「二次元電気泳動画像を教師データに用いた機械学習による AI プロテオミクス診断法の開発」 東京工業大学生命理工学院 林 宣宏 装置のダウンサイジング、泳動時の夾雑物の除去、タンパク質の安定性を損な わない電圧印加、などの独自の手法からなる高感度（使用するサンプルが少量）、 高再現性（多数のサンプルの同時比較が可能）、ハイスループット（多検体処理、 時系列に沿って調製した多数のサンプルの分析が可能）な高性能二次元電気泳 動法を開発した1,2)。 検体からいかにタンパク質の漏れなく、しかしながら夾雑物を除くかも非常に 重要である。その方法は、①完全に破砕する（通常の臓器、など）、②大量に含 まれている成分を除くことで微量含有成分を検出する（血液、涙滴、など）、③ あえて大量に含まれているものを回収しないようにして微量含有成分だけを解 析対象とする（皮膚、毛髪3)、など）に大別される。これまでに 20 種類近い検 体のそれぞれに特化した前処理法と電気泳動パラメーターの開発に成功してい る。 当該手法により敗血症の発症と病態に伴い変化する多数のバイオマーカータ ンパク質を見出した。単独、あるいは少数のバイオマーカーを用いるのに比べて 多数(50〜60)のタンパク質の挙動を同時に観ることで診断精度が上がるだけで なく、同じ挙動を示すものをまとめることで未知の生化学反応を見出すことに も成功した。特に鉄の代謝が活性化されることは病態の悪化を説明できるだけ でなく、新たな治療法の導出にも結びつくものとして注目されている4)。 二次元電気泳動法により得られるデータは画像であり、近年の AI 能力の劇的 な進歩を考えると、その解析対象には最適である。しかしながら、これまではデ ータの品質や機械学習に必要な数のデータを得ることが困難であった。そこで、 先に開発したハイスループットでデータが得られる手法を用いて、AI による二 次元電気泳動画像データの解析を試みた。最初にプロテオミクス画像を AI で扱 うための前処理法を開発し5)、次に敗血症患者４０名から時系列 5 点で得た総数 200 の画像データに、汎用に使われている画像データセットを加えて、さらに深 層学習により得られる知識層を転移学習に用いる独自の手法により、98％以上 の精度での疾患診断に成功した6-8)。この成功は、二次元電気泳動画像が AI によ り処理出来ること（AI プロテオミクス）の POC の取得であり、当該手法の実用 化の目処を得る契機となった。また、診断において AI が着目する画像部分を明 らかにすることに成功し、病態の新たな捉え方につながるものと考えている 9）。
【文献】
1) 未来材料 11(1), 42-49, エヌ・ティー・エス (2011)
2) 特許番号：5190422, 5190423, 5433341, 5475358, 5513802, 5847213 3) PLoS One 14(3), e0213947 (2019)
4) PLoS One 14(9), e0222403 (2019)
5) Applied Science 9, 1623-1632 (2019) 6) arXiv 1711, 04450 (2017) 7) Applied Sciences-Basel 9, 128-141(2019) 8) 画像ラボ , 29(4), 19-24, 日本工業出版 (2018) 9) Applied Science 11, 1967 (2021) 【略歴】 1989 年 東京大学理学部物理学科卒業 1994 年 東京工業大学大学院 総合理工学研究科 生命化学専攻 博士課程修了 （博士(理学)） 1994 年 藤田保健衛生大学 総合医科学研究所 助手 2002 年 同 講師 2005 年 同 助教授 2008 年 東京工業大学 大学院生命理工学研究科 分子生命科学専攻 准教授 2016 年 東京工業大学 生命理工学院 生命理工学系 准教授 2021 年 東京工業大学 生命理工学院 生命理工学系 教授 2006～2007 年 名古屋大学工学部 非常勤講師（兼任） 2008～2009 年 岐阜大学工学部 非常勤講師（兼任） 2008 年 山形大学工学部 非常勤講師（兼任） 2008～2012 年 理化学研究所 客員研究員（兼任） 現在は臨床プロテオミクス，及び，抗体創薬に関する研究に従事
