機械学習誘導のトランスクリプトーム統合により、大動脈解離のラクトリル化関連候補バイオマーカーとしてGFM1を同定

なぜ大動脈のこの潜む脅威が重要なのか

大動脈解離は、体の主要な動脈の内壁に裂け目が生じ、数時間で致命的な内出血を引き起こす可能性がある緊急医療事態です。緊急手術で助かる患者も多い一方で、早期に危険を警告する信頼できる血液検査や、病気の進行を遅らせる薬はまだ存在しません。本研究は、動脈の細胞がエネルギーや化学信号を扱う仕組みの微妙な変化が新たな警告サインを示すかどうかを探り、細胞代謝と大動脈壁の脆弱化を結びつける可能性のあるあまり知られていない遺伝子GFM1に着目しています。

破裂のコードを解明する

大動脈解離では、血液が大動脈の壁に押し入り、その層を引き裂きます。なぜ一部の人の大動脈がこのように破綻するのかは完全には解明されていません。著者らは、大動脈解離患者と健常な大動脈を持つ個人のサンプルにおける遺伝子発現のパターンを調べました。特に「ラクトリル化」に関連する遺伝子に注目しました。ラクトリル化は、運動時に筋肉にたまることで知られる乳酸を、タンパク質や遺伝子調節の微調整に用いる最近発見された修飾です。ラクトリル化は炎症や組織リモデリングに関連するとされるため、乳酸関連遺伝子が大動脈壁の損傷にも関与している可能性があると研究チームは考えました。

スマートなアルゴリズムで大規模データを掘る

この仮説を検証するために、研究者たちは大動脈組織でどの遺伝子が上方あるいは下方に発現するかを記録した公開データセットをいくつか統合しました。研究間の技術的差異を慎重に補正したうえで、疾患サンプルと健常サンプルで一貫して発現が異なる遺伝子を探索しました。何千もの遺伝子の中から、免疫反応や大動脈を支える組織の足場（エクストラセルラーマトリックス）のリモデリングを示唆する217の明確な変化を示す遺伝子が見つかりました。次に、乳酸処理やラクトリル化に関連するキュレーションされた遺伝子リストに注目し、大動脈解離で変動し、かつこれらの乳酸関連プログラムの一部である11の遺伝子を特定しました。

機械に主要候補を選ばせる

11個の興味深い遺伝子が見つかったものの、実験室で深く調べるには多すぎました。そこでチームは客観的な「投票システム」として機械学習手法を採用しました。これらの遺伝子のデータを、患者と対照を最もよく分けるパターンを抽出するために一般的に使われる3つのモデル（LASSO、ランダムフォレスト、XGBoost）に入力しました。各手法はそれぞれの注目候補を示しましたが、3つすべてで強く一貫して選ばれたのはGFM1だけでした。この相互検証的アプローチにより、GFM1は特に頑健な候補マーカーとして浮かび上がりました。なお、これらのモデルは順位付けのために用いられ、すぐに使える診断テストを構築する意図ではありませんでした。

動脈の筋肉細胞に注目する

GFM1は細胞内のエネルギー工場であるミトコンドリアが自身のタンパク質を合成するのを制御するのに関与します。エネルギーの均衡は大動脈壁細胞の振る舞いにとって重要であるため、著者らはGFM1を詳しく調べました。GFM1のレベルが大動脈解離患者の組織で非疾患の大動脈より高いことを確認しました。続いて、マウス由来の血管平滑筋細胞という大動脈の強度を担う筋様細胞を用いた制御培養系に移行しました。高血圧や血管ストレスに関連するホルモンであるアンジオテンシンIIでこれらの細胞を刺激すると、細胞は増殖や移動しやすくなり、病的変化を模倣しました。研究者らが小干渉RNAを用いてこれらの細胞でGFM1を低下させると、アンジオテンシンによる増殖と移動は顕著に抑えられ、GFM1がこれらのリスク行動を促進することを示唆しました。

意味することとまだ証明していないこと

総合すると、これらの知見はGFM1が変化した細胞代謝と大動脈解離における大動脈壁細胞の攻撃的な振る舞いとの橋渡しをする可能性を示唆します。簡単に言えば、GFM1の活性が高いことは不安定で損傷を受けやすい大動脈と相関しており、培養細胞でそれを抑えると過剰な増殖や移動が減るようです。しかし著者らは、これはまだ仮説を構築する初期段階の研究であると慎重に述べています。組織内でのラクトリル化を直接測定したわけではなく、GFM1自身が化学的に修飾されていることを証明したわけでもありませんし、モデルの予測力は独立した患者群で検証されていません。今後の研究では、より大規模なコホートでこれらの結果を確認し、GFM1および関連する代謝変化がどのように大動脈壁を弱めるのかを正確に解明する必要があります。これらが実証されれば、GFM1やその経路は将来的に早期に致命的な裂け目を防ぐための新しい血液検査や治療の標的となる可能性があります。

引用: Chen, J., Jiang, N., Guo, Z. et al. Machine-learning–guided transcriptomic integration identifies GFM1 as a lactylation-related candidate biomarker in aortic dissection. Sci Rep 16, 9033 (2026). https://doi.org/10.1038/s41598-026-40139-9

キーワード: 大動脈解離, 血管平滑筋細胞, 乳酸代謝, ミトコンドリア機能, バイオマーカー探索