心臓細胞の動きを分析する新しい方法

ヒト誘導多能性幹細胞由来の心筋細胞（HiPSC-CMs）は、普通のヒト細胞から作られた特別な心臓細胞なんだ。これらは心臓の機能や病気を研究するのに重要で、特にさまざまな薬がヒトの心臓組織にどう影響するかをテストするのに役立つ。薬の影響を観察する主な方法の1つは、これらの心筋細胞の動きのパターンがどう変わるかを見ることで、それを理解することが新薬や病気が心拍にどのように影響するかを解明するためにめっちゃ重要なんだ。でも、顕微鏡の画像を使って正確に動きを測るのは難しいんだよね。

この記事では、顕微鏡で撮った画像のシーケンスを見てhiPSC-CMsの動きを分析する方法を紹介するよ。テスト済みの方法を使ってソフトウェアを検証して、心筋組織の位置や速度の変化をうまく特定できることを示したし、特定の薬の効果を測る方法も示すよ。このソフトウェアはインストールが簡単で、うまく動作して、既存のPythonプログラムにも組み込めるんだ。

#より良い心臓の薬のテストが必要

心血管疾患は多くの国で重要な死因になってる。これらの病気を治す新しい薬の開発は遅れてるんだ。新しい心臓の薬を見つける上での大きな課題の1つは、効果的な実験室テストが不足していること。幸運なことに、hiPSC-CMsを使うことで新しい心臓薬の開発に新しい道が開かれた。これにより、薬の開発がより迅速かつ安全になり、動物実験への依存が減り、より良い薬の設計ができるかもしれない。

実験室の条件で心筋細胞の機能をテストすることは新しい薬を開発する上で重要な部分。薬の開発プロセスの初期テストは特に重要で、心臓がどのように働くかを測るために信頼できる方法が必要なんだ。

新しい薬のテストだけでなく、hiPSC-CMsは遺伝的な心疾患の研究にも役立つ。これらの病気の多くは、心臓の電気的な信号だけでなく、心臓が収縮する能力にも影響を与えるから、心臓の動きを正確かつ一貫して測ることがめっちゃ重要だよ。

#心筋細胞の動きの測定方法

hiPSC-CMsの動きを測定する方法はいろいろあるけど、ほとんどには制限がある。よく使われる方法の1つは原子間力顕微鏡（AFM）で、ポイントに力を加えて細胞の力学的特性を測るんだ。効果的だけど、AFMは局所的な情報しか提供しなくて、細胞についての広範なデータを集めるためにはたくさんのテストが必要なんだ。

別のアプローチはビデオ顕微鏡を使うこと。これでは、細胞を顕微鏡で録画して、コンピュータビジョン技術を使って動きを特定するんだ。このカテゴリーで成功した方法の1つはブロックマッチングで、hiPSC-CMの組織の動画での動きを追跡するのに成功してるけど、この方法も細胞のマーカーに頼っていて、応用が制限されるかもしれない。

デジタル画像相関（DIC）も動画画像を分析するためのもう1つの選択肢で、パターンを追跡して表面の動きを計算する方法だ。この方法は個々のhiPSC-CMが収縮中にどう振る舞うかを調べるのに使われてきたよ。それに、機械学習のアプローチも新薬の効果を自動的に認識するために使われ始めてる。

hiPSC-CMsの動きを測る際の一般的な問題は、必要なソフトウェアにアクセスできないこと。多くの動き分析ツールは、一般に公開されていなかったり、専門のプログラミング言語で作られていて、ほとんどの人には使いにくいんだ。

最近、ビデオ顕微鏡におけるオープンソースの代替案を共有する動きが出てきた。私たちは、簡単にインストールできて標準のPythonツールと連携できるPythonライブラリを提案するよ。これにより、既存のデータ分析プロセスに簡単に統合できる。ライブラリは、動きを追跡するための確立されたコンピュータビジョンの方法を用いて、大きなデータセットを効率的に扱えるようになっている。1つのデータセットを分析するためのシンプルなインターフェースも提供するよ。

#データソース

各動画は複数の画像で構成されていて、各画像には特定の幅と高さのピクセルがあるんだ。それに、画像にはタイムスタンプや変換係数などのメタデータも含まれてる。

#動きの推定プロセス

細胞の動画録画は一連の画像として説明できるよ。時間が経つにつれて、細胞は動くから、1つの画像のピクセルが次の画像で新しい場所に移動することがあるんだ。この動きを数理的な技術を使って推定できて、細胞の振る舞いが時間によってどう変わるかを把握する手助けになる。

このプロセスでは、基準画像を選んで、それに対して動きを測定するんだ。フレーム間でのピクセルの動きを追跡する方法があって、細胞がどれだけ遠く、どのくらい速く動いているかを計算できる。

データを分析しやすくするために、動きのデータを要約して単一の値にすることもできるけど、それでも動きの重要な特徴を捉えたままにすることができるんだ。

#光学フローアルゴリズム

動きを分析するためには、動きの２つのコンポーネントを扱える特定のアルゴリズムが必要だ。これを行うためのいくつかの標準的なアルゴリズムがある。私たちの分析では、まずはルーカス-カナデ法やファーネバック法などのいくつかのよく知られた方法をチェックしたよ。それぞれのアルゴリズムには強みと弱みがあるんだ。

私たちの研究では、ファーネバック法が最も正確な結果を提供し、合理的な計算時間であることが分かったから、このアルゴリズムを使ってhiPSC-CMsの動きを効率的に分析できたんだ。

#ソフトウェアの実装

動きを分析するためのコードは、mps-motionというライブラリにまとめられていて、一般に公開されてる。ライブラリはPythonで作られていて、コンピュータビジョンのタスクを処理するためにOpenCVを利用してるよ。

分析プロセスは、スピードと効率を高めるために画像をダウンサンプリングすることから始まる。次に、基準フレームを決定して、光学フローアルゴリズムを実行して変位を評価し、マスクを適用して非細胞ピクセルをフィルタリングするんだ。最後に、平均的な動きの値を計算するよ。

#並列計算

動きの分析や機械的特徴の計算は、処理能力とメモリに大きく依存するんだ。大きなデータセットの場合、多くのコンピュータのメモリ制限に達するのは簡単なんだ。そこで、私たちはDaskというライブラリを使って、並列計算を可能にし、メモリ制限を超えずに大きなデータを処理できるようにしたよ。

ソフトウェアの効果を確認するために、計算した動きのデータを操作された画像から得られた既知の解と比較したんだ。この検証により、動きの追跡の正確さを確認できたんだよ。

#変位と速度の推定

2つの異なるセットアップから取得した実験録音の2セットに動き分析方法を適用したんだ。目的は、分析がさまざまな要因にどのくらい敏感かを評価することだったよ。

認識されたアルゴリズムを使用して、各データセットのベースラインの動きを特定し、関連するピクセルに焦点を当てるためにフィルターを適用したんだ。フィルタリングが全体的な測定に影響を与えることを確認したよ。

#フィルタリングの影響

分析の精度を向上させるために、低変位値のピクセルを排除するためにフィルタリングを適用したんだ。このことが全体の結果にどう影響を与えるかを評価したよ。フィルタリングは速度データにとって有益で、測定の質を向上させるのに役立ったんだ。

でも、フィルタリングを行うと、あまり活発でない細胞に関連する有用なデータも誤って削除してしまう可能性があるから注意が必要なんだ。

#ダウンサンプリングの影響

高解像度の画像を分析するのは時間がかかることがあるんだ。だから、画像をダウンサンプリングすることで効率的になる場合があるんだけど、解像度を下げると詳細が失われることもある。さまざまなダウンサンプリングレベルで、スピードと精度のバランスを評価したよ。

私たちの発見では、50%のダウンサンプリングが良い妥協点を提供していて、短時間で効率的な分析を可能にしながら許容できる精度を維持できることが分かったんだ。

#薬の効果を測る

動き分析システムをさらに評価するために、心筋の動きを高めるオメカンチフメカビルと、カルシウムチャネルを刺激するベイK8644という2つの異なる薬でテストしたよ。

これらの薬が心筋細胞の動きにどんな影響を与えるか、異なる用量で分析した結果、両方の薬が心筋細胞のパフォーマンスの重要な指標を増加させることを示して、効果が確認できたんだ。

#結論

私たちは、顕微鏡で撮った動画の中の心筋細胞の動きを分析するための効率的な方法を開発したよ。私たちのソフトウェアは、制御されたデータセットを使って検証され、さまざまなアルゴリズムでうまく動作したんだ。分析の結果、ファーネバック法がこのタスクに最も効果的だと結論づけたよ。

私たちは、さまざまなデータセットを使用して分析プロセスの多くの側面を探求したし、フィルタリングの適用が測定の質を向上させることに焦点を当てた。また、データ処理のスピードを向上させるためにダウンサンプリングの利点も調査したんだ。

私たちの研究は、心筋細胞に対する薬の効果を研究する際の動き分析の重要性を強調していて、さらなる研究のための貴重な洞察を提供してる。私たちのソフトウェアのオープンソースの性質は、すべての人がアクセスできるようにし、さまざまなデータ分析パイプラインに統合できるようにしてるんだ。

要するに、心筋細胞の動きを分析するためのしっかりとしたフレームワークを確立し、薬の効果や心臓病のメカニズムを研究するための貴重なツールを提供してるんだ。