自己免疫性脳炎における免疫学的予測因子とメカニズムの洞察を特定する機械学習とマルチオミクス統合

科学分野:

• 神経免疫学
• 計算生物学
• トランスレーショナル医学

背景:

• 自己免疫性脳炎（AE）は診断と予後の課題をもたらします。
• AEの病原性メカニズムの理解と信頼できるバイオマーカーの特定は、効果的な治療のために不可欠です。
• 現在のAEの予後ツールは、解釈可能性と包括的なマルチオミクス統合が不足しています。

研究 の 目的:

• 免疫学的指標を用いたAEの解釈可能な予後予測モデルを作成すること。
• マルチオミクスを用いてAEの病原性における核内タンパク質（NPM1）の役割を探求すること。
• タンパク質A免疫吸着（PAIA）および薬剤標的としてのNPM1の治療可能性を評価すること。

主な方法:

• 免疫学的データを用いたAEの機械学習ベースの予後モデルを開発および検証しました。
• モデルの解釈可能性のためにSHapley Additive exPlanations（SHAP）を採用しました。
• EAEモデルにおいて、NPM1を調査するために単一細胞RNAシーケンス、空間トランスクリプトミクス、およびPheWASを統合しました。
• 病原性抗体の減少のためにPAIAを評価しました。

主要な成果:

• 6つの主要な免疫学的指標（QIgG、リンパ球、DN T、DP T、NK細胞数、T細胞割合）が予後モデリングのために特定されました。
• 機械学習モデル（RF、XGBoost、LGBM）は高い予測性能（AUC最大0.978）を達成しました。
• PAIAは抗NMDAR抗体を減少させる予備的な有効性を示しました。
• NPM1の発現はEAE病変でアップレギュレーションされ、細胞間シグナル伝達（PSAP経路）の増強と関連しており、PheWASにおいて有意なオフターゲット効果を示しませんでした。

結論:

• AEの解釈可能な予後フレームワークが確立されました。
• 予備的な証拠は、PAIAを潜在的な治療法として支持し、NPM1をAEにおける主要なメカニズム的因子として指名します。
• NPM1は治療標的として有望ですが、さらなる安全性検証が必要です。