南オーストラリア大学が開発したAIを活用した新たな遺伝子マッピング手法により、がんは単一の変異だけでなく、協調的な遺伝子ネットワークによって制御されていることが分かりました。この手法は、特に既知のがん変異を持たない患者において、医師が新たな治療標的を見つけるのに役立つ可能性があります。
オーストラリアの癌研究者らは、遺伝子のグループがどのように連携して腫瘍を進行させるかをマッピングする人工知能手法を発表し、治療のための隠れた標的を見つける新たな方法を提供している。
南オーストラリア大学で開発され、 公表 ロイヤル・ソサエティ・オープン・サイエンス誌に掲載されたこのアプローチは、単一の重度に変異した遺伝子から、がんの成長、拡散、治療への抵抗を助ける複雑な遺伝子ネットワークへと注目を移している。
研究チームは、患者間でどの遺伝子が最も頻繁に変異するかを問うのではなく、腫瘍が進行するにつれて遺伝子が時間とともにどのように互いに影響し合うかを問うた。
主任研究者のアンドレス・シフエンテス・ベルナル氏によると、AIシステムはこれらの関係性を追跡し、腫瘍の進行を止めるのが非常に困難になる生物学的特徴を明らかにするという。
「このシステムは、遺伝子が時間の経過とともにどのように影響し合うかを評価し、腫瘍の成長、拡散、治療への抵抗を可能にする根本的な生物学的アプローチをより明確に把握できるようにします」とシフエンテス・ベルナル氏はニュースリリースで述べた。
長年にわたり、大規模なゲノムワイドがん研究は、多くの患者に繰り返し現れる変異に焦点を当ててきました。この戦略は、主要ながんのドライバー遺伝子を特定し、その一部に対する標的薬の開発に成功してきました。しかし、限界もあります。
「従来のゲノムワイドながん研究は、一般的に患者全体に頻繁に現れる変異に焦点を当てています。このアプローチは多くのよく知られたがんドライバー遺伝子を発見してきましたが、微妙な、あるいは稀な遺伝子変化を見落としています。さらに重要なのは、悪性細胞の増殖を促す遺伝子間の複雑な相互作用も見逃してしまうことです」とシフエンテス＝ベルナル氏は付け加えました。
新しいフレームワークは、その相互作用を捉えるように設計されています。
論文の共著者でUniSAの准教授トゥック・ル氏によると、この方法は体内での腫瘍の挙動をより現実的に反映しているという。
「がんは静的なものではありません」と彼はニュースリリースで述べた。「がんは動的な変化の連鎖を経て発症します。多くの遺伝子が協調して正常な細胞の挙動を阻害しますが、既存の方法ではそれを検出するのが困難です。私たちのアプローチは、その複雑さを捉えるように設計されています。」
研究者たちは、このシステムをテストするために、大規模な乳がんデータセットを活用しました。AIツールを用いて、腫瘍細胞における遺伝子の相互作用を再構築し、がんをより悪性度の高い段階へと導く上で協力していると思われる遺伝子クラスターを特定しました。
この手法は、がん関連遺伝子の国際的なリファレンスであるCancer Gene Censusに既に収録されている多くのよく知られたがん遺伝子を検出することに成功しました。これは、この手法の精度を検証するのに役立ちました。
重要なのは、AIが明らかに変異していないものの、他の遺伝子に影響を与えることで重要な役割を果たす遺伝子もフラグ付けしたことです。新たに強調表示された候補遺伝子の中には、細胞シグナル伝達、免疫反応、そしてがんが体の他の部位に広がるプロセスである転移に関与するものがあります。
この方法は、一度に 1 つの遺伝子にスポットライトを当てるのではなく、一緒に作用する遺伝子の協調ネットワークを特定します。
「これらのネットワークは、遺伝子がどのように協力してがんをより攻撃的な状態に押し進めるかを明らかにしている」とLe氏は付け加えた。
このネットワークビューは、多くの既存薬が標的とする有名な変異を腫瘍が有さない患者にとって特に重要となる可能性があります。こうした患者の場合、医師は選択肢が少なく、どの治療法が最適かについてのアドバイスも少ないことがよくあります。
腫瘍の進行を助ける新たな遺伝子と経路を明らかにすることにより、UniSA フレームワークは、単一の遺伝子ではなくネットワーク全体を破壊する新たな治療ターゲットや薬剤の組み合わせを示すことができる可能性があります。
この研究は、人工知能が生物医学研究をどのように変革しているかを浮き彫りにしています。AIは、腫瘍内で特定の時点で活性化する可能性のある数千もの遺伝子や、がんの進行に伴ってそれらの活性がどのように変化するかといった、膨大で複雑なデータセットにおけるパターンの発見に特に適しています。
シフエンテス・ベルナル氏によると、こうしたパターンを理解することが、腫瘍の進化の全体像を把握する鍵となるという。
「こうしたダイナミクスを理解することで、腫瘍がどのように進化するかについて、より深い洞察が得られます」と彼は述べた。「単一細胞の変異を考えるだけでなく、より広範な生物学的システム全体への理解を深めることができます。」
本研究は乳がんのデータに焦点を当てていますが、研究者らは、この枠組みは応用可能であると述べています。原理的には、他のがんや、神経変性疾患、自己免疫疾患、慢性炎症性疾患など、遺伝子発現が時間とともに変化する疾患にも適用できる可能性があります。
出典： 南オーストラリア大学