Logo
ホームページ
当社のモデルを探求してください。
カート
連絡先
購読する
モデル製品
製品ラインアップ
MouseAtlas モデルライブラリ
細胞株モデルカタログ
iPS細胞株製品カタログ
ノックアウト細胞株製品カタログ
点変異細胞株製品カタログ
過剰発現細胞株製品カタログ
腫瘍細胞株製品カタログ
レポーター細胞株製品カタログ
OriCell(細胞培養製品)
AAV 标準製品カタログ
研究用マウスモデル
ヒト化マウスモデル
HUGO-GT™
HUGO-Ab™
ヒト化ターゲット遺伝子モデル
ヒト化免疫系マウスモデル
ツールマウス
Creマウスモデル
疾患モデル
神経疾患モデル
がん・免疫腫瘍学モデル
自己免疫疾患モデル
免疫不全モデル
眼科疾患モデル
代謝疾患モデル
カスタムサービス
遺伝子改変モデル作製技術
Turboknockout™ゲノムターゲティング技術
ターゲティング遺伝子編集技術
Cre-ESCs遺伝子編集技術
通常型トランスジェネシス
PiggyBacトランスジェネシス
BACトランスジェネシス
遺伝子改変動物モデル作製サービス
ノックアウトマウス作製
ノックアウトラット作製
ノックインマウス作製
ノックインラット作製
トランスジェニックマウス作製
トランスジェニックラット作製
繁殖・サポートサービス
繫殖サービス
凍結保存・復元サービス
表現型解析サービス
BAC改変サービス
カスタム細胞株作製サービス
誘導多能性幹細胞(iPS細胞)作製
ノックアウト細胞株作製
ノックイン細胞株作製
点変異細胞株作製
過剰発現細胞株作製
ウイルスベクター作製サービス
アデノ随伴ウイルスパッケージング
レントウイルスパッケージング
アデノウイルスパッケージング
創薬研究
抗体創薬
HUGO-Mab™
HUGO-Light™
HUGO-Nano™
HUGO-Ab-eKO™
疾患領域
神経疾患
アルツハイマー病(AD)
パーキンソン病(PD)
ハンチントン病(HD)
血液脳関門(BBB)
神経障害性疼痛
腫瘤
PBMCヒト化マウスモデル
ヒト免疫系(HIS)マウスモデル
免疫・炎症
喘息
眼科疾患
緑内障
加齢黄斑変性(AMD)
網膜関連疾患
代謝・循環器疾患
肥満
創薬モダリティ
治療用抗体医薬
モノクローナル抗体(mAb)
二重特異性抗体(BsAb)
ADC/AOC
AI駆動型AAV創薬
細胞免疫療法
遺伝子治療
核酸医薬
HUGO-LAb™
神経疾患抗体
肿瘤抗体
免疫・炎症疾患抗体
眼科疾患抗体
代謝・循環器疾患抗体
コミュ二ティー
キャンペーン
イベント・ウェビナー
ニュース
研究情報
資料室
査読済み文献(引用)
データベース
希少疾患データセンター(RDDC)
AbSeek
Cell iGeneEditor™ システム
先端研究速報
会社案内
企業概要
施設概要
動物の健康・福祉
健康報告書
協力企業・代理店
採用情報
お問い合わせ
Login
ホーム>先端研究速報>思春期脳白質成熟の再現性高いパターンと高度な MRI 解析手法の重要性

思春期脳白質成熟の再現性高いパターンと高度な MRI 解析手法の重要性

研究领域で探す
2026.10.20
脳画像白質思春期拡散 MRI神経発達

Contents

01.研究背景と未解決課題
02.この論文で明らかになったこと
03.研究デザインと技術的ポイント
04.疾患研究・創薬研究への示唆
05.前臨床モデル・研究ツールとの関連
06.まとめ

01. 研究背景と未解決課題

思春期は脳可塑性が著しく、認知機能の発達と精神病理の脆弱性の両方が現れる重要な時期です。しかし、大規模な多施設研究において、拡散 MRI(dMRI)データはスキャナメーカーやソフトウェアバージョンによる技術的ばらつきの影響を受けやすく、生物学的な成熟パターンを見誤るリスクがあります。従来の研究では、分数異方性(FA)や平均拡散率(MD)といった単純なテンソル指標が主流でしたが、これらが白質の微細構造変化をどの程度敏感に捉えられるか、また多施設間での再現性が高いかは不明確でした。

さらに、画像品質の評価指標と年齢、あるいはスキャナ環境との関連性も複雑で、統計モデルに画像品質を共変数として含めることが、逆に生物学的な信号を歪める可能性さえ指摘されています。これらの課題を解決し、思春期白質発達の普遍的なパターンを解明するためには、高度な前処理手法と統計的調整の必要性が迫られていました。

02. この論文で明らかになったこと

本研究は、米国の大規模縦断研究「Adolescent Brain Cognitive Development (ABCD) Study」の 24,000 件以上の dMRI データセットを処理・公開した「ABCC release 3.1.0」を活用しました。その結果、従来のテンソル指標(FA, MD)に比べて、NODDI(細胞内体積分率 ICVF)、DKI(平均カーテース MKT)、MAP-MRI(原点回帰確率 RTOP)といった高度な拡散モデルの指標が、年齢に伴う変化に対して 4〜5 倍敏感であることが判明しました。

また、スキャナ間(Siemens, GE, Philips)の技術的ばらつきを補正する「縦断的 ComBat-GAMM」ハーモナイゼーション手法を適用したところ、スキャナメーカー間で異なるデータセットにおいても、白質成熟の空間的パターンが高度に一致することが確認されました。これは、技術的ノイズを除去することで、生物学的に意味のある発達シグナルをより明確に捉えられることを示しています。

03. 研究デザインと技術的ポイント

研究では、オープンソースの処理パイプライン QSIPrep と QSIRecon を用いて、10,738 人の参加者(8〜17 歳)から得られたデータを処理しました。40 種類の自動化画像品質指標(IQM)と、専門家の手動評価を比較し、どの指標が微細構造のばらつきを最もよく捉えるかを検証しました。

  • 多施設・多スキャナデータに対する縦断的ハーモナイゼーション(ComBat-GAMM)の適用
  • 従来のテンソル指標と、NODDI, DKI, MAP-MRI などの高度指標の感度比較
  • 画像品質指標と年齢、スキャナ環境の共線性を考慮した統計モデルの構築
  • 62 の白質束(tract)ごとの微細構造指標の発達パターンの解析

特に注目すべきは、画像品質指標のうち「dMRI コントラスト」が微細構造のばらつきを最もよく説明し、かつ年齢とは独立していたことです。一方、一般的な「頭部運動(head motion)」指標は年齢と相関があったものの、スキャナ環境の違いに起因する部分が大きく、これを共変数として含めることで発達効果の推定が歪められる可能性が示唆されました。

04. 疾患研究・創薬研究への示唆

この研究結果は、神経発達症や精神疾患のバイオマーカー探索において、単なる FA 値の比較にとどまらず、より生物学的な意味を持つ高度な微細構造指標を用いるべきであることを示唆しています。特に、ADHD や自閉スペクトラム症など、思春期に発症・増悪する疾患の病態解明には、白質の微細構造変化を敏感に捉える指標が不可欠です。

また、多施設共同研究や前臨床試験において、異なるスキャナ環境で収集されたデータを統合する際、適切なハーモナイゼーション手法を適用することが、結果の信頼性と再現性を担保する鍵となります。画像品質評価においても、単なる運動指標ではなく、信号の物理的特性を反映する指標を用いることで、より正確なデータ解釈が可能になる可能性があります。

05. 前臨床モデル・研究ツールとの関連

本研究はヒトの画像解析が中心ですが、その手法論は動物モデルを用いた神経科学研究にも応用可能です。神経・筋肉 分野の研究において、マウス や ラット の脳白質を評価する際にも、同様の高度な拡散 MRI 解析や、実験間・スキャナ間のばらつきを調整する統計的手法が重要となります。

さらに、神経変性疾患 や 認知機能障害 のモデル動物を用いた薬効評価において、白質の微細構造変化を定量的に追跡することは、治療効果の客観的評価に寄与します。前臨床研究 では、画像解析の標準化と再現性の確保が、創薬プロセスの効率化に直結するため、本研究で示された手法の適用が期待されます。

06. まとめ

本論文は、思春期脳白質の成熟パターンを解明する上で、高度な拡散 MRI モデルと統計的ハーモナイゼーションの重要性を再確認させました。従来の指標よりも感度の高い指標を用いることで、より詳細な発達メカニズムの理解が可能になり、多施設研究の信頼性も向上します。今後の神経発達研究や精神疾患のバイオマーカー探索において、これらの手法論的進歩が重要な基盤となるでしょう。

信頼性の高い前臨床研究のための神経科学CROサービス
信頼性の高い前臨床研究のための神経科学CROサービス
カスタム動物モデル、標的薬物送達、包括的な有効性評価を提供するサイヤジェン(Cyagen)の神経科学CROサービスをご利用いただけます。前臨床研究を加速し、プロジェクトリスクを低減します。
マウスモデルへ
AI駆動型AAVディスカバリー(中枢神経系(CNS)&眼科遺伝子治療)
AI駆動型AAVディスカバリー(中枢神経系(CNS)&眼科遺伝子治療)
AIによるカプシド設計とin vivo検証でAAVベクター開発を加速します。精密なCNS(中枢神経系)標的化、オフターゲット効果の低減、網膜での発現増強を実現し、先進的な遺伝子治療研究を推進します。
マウスモデルへ

FAQ

従来の FA(分数異方性)と、本研究で推奨される NODDI や DKI の違いは何ですか?
FA は拡散の方向性を示す単純な指標ですが、NODDI(細胞内体積分率)や DKI(平均カーテース)は、細胞の密度や拡散の非ガウス性をより詳細に捉えることができるため、思春期のような微細な構造変化に対してはるかに敏感です。
なぜスキャナ間のハーモナイゼーションが必要なのでしょうか?
異なるメーカーやソフトウェアバージョンの MRI スキャナでは、画像の品質や数値が系統的に異なるため、生物学的な差と技術的な差を区別できなくなります。ハーモナイゼーションを適用することで、スキャナに依存しない一貫した発達パターンを抽出できます。
画像品質の評価には「頭部運動」指標ではなく何を使うべきですか?
本研究では、頭部運動指標は年齢やスキャナ環境と強く相関しており、発達効果の推定を歪める可能性があります。代わりに、dMRI コントラストなどの信号の物理的特性を反映する指標が、微細構造のばらつきをより正確に捉えることが示されました。
この研究結果は動物モデルの画像解析にも応用できますか?
はい、応用可能です。動物モデルを用いた神経科学研究でも、スキャナ間のばらつきを調整し、高度な拡散モデルを用いることで、より正確な白質の微細構造変化を評価できる可能性があります。
論文情報
Steven L Meisler, Matthew Cieslak, Joëlle Bagautdinova, Timothy J Hendrickson, Tanya Pandhi, Andrew A Chen, Noah Hillman, Hamsanandini Radhakrishnan, Taylor Salo, Eric Feczko, Kimberly B Weldon, rae McCollum, Begim Fayzullobekova, Lucille A Moore, Lucinda M Sisk, Christos Davatzikos, Hao Huang, Bárbara Avelar-Pereira, Sendy Caffarra, Kelly Chang, Philip A Cook, Elizabeth A Flook, Teresa Gomez, Mareike Grotheer, McKenzie P Hagen, Zeeshan M Huque, Iliana I Karipidis, Arielle S Keller, John Kruper, Audrey C Luo, Briana Macedo, Kahini Mehta, Jamie L Mitchell, Adam R Pines, Laura Pritschet, Amelie Rauland, Ethan Roy, Brooke L Sevchik, Golia Shafiei, S Parker Singleton, Hannah L Stone, Kevin Y Sun, Valerie J Sydnor, Tien T Tong, Maya Yablonski, Jason D Yeatman, Ariel Rokem, Russell T Shinohara, Damien A Fair, Theodore D Satterthwaite. Highly replicable multisite patterns of adolescent white matter maturation. Neuron. https://doi.org/10.1016/j.neuron.2026.09.021
共有
Top
モデルライブラリ
モデルライブラリ
リソース
リソース
動物の品質
動物の品質
サポートを受ける
サポートを受ける
住所:
〒543-0071 大阪府大阪市天王寺区生玉町2-3 小出ビル410室
電話 :
06-7652-3321
メール:
[email protected]
モデル製品
HUGO-GT™HUGO-Ab™MouseAtlas モデルライブラリ細胞株モデルAAV標準製品
創薬・研究開発
神経疾患オンコロジー免疫・炎症眼科疾患代謝・循環器疾患
会社案内
企業概要施設概要動物の健康・福祉健康報告書協力企業・代理店採用情報お問い合わせ
SNS
免責事項:当社の製品およびサービスの価格や入手可能性は地域によって異なります。記載されている価格は特定の国々に適用されます。詳細についてはご連絡ください。
Copyright © 2026 Cyagen. All rights reserved.
プライバシーポリシー
サイトマップ
Cyagenの最新情報をお届けします
研究モデル、CROサービス、科学リソース、特別オファーに関する最新情報を、研究ニーズに合わせてメールでお届けします。
お名前
メール
ご所属機関
関心分野
主な研究分野