アノキス関連遺伝子シグネチャを活用した免疫療法の精密化：機械学習駆動型の予測・予後モデル

科学分野:

• 腫瘍学
• 免疫学
• 遺伝学

背景:

• がん免疫療法、特に免疫チェックポイント阻害剤（ICIs）は、患者の反応が様々です。
• アノキス関連遺伝子（ARGs）は、がんの進行に関与し、免疫応答に影響を与える可能性があります。

研究 の 目的:

• ARGsと免疫療法の有効性との関連を調査すること。
• ARGsを用いた免疫療法の反応を予測するための機械学習モデルを開発すること。

主な方法:

• 単一細胞RNAシーケンシングおよびマルチオミクスデータを統合してARGsを特定しました。
• 反応予測のための機械学習モデル（SVMを含む）を開発および検証しました。
• 免疫抵抗性ARGを特定するためにCRISPRスクリーニングを利用し、パンキャンサー予後分析を実施しました。

主要な成果:

• アノキス関連遺伝子シグネチャ（Anoikis.Sig）と免疫療法の反応との間に有意な関連性が特定されました。
• SVMベースのモデルは、検証データセット全体で優れた予測性能（AUC=0.782）を示しました。
• 免疫抵抗性に関わる主要なARG（例：BCL2L1、ITGAV、PTK2）が特定され、11遺伝子シグネチャは、特に肝細胞がん（HCC）において強力な予後価値を示しました。

結論:

• ARGsは、腫瘍免疫微小環境の調節において重要であり、ICIの有効性のための効果的なバイオマーカーとして機能します。
• 開発された機械学習モデルは、患者の層別化と個別化治療に役立ちます。
• ARGを標的とすることは、免疫療法の転帰を改善するための有望な新しい戦略となります。