がん種を超えたGD2発現予測：経路トポロジーとトランスクリプトームデータの統合
Arsenij Ustjanzew1,2,3, Federico Marini1,2,4, Saskia Wagner5
1Institute of Medical Biostatistics, Epidemiology and Informatics (IMBEI), University Medical Center of the Johannes Gutenberg-University Mainz, Mainz, Germany.
Frontiers in bioinformatics
|December 22, 2025
まとめ
トランスクリプトームデータを用いたがんにおけるジシアロガングリオシドGD2発現予測のための計算手法を開発しました。このツールは、GD2標的療法のための患者特定や新規がんバイオマーカーの発見に役立ちます。
科学分野:
- 計算生物学
- がん研究
- システム生物学
背景:
- ジシアロガングリオシドGD2は、様々ながんにおける過剰発現のため、有望ながん治療標的です。
- GD2発現の実験的評価は困難であり、日常的に行われていません。
- 臨床試験における患者層別化には、GD2発現の正確な予測が不可欠です。
研究 の 目的:
- トランスクリプトームデータからGD2発現を予測するための計算フレームワークを開発すること。
- 糖脂質生合成経路と反応活性スコアを統合すること。
- 臨床応用のためのGD2発現の堅牢で解釈可能な予測因子を作成すること。
主な方法:
- トランスクリプトームデータから反応活性スコアを計算し、糖脂質生合成経路に重み付けを行いました。
- 酵素の広範性を考慮するために、トポロジーベースの遷移確率を利用しました。
- 累積反応活性を持つサポートベクターマシン（SVM）を用いてGD2発現をモデル化し、独立したデータセットとフローサイトメトリーで検証しました。
- ゲノムバイオマーカーを同定するためにコピー数異常（CNA）データを統合しました。
主要な成果:
- 線形カーネルSVMで0.80のバランス精度を達成し、2遺伝子シグネチャを上回りました。
- 6つの独立したRNA-seqデータセット全体で信頼性の高い転移可能性を示し、サブタイプ特異的な不均一性を捉えました。
- 腎臓の明細胞肉腫における高GD2発現を実験的に確認しました。
- 未分化脂肪肉腫におけるGD2促進因子としてB4GALNT1増幅を同定しました。
- ユーザーデータ解析のためのインタラクティブなShinyアプリケーションを備えたRパッケージGD2Vizを開発しました。
結論:
- 計算フレームワークは、GD2発現の堅牢で解釈可能で、生物学的に根拠のある予測因子を提供します。
- このアプローチは、既存の遺伝子ベースのシグネチャと比較して、一貫性と臨床的解釈可能性を向上させます。
- このツールは、高GD2レベルの腫瘍の優先順位付け、患者サブグループの明確化、GD2指向臨床試験のための患者層別化を支援できます。
