大規模ハイパースペクトル電子顕微鏡による超微構造の自動分析
超微細構造の自動分析：大規模ハイパースペクトル電子顕微鏡に基づく研究
学術的背景
電子顕微鏡（Electron Microscopy, EM）は、生物の超微細構造を研究するための重要な技術であり、生体分子の解像度で細胞の微細構造を明らかにすることができます。近年、自動化とデジタル化の進展により、電子顕微鏡はナノスケールの解像度で広範囲の細胞や組織サンプルを捕捉できるようになりました。しかし、電子顕微鏡画像は通常グレースケールであり、データ量が膨大であるため、分析プロセスは手動の注釈に依存することが多く、大規模な研究における応用が制限されています。この問題を解決するため、研究者たちは自動化手法を用いて生体分子アセンブリの情報を抽出し、生物の超微細構造の理解を加速する方法を探求しています。
本研究の背景は、電子顕微鏡が生物医学研究において重要な役割を果たしているものの、その分析プロセスには依然として課題があることです。特に、大規模な電子顕微鏡データから自動的に生体分子情報を抽出する方法が求められています。本研究では、ハイパースペクトルエネルギー分散型X線（Energy-Dispersive X-ray, EDX）イメージングに基づく自動分析手法を提案し、従来の処理を施した組織から教師なしで生体分子アセンブリを抽出することで、手動介入を減らし、分析効率を向上させることを目指しています。
論文の出典
本論文は、B. H. Peter Duinkerken、Ahmad M. J. Alsahaf、Jacob P. Hoogenboom、およびBen N. G. Giepmansによって共同執筆され、それぞれオランダのフローニンゲン大学医療センター生物医学科学部とデルフト工大学イメージング物理学部に所属しています。論文は2024年にnpj Imaging誌に掲載されました。
研究のプロセス
1. 大規模EDXイメージングと空間・元素のコンテキスト
研究ではまず、大規模EDXイメージングのワークフローを開発し、膵臓のランゲルハンス島の全体切片に適用しました。ピクセルの滞留時間とフレームの蓄積を延長することで、スペクトルの豊富さを確保しました。また、比較的高いビーム電流（4-5 nA）と2つの対称的に配置されたEDX検出器を使用することで、長時間のデータ取得を克服しました。研究では、擬似カラー画像を用いて3つの元素（リン、オスミウム、鉄）の分布を示し、細胞内の顆粒、核、リソソーム、粗面小胞体などの生物学的特徴を明確に区別することができました。
2. スペクトル混合分析と生物学的特徴の抽出
ハイパースペクトル画像（Hyperspectral Image, HSI）から生物学的特徴を抽出するために、研究ではスペクトル混合分析（Spectral Mixture Analysis, SMA）手法を採用しました。まず、手動で注釈を行い代表的なスペクトルを取得し、次に線形分解法を用いてHSIを各スペクトルの相対的な豊度マップに分解しました。研究ではさらに、多様体学習（Manifold Learning）などの次元削減技術を導入し、PACMAP（Pairwise Controlled Manifold Approximation Projection）法を用いてHSIを2次元空間に削減し、生物学的特徴をより良く識別しました。
3. 大規模スペクトル混合分析
大規模EDXイメージングではデータ量が膨大であるため、研究ではサブサンプリングと重複領域の除外によりデータ量を削減しました。PACMAPによる次元削減を通じて、最も純粋なスペクトル（エンドメンバー）を識別し、線形混合モデルを用いて分解を行いました。研究では、膵臓と皮膚組織における異なる生物学的構造の豊度マップを示し、期待される生化学的組成と比較しました。
4. 電子顕微鏡画像の自動検出とセグメンテーション
研究ではさらに、畳み込みニューラルネットワーク（Convolutional Neural Network, CNN）に基づく自動セグメンテーション手法を探求し、EDXエンドメンバーの豊度マップとSegment Anything Model（SAM）を組み合わせて自動セグメンテーションを行いました。空間的なプロンプトを使用することで、SAMモデルは5つの異なる細胞小器官と生物学的構造を自動的に検出・セグメンテーションし、EDX HSIが教師なしの電子顕微鏡分析において持つ可能性を示しました。
主な結果
大規模EDXイメージング：研究では、大規模EDXイメージングのワークフローを開発し、超微細構造の解像度で細胞内の異なる生物学的特徴（顆粒、核、リソソーム、粗面小胞体など）を区別することに成功しました。
スペクトル混合分析：スペクトル混合分析を通じて、ハイパースペクトル画像から生物学的特徴のスペクトルを抽出し、対応する豊度マップを生成することで、異なる生物学的構造の空間分布を示しました。
次元削減とエンドメンバー抽出：PACMAPによる次元削減を通じて、最も純粋なスペクトルを識別し、線形混合モデルを用いて分解を行い、膵臓と皮膚組織における異なる生物学的構造の豊度マップを示しました。
自動セグメンテーション：EDXエンドメンバーの豊度マップとSAMモデルを組み合わせることで、電子顕微鏡画像の自動検出とセグメンテーションを実現し、EDX HSIが教師なしの電子顕微鏡分析において持つ可能性を示しました。
結論と意義
本研究では、大規模ハイパースペクトルEDXイメージングに基づく自動分析手法を提案し、教師なしで生体分子アセンブリを抽出することで、手動介入を減らし、電子顕微鏡データ分析の効率を向上させました。この手法は、生物の超微細構造の理解を加速するだけでなく、今後の大規模電子顕微鏡研究に新しいツールと視点を提供します。
研究のハイライト
革新的な手法：本研究は、大規模ハイパースペクトルEDXイメージングを生物医学研究に初めて適用し、従来の処理を施した組織から教師なしで生体分子アセンブリを抽出する自動分析手法を提案しました。
効率的なデータ分析：スペクトル混合分析と次元削減技術を用いることで、大規模EDXデータから生物学的特徴を抽出し、手動注釈の作業量を削減しました。
自動セグメンテーション技術：EDXエンドメンバーの豊度マップとSAMモデルを組み合わせることで、電子顕微鏡画像の自動検出とセグメンテーションを実現し、EDX HSIが教師なしの電子顕微鏡分析において持つ可能性を示しました。
その他の価値ある情報
本研究のすべてのデータと分析コードは公開されており、研究者はwww.nanotomy.orgとGitHubから関連リソースを取得し、本手法をさらに探求・応用することができます。
本研究を通じて、電子顕微鏡は生物医学分野において新たなブレークスルーを迎え、今後さらに多くの組織やサンプルにおいて本手法が普及し、生物の超微細構造の理解がさらに進むことが期待されます。