4D-AIとデジタルツインの仮想細胞が創薬を加速

サンディエゴ大学医学部を中心とした研究チームは、細胞内のミトコンドリア動態を4次元で捉えた仮想細胞モデルを開発し、創薬プロセスの加速を実現する画期的な手法を確立した。この研究成果は学術誌Cellで発表された。 ミトコンドリアは細胞のエネルギー生産を担うオルガネラであり、その形状とネットワーク動態は細胞の健康状態や疾患進行を反映する指標となる。従来の2次元画像解析では細胞内の三次元的な動きを捉えきれなかったため、研究チームは4D格子光シート顕微鏡を用い、薬物処理を受けた細胞の4万本の4D動画データライブラリを構築した。 第一の手法として、深層学習AIモデルMitoSpaceを開発した。教師なし学習によりミトコンドリアの形状変化から細胞の代謝状態や薬物応答パターンを自動抽出し、25種類の化合物による細胞応答を75パーセントの精度で分類・予測可能にした。これは従来の2次元データ解析を大きく上回る性能であり、未確認の薬剤や臓器類胚体への適用にも再学習なしで対応できる汎用性を示した。 第二の手法では、細胞内のミトコンドリアや微小管軌道、モータータンパク質の挙動を物理法則に基づき再現するデジタルツインを構築した。このモデルは実験条件を変更せずとも、ノコダゾール処理による微小管の破綻条件下で実際の細胞と同等の運動性や分裂融合頻度の低下を正確に再現した。物理ベースの仮想細胞により、薬剤効果や疾患変異の影響を実験前にシミュレートできる道が開けた。 研究責任者のヨハネス・ショネベル准教授は、細胞は本質的に四次元的な存在であり、その動態を反映したデータが仮想細胞構築の基盤となると指摘する。両手法を統合し、AIが大量データからパターンを抽出し、デジタルツインが物理的メカニズムを解明する連携ワークフローの実装を目指している。今後は他のオルガネラや複数細胞による組織モデルへの拡張を進め、創薬最適化や臨床応用への橋渡しを図る計画である。 本成果は時間とコストを要する従来の実験への依存度を低減し、がんや糖尿病、アルツハイマー病などの創薬開発サイクル短縮に寄与する可能性を秘めている。