MyoFuseはin vitroでの骨格筋細胞融合を自動定量化する、完全AIベースのワークフローです

筋細胞のカウントがなぜ重要か

運動、怪我からの回復、糖尿病のような疾患の進行に伴い、骨格筋は常に再構築されます。研究室では、筋細胞を培養皿で増やして単一の細胞が長い多核の線維へと融合する過程を再現して観察します。融合の進行度を示す単純な指標が「融合指数」です。しかし現状では、その数値は通常、画面上で何千もの小さな細胞核を人が手作業で数えて得られており、遅く、不均一で、誤差を含みやすい作業です。本研究は、こうしたカウント作業を自動化する完全AIベースのワークフローMyoFuseを紹介し、筋研究をより迅速で信頼性の高い、偏りの少ないものにすることを目指します。

実際にそこにあるものを見抜く難しさ

筋細胞融合を調べるために、研究者は細胞核と筋線維を蛍光染色して顕微鏡画像を取得します。重要な問題は、どの核が実際に融合した筋線維の内部にあるのか、それとも近傍に存在する未融合細胞に属するのか、という点です。従来法は、二次元の平面画像で核が筋線維と重なって見えればその核は線維内にあると仮定することが多いです。しかし細胞は三次元で成長するため、核は線維の上または下に位置していても重なって見えることがあり、この重なりルールは誤解を招きやすいことを著者らは詳細な共焦点イメージング（マウスおよびヒトの筋細胞で）を用いて示しています。その結果、多くの近傍の核が誤って融合線維の一部としてカウントされ、融合指数が過大評価されることが明らかになりました。

蛍光画像を賢く読み取る方法

研究チームは、真に「線維内」にある核は特徴的な視覚的指紋を残すことに気づきました。これらの核は線維内部の空間を占めるため、MyHC（筋タンパク質）を示す蛍光シグナルに小さな暗いギャップを作ります。一方、線維の上や下に位置する核はこのシグナルを乱しません。この洞察に基づき、著者らは二段階のAIワークフローMyoFuseを設計しました。まず、特殊化したセグメンテーションモデル（オープンソースツールCellposeを適合させたもの）が、密に集まったクラスタ中の核であっても個々の核を正確に輪郭抽出します。次に、軽量なニューラルネットワーク分類器が各核の周辺にあるMyHCシグナルの局所パターンを解析し、単純な重なりではなくこの局所的なパターンに基づいてその核が線維内にあるか否かを判定します。

AIは専門家とどれほど一致するか

研究者らは、マウスのC2C12筋細胞画像と、異なる筋から採取した一次ヒト筋細胞の画像でMyoFuseを厳密に検証しました。両種において、AIが算出した総核数とそこから計算された融合指数は、専門家による慎重な手動注釈と非常によく一致し、相関はほぼ完全でした。個々の核レベルでは、分類器はデータセット全体で90％超のケースにおいて線維内と外を正しく識別し、その性能指標は人間レベルの識別に匹敵しました。重要な点として、MyoFuseは訓練に一切用いられていない別のヒト細胞セットでも良好に機能し、この手法が単に学習画像を記憶しているのではなく新しいサンプルへ一般化できる可能性を示しました。

一般的方法に潜む偏りを明らかにする

精度に加えて、MyoFuseは核と線維シグナルの単純な重なりに依存する広く使われるマスクベースの方法に体系的な問題があることを露呈しました。同じ画像に対してMyoFuseと改良されたマスク手法で融合指数を比較すると、マスク法は一貫して融合を過大評価し、特に培養皿上で筋線維が占める割合が大きい領域で顕著でした。検出閾値を調整すれば数値は変わりますが、この根本的な偏りは解消されず、見かけ上の改善はしばしば誤差の相殺によるもので、生物学的な改善を意味しないことが多いと示されました。チームはまた、単一ウェル内の異なる領域で融合推定値が大きく振れることを示し、限られた手作業で選んだフィールドのみを解析することが融合の実態をゆがめる可能性があることを強調しました。

今後の筋研究にとっての意義

MyoFuseは筋生物学者に対し、より速くかつ実際の培養皿内で起きていることに忠実な細胞融合の測定手段を提供します。自動化顕微鏡と、数十万の核を数分でセグメント化・分類できるAIを組み合わせることで、このワークフローは人手を減らし、どこを観察しどの閾値を使うかといった主観的な選択を最小化し、近傍の細胞を誤って融合とカウントすることを避けます。著者らは、極端な撮像条件や非常に異なる染色プロトコルでは再訓練が必要になる可能性を認めていますが、手法は公開されており適応可能な設計になっています。筋の発生、老化、再生、代謝疾患を研究する研究室にとって、MyoFuseはより堅牢な融合測定をもたらし、それによって筋の成長や変化に関するより信頼できる結論を得る手助けをするでしょう。

引用: Lair, B., Cazorla, C., Lobeto, A. et al. MyoFuse is a fully AI-based workflow for automated quantification of skeletal muscle cell fusion in vitro. Sci Rep 16, 9387 (2026). https://doi.org/10.1038/s41598-026-40047-y

キーワード: 骨格筋, 細胞融合, 人工知能, 画像解析, 筋形成（マヨジェネシス）