生きた人の身体の中のタンパク質の種類を非侵襲かつ安全な範囲で分析可能か？(概説)

人体の中のタンパク質の種類をサブタイプまで解像度を上げて
識別する事ができるか？
例えば、細胞接着分子のインテグリンの
20種類以上あるサブタイプの識別をすることができるか？
しかも、生きた人体の中、電磁波(X線)、非侵襲、安全な範囲で。
「それ、絶対に無理じゃね？」
光学測定、画像解析を詳しく知っている人であればあるほど、
半分失笑されるかもしれません。
原理的に無理かどうかは大部分の事を知ってから判断すればよくて、
この分析をする必要があるから可能なあらゆる手を考えるということです。

二つの方向性があります。
現時点で、どちらが筋がいいかわかりません。

1つは、身体の最も多く含まれる水素、酸素、炭素に着目するという事です。
この場合、人工知能を使って分析する事を考えます。
例えば、
生体外に分析したいタンパク質を全て露出させて
身体を透過できる電磁波、例えば、X線を当てて、
その散乱角、位相、スペクトル全体(波長-強度)、
波長シフト(入射X線との関係)、(相対)強度(2次/1次)
透過光強度(入射光)、
これら受光系で原理的に検出できる光学的信号を全て人工知能に学習させます。
このときにパルス信号(パルス条件も変えて)なども
同じ検体(タンパク質)に対して利用してもいいかもしれません。
これで、まずビックデータを築きます。
今度は、X線の焦点位置(測定ポイント)でできるだけ同じ条件になるように
入射系を設定します(波長、強度、パルス条件)など。
それで、受光系で得られたあらゆる信号のパラメータから
どのタンパク質の情報と近いかを推論させます。

しかし、課題は受光系の信号の微弱さです。
どちらの方向性でも、これはもう絶対的な課題なので、克服する必要がありますが、
こちらのアプローチの方が積分強度としては
原子数の絶対数が多くなるので有利ですが、
問題は、原子番号の小さな水素、酸素、炭素を効率的に励起する、
共鳴X線のエネルギーが小さくなり、波長が長くなり、
人体の吸収率が高くなってしまい、深部信号がとりにくいということです。
但し、積分強度が強くても、スペクトルがブロードになり、
それぞれの光子のエネルギーでのS/N比が
非常に小さくなる可能性もあります。

もう1つは、タンパク質に微量にしか含まれない金属などの分子を標的にすることです。
この場合においても、同じように人工知能に学習させます。
これは個別で無条件でできることなので、
身体の中のタンパク質のサブタイプを特定する上で必須になるでしょう。
この微量しか含まれない金属は
絶対数が少ないので、信号の干渉が少なくなるため、
特異的な信号を識別しやすくなります。
この金属の周りの電子状態がタンパク質サブタイプ固有であれば、
その信号からタンパク質を特定することができるはずです。
また、金属は水素、酸素、炭素よりも原子番号が大きいため、
これらの元素に対して光子(photon)で刺激するときに
相対的に高エネルギーが必要になります。
そうすると2次信号変換効率の高い共鳴波長が高エネルギーになり、
高エネルギー電磁波は体の透過率が高いため、深部分析に適しています。
これは上の水素、酸素、炭素ではない事です。
しかし、水素、酸素、炭素に比べて、微量ですから、
原子の絶対数が少ないために信号がさらに微弱になります。
従って、特異性には優れていますが、
2次信号の積分値は小さくなります。
しかし、ピーク値で比較したらわかりません。
いずれにしても上述したように2次信号は桁で弱く、
かつ、低エネルギーになり、人体の吸収があり、光子が分散するため、
限りなく検出できる信号強度は微弱です。
はっきりいって重力波を検出するようなものかもしれません。

もう一つの課題は外で取り出したタンパク質に対しては
人の手で分別ができる為、一つのタンパク質を個別にみれますが、
生体内では、様々なたんぱく質が集合し、相互作用しているため、
特定のタンパク質を電磁波で刺激する事ができません。
従って、2次信号を人工知能で解析させる時には
一般的な内部、外部ノイズと、
タンパク質、脂質など焦点部分に複合的に存在する物質のノイズを含めて
分析させる必要があります。

これを聞いて
「それ、絶対に無理じゃね？」が
「それ、ほぼ絶対に無理じゃね？」に変わりませんか？
私のこの記事を日本、世界の人に見てもらって、
叡智を集めれば、「多分、無理じゃね？」
いや「ひょっとしたらいけるかも？」くらいにかわるかもしれません。