Development of a Novel and Simple Stratification Test for Early diagnosis of Dementia and Application to a Drop of Blood Analysis

开发一种新颖且简单的痴呆早期诊断分层测试及其在一滴血液分析中的应用

基本信息

批准号：
20J22464
负责人：
六車宜央
金额：
$ 1.98万
依托单位：
Ritsumeikan University
依托单位国家：
日本
项目类别：
Grant-in-Aid for JSPS Fellows
财政年份：
2020
资助国家：
日本
起止时间：
2020-04-24 至 2023-03-31
项目状态：
已结题

项目摘要

最適化したLC－MS条件を利用することで、構造異性体を含む200種類以上ものカルボン酸代謝物を一斉に測定可能な分析系を構築することが可能であった。また、安定同位体標識誘導体化を用いた内標準法にて作成した検量線では、良好な直線性が得られ、定量も可能であると推測された。しかしながら、標準溶液中またはマトリックス試料中の反応性の違いを考慮する必要があるため、定量にはさらなるバリデーション試験が必要となると考えられた。ワイドターゲットメタボロミクスにより得られた網羅的な代謝物の定量データ（数値）を二次元データ（画像）へ変換し、新たな画像データとして、Pathway-based metabolic code (PBMC)を作成した。このPBMCをAIに学習させ、教師ありのディープラーニングにより、対照群及びアルツハイマー型認知症を識別できるCNNモデルを構築した。構築したCNNモデルをホールドアウト検証法により評価するため、全データセットを訓練データ、検証データ、評価データに分割させた。本モデルは、85％以上の正確性でアルツハイマー型認知症を識別することができ、スクリーニング分類法として有用であると考えられた。さらに、AIのブラックボックス問題を解消するため、AIがどの部分を認識して、識別しているのかを可視化させた結果、PBMC上の様々な代謝物が識別に関与していることが明らかになり、これらを詳しく解析することで、認知症における新たな代謝物バイオマーカー候補化合物を特定できる可能性が示された。また、開発した方法論は認知症に限らず、様々な病態及び生体試料に応用可能であるため、AIを用いた新規の代謝物解析法としての有用性も示唆された。

通过使用优化的LC-MS条件，可以构建一个可以同时测量200多种羧酸代谢物（包括结构异构体）的分析系统。此外，使用稳定同位素标记衍生化的内标法制备的校准曲线显示出良好的线性，并且假设可以进行定量。然而，人们认为量化需要进一步的验证测试，因为需要考虑标准溶液或基质样品的反应性差异。我们将宽靶代谢组学获得的综合代谢物定量数据（数值）转换为二维数据（图像），并创建了一种新的图像数据——Pathway-based Metabolism Code（PBMC）。 AI 在此 PBMC 上进行训练，并通过监督深度学习，构建了一个 CNN 模型，可以区分对照组和阿尔茨海默型痴呆症。为了使用保留验证方法评估构建的 CNN 模型，整个数据集被分为训练数据、验证数据和评估数据。该模型能够以超过 85% 的准确率识别阿尔茨海默病，并被认为可作为一种有用的筛查分类方法。此外，为了解决AI的黑箱问题，我们将AI识别和识别的部分可视化，结果通过详细分析，我们清楚了PBMC上的各种代谢物都参与了识别。已经表明，有可能鉴定出痴呆症的新代谢生物标志物候选化合物。此外，所开发的方法不仅适用于痴呆症，还适用于各种病理条件和生物样本，表明其作为一种使用人工智能的新代谢物分析方法是有用的。