1型ゴーシェ病患者における骨格系合併症のための機械学習駆動型バイオマーカー探索

1型ゴーシェ病（GD1）は、グルコセレブロシダーゼ欠損によって引き起こされる希少な常染色体劣性遺伝疾患である。骨格症状は、GD1において最も衰弱を招き、不可逆的となる可能性のある合併症の一つである。画像診断がゴールドスタンダードであるものの、骨格合併症を迅速に管理するためには、分子バイオマーカーのような早期診断・予後予測ツールが必要とされている。本研究は、人工知能を用いて、GD1患者における骨格合併症の早期診断を予測可能な潜在的なタンパク質バイオマーカーを同定することを目的とした。新規のTherapeutic Performance Mapping System手法を用いたin silico研究を実施し、タンパク質レベルでのGD1関連合併症の数理モデルを構築した。モデリングの前に病態生理学的特性評価を行い、モデル内の各タンパク質の予測活性に対してデータサイエンス戦略を適用して分類因子を同定した。統計的基準を用いて最も有望な候補を優先順位付けした結果、18個の候補が同定された。その中でも、血液での測定が容易であるPDGFB、IL1R2、PTH、およびCCL3（MIP-1α）が注目された。本研究は、未充足の医療ニーズがある領域において、臨床医の意思決定を支援する新しいタンパク質バイオマーカーを発見するための、検証済みの新規ツールを提案するものである。ただし、in vitroおよび/またはin vivo研究を用いて結果を確認することが必要である。