imAgeScore, a Cell Painting-Based Predictor of Cellular Age for High-throughput Drug Screening Applications

本研究では、細胞の形態特徴を機械学習で解析する「imAgeScore」を開発し、これが細胞の生物学的年齢を高精度に予測できることを実証するとともに、高スループットスクリーニングを通じて老化を抑制する化合物や組み合わせ療法の候補を同定し、その生物学的妥当性を確認しました。

要約

📸 1. 細胞の「顔写真」で年齢を当てる AI（imAgeScore）

まず、この研究の核心は**「imAgeScore（イムエージスコア）」**という AI モデルです。

• どんなもの？
  人間の細胞（特に皮膚の細胞）を特殊な染料で色づけし、高性能な顕微鏡で**「細胞の顔写真」**を大量に撮ります。
• どうやって年齢を知る？
  私たちが年をとると、顔のシワが増えたり、肌のハリが失われたりしますよね。細胞も同じで、年をとると「核（細胞の頭脳）」の形が変わったり、エネルギーを作る「ミトコンドリア」がボロボロになったりします。
  この AI は、細胞の**「顔写真（形や色）」**を分析して、「あ、この細胞は 20 歳っぽいね」「これは 60 歳くらいに見えるね」と、写真から年齢を予測することができます。
• なぜすごい？
  昔は、細胞の年齢を知るには「DNA を抜いて化学分析をする」など、時間がかかり高価な方法しかありませんでした。でも、この方法は**「写真を撮って AI に見せるだけ」なので、短時間で大量の細胞を調べることができます。まるで、「細胞の顔写真で年齢を判定する自動販売機」**のようなものです。

🧪 2. 実験：老化と若返りのチェック

研究者たちは、この AI が本当に使えるか、いくつかの実験を行いました。

• 実験 A：細胞を「使い古す」
  若い細胞を何度も分裂させて、疲れさせてみました。
  • 結果： AI は、細胞が疲れて老けたことを正確に捉えました。「最初は 20 歳だったのに、使い古したら 90 歳に見えるようになった！」と報告しました。
• 実験 B：細胞を「若返らせる」
  年をとった細胞に、若返りの魔法（OSK という遺伝子）を少しだけかけました。
  • 結果： 奇迹的に、AI は「あれ？この細胞、また 30 歳くらいに戻った！」と読み取りました。細胞の形が若返ったことを写真で捉えたのです。

💊 3. 薬のテスト：老化を加速させる薬 vs 若返らせる薬

次に、この AI を使って、**「老化を助ける薬」と「若返らせる薬」**を見分ける実験をしました。

• ダメージを与える薬（老化促進）：
  細胞にストレスを与える薬（DNA を傷つけるものなど）を投与すると、AI は「この細胞、急にお年寄りみたいになった！」と警告しました。
• 修復する薬（若返り促進）：
  逆に、細胞をケアする薬（オートファジーを促すものなど）を投与すると、AI は「おっと、若返った！年齢が下がった！」と反応しました。
• すごい発見：
  既存の薬（FDA 承認薬）や、サプリメントのリストをこの AI でチェックしたところ、**「実はこの薬、若返り効果があるかも？」という候補が見つかりました。また、「薬 A と薬 B を組み合わせると、単独で使うよりも若返り効果が倍増する！」**という組み合わせも見つけました。

🏃 4. 本当の力試し：傷の治りを確認

AI が「若返った」と言っても、本当に機能しているか確認する必要があります。
そこで、細胞に傷をつけて、**「傷が治るスピード」**を測る実験を行いました。

• 結果：
  AI が「若返った」と判断した薬を塗った細胞は、傷が驚くほど早く治りました。
  逆に、AI が「老化した」と判断した薬を塗った細胞は、傷が治りませんでした。
  これは、**「AI が写真で見た『若さ』は、ただの見た目ではなく、実際に細胞が元気になっている証拠だ」**ということを証明しました。

🌟 まとめ：この研究が意味すること

この研究は、**「細胞の老化を、写真で簡単かつ正確に測れるようになった」**ことを示しています。

• 従来の方法： 細胞の年齢を測るのは、高価で時間がかかる「精密検査」だった。
• 新しい方法（imAgeScore）： 細胞の「顔写真」を AI に見せるだけで、**「細胞の健康状態と年齢」**が即座にわかるようになった。

これにより、**「老化を遅らせる薬」や「若返りサプリメント」を、これまでよりもはるかに速く、大量に探すことができるようになります。まるで、「老化という病気を治すための薬を探すための、超高速スキャン装置」**が完成したようなものです。

将来的には、この技術を使って、私たち一人ひとりに合った「若返り治療」を見つけ出し、健康に長く生きられる（ヘルススパンの延伸）世界の実現に貢献することが期待されています。

技術概要

imAgeScore: 高スループット薬物スクリーニング向けの高含量細胞ペインティングに基づく細胞年齢予測モデル

本論文は、時計生物学的研究機関 clock.bio LTD が開発した、imAgeScore と呼ばれる機械学習モデルについて報告しています。このモデルは、高含量細胞ペインティング（Cell Painting）画像データから一次ヒト真皮線維芽細胞の「表現型年齢」を予測し、老化の加速と若返りの検出、および老化調節化合物のスクリーニングを可能にするものです。

以下に、問題定義、手法、主要な貢献、結果、および意義について詳細にまとめます。

---

1. 背景と問題定義

• 課題: 老化を抑制または逆転させる薬物介入を開発するには、培養細胞における細胞年齢を「スケーラブル（拡張可能）」かつ「生物学的に意味のある」方法で定量化する必要があります。
• 既存手法の限界:
  • エピジェネティック・クロック（DNA メチル化）: 精度は高いが、コストが高く、スループットが低く、老化の特定の側面（エピジェネティック変化）のみを捉えるため、大規模な化合物スクリーニングには不向き。
  • トランスクリプトミクス: 生物学的状態を反映するが、コストが高く、細胞機能への直接的な示唆に欠ける場合がある。
  • 従来の老化ハローマーク測定: 複数のアッセイを個別に行う必要があり、労力とコストがかかり、単一の統合指標として解釈することが困難。
• 解決策の必要性: 薬物発見ワークフローに適合し、複数の老化ハローマークをバイアスなく捉えることができる、画像ベースの細胞年齢予測モデルの確立。

2. 手法 (Methodology)

• データ収集:
  • 細胞: 0 歳から 87 歳までの 24 名のドナーから採取した一次正常ヒト真皮線維芽細胞（NHDFs）。
  • アッセイ: Cell Painting 法を使用。6 種類の蛍光色素（核、核小体、細胞質 RNA、ゴルジ体、細胞膜、アクチン、小胞体、ミトコンドリア）で細胞を染色し、高含量スクリーニングシステム（Opera Phenix Plus）で画像を取得。
  • 特徴抽出: Harmony ソフトウェアを用いて、単一細胞レベルで 3,255 種類の形態学的特徴（蛍光強度、テクスチャ、粒度など）を抽出し、ウェル単位で平均化。
• モデル開発 (imAgeScore):
  • アプローチ: 事前定義されたハローマーク特異的アッセイに依存せず、画像から得られた数千の特徴を統合する「ハローマーク非依存（hallmark-agnostic）」な機械学習モデル。
  • アルゴリズム: 「小 n 大 p」データ構造（サンプル数少、特徴数多）に対応するため、正則化された回帰モデルを多数組み合わせるスタッキング（Stacking）手法を採用。ベース学習器の予測値をメタ特徴量として統合し、メタ学習器で最終予測を行う。
  • 評価: ドナーを 1 人ずつ除外した交差検証（Leave-One-Donor-Out, LODO）を実施。
• 検証実験:
  • 複製老化: 連続継代による老化（セネッセンス）。
  • 若返り: OSK（OCT4, SOX2, KLF4）による部分的リプログラミング。
  • 薬物処理: 老化促進剤（ミトコンドリア機能障害、ゲノム不安定性誘発など）と若返り促進剤（セノリティック、オートファジー誘導など）の処理。
  • 高スループットスクリーニング: FDA 承認薬ライブラリ（190 種）と抗老化候補ライブラリ（254 種）のスクリーニング。
  • 機能検証: スクラッチ創傷治癒アッセイによる細胞修復能力の評価。

3. 主要な貢献 (Key Contributions)

1. imAgeScore の開発: 高含量画像データから細胞の表現型年齢を予測する初の機械学習モデルの一つ。DNA メチル化年齢と高い相関（$R^2 = 0.88$）を示す。
2. ハローマーク非依存アプローチ: 特定の老化マーカーに依存せず、核や細胞質の形態変化全体を統合的に捉えることで、老化の多面的な側面を単一スコアで定量化。
3. 双方向の老化状態検出: 複製老化による「年齢加速」と、リプログラミングや薬物介入による「年齢低下（若返り）」の両方を検出可能であることを実証。
4. 高スループットスクリーニングへの適用: 自動化されたワークフローと統合し、数百の化合物から老化調節候補を迅速に同定するパイプラインを確立。

4. 結果 (Results)

• モデル性能:
  • 予測誤差（MAE）は 7.23 年、決定係数（$R^2$）は 0.69。
  • 予測に寄与する特徴は、ミトコンドリアや核のコンパートメントに偏っており、核の構造変化が老化の形態学的シグネチャの主要な軸であることを示唆。
• 老化と若返りの検出:
  • 複製老化: 連続継代により、ドナーの初期年齢に関わらず、予測年齢は約 90 歳まで上昇し、セネッセンス状態に収束。
  • OSK による若返り: 部分的リプログラミングにより、予測年齢が最大 40 年程度低下。核関連特徴が若返りによって逆転することを確認。
• 薬物処理による反応:
  • 老化促進薬（ブレオマイシン、エトポシドなど）は予測年齢を増加させ、若返り薬（ラパマイシン、トレハロースなど）は減少させた。
  • 薬物特異的なハローマーク変化（DNA 損傷、オートファジー、ミトコンドリア膜電位など）と、imAgeScore の変化方向が一致。
• スクリーニング結果:
  • FDA 承認薬ライブラリ: 約 39% が若返り効果を示し、既存薬の転用（ドラッグ・リポジショニング）の可能性を示唆。
  • 抗老化ライブラリ: 約 30% が若返り効果を示した。
  • 組み合わせ療法: レチノイン酸と他の候補化合物の組み合わせ、または TRIIM 試験（成長ホルモン、DHEA、メトホルミン）の 3 剤併用において、相加的な若返り効果（予測年齢の大幅な低下）が確認された。
• 機能検証:
  • imAgeScore で若返り候補として選定された化合物（CB049、TRIIM 3 剤併用）は、スクラッチ創傷治癒アッセイにおいて、創傷閉鎖を有意に促進。これは、形態学的な若返りが機能的な細胞修復能力の向上と関連していることを裏付けた。

5. 意義と結論 (Significance)

• スケーラブルな老化測定: imAgeScore は、高含量イメージングと機械学習を組み合わせることで、大規模な化合物スクリーニングにおいて細胞年齢を定量化する実用的なプラットフォームを提供する。
• 創薬への応用: 老化を抑制または逆転させる新規化合物や、既存薬の転用候補を効率的に発見できる。特に、単一化合物では見逃される可能性のある「組み合わせ療法」の最適化に有用。
• 生物学的妥当性: 形態学的な変化が、DNA 損傷やミトコンドリア機能など、分子レベルの老化ハローマークと一致しており、さらに創傷治癒という機能的アウトカムとも相関することが示された。
• 今後の展望: 現在は真皮線維芽細胞に限定されているが、他の細胞種やより複雑なモデルへの拡張、および長期処理による耐久性の評価が必要である。

総じて、本研究は、画像ベースの形態プロファイリングが、細胞老化の定量化と若返り介入のスクリーニングにおいて、分子バイオマーカーを補完する強力なツールとなり得ることを実証した画期的な研究です。