機械学習がナノ粒子の「色」を読み、タンパク質を検出

ナノの世界では、金は金色とは限らない。

直径数十ナノメートルの金粒子は、暗視野顕微鏡の下で緑に輝くことがある。表面にとげを持つ「金ナノアーチン」は橙から赤、銀ナノ粒子は青に見える。二つが同じ光学スポットに入れば、新たな混合色が生まれる。それは絵の具ではない。金属表面の自由電子が光と共鳴して集団運動することで生じる散乱光だ。

研究チームは、この小さな光景を分子検出へ変えた。青く散乱する銀ナノ粒子と橙赤色の金ナノアーチンに、特定の抗体が両者を橋渡しするようタンパク質を固定する。暗視野顕微鏡で輝点を撮影し、機械学習に「この光点は何か」と尋ねた。

生体分子の橋が粒子を離して保持し、従来の凝集法が期待する強いプラズモン変化が起きにくい場合でも、金と銀の混合色を持つ異種二量体（ヘテロ二量体）を識別できた。抗ウシ血清アルブミン（抗BSA）抗体の濃度とともにペアの割合は増え、検出限界は1ミリリットル当たり0.5マイクログラム、約3.4ナノモーラーだった。

分子の橋はどう作られたか

実験には二つのプローブがある。直径80ナノメートルの金ナノアーチンにはBSAを固定し、直径60ナノメートルの銀ナノ粒子にはProtein Aを固定した。Protein Aは多くの抗体の一定領域（Fc領域）に結合する細菌由来タンパク質である。標的は抗BSA抗体だ。

抗体の一方はBSAを認識し、別の部分はProtein Aと結び付く。標的があれば、BSA付き金粒子とProtein A付き銀粒子が橋渡しされる。暗視野では銀の単粒子は青、金ナノアーチンは橙赤、金銀ペアは桃色を帯びた混合色になる。

これはナノスケールのサンドイッチアッセイである。特異性を最初に生むのはAIではなく、分子認識だ。別のタンパク質を測るには、その標的だけが二つの光学ラベルを組み立てる捕捉分子が必要になる。分類器が答えるのは「この輝点はどの粒子状態か」であって、「未知分子の正体は何か」ではない。

試料は37℃で1時間反応させ、シラン処理ガラスへ載せた。Olympus BX53、暗視野コンデンサー、60倍対物レンズ、CCDカメラで撮影し、ImageJで各輝点の赤・緑・青（RGB）、強度、面積を抽出した。透過電子顕微鏡でも粒子ペアの形成を確認した。

一色・一閾値では足りなかった理由

古典的な金ナノ粒子凝集センサーは劇的な集団効果を使う。よく分散した金コロイドは赤く、粒子が十分近くに集まると局在表面プラズモンの結合で紫から青へ変わる。条件がよければ肉眼でも読める。

タンパク質はこの単純さを壊す。小分子や短いDNAリンカーに比べて大きく、抗体が橋になると粒子表面の間隔は10ナノメートル以上になり得る。ペアは存在しても近接場相互作用が弱く、明瞭な色・強度変化にならない。溶液全体の色を変えるには多数の複合体も必要だ。

暗視野顕微鏡は直進光を抑え、試料が散乱した光だけを集める。小さな粒子が黒い背景の輝点となり、試験管全体が変色したかではなく、個々のスポットに何が起きたかを問える。

しかし単一スポットも雑然としている。金同士、銀同士が重なる。非特異的凝集やほこりも光る。焦点、粒子形状、向き、照明でRGB値は動く。明るさや面積だけの一本の境界線では、この構造を捨ててしまう。

六種類の光を分類する森

研究者は人手でラベルを付けた教師データを作り、統計ソフトRでランダムフォレストを訓練した。ランダムフォレストは多数の決定木に投票させる手法で、表形式の多変量データと非線形な境界の分類に向く。巨大な画像データを必要とせず、複数の弱い手掛かりを組み合わせられる。

分類対象は実用上六つだった。単一の銀粒子、単一の金ナノアーチン、標的が結んだヘテロ二量体、同種二量体、より大きな同種凝集体、そしてほこりなどのノイズである。入力はRGB、強度、面積。検出に使った出力は、全輝点のうち金銀ペアと判定された割合だった。

抗BSA抗体濃度とともにヘテロ二量体率が上昇し、非標的の抗インスリン抗体で特異性を確かめた。単純な閾値法との比較では、強度だけでは検出限界を算出できず、面積では3 µg/mLだった。ランダムフォレストの0.5 µg/mLは、この実験の面積法より6倍低い値である。

ただし「AIが診断を常に6倍高感度にする」と一般化はできない。この粒子、光学系、試料、特徴量、閾値設定での比較だ。多変量分類は一次元の境界が捨てる情報を使えるが、成績は教師ラベルの正しさと撮影系の安定性に依存する。

赤い金をめぐる169年

人類はナノ粒子を知らない時代から、その光学現象を使った。古代・中世のガラス職人は、金銀の微粒子で深い赤や黄を生み出した。職人が制御したのは材料と炉で、色を作った物理は電子だった。

1857年、マイケル・ファラデーは英国王立協会で「分割された金」の研究を報告した。赤い金コロイドは、細かく分けられた金が塊の金とは異なる光学特性を持つことを示した。当時は電子もプラズモニクスという言葉もなかった。

20世紀初頭、リヒャルト・ジグモンディとヘンリー・ジーデントプフは、横から強い光を当て、通常の分解能以下の粒子が暗い背景で散乱光として見える限外顕微鏡を開発した。ジグモンディはコロイド溶液の不均一性を示した功績で1925年ノーベル化学賞を受けた。1908年にはグスタフ・ミーの理論が、粒径と材料を散乱・吸収へ結び付けた。

20世紀後半には、金ナノ粒子が生物学的な標識になった。電子顕微鏡では抗体の結合位置を示し、ラテラルフローでは集積した金粒子が線を描いた。妊娠検査薬、後には感染症迅速検査によって、「見えない分子イベントが色粒子を集め、目に見える線になる」仕掛けは世界中の日常になった。

今回の論文は方向を反転させる。線や液体全体を染めるほど粒子を集めるのではなく、まばらな光学イベントを観察し、計算で区別する。感度の源が「信号を大量に集める」から「一つの信号から多くの情報を取り出す」へ移る。

新しさはどこにあるか

進歩を支える考えは二つある。第一に、分子の橋の両端へ異なる色を与えた。標的が粒子を離し、プラズモン結合が弱くても、同じ場所に青と橙赤があれば複合色になる。ペアは「どれだけ近いか」だけでなく「何でできているか」を宣言する。

第二に、邪魔な情報を無視せず分類した。ほこり、同種二量体、不規則凝集体も、色・強度・面積空間のどこかを占める。一つの閾値を超えたものを全部陽性にするより、別クラスとして明示的に学ぶ方が堅牢になり得る。

これはセンサー設計の一般的な教訓でもある。化学が構造化された応答を作り、光学が記録し、機械学習がパターンを解釈する。三つは互いの代わりにならない。分子認識が弱ければ学ぶ信号がない。顕微鏡が不安定なら特徴量が動く。ラベルが誤れば、森は誤った地図を覚える。

示したこと、示していないこと

大学発表は、ノイズ識別が不純物を含む実サンプルへの応用可能性を示すとしている。妥当な研究方向だが、血清のマトリックス効果を解決した証拠ではない。実試料には大量の別タンパク質があり、粒子表面へ吸着して「プロテインコロナ」を作り、結合を妨げ、光学特性を変える。患者、採血管、保存条件でも変動する。

実用化には、盲検試料、独立した訓練・試験データ、複数作業者・複数日の評価、粒子ロット差、干渉物質、装置間校正、既存免疫測定法との比較が必要になる。臨床判断に意味のある濃度付近で精度を示すことも不可欠だ。分析上の検出限界は、対象濃度と必要な判別に合って初めて医療価値を持つ。

顕微鏡は強みであり壁でもある

暗視野撮影は肉眼の比色検査が失う情報を得る。一方で、顕微鏡、対物レンズ、カメラ、照明、画像処理設定がアッセイの一部になる。60倍レンズと慎重に作ったスライドは研究には適するが、そのまま安価な現場検査にはならない。

自動ステージと画像解析を組み合わせた検査室用リーダー、混合と提示を一定にするマイクロ流体、研究顕微鏡を置き換える小型光学カートリッジなどが考えられる。あるいは最大の成果は発想かもしれない。異なるスペクトルを持つ粒子ペアを選び、その組み合わせを数えれば多項目検査へ広げられる。

ただし多項目化は難しい。色を三、四種類に増やせば複数標的を符号化できるが、スペクトルの重なりと交差反応は急速に増える。ロットや装置を越えて分類器を校正し続ける必要もある。ラベルが増えるほど情報は増え、間違い方も増える。

色がデータになる時

ファラデーの赤いコロイドは、人の目を驚かせる色だったから科学的証拠になった。ラテラルフローの線は、集積色が肉眼の閾値を越えたから医学的証拠になった。愛媛大・理研の実験は第三段階を示す。色をただ見るのではなく、数値へ分解し、形と明るさを合わせ、確率的なクラスとして判断する。

これは単純な閾値が見逃す信号を回収できる。同時に、信頼を置く場所を変える。目に見える線は人が直接確認できるが、多変量分類器には、検証された教師データ、固定された解析、品質管理、ドリフト監視が必要だ。「機械学習」は解釈を消さない。解釈をソフトウェアへ移す。

今回の成果は規模としては慎ましく、設計としては美しい。疾病を認識するAIを作ったのではない。選ばれた分子の橋が混合色のメッセージを書くよう二つの小さな灯台を設計し、ほこりの向こうからそれを読む統計的な森を育てた。

169年間、金コロイドは、物質が人の視界より小さく分けられると別の顔を見せることを教えてきた。2026年も色はメッセージを運ぶ。違うのは最初の読み手が機械になったことだ。次の課題は、静かに整えられた実験室の外でも、同じメッセージを読めると証明することである。