Clear Sky Science · ja

2型糖尿病に関連するPBMCのクロマチン状態変化の検出

· 一覧に戻る

血液細胞から開く糖尿病の新たな窓

2型糖尿病は通常、血糖値やHbA1cなどの長期指標で追跡されます。しかし、これらの検査は、低レベルの炎症や免疫ストレスが多くの合併症の中心であるにもかかわらず、患者の免疫系が病気にどのように対処しているかについてはほとんど何も示しません。本研究は別のタイプの糖尿病チェックを探ります。高度な顕微鏡法とコンピュータ解析を用いて免疫細胞内のDNAの詰まり方を観察し、健康から前糖尿病、糖尿病へ移行する際の初期変化を検知する、単純でスケーラブルな検査の開発を目指しています。

Figure 1
Figure 1.

血液細胞を新しい視点で見る

研究者らは末梢血単核球(PBMC)に着目しました。PBMCは血中を循環し、全身の応答を調整する複数の免疫細胞からなる混合集団です。彼らは健康、前糖尿病、2型糖尿病にまたがる57人から血液を採取しました。遺伝子配列解析や多数のタンパク質測定の代わりに、チームはマイクロ流体デバイスと蛍光色素を用いて細胞核内のDNAの配列を画像化しました。このDNA−タンパク質複合体であるクロマチンは、より開いた状態やより凝縮した状態になり得、その構造は細胞の機能や受けたシグナルを微妙に反映します。

画像をパターンへ変換する

数万枚の核画像を理解するために、チームは変分オートエンコーダーと呼ばれる人工知能の一種を使用しました。このソフトウェアは各画像を、核のサイズや形、クロマチンの細かなテクスチャを捉える数値的特徴に圧縮します。続いてグラフベースのクラスタリング手法を適用し、核を異なる免疫細胞サブポピュレーションや活性化状態に対応する複数の「状態」に分類しました。人手で設計した形状やテクスチャの測定(手作り特徴)による並列解析がAIベースの結果に対する独立した検証を提供し、両アプローチは個人間で再現される一連のクロマチンパターンに収束しました。

疾病段階を反映する異なる細胞状態

著者らが健康、前糖尿病、糖尿病でこれらのクロマチンベースのクラスタを比較したところ、明瞭な変化が浮かび上がりました。ある核状態は健康な個体に多く、別の状態は前糖尿病者に、さらに別の状態は糖尿病患者に豊富に見られました。濃縮したクロマチンの塊が核の縁に近いか内側に寄るか、密集しているか散在しているかを示す特徴は特に情報量が多かったです。個人の細胞が各クラスタに入る割合だけを用いても、標準的な機械学習モデルは糖尿病患者と健康な提供者を識別でき、前糖尿病者と糖尿病者の区別ではさらに高い精度を示しました。これらの予測はコホートの保持データや独立に分割したサブセットでのテストでも維持され、クロマチンの組織化が患者レベルでの疾病進行に関する頑健な情報を運んでいることを示唆しました。

Figure 2
Figure 2.

機械的ストレスが明かす微妙な弱点

免疫細胞は血管や組織の狭い空間を常に押し通るため、チームは糖尿病で機械的挙動が変わるかどうかも調べました。彼らは狭いマイクロチャネルを使って生きた免疫細胞を穏やかに圧迫しながら核を撮像しました。糖尿病由来の細胞は、健康および前糖尿病由来の細胞と比べてより顕著な核変形とクロマチン凝縮の変化を示しました。追試の染色実験では、糖尿病の核は核の剛性と形状を保つのに重要な構造タンパク質であるLamin A/Cが減少し、わずかに高いレベルの高密度クロマチンマークを示すことが明らかになりました。細胞表面の活性化マーカーを有する細胞の割合も糖尿病で高く、これらの核変化が免疫活性化の高まりと結びついていることを示しています。

研究室の知見から将来の臨床ツールへ

総じて、本研究はルーチンな血液サンプルのクロマチンを単純な蛍光イメージングで観察するだけで、2型糖尿病の進行に伴う患者特異的な免疫系の変化を捉えられることを示しています。この手法はまだ標準的なグルコースやHbA1c検査の代替にはなりませんが、今日の臨床マーカーが大部分を見逃している免疫ストレスや細胞機能に関する補完的な情報を提供します。アッセイは比較的低コストの色素とマイクロ流体デバイスに依存しているため、著者らは将来的に臨床用途のためにスケールアップと自動化が可能であり、糖尿病とその合併症のより個別化された追跡を可能にすると論じています。

引用: Afarani, M.M., Gupta, R., Uhler, C. et al. Detecting chromatin state alterations in PBMCs associated with Type 2 Diabetes Mellitus. Commun Med 6, 268 (2026). https://doi.org/10.1038/s43856-026-01513-w

キーワード: 2型糖尿病, 免疫細胞, クロマチンイメージング, バイオマーカー, 機械学習