vFLIM: Machine Learning-enabled Light Sheet Fluorescence Lifetime Imaging

生物学的イメージングの世界において、科学者たちは細胞内で何が起きているかを理解するために、長らく発光分子の明るさに頼ってきました。この強度は物質がどれくらい存在するかを教えてくれますが、さらに深い層の情報を見落としてしまいます。音楽の音符が周囲の気圧や温度によって音程を変えることができるように、蛍光分子は光を受けた後に光り輝くのを止める速度を変化させます。この速度は「蛍光寿命」と呼ばれ、分子の直近の環境を伝える敏感なリポーターとして機能します。これにより、局所的な環境の微妙な変化、組織内の物理的な張力、あるいは細胞の代謝状態などを明らかにすることができます。これらの条件は動的で壊れやすいため、最も価値のある知見は、ラボ内の凍結されたサンプルを研究することではなく、生きている生物の中でそれらが展開される様子をリアルタイムで観察することから得られます。

しかし、生きているシステムの中でこの儚い情報を捉えることは、手強い課題でした。これらの寿命を測定する従来の方法は、生命の急速な動きに追いつくには遅すぎたり、あるいは標本を観察するために多すぎる光を必要として、繊細な検体を損傷させたり死に至らせたりしたりすることがありました。さらに、これらの測定によって生成される膨大なデータ量はボトルネックを生み出し、長期的な研究に役立つほど迅速に画像を処理することを困難にしていました。その結果、この技術のポテンシャルと、生きた世界における実用的な応用との間には隔たりが生じていました。

研究チームは、特化した顕微鏡と新しいデータ処理手法を組み合わせた完全なワークフローを導入することで、この隔たりを埋めました。彼らは「vFLIM」と呼ばれるシステムを開発しました。これは、ボリュメトリック・フルオレッセンス・ライフタイム・イメージング（volumetric fluorescence lifetime imaging）の略称です。この手法は、試料の薄い層を一度に照らすデバイスであるライトシート顕微鏡を使用しており、従来の走査方式のような過酷な影響を与えることなく、全容積を迅速かつ穏やかにイメージングすることを可能にします。この顕微鏡が生成する膨大な情報を処理するために、チームはハードウェアを機械学習モデル、つまりパターンを認識し生の画像から直接寿命データを抽出するように訓練されたコンピュータプログラムと組み合わせました。この組み合わせにより、システムは、これまでの生体システムでは到達不可能であった速度と優しさで、分子寿命の詳細な三次元マップを生成することができます。

研究者たちは、このパイプラインの汎用性を証明するために、幅広い生物学的シナリオにわたってテストを行いました。彼らは、追跡する特定の分子を変え、観察のスケールを微細な細胞構造からより大きな組織体まで変化させながら、さまざまな種類の生体モデルにこの手法を適用しました。どのケースにおいても、システムは鮮明で高速なボリュメトリック・データを提供することに成功し、このワークフローが多様な実験ニーズに対応できるほど堅牢であることを示しました。これらの異なる条件下で手法を検証することにより、チームは、このパイプラインが単なる理論上の概念ではなく、より広範な利用に向けた実用的なツールであることを証明しました。

この研究は、ライブな三次元寿命イメージングを、より広い生物学コミュニティにとって身近なものにするための重要な一歩となります。速度とデータの複雑さという二つの問題を解決することで、この新しいパイプラインは、この強力な技術を多くの研究者から遠ざけていた障壁を取り除きました。その結果、観察プロセスそのものによる干渉を受けることなく、生きている生物の微妙に変化する環境を長期間にわたって観察することを可能にする、転用可能なシステムが誕生しました。