神経再生治療からCOVID-19中枢神経障害の解析、くも膜下出血の創薬および single cell RNA-seq解析モデルの開発まで -学内共同研究・産学連携を目指して-

これまでに発表者は、Human Induced Pluripotent Stem Cell （ヒトiPS細胞）から神経幹/前駆細胞、ニューロン、アストロサイト、ミクログリア、脳オルガノイドなどを作成し、神経再生治療、COVID-19の中枢神経障害、神経老化についての研究を行なってきた。また、くも膜下出血モデルマウスを用いた病態メカニズムなどの研究も行なってきた。ここでは、発表者のこれまでの研究、および、扱える実験スキルであるヒトiPS細胞からの各種神経系細胞の誘導や、single cell RNA-seq のモデル構築までをいくつか紹介し、今後学内で多くの先生方との共同研究を行いたいと考えている。また、COVID-19の創薬、くも膜下出血におけるEarly brain injury の創薬および脳挫傷の再生治療に関して産学連携を行いたいと考えている。

1, 神経軸索伸長化合物の発見、および外傷性脳損傷への応用

ヒトiPS細胞由来神経幹細胞／前駆細胞（hiPSC-NS/PC）を移植しての脊髄損傷再生医療では、それら移植された細胞がニューロンへ分化した後に、宿主のニューロンへ神経突起をいかに伸ばせるのかが再生の重要なポイントとなる。研究の結果、GADD45G/p38 MAPK/CDC25Bというシグナル経路が、神経突起の骨組みとなる微小管の重合を促進する酵素であるCRMP2に作用して神経突起を伸ばすことが判明した。また、RK-682はこのシグナル経路のp38 MAPK/CDC25Bを活性化することで神経突起を伸ばすことがわかった。さらに、これまでにhiPSC-NS/PCをγ-セクレターゼ阻害剤であるDAPTで処理した後に脊髄損傷部位に移植することにより、慢性期脊髄損傷が治療可能であることをマウスレベルで明らかにしてきたが、γ-セクレターゼ阻害剤の中でもCompound 34がDAPTの10分の1の量で同等の効果を発揮することを発見した。これら化合物の再生治療応用について紹介する。

2, COVID-19による中枢神経障害メカニズムの解析

中枢神経障害を引き起こす新型コロナウイルス感染症において、「新型コロナウイルスが果たしてニューロンに直接感染できるのか？」という疑問に対して、数多くの研究結果から、新型コロナウイルスはニューロンへは感染しづらいことがわかっていた。しかし、ウイルスが変異を起こした場合のその感染性の変化や、他の各種神経系細胞への感染性については十分に検証されていなかった。さらには、ニューロンへ感染しづらいのならば、なぜ中枢神経障害が起きるのかははっきりわからす、全身の炎症が原因だと思われてきた。そこでヒトiPS細胞から脳の主要構成細胞であるニューロン、アストロサイト、ミクログリア、さらに脳オルガノイドを作成してウイルスの感染性を調べた。アルファ株からオミクロン株に至るまで、ミクログリアに効率的に感染することがわかった一方でニューロンや神経幹細胞には感染しないことが明らかになり、ミクログリアへの感染では、ACE2ではなく、DPP4が有力であることまで判明した。今後の創薬に向けた産学連携について模索したい所存である。

3, くも膜下出血の早期治療介入研究

くも膜下出血発症早期のEarly brain injuryがその後の重症度、予後に重要であることは知られていたが、発症早期に大脳皮質全体に神経炎症が及ぶことで神経細胞死が生じて重症となることをモデルマウスを作成して明らかにした。そこで、この早期に引き起こされる脳内炎症を効率よく抑制する薬剤のスクリーノングを既存薬の中から考えており、創薬目的での産学連携を希望しており、知財取得も視野に入れている。

4, Single cell RNA-seq解析における最適な解析モデル構築

従来のアノテーション方法では、複数の細胞集団の間で発現している遺伝子の違いを網羅的に探索する手法（発現変動遺伝子解析）によって、サンプル間での相対的な比較を行い、有意に発現量が上昇している遺伝子群から細胞種を推定してきた。しかし、遺伝子発現量の数値は、サンプルの特性や定量手法、データ処理方法などの影響を受けて変動する。そもそも細胞種の概念は古典的に形態と機能によって定義されてきたため、形態と機能情報がないsingle cell RNA-seq（すり潰した細胞集団からmRNAを読み取って解析するため、細胞の形や機能は分からない）において、細胞種を定義づけるようなマーカー遺伝子に関して、発現量の厳密な基準値は明らかになっていない。そこで、遺伝子発現の統計学的従属性をRNA-seqデータでみられる細胞の機能としてとらえ、それらの関係を遺伝子制御ネットワーク（Gene Regulatory Network：GRN）として可視化し、GRNの類似性によって細胞特性の近さを評価する指標を開発した。データに恣意的な加工を施さずに普遍的特性を確認することができるため、様々な分野で横断的に応用ができ、今後の学内共同研究に活かしたい所存である。