メラノーマにおける単一細胞トランスクリプトームデータを用いた免疫療法応答の注釈なし予測

科学分野:

• 腫瘍学
• 免疫学
• バイオインフォマティクス

背景:

• 免疫チェックポイント阻害剤（ICI）は進行性メラノーマの治療に革命をもたらしたが、腫瘍の不均一性のため応答予測は依然として困難である。
• PD-L1や腫瘍変異負荷のような既存のバイオマーカーは、メラノーマに対する予測精度が限定的である。
• ICIから恩恵を受ける可能性のある患者を特定するための新規バイオマーカーが不可欠である。

研究 の 目的:

• 単一細胞RNAシーケンシング（scRNA-seq）データを用いて、メラノーマにおけるICI応答性を予測するための人工知能（AI）ベースのモデルを開発・検証する。
• 細胞タイプのアノテーションを必要とせずに、ICI応答のための新規予測バイオマーカーを特定する。
• メラノーマにおける特定されたバイオマーカーの機能的役割と臨床的意義を探求する。

主な方法:

• 16,290個のメラノーマ腫瘍内細胞の単一細胞RNAシーケンシングデータを用いてAIモデルを訓練した。
• 勾配ブースティング、ランダムフォレスト、畳み込みニューラルネットワークを含む複数のAIアルゴリズムを評価した。
• 最良の性能を発揮したモデルを、3つの独立したバルクRNAシーケンシングデータセットを用いて検証した。

主要な成果:

• AIモデルは、ICI応答の予測において0.87の曲線下面積を達成した。
• モデルは29個の予測バイオマーカー、特にCCR7とMTRNR2L2を特定した。
• CCR7は良好なICI応答と生存率の向上と関連しており、主に反応者のB細胞と記憶T細胞に発現していた。
• MTRNR2L2は非応答と予後不良と関連しており、非反応者の疲弊したT細胞で上昇していた。
• CCR7の発現は、メラノーマの免疫分子サブタイプと有意に関連していた。

結論:

• 注釈なしの単一細胞RNAシーケンシングデータを用いたAI駆動型予測モデリングは、メラノーマにおける臨床的に関連性の高いバイオマーカーを特定するための堅牢なアプローチである。
• 特定されたバイオマーカー、特にCCR7は、患者層別化と個別化免疫療法戦略の改善の可能性を提供する。
• このアプローチは、ICI療法の応答者と非応答者の免疫環境のより深い理解を促進する。