AIが造血幹細胞の老化を見抜く 3D核画像から若さを数値化

目次

血液を一生つくり続ける幹細胞も、年齢とともに変わっていく

私たちの血液は、骨髄にある「造血幹細胞」から作られ続けています。造血幹細胞は、赤血球や白血球、血小板などのもとになる細胞で、生涯にわたり血液と免疫の仕組みを支える重要な存在です。

しかし、造血幹細胞も年齢とともに変化します。血液をバランスよく作る力が低下し、免疫の変化や慢性的な炎症など、加齢に伴うさまざまな現象にも関係します。

問題は、その「老化」を一つの細胞ごとに簡単に測定する方法が限られていることです。DNAメチル化を調べる「エピジェネティック時計」などもありますが、細胞を詳しく解析するには手間や費用がかかります。

2026年9月27日、『Aging Cell』に掲載された研究では、この課題に人工知能(AI)を利用しました。スペインのBellvitge Biomedical Research Institute(IDIBELL)、Barcelona Supercomputing Center(BSC)、Barcelona Institute for Global Health(ISGlobal)などの研究チームが開発した「ChromAgeNet」です。

ChromAgeNetが見るのは、細胞の核にあるDNAの配列そのものではありません。DNAが核の中でどのように折りたたまれ、配置されているかという「クロマチンの構造」です。

人の目には似て見える核から、AIが老化の特徴を拾い出す

研究チームは、若齢マウスと老齢マウスから造血幹細胞を採取しました。若齢は10〜16週齢、老齢は80週齢以上です。

細胞のDNAは「DAPI」という一般的な染色方法で光らせ、共焦点顕微鏡を使って核を立体的に撮影しました。研究全体では1,894個の3D画像が取得されています。

ChromAgeNetの学習では、若齢造血幹細胞552個、老齢造血幹細胞551個から作られた合計81,643枚の2D断面画像が使われました。AIは一枚だけを見るのではなく、核を上から下まで撮影した複数の断面をまとめて評価します。

その結果、核全体で評価したAUROCは0.77±0.03でした。AUROCとは、2つのグループをどの程度うまく見分けられるかを示す指標で、1に近いほど判別性能が高いことを意味します。実際のaccuracyは0.68±0.05でした。

この区別は重要です。一部の研究紹介では「77%で若い細胞と老いた細胞を識別」と説明されていますが、原著論文の0.77は正答率ではなくAUROCです。

人間にはほとんど違いが分からない画像でも、AIは細かなパターンを組み合わせて老化に関係する特徴を読み取っていました。

AIが見ていたのは、DNAそのものではなく「収納の乱れ」

では、ChromAgeNetは核のどこを見ていたのでしょうか。

細胞の中では、長いDNAが「クロマチン」という形で折りたたまれています。クロマチンの配置は単なる収納方法ではありません。どの遺伝子を使いやすくするのかにも関係する、細胞の働きを左右する重要な仕組みです。

研究チームは、AIが判断に利用している場所を調べる「説明可能AI」の技術を使いました。その結果、クロマチンの乱雑さを示す特徴、核の周辺にあるヘテロクロマチン、クロマチンが密集した領域などが、若齢細胞と老齢細胞を見分ける手がかりになっていました。

若齢の造血幹細胞では、AIの注目が核のふちなど特定の領域へ比較的まとまっていました。一方、老齢細胞では注目する場所が広く散らばり、クロマチンの構造がより不均一になっている特徴がみられました。

興味深いのは、同じ年齢のマウスから採った細胞でも、すべてが同じ状態ではなかったことです。

老齢マウスにも比較的若い特徴を持つ細胞があり、若齢マウスの細胞にも違いがあります。老化は細胞が一斉に同じ速度で進むのではなく、一つひとつ異なる可能性を今回の解析も示しています。

「若返り薬」を探すための物差しとして使えるのか

研究チームは、ChromAgeNetを細胞の分類だけではなく、薬剤探索にも利用できるかを試しました。

老齢造血幹細胞に4種類の化合物を加え、核のクロマチン構造が若齢細胞に近づくかをAIで評価しています。使用されたのはCASIN、RhoA阻害薬、UNC0646、IOX1です。

無処置の老齢細胞の「youthful score」は平均0.34±0.14でした。CASINでは0.40±0.18、RhoA阻害薬では0.48±0.19へ上昇しました。さらにUNC0646では0.56±0.13、IOX1では0.55±0.16となり、若齢細胞の0.55±0.19に近いスコアを示しました。

ここで注意したいのは、「スコアが若くなった=細胞が若返った」ではないことです。

今回確認されたのは、薬剤処理後のクロマチン構造がAI上で若齢細胞に近づいたという変化です。血液を作る力が実際に若返ったのか、移植後の機能が改善するのか、寿命に影響するのかまでは示されていません。

著者らも、ChromAgeNetのスコアと本当の機能的な若返りとの関係を確かめるには、独立した生物学的年齢の測定や機能試験が必要だとしています。

安価な染色と顕微鏡画像が、薬剤探索を速くする可能性

ChromAgeNetの強みの一つは、比較的シンプルな画像から情報を取り出せる点です。

今回使われたDAPIは、DNAを観察するために研究現場で広く使われている染色方法です。特殊な遺伝子解析を毎回行わなくても、顕微鏡画像から老化に関係する変化を素早く評価できれば、多数の候補薬を調べるスクリーニングに利用できる可能性があります。

研究チームは、ChromAgeNetと今回使用した3D造血幹細胞画像のデータセットも研究者向けに公開しています。これにより、別の研究グループがモデルを検証したり、新たな解析方法を開発したりしやすくなります。

一方で、現時点ではマウスの造血幹細胞を使った基礎研究です。人の造血幹細胞にそのまま利用できるとは確認されていません。

撮影する顕微鏡や研究施設が変われば画像にも違いが生じます。また、このモデルではマウスの実年齢を「若い・老いた」の基準としているため、本当の意味での細胞の生物学的年齢を直接測定したものでもありません。

研究チームも、別施設の独立したデータで検証し、人の細胞へ応用するにはモデルの調整が必要になるとしています。

幹細胞の老化を「見える情報」に変える時代へ

造血幹細胞の老化は、単に細胞の数が減る現象ではありません。遺伝子の使われ方や核の構造、分化する細胞の偏りなど、さまざまな変化が重なって進みます。

今回の研究が興味深いのは、その複雑な変化の一部を、顕微鏡画像という比較的身近なデータから数値化できたことです。

これまで人間の目では見分けにくかったクロマチンの微細な違いをAIが拾い、薬剤を加えた後にどの程度「若い細胞に似た状態」へ変化したのかを比較できます。

もちろん、ChromAgeNetは若返り治療そのものではありません。人の年齢を測る検査でもなく、今回試した薬剤がアンチエイジング治療として使えることを示した研究でもありません。

それでも、多数の候補物質の中から次に詳しく調べるべきものを選ぶ「物差し」として利用できれば、幹細胞の機能低下を防ぐ研究を効率化できる可能性があります。

再生医療では、幹細胞を移植するだけでなく、「今ある幹細胞の機能をどう維持するか」という視点も重要です。AIと顕微鏡が結びつくことで、目には見えなかった幹細胞の老化を測り、介入方法を探す研究がさらに進むか注目されます。


[出典]

幹細胞についての最重要情報はこちら!
詳細はコチラ
幹細胞についての最重要情報はこちら!
詳細はコチラ