Fanconi貧血における機械学習を用いた骨髄悪性細胞の予測

科学分野:

• 血液学
• 腫瘍学
• バイオインフォマティクス

背景:

• Fanconi貧血（FA）は、骨髄不全および骨髄異形成症候群（MDS）や急性骨髄性白血病（AML）などの癌、特に骨髄悪性腫瘍の高いリスクにつながる遺伝性疾患です。
• FA患者は骨髄移植の適応とならない場合があるため、骨髄悪性クローンを早期に検出することは、適時的確な医学的介入を可能にする上で極めて重要です。
• 現在のモニタリング方法では、FA患者における新たな悪性細胞の早期特定に十分な感度が不足しています。

研究 の 目的:

• Fanconi貧血（FA）患者の骨髄サンプルから急性骨髄性白血病（AML）様細胞を早期検出するための深層ニューラルネットワーク（DNN）モデルを開発および検証すること。
• FA患者における悪性形質転換を示す特定の細胞および転写マーカーを特定すること。
• FA骨髄微小環境内の予測される悪性細胞における免疫回避の潜在的なメカニズムを調査すること。

主な方法:

• 急性骨髄性白血病（AML）患者から公開されている単一細胞RNAシーケンシング（scRNA-seq）データセットを使用して、深層ニューラルネットワーク（DNN）モデルをトレーニングしました。
• トレーニングされたDNNモデルを、Fanconi貧血（FA）患者の骨髄サンプルのscRNA-seqデータに適用して、AML様細胞の存在を予測しました。
• 予測された悪性細胞に対して、単一細胞経路解析（SCPA）および細胞間コミュニケーションプロファイリングを含む機能的濃縮解析を実行しました。

主要な成果:

• DNNモデルは、単一細胞解像度の骨髄悪性転写プロファイルを検出する上で高い感度、特異度、および精度を示しました。
• FA患者で予測されたAML様細胞は、リンパ骨髄前駆細胞（LMPP）および顆粒球単球前駆細胞（GMP）集団の濃縮を示しました。
• 解析により、悪性形質転換に関連する転写プロファイルが明らかになり、これらの細胞における免疫回避の兆候が特定されました。

結論:

• 開発されたDNNモデルは、Fanconi貧血（FA）患者における骨髄悪性腫瘍の早期特定のための貴重なツールとして機能します。
• 本研究結果は、FAの文脈における白血病発生に関与する特定の前駆細胞集団および分子経路を強調しています。
• このアプローチは、FA患者のためのモニタリング戦略を強化し、早期検出と介入による予後の改善を可能にします。