヒーレント光の透過光に関する光学的計測情報を取得する観点からは、上記照射光は475~500nmの範囲の波長を有するコヒーレント光を照射することが好ましい。さらに、上記照射光は、インコヒーレント光の透過光に関する光学的計測情報を取得する観点からは470nmの波長を有することが好ましく、コヒーレント光の透過光に関する光学的計測情報を取得する観点からは488nmの波長を有することが好ましい。
照射光の光源は、本発明の実施を妨げない限り特に限定されるものではないが、LEDまたはレーザーが好ましい。細胞の成熟度と高度に連関した計測情報を取得する観点からは、LED光は460~475nmの範囲の波長であることが好ましい。また、レーザー光は475~500nmの範囲の波長であることが好ましい。
本発明において成熟度の評価を行う対象細胞は、標識等による細胞への影響を排除して正確な計測情報を取得する観点から、細胞と直接的に接合する光学的に検出可能な標識を備えていない細胞が好ましく、非標識細胞がより好ましい。また、上記光学的に検出可能な標識の好適な例としては、蛍光色素により標識された抗体またはそのフラグメントペプチドが挙げられるが、これに限られない。上記光学的に検出可能な標識の別の好適例としては、ペプチドや核酸等で構成されるプローブ分子が挙げられる。
また、本発明において成熟度の評価を行う対象の細胞は、透過光を指標とした精度の高い測定を実施する観点からは、成熟度に連関して色素の含有量または分布が変動しうる細胞が好ましい。好適な細胞の具体例としては、網膜色素上皮細胞(RPE細胞)が挙げられ、本発明の記載の方法により、前駆細胞からRPE細胞への分化の程度を評価することができる。なお、ここでの前駆細胞から網膜色素上皮細胞への分化には、人工多能性幹細胞(iPS細胞)あるいは胚性幹細胞(ES細胞)等の多能性幹細胞からRPE細胞への分化が含まれる。また、本発明の細胞評価方法はフローサイトメータのような一細胞(シングルセル)分析に用いられることが好ましいが、2以上の細胞を計測対象としてもよい。
本発明においては、上記照射光を細胞に照射し、得られる透過光の時系列波形を光学的計測情報として取得する。上記透過光の時系列波形が細胞の成熟度を評価する指標として用いうることは意外な事実である。ここで透過光の時系列波形が細胞の成熟度を評価する指標として用いるとは、透過光の時系列波形が細胞の成熟度の評価の目印になるということであり、時系列波形あるいはそれを加工した情報を用いて細胞成熟度の評価が行えるということである。光学的計測情報として、上記透過光の時系列波形情報をそのまま使用することもできるが、得られた前記波形データを適宜加工して用いることもできる。前記加工の一例は、観測した透過光の経時的な波形情報から、細胞が照射光の照射を受ける照射部位を通過している際に得られている透過光のみを切り出し、それ以外の不必要な波形情報を切り取るような処理である。光学的計測情報として、上記透過光の時系列波形情報を加工し、例えば、予め保存されている参照用計測情報との3段階以上の連関度を参照して細胞の成熟度と対応づけることができる。上記透過光の時系列波形情報の加工には、例えば、時系列波形に教師なし学習の手法を用いて特徴量を取得する方法がある。また別の加工法として、時系列波形情報を分光学的手法あるいは多変量解析手法により要素ピークに分解する等のデータ変換処理を好適に行い、後述する細胞の判別に用いてもよい。上記データ変換処理は、特に限定されるものではないが、分光学的手法としては、例えば、2次微分処理やフーリエ変換が挙げられ、多変量解析手法としてはウェブレット変換、ニューラルネットワーク法等が挙げられる。上記透過光の時系列波形情報の加工は、簡単な処理であれば表計算ソフト(マイクロソフト社のエクセルの分析ツール等)の市販のソフトを用いて行うことができ、さらに使用目的に特化したプログラムを作成することにより、迅速な情報処理解析が可能になる。
上記照射光を細胞に照射しかつ透過光由来の光学的計測情報を取得する工程は、公知の光学的測定法を用いて実施することができる。かかる光学的測定法は、正確な波長光の照射および一細胞分析のための計測情報の正確な取得を実施する観点からは、フローサイトメトリー法、顕微鏡を用いる観察法およびイメージングフローサイトメトリー法等が挙げられ、フローサイトメトリー法またはイメージングフローサイトメトリー法が、高いスループットで単一細胞の解析を行うことができる観点からは好ましい。
本発明においては、一例として、上述のようにして得られる透過光の波形として取得される光学的計測情報に基づき、予め取得されている細胞の成熟度に連関する情報を用いて細胞の成熟度を評価する。予め取得されている細胞の成熟度に連関する情報は、例えば、学習済み分類モデルとして記録部内に保存されたのち、用事利用することができる。
以下、本発明の細胞の成熟度に連関する情報を用いた細胞の成熟度を評価する手法について、本発明を適用した評価システムの一例に関する図面を参照しながら詳細に説明をする。
図1は、本発明を適用した細胞評価装置の一形態であるフローサイトメータ1の概要を示している。フローサイトメータは、フローサイトメトリー法を用い、個々の細胞を流体中に分散させた個々の細胞を流下する流体中で光学的に分析する細胞分析装置である。
フローサイトメータ1は、光源2と、光源2からの上記照射光が照射される分析部3と、分析部3からの光情報を受光する受光部4と、光源2、分析部3および受光部4にそれぞれ接続される制御部5と、光源2、受光部4および制御部5にそれぞれ接続される評価部6と、評価部6、受光部4に接続される記録部7とを備えている。図1では、説明のためフローサイトメータ1の光学的な測定のための構成を中心に記載しているため、個々の細胞を流通させる流路等の構成については記載が省略されている。
光源2は、分析部3における分析に必要な上記照射光を照射する。光源は、上記波長範囲を満たす照射光を照射する1つまたは複数の光源であってよい。光源は、例えば、連続光であってもパルス光であってもよいが、連続光が望ましい。光源の具体的な例は、レーザー光源、半導体レーザー光源、LED(LIGHT EMITTING DIODE)光源等が挙げられる。
光源からの照射光には、構造化されていない照明光(以下、スポット光ともいう。)を用いることができる。さらに、光源と受光部との間の光路に光を変調するための回折光学素子(DOE:Diffractive Optical Element))等を挿入し、構造化照明光として測定対象の細胞を照射することもできる。フローサイトメータにおいて構造化照明を測定対象物に照射して細胞を測定すると、照射光を受け細胞が発する光信号には測定対象物の形態情報が圧縮して含まれるため、より解像度の高い細胞の形態情報を取得することができる。こうした動的ゴーストイメージング法による解像度の高い細胞の形態情報を取得するイメージングサイトメトリー法については、例えば、Ota et al, Science vol360, 1246-1251 June 15,2018 あるいはWO2017/073737に記載されている。
分析部3は、フローサイトメトリー法等に基づき、個々の細胞を流体中に分散させ、その流体の移動に伴い移動する細胞に光源からの照明光を照射して、細胞の光学的計測情報を好適に取得するための光学的な構成である。この分析部3の詳細は、後段において詳述する。
受光部4は、分析部3を介して得られる細胞からの透過光情報を受光するための光センサ(光検出器)で構成される。センサとは、例えば、PMT(Photomultiplier)、APD(Avalanche Photo-diode)、PD(Photo-detector)である。受光部4は、透過光の経時的な波形情報を細胞の光学的計測情報として取得する。
制御部5は、光源2、分析部3、受光部4、評価部6を制御するための中央制御ユニットとしての役割を担う。この制御部5は、例えばパーソナルコンピュータ(PC)、携帯端末、スマートフォン、ウェアラブル端末、タブレット型端末等で構成される。
評価部6は、受光部4から得られた光学的測定情報を取得し、さらに記録部7に記憶あるいは記録されている情報を参照し、光学的計測情報を取得した細胞の評価を行う。この評価部6も同様に、PC、携帯端末、スマートフォン、ウェアラブル端末、タブレット型端末等で好適に構成される。また、この評価部6は、FPGA(Field―programmable gate array)やASIC(application specific integrated circuit)の論理回路を含む構成としてもよく、上述した制御部5と同一デバイスで構成されていてもよい。記録部7は、上述した評価部6による細胞の評価を行う上で必要な情報を記録するためのコンピュータに読み取り可能な記録媒体を含む構成であってもよい。記録部7は、一例では、ハードディスクやメモリ等の固定型の記録媒体を含む構成である。また、記録部7の別の例は、CD-ROM、磁気ディスク、光ディスク等の着脱可能等の記録媒体を含む構成である。記録部7は、その一部または全てをインターネット経由で提供されるストレージサービスにより構成することもできる。記録部7に記録されている情報は、コンピュータに読み込ませて実行させることができ、評価部6による評価に利用される。また。記録部7は、受光部4から光学的計測情報を受け取り記録あるいは保存することもできる。
次に、上述した構成を有するフローサイトメータ1の動作について説明をする。
図2は、フローサイトメータ1における分析部3の構成を示す模式図である。分析部3は、光源からの照明光を細胞に照射して、細胞の光学的計測情報を好適に取得するための光学的な構成であり、図2の例ではダイクロイックミラー8a、8b、8cと、対物レンズ9と、第二レンズ10と、フローセル11とを備えている。
図2は、フローサイトメータ1における分析部3の構成を示す模式図である。分析部3は、光源からの照明光を細胞に照射して、細胞の光学的計測情報を好適に取得するための光学的な構成であり、図2の例ではダイクロイックミラー8a、8b、8cと、対物レンズ9と、第二レンズ10と、フローセル11とを備えている。
図2ではフローセル11からサンプル液の流れに乗って細胞12が一列で流路を流れている。そして、光源2から照射される照射光はダイクロイックミラー8a、8bにおいて細胞12へ照射されるように調節される。そして、照射光は対物レンズ9を介して細胞12に照射され、細胞12から発せられる透過光および散乱光(前方散乱光等)は第二レンズ10を通過する。ここで、対物レンズ9は照射光の焦点位置やスポット径の調整等を行う役割を担い、第二レンズ10は透過光をダイクロイックミラー8cおよび受光部4に導く役割を担う。そして、第二レンズ10を通過する透過光はダイクロイックミラー8cにて分光され、ダイクロイックミラー8cを透過した透過光は受光部4にて検出される。一方、ダイクロイックミラー8cにより反射される散乱光は、細胞12がフローセル11中の照射部位を通過するタイミングを確認するため、図中に記載されていない別の受光部により取得される。
上記受光部4において透過光が検出される。このように受光部4により検出された透過光の計測データは光学的計測情報として、評価部6へと送られる。
評価部6は、受光部4から送られてきた計測データをもとに細胞12の成熟度についての評価を行う。評価部6は、細胞12の光学的計測情報を解析することにより、細胞12の成熟度を評価する。ここで成熟とは、時間の経過により細胞が変化することであり、成熟度とはその変化の程度である。細胞は成熟することにより、形態や状態に変化を起こしたり新たな機能を獲得したり機能を失ったりという変化を生じる。例えば、幹細胞等の分化能を有する細胞は、成熟し目的細胞へ分化する。ここでの分化とは、分化能を有する細胞が目的細胞に変化することである。細胞の成熟度の具体例としては、前駆細胞から網膜色素細胞への分化の程度である。評価部6は、受光部4から送られてきた光学的計測情報をもとに細胞12の成熟度を判別評価する。光学的計測情報は、受光部4が取得した計測データであり、透過光の経時的な波形情報である。
評価部6は、光学的計測情報として受光部4が取得した透過光の時系列の波形情報を訓練データとして用い、機械学習により、時系列波形情報を細胞の成熟度と直接関連づけて判別を行う分類モデルを構築する。評価部6は、構築した学習済みモデルを記録部7内に予め記録・保存させる。
また、評価部6は、光学的計測情報である時系列波形データから細胞12の成熟度を判別評価する。その際、評価部6は、前記学習済みの分類モデルを用いて光学的計測情報から細胞の成熟度の判定を行う。このように、光学的計測情報である時系列波形データと細胞の成熟度との連関度に関する情報として、事前に機械学習により作成した分類モデルを用いて細胞の成熟度を評価することにより、迅速かつ正確な解析を測定者の主観を排除して行なうことが可能になる。
図3は、記録部に記憶されている、光学的計測情報と、細胞の成熟度に関する情報との3段階以上の連関度の一例を示す図である。図3では、受光部4を介して取得された透過光の時系列波形である光学的計測情報が、連関度を介して左側に配列されている。一方、細胞の成熟度に関する情報がこの連関度を介して右側に配列されている。細胞の成熟度に関する情報は、成熟度の異なる細胞を特定する細胞特定情報である。ここで連感度は、光学的計測情報である透過光の時系列波形がいずれの成熟度の細胞と紐づけられる可能性が高いかを示す指標である。例えば、時系列波形U11は、未成熟細胞と連関度70%、成熟レベルが低い細胞と連関度20%、成熟レベルが中程度の細胞と連関度10%であることが示されている。図3は、機械学習により作成した分類モデルの一例である。なお、光学的計測情報と細胞特定情報との連関度から機械学習により事前に学習済みモデルを構築し、その学習済みのモデルに基づいて光学的測定情報から細胞を評価する方法は、例えば、WO2018/203568A1に記載の方法を参照することができる。
また、図3では、光学的計測情報が細胞特定情報(成熟度の異なる細胞)と複数の連関度により紐づけられる分類モデルの例が示されていたが、別の方法として、成熟度の分類モデルを二価分類によって作成することもできる。その場合、成熟細胞に照射光を照射した際の透過光の経時的なデータと未成熟細胞に照射光を照射した際の透過光の経時的なデータを訓練データとして用い、光学的計測情報として受光部4が取得した透過光の時系列波形データから、当該細胞が成熟細胞かあるいは未成熟細胞かを判定する分類モデルが作成される。評価部6は、前記の成熟度の分類モデルを用い、透過光の時系列波形データから、当該細胞が成熟細胞か未成熟細胞かを判定する。
細胞の成熟度を評価する分類モデルは、例えば、SVM(サポートベクターマシーン)あるいはニューラルネットワークを用いて作成することができる。分類モデルの作成には、それ以外の既存の機械学習アルゴリズムを用いても良い。また、分類モデルは、深層学習がなされることを前提としたネットワークで構成されていてもよい。細胞の成熟度を評価する分類モデルは、訓練データを更新しさらに学習をすることにより更新が可能なモデルで構成されていてもよい。
成熟度の分類モデルは、前記の通り、光学的計測情報として受光部4が取得した時系列の波形情報と細胞の成熟度を直接関連づけ作成することもできるが、それ以外に、時系列の波形情報を適宜加工して算出したデータ(例えば、透過光の変化量)と細胞の成熟度を直接関連づけ作成することもできる。その場合、成熟度の分類モデルは、同様に、SVM(サポートベクターマシーン)で構成されていてもよく、またニューラルネットワークで構成されていてもよい。またこれらモデルは、深層学習がなされることを前提としたネットワークで構成されていてもよい。
上記記録部7に記録する情報は、汎用のプログラムを用いて作成管理することができるが、さらに使用目的に特化したプログラムを作成することにより、迅速な解析が可能になる。また、評価部6による分類モデルの構築にも汎用のプログラムを用いることができる。例えば、光学的計測情報と細胞の成熟度を直接関連づけ学習により分類モデルを作成する場合には、Pythonを用いたプログラムにより機械学習を実装することができる。また提供されている機械学習プラットフォームを使用することもできる。
本発明を適用した評価方法において、上記の光学的計測情報を取得する測定法は、正確な波長光の照射および計測情報の取得を1細胞毎に高いスループットで実施する観点からはフローサイトメトリー法により行うことが好ましいが、それに限らない。
また、本発明を適用した細胞評価装置によれば、受光部4を介して新たに取得した細胞の光学的計測情報を、例えば、光学的計測情報と細胞の成熟度が紐づけられた訓練データを用いて機械学習により作成した分類モデルにより判別することができる。しかも本発明を適用した細胞評価装置によれば、これらの評価動作を人の手を介することなく自動的に行うことが可能となる。これにより、光学的測定による情報に基づいて、観察者の主観的判断によらず、生物学的に正しい細胞の分類、評価を高速かつ正確に行うことが可能となる。
本発明によれば、上記の照射光由来の透過光の経時的な波形に基づいて細胞の成熟度を判定する全行程を、コンピュータ等により自動化することができる。従って、本発明の方法をコンピュータに実行させるためのプログラムが提供される。
具体的には、本発明によれば、光学的計測情報である透過光の経時的な波形を入力した際に細胞の成熟度を出力する分類モデルを得る工程と、分類モデルに基づいて細胞の光学的計測情報から細胞の成熟度を自動判定する工程とをコンピュータに実行させるためのプログラムが提供される。本発明によればまた、本発明のプログラムを記録したコンピュータ読み取り可能な記録媒体が提供される。本発明によればさらに、本発明のプログラムをその内部記録装置に記録したコンピュータまたは本発明のコンピュータを備えた細胞の成熟度の評価システムが提供される。
具体的には、本発明によれば、光学的計測情報である透過光の経時的な波形を入力した際に細胞の成熟度を出力する分類モデルを得る工程と、分類モデルに基づいて細胞の光学的計測情報から細胞の成熟度を自動判定する工程とをコンピュータに実行させるためのプログラムが提供される。本発明によればまた、本発明のプログラムを記録したコンピュータ読み取り可能な記録媒体が提供される。本発明によればさらに、本発明のプログラムをその内部記録装置に記録したコンピュータまたは本発明のコンピュータを備えた細胞の成熟度の評価システムが提供される。
本発明のプログラムは、フレキシブルディスクやCD-ROM等の記録媒体に記録し、コンピュータに読み込ませて実行させてもよい。記録媒体は、磁気ディスクや光ディスク等の着脱可能なものに限定されず、ハードディスク装置やメモリ等の固定型の記録媒体でもよい。また、本発明のプログラムは、クラウド上の保管場所(クラウドサーバー等)に保管することもできる。クラウド上に置いたプログラムやデータは、ダウンロードして利用することや必要に応じてインターネット経由でアクセスして利用することができる。また、本発明のプログラムを、インターネット等の通信回線(無線通信も含む)を介して頒布してもよい。さらに、同プログラムを暗号化したり、変調をかけたり、圧縮した状態で、インターネット等の有線回線や無線回線を介して、あるいは記録媒体に収納して頒布してもよい。本発明における評価システムには、コンピュータに本発明の成熟度評価方法を実行するためのプログラムや予め記録されている細胞の成熟度に連関する情報を、評価装置を構成する自身のコンピュータに記録して利用する場合に加え、インターネット等の通信回線(無線通信も含む)を介して必要時にアクセスして利用する場合が含まれる。
また、本発明の細胞の成熟度の評価システムは、上述の通り、ディスプレイ等から構成される表示部を備えていてもよい。表示部は、例えば、各種手段によって取得または分析された結果(例えば、細胞の成熟度の分析結果等)を表示する。具体的には、データベースにより分類されたクラス判別結果に基づき、「成熟している」「成熟している可能性高い」「成熟している可能性低い」「成熟の程度高い」「成熟の程度低い」「未成熟状態」等といった表示を行う。なお、本装置を小型化する場合は、表示部を液晶等のフラットディスプレイとすることが好ましい。
以下に、具体的な実施例に則して本発明を詳細に説明するが、本発明は実施例の特定の態様により制限されると理解されるべきではない。本発明には、実施例に開示された発明のあらゆる改変や変更が含まれると理解されるべきである。
試験例1
光学分析
被検細胞として、RPE細胞、およびヒト膵臓がん由来細胞であるMIAPaCa2細胞を用意した。RPE細胞は成熟度に連関して色素の含有量または分布が変動する細胞であり、成熟度に連関して色素の含有量または分布が変動する細胞における成熟細胞のモデルである。一方、MIAPaCa2細胞は色素含有量が低い対照細胞である。試験例1では、MIAPaCa2細胞を成熟度に連関して色素の含有量または分布が変動する細胞における未成熟な細胞のモデルとして用いた。
光学分析
被検細胞として、RPE細胞、およびヒト膵臓がん由来細胞であるMIAPaCa2細胞を用意した。RPE細胞は成熟度に連関して色素の含有量または分布が変動する細胞であり、成熟度に連関して色素の含有量または分布が変動する細胞における成熟細胞のモデルである。一方、MIAPaCa2細胞は色素含有量が低い対照細胞である。試験例1では、MIAPaCa2細胞を成熟度に連関して色素の含有量または分布が変動する細胞における未成熟な細胞のモデルとして用いた。
次に、予め洗浄した被検細胞を5×106~10×106細胞/mLになるよう希釈し、当該液1mLを1.5mL容チューブに分注し、フローサイトメータにより光学分析を行った。
本試験例1で使用したフローサイトメータの構成の概要は、図2に記載されているフローサイトメータ1と同じであるが、流路において細胞の通過した位置の透過光だけを切り出して検出するため、さらにレンズと絞りを含む光学系を含む構成となっている。本試験例では、光源2から、インコヒーレント光として波長470nmのLED光を、コヒーレント光として波長488nmのレーザー光を、被験細胞である細胞12に照射した。照射する照射光の波長は、事前にRPE細胞の吸光スペクトルを測定し、上記の光源を選択した。本試験例1では、光源からの照射光にはスポット光を用いている。細胞12は、フローセル11を通過する過程で、それぞれの照射光の照射を受け、細胞12を透過した透過光は受光部4に該当する光センサにより検出された。図4には、MIAPaCa2細胞(上図)またはRPE細胞(下図)に、488nmのレーザー光を照射した場合に取得された透過光の波形データの一例を示している。本試験例1における光学分析では、流速を600events/sec以下とし、計測細胞数を10,000細胞として行った。本試験例1では、透過光の変化量よりにより色素量の異なるRPE細胞とMIAPaCa2細胞との判別を行った。より具体的には、本試験例1では、取得した透過光強度を積算し、透過光の吸収(細胞への照射による透過光総量の減少)から色素量の異なるRPE細胞とMIAPaCa2細胞との判別を行った。さらに本試験例1では、透過光の波形データ(時系列の透過光強度データ)を訓練データとして後述の方法で分類モデルを作成し、その分類モデルを用いてRPE細胞とMIAPaCa2細胞との判別を行った。
分類モデル作成
RPE細胞およびMIAPaCa2細胞をそれぞれ4,500細胞個ずつ用意し、上記光学分析と同様の手法によりLED光およびレーザー光で照射した際の透過光の波形を測定し、由来の判明している波形データを訓練データとして取得し、それに基づいて細胞判別のための分類モデル(二値分類モデル)をSVMアルゴリズムにより作成した。なお分類モデルの作成の実行にはPython3を用いた。
RPE細胞およびMIAPaCa2細胞をそれぞれ4,500細胞個ずつ用意し、上記光学分析と同様の手法によりLED光およびレーザー光で照射した際の透過光の波形を測定し、由来の判明している波形データを訓練データとして取得し、それに基づいて細胞判別のための分類モデル(二値分類モデル)をSVMアルゴリズムにより作成した。なお分類モデルの作成の実行にはPython3を用いた。
作成した分類モデルを用いた判別評価
RPE細胞およびMIAPaCa2細胞をそれぞれ9,800細胞個ずつ用意し、上記光学分析と同様の手法によりレーザー光およびLED光での透過光の時系列波形データを取得し、保存されていた上記分類モデルを用いて、その細胞がRPE細胞かMIAPaCa2細胞かを波形データをもとに判別評価を行った。
RPE細胞およびMIAPaCa2細胞をそれぞれ9,800細胞個ずつ用意し、上記光学分析と同様の手法によりレーザー光およびLED光での透過光の時系列波形データを取得し、保存されていた上記分類モデルを用いて、その細胞がRPE細胞かMIAPaCa2細胞かを波形データをもとに判別評価を行った。
判別評価の結果
以下の表1は、透過光の変化量よりによりRPE細胞とMIAPaCa2細胞との判別を行った結果を示している。表1の透過光の変化量は、LED光あるいはレーザー光を各細胞に照射した際の透過光の吸収(透過光総量の減少)を示している。LED光およびレーザー光のいずれの光を照射した場合においても、透過光の吸収により2つの細胞を明確に判別することは難しかった。
以下の表1は、透過光の変化量よりによりRPE細胞とMIAPaCa2細胞との判別を行った結果を示している。表1の透過光の変化量は、LED光あるいはレーザー光を各細胞に照射した際の透過光の吸収(透過光総量の減少)を示している。LED光およびレーザー光のいずれの光を照射した場合においても、透過光の吸収により2つの細胞を明確に判別することは難しかった。
一方、LED光を照射した際の透過光の時系列波形データを取得し、波形データを訓練データとして学習させ作成した分類モデルを用いて評価した結果を示すヒストグラムは、図5Aに示される通りであった。また、レーザー光を照射した際の透過光の時系列波形データを取得し、同様に波形データを訓練データとして学習させ作成した分類モデルを用いて評価を行った結果を示すヒストグラムは、図5Bに示される通りであった。いずれの場合も、ヒストグラムの右側(SVM Scoreがより高い側)にRPE細胞が、ヒストグラムの左側にMIAPaCa2細胞が示され、両者を良く分離して判別することができた。
1 フローサイトメータ
2 光源
3 分析部
4 受光部
5 制御部
6 評価部
7 記録部
8a、8b、8c ダイクロイックミラー
9 対物レンズ
10 第二レンズ
11 フローセル
12 細胞
2 光源
3 分析部
4 受光部
5 制御部
6 評価部
7 記録部
8a、8b、8c ダイクロイックミラー
9 対物レンズ
10 第二レンズ
11 フローセル
12 細胞
Claims (17)
- 波長460nm~500nmの範囲またはその一部範囲の照射光を細胞に照射して得られる透過光の波形を光学的計測情報として取得し、予め取得されている細胞の成熟度に連関する情報を用いて細胞の成熟度を評価することを含んでなる、細胞の成熟度の評価方法。
- 前記細胞が、成熟度に連関して色素の含有量または分布が変動しうる細胞である、請求項1に記載の方法。
- 前記細胞が、網膜色素上皮細胞である、請求項2に記載の方法。
- 前記照射光がLED光またはレーザー光である、請求項1または2に記載の方法。
- 前記照射光がコヒーレント光であり、その波長が475~500nmの範囲にある、請求項1または2に記載の方法。
- 前記照射光がインコヒーレント光であり、その波長が460~475nmの範囲にある、請求項1または2に記載の方法。
- 前記細胞の成熟度を評価する際に、当該細胞が、当該細胞と直接的に接合される光学的に検出可能な標識を備えていない、請求項1に記載の方法。
- 前記標識が、蛍光色素により標識された抗体またはそのフラグメントペプチド、および、ペプチドまたは核酸で構成されるプローブ分子からなる群から選択される少なくとも1つの物質を含んでなる、請求項7に記載の方法。
- 前記予め取得されている細胞の成熟度に連関する情報が、前記光学的計測情報と、細胞の成熟度に連関する参照用計測情報との3段階以上の連関度である、請求項1に記載の方法。
- 前記予め取得されている細胞の成熟度に連関する情報が、前記光学的計測情報を訓練データに用いて機械学習により作成した分類モデルである、請求項1または2に記載の方法。
- 前記訓練データとして機械学習させる前記光学的計測情報が、当該細胞と直接的に接合される光学的に検出可能な標識により標識付けされた細胞に照射光を照射して取得した光学的計測情報を含む、請求項10に記載の方法。
- 前記分類モデルが、前記光学的計測情報として、前記照射光を細胞に照射して得られる透過光の時系列波形を用いて作成される、請求項10に記載の方法。
- 波長460nm~500nmの範囲またはその一部範囲の照射光を照射する光源と、
フローセルを移動する細胞に前記光源からの照射光を照射し、その透過光を受光部へと導く光学的素子を含む分析部と、
前記分析部から前記透過光を受光する受光部と、
前記受光部が受光した透過光の光学的計測情報に基づき細胞の成熟度を評価する評価部と、
前記評価部が細胞の成熟度を評価する際に利用する細胞の成熟度に連関する情報が予め記録されている記録部と
を備える細胞評価装置。 - 請求項1に記載の方法をコンピュータに実行させるためのプログラム。
- 請求項14に記載のプログラムを記録したコンピュータに読み取り可能な記録媒体。
- 請求項14に記載のプログラムを内部記憶装置に記録したコンピュータ。
- 請求項14に記載のプログラムを実行して細胞の成熟度を評価する評価システム。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2021178210 | 2021-10-29 | ||
JP2021178210 | 2021-10-29 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2023067851A true JP2023067851A (ja) | 2023-05-16 |
Family
ID=86325835
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022173597A Pending JP2023067851A (ja) | 2021-10-29 | 2022-10-28 | 細胞の成熟度の評価方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2023067851A (ja) |
-
2022
- 2022-10-28 JP JP2022173597A patent/JP2023067851A/ja active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11598712B2 (en) | System and method for cell evaluation, and cell evaluation program | |
CA2842377C (en) | A method and system for detecting and/or classifying cancerous cells in a cell sample | |
CN111433592B (zh) | 辨别方法、辨别装置以及记录介质 | |
CN103221806B (zh) | 使用两个以上的波长带的光的测量的光学分析方法 | |
WO2006104201A1 (ja) | 細胞画像解析方法、細胞画像解析プログラム、細胞画像解析装置、スクリーニング方法およびスクリーニング装置 | |
US20200300768A1 (en) | Determination device, determination method, and determination program | |
CN109387512A (zh) | 试样处理装置、试样处理系统及测定时间的计算方法 | |
JP6873390B2 (ja) | 細胞解析方法及び細胞解析装置 | |
CN103733049A (zh) | 利用单个发光粒子检测的光分析装置、光分析方法以及光分析用计算机程序 | |
CN111868523A (zh) | 用于确定病毒感染状况的数字全息显微术 | |
Wolf et al. | Current approaches to fate mapping and lineage tracing using image data | |
JP4728025B2 (ja) | 細胞画像解析装置 | |
JP6708983B2 (ja) | 微小粒子測定装置、情報処理装置及び情報処理方法 | |
JP2023067851A (ja) | 細胞の成熟度の評価方法 | |
CN103765197A (zh) | 利用单个发光粒子检测的光分析装置、光分析方法以及光分析用计算机程序 | |
US20220317020A1 (en) | Flow cytometer performance evaluation method and standard particle suspension | |
CN113008842A (zh) | 观察活细胞细胞膜表面及附近生物大分子的荧光成像方法 | |
US20220366709A1 (en) | Label-Free Hematology and Pathology Analysis Using Deep-Ultraviolet Microscopy | |
Wood et al. | Fluorescence correlation spectroscopy as tool for high-content-screening in yeast (HCS-FCS) | |
Camacho et al. | Characterization of extracellular vesicles by flow cytometry | |
JP4137682B2 (ja) | 蛍光分光分析装置 | |
JP2023544284A (ja) | フローサイトメータにおけるベースラインノイズの連続測定方法およびそのためのシステム | |
JP2023545872A (ja) | モデリング及びスピルオーバー拡散の最小化に基づくフローサイトメトリーパネル設計のための方法、並びにそれを実施するためのシステム | |
RU2797528C1 (ru) | Учет ошибок при оптических измерениях | |
RU2803847C1 (ru) | Учет ошибок при оптических измерениях |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
AA64 | Notification of invalidation of claim of internal priority (with term) |
Free format text: JAPANESE INTERMEDIATE CODE: A241764 Effective date: 20221118 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20221114 |