Shinji Deguchi 研究室
主宰者：Shinji Deguchi
大阪大学・Osaka University Hospital
AI 要約（直近 5 年の研究成果）
Deguchi研究室は、細胞内の構造や力の生成メカニズムを、実験と理論の両面から解き明かす研究を行っています。主な対象は、細胞の骨組みとなるアクチン細胞骨格とそれを駆動するタンパク質の相互作用です。細胞がどのように内部の力を生み出し、その力をコントロールして形態を維持したり、運動したり、分化したりするのかを理解することが研究の中心課題となっています。
細胞内での分子の拡散や流動を詳しく調べるため、蛍光退色後の回復（FRAP）という観察技術に統計的手法を組み合わせた新しい計測方法を開発しています。また機械学習を用いて、顕微鏡画像から細胞が発生する力を予測するシステムの構築にも取り組んでいます。これらの手法により、従来は測定が困難だった細胞全体の動的な変化を捉えることが可能になりました。
さらに、老化に伴う細胞形態の変化、細胞の適応的な力学応答、筋肉細胞の収縮力といった具体的な生命現象についても研究しています。加えて、汗に含まれるアミノ酸を迅速に検出する装置の開発など、基礎的な細胞力学の知見を応用し、実用的な健康評価ツールの創出も進めています。
※ AI（Claude）が、公開されている論文要旨から研究の問い・手法・主要な発見を事実情報として抽出・再構成して自動生成しています。誤りを含む可能性があるため、正確性は研究室公式情報でご確認ください。
外部リンク
関連研究室(8 件)
- 医学Kouhei Tsumoto 研究室東京大学論文 100 件·共通: 顕微鏡, 古典物理, 力学, 基礎物理 +8
- 環境科学Ryozo Ooka 研究室東京大学論文 151 件·共通: 古典物理, 力学, 基礎物理, 物理学 +6
- 生化学・分子生物学・遺伝学Keisuke Saito 研究室東京大学論文 100 件·共通: 古典物理, 力学, 基礎物理, 発生 +6
- 医学Masaki Kobayashi 研究室東京工業大学論文 100 件·共通: 古典物理, 力学, 基礎物理, 物理学 +4
- 医学Haruki Kume 研究室東京大学論文 100 件·共通: 古典物理, 力学, 基礎物理, イメージング +4
- 材料科学Yuji C. Sasaki 研究室東京大学論文 116 件·共通: 古典物理, 力学, 基礎物理, 物理学 +5
- 材料科学Ryo Ishikawa 研究室東京大学論文 125 件·共通: 顕微鏡, イメージング, 機械, 実験技術 +4
- 生化学・分子生物学・遺伝学Yasuteru Shigeta 研究室筑波大学論文 100 件·共通: 古典物理, 力学, 基礎物理, 物理学 +4
研究成果（49 件）
- [2026] Multi-amino acid quantification device using amino acid-binding enzymes and color-forming reagentsDOI: https://doi.org/10.1299/jbse.25-00365
- DOI: https://doi.org/10.1016/j.bpj.2025.10.005
- DOI: https://doi.org/10.1016/j.biosystems.2025.105594
- DOI: https://doi.org/10.7554/elife.105236.3
- DOI: https://doi.org/10.7554/elife.105236
- DOI: https://doi.org/10.1016/j.cellsig.2025.111616
- DOI: https://doi.org/10.1371/journal.pcbi.1012312
- DOI: https://doi.org/10.1007/s12195-024-00803-4
- DOI: https://doi.org/10.1093/intbio/zyae012
- DOI: https://doi.org/10.17106/jbr.38.32
続きを表示（残り 39 件）閉じる
- DOI: https://doi.org/10.1299/jsmemecj.2024.j222-01
- DOI: https://doi.org/10.1299/jsmemecj.2024.j222-02
- [2024] 機械学習支援FCSによる細胞内の異常拡散動態の解析DOI: https://doi.org/10.1299/jsmebiofro.2024.35.2e08
- DOI: https://doi.org/10.1063/5.0160970
- DOI: https://doi.org/10.1016/j.jbiomech.2023.111543
- DOI: https://doi.org/10.1299/jbse.23-00028
- DOI: https://doi.org/10.1007/978-1-0716-2851-5_21
- DOI: https://doi.org/10.1002/cpz1.655
- [2023] PrefaceDOI: https://doi.org/10.1299/jbse.23preface01
- DOI: https://doi.org/10.1299/jsmemecj.2023.j024p-05
- DOI: https://doi.org/10.1299/jsmemecj.2023.j024p-01
- DOI: https://doi.org/10.1299/jsmebiofro.2023.34.2f05
- DOI: https://doi.org/10.1299/jsmebiofro.2023.34.1f17
- DOI: https://doi.org/10.1299/jsmebiofro.2023.34.2a07
- DOI: https://doi.org/10.1299/jsmebiofro.2023.34.1a19
- DOI: https://doi.org/10.1299/jsmebiofro.2023.34.1a14
- DOI: https://doi.org/10.1371/journal.pone.0276909
- DOI: https://doi.org/10.1038/s41598-022-18833-1
- DOI: https://doi.org/10.1038/s41598-022-17548-7
- DOI: https://doi.org/10.1016/j.bbrc.2022.11.085
- DOI: https://doi.org/10.1299/jsmebiofro.2022.33.2c10
- DOI: https://doi.org/10.1016/j.bpj.2022.06.032
- DOI: https://doi.org/10.1016/j.bbrc.2022.06.066
- DOI: https://doi.org/10.3389/fcell.2022.885859
- [2022] Wrinkle force microscopy: a machine learning based approach to predict cell mechanics from imagesDOI: https://doi.org/10.1038/s42003-022-03288-x
- DOI: https://doi.org/10.1299/jsmebiofro.2022.32.1a19
- DOI: https://doi.org/10.1299/jsmebiofro.2022.32.2a27
- DOI: https://doi.org/10.2142/biophys.62.246
- DOI: https://doi.org/10.1299/jsmemecj.2022.s021-09
- DOI: https://doi.org/10.1299/jsmebiofro.2022.33.2a09
- DOI: https://doi.org/10.1299/jsmemecj.2022.j222-04
- DOI: https://doi.org/10.1299/jsmebiofro.2022.33.1a01
- DOI: https://doi.org/10.1299/jsmebiofro.2022.33.1e05
- DOI: https://doi.org/10.1299/jsmebiofro.2022.33.2a07
- DOI: https://doi.org/10.1091/mbc.e21-05-0229
- DOI: https://doi.org/10.1091/mbc.e21-01-0010
- DOI: https://doi.org/10.1016/j.yexcr.2021.112619
- DOI: https://doi.org/10.1152/ajpcell.00225.2020
- DOI: https://doi.org/10.1002/cm.21659
科研費（0 件）
まだデータがありません（KAKEN 取り込み後に表示）。
所属学会・役職（0 件）
まだデータがありません（学会データ連携後に表示）。