包括的機械学習により同化（アノイキス）サインが同定され、胃がんの治療抵抗性と生存を予測する

この研究が患者にとって重要な理由

胃がんは世界で最も致死率の高いがんの一つであり、その主な理由は多くの腫瘍が化学療法や新しい免疫療法に反応しなくなることです。本研究は単純だが重要な問いを投げかけます：腫瘍細胞とその周囲の分子レベルの“生存トリック”を読み取り、どの患者が治療に抵抗するか、どの患者が利益を得るかを予測できるか。研究者らは最新の機械学習を用いて何千もの遺伝子を解析し、胃がん患者に対してより効果的で個別化された治療選択を支援する可能性のある強力なスコアを構築しました。

腫瘍細胞が自然な安全機構から逃れる仕組み

正常な細胞は組織内の適切な居場所を失ったときに作動する自己破壊プログラム、いわゆる遊離（デタッチメント）誘導性細胞死を備えています。がん細胞はしばしばこの運命を回避する術を身につけ、転移して新たな腫瘍を形成します。著者らはこのデタッチメント応答に関連する遺伝子と、腫瘍が薬剤にどう反応するかの関連に注目しました。10の大規模な公的胃がんデータベースを用い、細胞死、化学療法に対する感受性／抵抗性、免疫療法への反応性に結びつく遺伝子セットを照合しました。この複雑な重なりから、デタッチメント誘導性細胞死を逃れる容易さと治療下での振る舞いの両方を反映する125の重要遺伝子を抽出し、これらを薬剤適応化アノイキス遺伝子（drug-naturalized anoikis genes, DNAGs）と名付けました。

胃腫瘍に存在する2つの隠れたタイプ

研究チームが800以上の胃腫瘍をDNAGの活動に基づいて分類すると、2つの主要なパターンが現れました。一方のグループは多くの遺伝子変異と染色体構造の変化を持ち、一見不穏に思えますが、実際には免疫系に腫瘍を検出させやすくすることがあります。この群では活発な免疫攻撃の痕跡や、腫瘍を認識して攻撃できる免疫細胞が多く見られました。もう一方のグループは非常に異なる特徴を示し、若年患者に多く見られ、攻撃的とされる特定の分子サブタイプに一致しました。これらの腫瘍は支持細胞や他の成分が優勢で免疫攻撃を遮る抑制的な環境に置かれており、この2番目のパターンの患者の全体的な予後はより悪かったです。

腫瘍の振る舞いを読み取る治療スコア

これらのパターンを踏まえて、研究者らは101の機械学習手法の組み合わせを用いて125遺伝子からさらに絞り込み、11遺伝子からなる「治療志向の予後シグネチャー（treatment-oriented prognostic signature, TOPS）」を作成しました。このスコアは患者を高リスク群と低リスク群に分けます。複数の独立した患者コホートで、高TOPSスコアの患者は一貫して生存期間が短く、病期が進行しており、浸潤性が知られる腫瘍型に多いことが示されました。同時に、高TOPS腫瘍は化学療法および免疫チェックポイント阻害剤への反応が低い一方で、低TOPS腫瘍はより良好な反応と免疫療法後の長い生存を示しました。このスコアは年齢、性別、病期などの従来の臨床的指標よりも予後予測で優れていました。

抵抗性について腫瘍エコシステムが示すこと

スコアがなぜ機能するのかを解明するため、チームは腫瘍内の個々の細胞を調べるシングルセル解析に取り組みました。高TOPS腫瘍は線維芽細胞――組織の足場を構築する細胞――や特定の血管内皮細胞が豊富で、がん細胞を取り囲む濃密で保護的なシェルを形成していることが分かりました。このシェル内で、線維芽細胞は腫瘍細胞と強く通信する亜型へと発達する経路をたどり、新生血管形成、代謝変化、免疫抑制に関与する経路を活性化していました。対照的に低TOPS腫瘍は、効果的な免疫攻撃を担えるT細胞、B細胞、形質細胞が多く含まれ、浸潤よりも正常な代謝や組織維持を支持する遺伝子活動パターンを示していました。

今後の治療にとっての意味

患者に向けた本研究の主なメッセージは、顕微鏡で類似して見える場合でも胃がんが皆同じではないということです。細胞がデタッチメントにどう対処するかと周囲の組織がどう振る舞うかに関連する11遺伝子のシグネチャーを読むことで、将来的には標準的な化学療法や免疫療法から誰が恩恵を受けるか、誰が支持細胞や腫瘍周囲のシグナルも標的にする代替または併用戦略を必要とするかをより正確に予測できる可能性があります。このモデルは前向き臨床試験での検証が依然必要ですが、胃がん治療をより真に個別化し、この難治性疾患と向き合う患者にとっての見通しを改善するための有望なロードマップを提示しています。

引用: Liu, F., Zhou, Y., Xie, Y. et al. Comprehensive machine learning identifies anoikis signatures predicting therapeutic resistance and survival in gastric cancer. Sci Rep 16, 11571 (2026). https://doi.org/10.1038/s41598-026-38996-5

キーワード: 胃がん, 治療抵抗性, 腫瘍微小環境, 免疫療法反応, 機械学習バイオマーカー