スマート顕微鏡は、実験的なイメージングワークフローを自動化し、画像やその他のデータストリームからのフィードバックに基づくリアルタイムの適応を可能にすることで、ライフサイエンスを変革しています。この変化により、スループットが向上し、再現性が高まり、顕微鏡の機能的な能力が拡張されます。
ダウンロード可能なファイル
『Smart Microscopy: Current Implementations and a Roadmap for Interoperability』（Hinderling et al., 2025）からの抜粋。 Bioarxivで全文を読む
従来の顕微鏡は細胞内構造の捉えることに優れていますが、細胞の不均一性や稀な細胞イベントを理解するうえで極めて重要な、包括的な集団レベルのコンテキストを提供する点では通常不十分です。従来の高解像度イメージング手法は、限られた数の細胞に焦点を当てる傾向があり、それによって潜在的なバイアスが持ち込まれ、統計的検出力が制限されます。逆に、ハイコンテントスクリーニングはしばしば空間分解能を犠牲にし、細胞内表現型を識別する能力を低下させます。Cytelyが取り組む中心的な課題は、高解像度の単一細胞空間コンテキストと、広範な集団レベルの知見とを統合できるように、いかに顕微鏡ワークフローを効率的に自動化し、多様な細胞表現型、とりわけ稀で動的なイベントについて、偏りがなく再現性のある解析を可能にするか、ということです。
主な発見と革新
Cytelyは、Nordenfelt Lab [1]に由来する科学的基盤に基づいており、データ駆動型顕微鏡（DDM）の原理を活用して、空間的な単一細胞解析における精度とスループットを大幅に向上させます。本プラットフォームは、集団全体の俯瞰と単一細胞レベルのデータを統合し、細胞表現型を迅速かつ偏りなく同定できるようにします（図1）。Cytelyは、細胞形態、蛍光強度、細胞内構成などの特徴に基づいて数千の細胞を効果的に特性評価します。このアプローチにより、関心のある細胞を正確に選択して再訪することが容易になり、第2ステップとして、稀な、あるいは表現型が特徴的な細胞サブセットの高解像度空間イメージングが可能になります（図2）。
細胞の貪食を調べる実験において、Cytelyは、個々の細胞内に取り込まれた粒子の空間的局在を可視化するという独自の能力を示し、従来のバルク解析では見逃されていた取り込み速度の不均一性を同定しました。同様に、Cytelyのアプローチは、細胞分裂やアポトーシスといった細胞イベントの自動検出と特性評価を可能にし、高解像度の再イメージングを通じて、従来の顕微鏡と比較して著しく高い速度と精度でそうしたデータのキュレーションを可能にしました。
方法論と実装の詳細
Cytelyは、顕微鏡ベースのハードウェア非依存プラットフォームとして実装されており、電動ステージを備えたさまざまなイメージングシステムと互換性があります。ワークフローは、細胞の形態および強度ベースの特徴を迅速にセグメンテーションして抽出する、低解像度・集団レベルの画像取得フェーズから始まります。ソフトウェアは、古典的なセグメンテーション手法と高度なAIアルゴリズムを組み合わせ、細胞表現型をリアルタイムに堅牢に特性評価し、標的細胞集団の即時同定を可能にします。特定の細胞サブセットが同定されると、Cytelyは高解像度の空間イメージングをトリガーし、詳細な単一細胞データを取得するために顕微鏡のリソースを自動的に方向付けます。画像取得から解析、データの記録に至るワークフロー全体が、直感的で統合されたソフトウェアインターフェース内で管理され、複雑なスクリプト作成や手作業による介入を不要にします。画像解析は定義済みのスキーマを用いて実行されるため、容易に再現でき、すべてのデータセットは一元的に保存され、社内外で共有できるため、データの透明性が促進されます（共有データセットの例）。
相互運用性への貢献
Cytelyのプラットフォームは完全にハードウェア非依存であり、広く使用されている顕微鏡システムとシームレスに統合できるように設計されています。Cytelyの解析パイプラインのモジュール式で柔軟な性質により、多様な実験セットアップや研究ニーズへの容易な適応が可能になります。オープンスタンダードとの互換性と幅広いデバイスサポートは、広範なコミュニティでの採用を促進し、既存のラボワークフローへの統合を容易にします。オープンスタンダードとハードウェア非依存の実装をサポートすることで、Cytelyはスマート顕微鏡分野全体で特定されている主要な相互運用性の課題に対処します [2]。
限界
Cytelyは標準的な顕微鏡シナリオを堅牢に処理しますが、複雑なセグメンテーション要件を伴う特に困難な組織では、依然として難しさが生じる場合があります。加えて、本システムは現在、特に生物学的変動が大きい状況において、解析結果を最適化するために実験に先立ってユーザー主導のパラメータ調整に依存しています。今後の改良版では、手作業による介入をさらに最小限に抑え、実験の使いやすさと再現性を高めるために、適応的なパラメータ調整アルゴリズムの実装を目指しています。