PAIRWISE：深層学習に基づくがんにおける効果的な個別化薬物併用療法の予測

科学分野:

• 計算生物学
• 腫瘍学
• 薬理学

背景:

• 併用療法は、がん治療の効果を高め、再発を防ぐために重要です。
• 多数の可能性と腫瘍の不均一性により、最適な薬物併用療法を特定することは困難です。
• 前臨床スクリーニングは相乗的な薬物併用療法を優先することができますが、個別化されたアプローチが必要です。

研究 の 目的:

• がんにおける相乗的な薬物併用療法を予測するための計算モデルPAIRWISEを開発すること。
• 特定の癌サブタイプおよび患者に合わせた個別化された薬物併用療法を特定するという課題に対処すること。
• 薬物併用療法の効果的な選定を通じて、精密腫瘍学の開発を加速すること。

主な方法:

• 薬物併用療法の相乗効果を予測するために特別に設計されたモデルPAIRWISEを開発しました。
• PAIRWISEを、保持されたがん細胞株およびブルトンチロシンキナーゼ（BTK）阻害剤で治療されたびまん性大細胞型B細胞リンパ腫（DLBCL）の独立したデータセットに適用しました。
• DLBCLの承認済みまたは治験中の薬剤のハイスループットスクリーニング（HTS）を使用して予測を検証しました。

主要な成果:

• PAIRWISEは、がん細胞株において0.847のAUROCを達成し、競合モデルと比較して優れた性能を示しました。
• DLBCLにおけるAUROC 0.720で、相乗的な併用薬を正確に予測しました。
• PAIRWISEはin vitroスクリーニング結果と強い一致を示し、その予測能力を検証しました。

結論:

• PAIRWISEは、相乗的な薬物効果を効果的にモデル化し、がん治療のための個別化された薬物併用療法を選定します。
• このモデルは、精密腫瘍学の開発を加速する上で大きな可能性を示しています。
• このアプローチは、個々の患者に効果的な併用療法を選択するためのガイドとなります。