UC San Diegoの研究チームはSeptember 17, 2026、Cellに2本の研究を発表し、4D lattice light-sheet microscopy（時間を含む3D観察）を使う「仮想細胞」が、ヒト細胞内のミトコンドリアが薬剤処理にどう反応するかを予測すると報告した。成果は2つのデジタルモデル、深層学習AIモデルのMitoSpaceと、実際の細胞動画から作った物理ベースの「デジタルツイン」だった。

ミトコンドリアは栄養をエネルギーに変換し、孤立した腎臓豆型の物体として静止するのではなく、細胞内で分裂、融合、移動する動的なネットワークを形成する。ミトコンドリアのネットワーク形状は細胞の健康状態に応じて変化するため、研究チームは疾患状態と薬剤反応の指標として使い、多くの大規模薬剤スクリーニングで使われる平面的で静止した2Dスナップショットの限界に対応した。

MitoSpaceは、異なる機序でミトコンドリアを乱すことが知られる25種類の化合物で処理したがん細胞から、単一細胞4D動画40,000本を使って訓練された。モデルは手作業の画像ラベルなしにパターンを学習し、似た反応を示す細胞をまとめるマップを作成し、26種類の薬剤条件にわたってミトコンドリアの形状と動きから細胞のエネルギー状態を予測した。

4D動画で訓練したMitoSpaceは、薬剤を識別し、機序別に分類する精度が75%だった。平面的な2D画像では56%だった。責任著者でUC San Diego School of Medicine准教授のヨハネス・シェーネベルク(Johannes Schöneberg), PhDは、ミトコンドリアの形態と機能の結びつきは、モデルが「答えを一度も示されなくても」関係を学べるほど強かったと述べた。

研究チームによると、同じAI手法は未見の薬剤も整理し、再訓練なしにヒト肺オルガノイド細胞を発生段階別に分類した。UC San Diegoは、4D動画を使うMitoSpaceが、がん、糖尿病、アルツハイマー病、小児ミトコンドリア疾患の新治療発見や既存薬の新用途探索に役立つ可能性があるとした。

Cellの2本目の研究では、ミトコンドリアと微小管の走路をマッピングし、既に確立された速度でモータータンパク質を加えることで、実際のがん細胞の物理ベースのデジタルツインを構築した。仮想細胞には運動法則が組み込まれ、研究者は3D顕微鏡動画で捉えた実細胞のミトコンドリアの挙動と一致するまでパラメーターを調整した。

デジタルツインは、微小管を部分的に分解する薬剤ノコダゾールで検証された。パラメーターを1つも変えずに、モデルはノコダゾール処理を受けた実細胞で観察されたミトコンドリア運動の低下と、融合・分裂速度を再現した。

シェーネベルクのチームは、MitoSpaceとデジタルツイン型の仮想細胞を1つのワークフローに統合する計画だ。AIが大規模データセットからパターンを見つけ、デジタルツインがその背後にある物理的理由を調べる構成になる。チームは他の細胞小器官を追加し、最終的には組織として働く複数細胞のモデル化を目指す。UC San Diegoは特許保護を出願し、シェーネベルクはこの技術を基に会社を設立した。

UC San Diegoの研究チームはSeptember 17, 2026、Cellに2本の研究を発表し、4D lattice light-sheet microscopy（時間を含む3D観察）を使う「仮想細胞」が、ヒト細胞内のミトコンドリアが薬剤処理にどう反応するかを予測すると報告した。成果は2つのデジタルモデル、深層学習AIモデルのMitoSpaceと、実際の細胞動画から作った物理ベースの「デジタルツイン」だった。

ミトコンドリアは栄養をエネルギーに変換し、孤立した腎臓豆型の物体として静止するのではなく、細胞内で分裂、融合、移動する動的なネットワークを形成する。ミトコンドリアのネットワーク形状は細胞の健康状態に応じて変化するため、研究チームは疾患状態と薬剤反応の指標として使い、多くの大規模薬剤スクリーニングで使われる平面的で静止した2Dスナップショットの限界に対応した。

MitoSpaceは、異なる機序でミトコンドリアを乱すことが知られる25種類の化合物で処理したがん細胞から、単一細胞4D動画40,000本を使って訓練された。モデルは手作業の画像ラベルなしにパターンを学習し、似た反応を示す細胞をまとめるマップを作成し、26種類の薬剤条件にわたってミトコンドリアの形状と動きから細胞のエネルギー状態を予測した。

4D動画で訓練したMitoSpaceは、薬剤を識別し、機序別に分類する精度が75%だった。平面的な2D画像では56%だった。責任著者でUC San Diego School of Medicine准教授のヨハネス・シェーネベルク(Johannes Schöneberg), PhDは、ミトコンドリアの形態と機能の結びつきは、モデルが「答えを一度も示されなくても」関係を学べるほど強かったと述べた。

研究チームによると、同じAI手法は未見の薬剤も整理し、再訓練なしにヒト肺オルガノイド細胞を発生段階別に分類した。UC San Diegoは、4D動画を使うMitoSpaceが、がん、糖尿病、アルツハイマー病、小児ミトコンドリア疾患の新治療発見や既存薬の新用途探索に役立つ可能性があるとした。

Cellの2本目の研究では、ミトコンドリアと微小管の走路をマッピングし、既に確立された速度でモータータンパク質を加えることで、実際のがん細胞の物理ベースのデジタルツインを構築した。仮想細胞には運動法則が組み込まれ、研究者は3D顕微鏡動画で捉えた実細胞のミトコンドリアの挙動と一致するまでパラメーターを調整した。

デジタルツインは、微小管を部分的に分解する薬剤ノコダゾールで検証された。パラメーターを1つも変えずに、モデルはノコダゾール処理を受けた実細胞で観察されたミトコンドリア運動の低下と、融合・分裂速度を再現した。

シェーネベルクのチームは、MitoSpaceとデジタルツイン型の仮想細胞を1つのワークフローに統合する計画だ。AIが大規模データセットからパターンを見つけ、デジタルツインがその背後にある物理的理由を調べる構成になる。チームは他の細胞小器官を追加し、最終的には組織として働く複数細胞のモデル化を目指す。UC San Diegoは特許保護を出願し、シェーネベルクはこの技術を基に会社を設立した。