ジカウイルス感染細胞におけるオートファジー表現型の画像ベース形態学的プロファイリング
Neil Alvin B Adia1, Priya S Shah1,2
1Department of Chemical Engineering, University of California, Davis.
bioRxiv : the preprint server for biology
|December 22, 2025
まとめ
ジカウイルス（ZIKV）は細胞のオートファジーを乗っ取り、発生を阻害する。この研究では、ZIKVを分析するための計算パイプラインを開発した。
科学分野:
- 細胞生物学
- ウイルス学
- 計算生物学
背景:
- オートファジーは細胞恒常性に不可欠であり、ジカウイルス（ZIKV）感染などの疾患で調節不全になる。
- ZIKV感染は、宿主細胞の発生を妨げるためにオートファジー経路を乗っ取ることで、重大な健康脅威をもたらす。
- ZIKVによるオートファジー操作の理解は、治療戦略の開発にとって重要である。
研究 の 目的:
- ライブセルにおけるZIKVによるオートファジーの乗っ取りを解明するための実験的および計算的パイプラインを開発および検証すること。
- 画像ベース分析を使用して、ZIKV感染によって誘発される細胞およびオートファジー形態学的変化をプロファイルすること。
- オートファジーレポーター活性に基づいてZIKV感染を特定するための深層学習モデルを作成すること。
主な方法:
- 高スループットでスケーラブルな画像ベースプロファイリングアプローチの拡張と修正。
- オートファジーと感染を同時に観察するために蛍光レポーターをエンコードするZIKVを利用すること。
- オートファジー調節薬による変化とZIKV誘発性形態学的変化を比較すること。
- ZIKV感染を検出するためにオートファジーレポーターデータで深層学習分類器をトレーニングすること。
主要な成果:
- ZIKV感染細胞およびZIKVに曝露された非感染細胞の両方で、明確な形態学的特徴プロファイルが特定された。
- ZIKV誘発性細胞変化は、オートファジー誘導剤および阻害剤の併用効果を模倣していた。
- 深層学習分類器は、レポーターウイルスに依存せずに、オートファジーレポーターを使用して感染細胞を正常に特定した。
- 画像ベースプロファイリングパイプラインは、感染ダイナミクスを研究する上での汎用性を示した。
結論:
- 開発されたパイプラインは、ZIKVによる細胞オートファジーの乗っ取りを効果的に解明する。
- 画像ベースプロファイリングは、ウイルスと宿主の相互作用およびオートファジー調節を分析するための強力なツールを提供する。
- オートファジーレポーターでトレーニングされた深層学習分類器は、ウイルス感染を確実に検出でき、潜在的な診断アプリケーションを提供する。
- 細胞生物学;ウイルス学;計算生物学
