Cell Painting and machine learning for mechanistic profiling of hepatotoxic botanicals and their constituents

人々は古くから、単純な茶から複雑なハーブサプリメントに至るまで、健康をサポートするために植物に頼ってきました。これらの植物性製品は世界のウェルネス産業の大きな部分を占めていますが、安全性に関する専門家にとって特有の課題を突きつけています。単一の化学薬品とは異なり、一瓶のハーブサプリメントは、何百もの異なる化合物を含む複雑な混合物です。一部の植物が肝臓に害を及ぼす可能性があることは分かっていますが、その混合物の中のどの特定の成分が問題を引き起こしているのか、あるいはどのようにその損傷を引き起こしているのかを特定することは、しばしば不可能です。従来の安全性試験はこの複雑さに苦慮しており、天然の治療薬の中に隠された真のリスクについて、規制当局や消費者を暗闇の中に置き去りにしてしまうことがよくあります。

これを解決するために、研究者たちは「セル・ペインティング（Cell Painting）」と呼ばれる手法に注目しています。細胞の写真を撮るだけでなく、細胞の仕組みの特定の部位（核、エネルギー工場、あるいは外皮など）を強調するように、5つの異なる蛍光色で細胞を「塗る」顕微鏡を想像してみてください。化学物質が細胞を乱すと、これらの塗られた部位は独特な方法で形や配置を変えます。この変化を捉えることで、科学者は細胞が単に死んでいるのかどうかだけでなく、どのように反応しているのかを知ることができるのです。この視覚的データは、既知の数千種類の化学物質について学習させたコンピュータモデルに投入されます。これらのモデルは生物学的応答のライブラリとして機能し、研究者が新しい植物抽出物を、既知の挙動を持つ膨大なデータベースと比較することで、細胞内で何が起きているのかを推測することを可能にします。

最近の研究において、科学者チームは、13種類の異なる植物抽出物と、それらから得られる85種類の個別の化学成分に対してこの手法を適用しました。彼らは、肝臓の安全性を理解する上で最も関連性の高いモデルである、ヒト由来の一次肝細胞を用いてテストを行いました。研究者たちは、各植物抽出物とその成分に対し、8つの異なる濃度で細胞を曝露させ、セル・ペインティング技術を用いて細胞の反応を捉えました。また、細胞が漏出したりエネルギーを失ったりしていないかを確認するための標準的な健康チェックも行い、比較のための基準値としました。目的は、このハイテクなイメージング技術が、従来のテストが見逃していた活動を検知できるか、そしてより重要なことに、複雑な植物混合物の中でどの特定の成分がそれらの影響を駆動しているのかを特定することでした。

結果として、セル・ペインティング法は標準的な健康チェックよりもはるかに高い感度を示しました。従来のテストでは9種類の抽出物と40種類の成分でしか活動が見られなかったのに対し、イメージング法は13種類の植物抽出物のうち11種類、および85種類の個別成分のうち46種類において生物学的活動を検出しました。決定的なことに、イメージング法ははるかに低い濃度でこれらの影響を捉えることができました。例えば、植物抽出物が反応を引き起こした13例のうち9例において、その抽出物に含まれる少なくとも一つの単一成分が、より低い用量でさらに強い反応を引き起こしていました。これは、植物混合物の全体的な影響は、すべての成分が平等に協力し合う総和によるものではなく、少数の強力な成分によって駆動されていることが多いことを示唆しています。

また、この研究は、最も強力な植物抽出物がアリストロキア（Aristolochia）とゴールドシール（Goldenseal）であることを明らかにしました。これらはいずれも、非常に低い用量で強い細胞ストレスの兆候を示しました。研究者たちは、これをアリストロキア中のアリストロキア酸Iや、ゴールドシール中のベルベリンといった特定の成分にまで遡って特定することができました。しかし、植物全体とその構成要素の関係は、必ずしも単純ではありませんでした。アシュワガンダ（Ashwagandha）やコンフリー（Comfrey）のように、個々の成分はラボ内では高い活性を示したものの、植物抽出物全体としてはテストされたレベルにおいて同様の強い反応を示さなかったケースもありました。逆に、アジア人参（Asian Ginseng）のエキスは、個々の成分自体はそれほど強力ではないにもかかわらず、強い反応を示しました。このことは、混合物の中で成分がどのように相互作用するかによって最終的な結果が変わることを浮き彫りにしており、単離された化学物質を見るだけでは安全性を予測するのが困難であることを示しています。

単に活動を検出するだけでなく、研究者たちは視覚的データを用いて、これらの植物がどのように肝臓に影響を与えているかについての仮説を生成しました。細胞の「ペインティング」を、既知の効果を持つ1,000種類以上の化学物質からなる膨大な参照ライブラリと比較することで、コンピュータモデルは具体的な作用機序を予測しました。例えば、モデルはゴールドシールとアリストロキアが、体内のホルモン系を妨害しているか、あるいはDNAに損傷を与えている可能性を予測しましたが、これはそれらが持つ毒性に関する既知の知見と一致しています。また、イメージングは細胞の異なる部位が異なる反応を示すことも明らかにしました。例えば、アリストロキア酸IはDNAチャネルに明確な変化をもたらしており、これはそれが遺伝的損傷を引き起こす能力を持つという既知の性質と一致しています。

本研究は、高精細なイメージングと機械学習の組み合わせが、複雑な植物混合物をスクリーニングするための強力な新しい方法を提供すると結論付けています。これにより、科学者は単に「これは毒性があるか？」と問う段階を超えて、「これは何をしているのか、そして植物のどの部分がそれをしているのか？」と問うことができるようになります。今回の知見はラボで培養された肝細胞に基づいたものであり、これらの植物がヒトにおいて肝損傷を引き起こすことを直接証明するものではありませんが、この手法は、さらなる研究のために最も活性の高い成分を優先的に選別することに成功しました。これは、植物性製品に隠された毒性の要因を理解するための、明確でスケーラブルな道筋を提供し、膨大なハーブ療法という世界において、有益なものと有害なものを分かつ助けとなるものです。