機械学習と患者由来腫瘍エクスプラントによる免疫療法薬標的の同定

がん患者にとってこれが重要な理由

免疫療法はがん治療を変革しましたが、多くの患者は依然としてこれらの強力な薬の恩恵を受けられていません。本研究は、膨大な生物学的データを精査して、免疫が腫瘍をより効果的に攻撃するのを助け得る新しい薬標的を見つける新たな方法を示します。高度な機械学習と実際の患者腫瘍サンプルでの検査を組み合わせることで、次世代の免疫療法戦略を発見するための設計図を提供します。

がんの新たな弱点を見つけるスマートな地図

研究者らはMIDASと呼ばれるシステムを構築し、人体を遺伝子や細胞が相互作用する複雑なネットワークとして扱いました。単一のデータ型を個別に見る代わりに、MIDASは腫瘍のDNA変化、遺伝子発現、腫瘍内の免疫細胞の挙動、細胞表面に現れるペプチド断片、遺伝的変異が疾患に与える影響など、複数の情報層を統合します。これらの手がかりを一つの遺伝子間相互作用マップに織り込み、グラフニューラルネットワークが既知の免疫療法標的と他の遺伝子を区別するパターンを学習します。

学習エンジンの検証方法

MIDASが実際に薬剤発見に有用かどうかを確認するため、研究チームはいくつかの厳しいテストを設計しました。まず、2019年以降に免疫療法の臨床試験に入った遺伝子が、その年までに入手可能なデータのみで訓練されたモデルによって高くランク付けされるかを問いました。MIDASはこれを達成し、これらの「将来の」標的にランダムな遺伝子よりも高いスコアを与えました。第二に、システムは既に承認されている免疫療法標的を、まだ初期臨床段階にある標的よりも高く評価する傾向がありました（それらがどこまで進んでいるかを教えられていなかったにもかかわらず）。第三に、訓練に使われていない新しい患者データセットで検証した際、MIDASはチェックポイント阻害剤に反応する患者と反応しない患者で発現が異なる多くの遺伝子を再検出し、腫瘍と免疫の相互作用の実際の特徴を捉えていることを示しました。

モデルが免疫系について学んだこと

内部を解析すると、MIDASはT細胞を活性化または休止させる信号など、がんに対する免疫応答で既に重要と知られる経路に強く着目していることがわかりました。遺伝子が他の遺伝子を調節する様子を反映する特徴や、自己免疫疾患との関連を示す項目が特に情報量が多いことが際立っていました。これは生物学的に理にかなっています：自己免疫で免疫系を過剰に活性化し得る遺伝子は、慎重に標的化すれば腫瘍に対する免疫攻撃を解き放つ助けになるかもしれません。また、遺伝子間の相互作用の網も不可欠であることが示され、ネットワーク内の接続をランダムに入れ替えるとモデル性能が急落したことから、生物学的地図の構造自体が重要な要素であることがわかりました。

コンピュータ予測から実際の腫瘍組織へ

優先候補リストを用いて、MIDASはオンコスタチンM（OSM）とその受容体OSMRというシグナルペア、および調節酵素PTPN22を強調しました。以前の動物実験はOSM–OSMRが腫瘍に有利な環境を助長する可能性を示唆していましたが、人のがん組織で十分に検討されたことはありませんでした。研究チームはこれらの標的を患者由来腫瘍エクスプラントで検証しました。エクスプラントは、がん細胞と免疫細胞の元の混合状態を保存したまま短期間培養されるメラノーマの小片です。これらでOSM–OSMRシグナルを遮断すると、いわゆる機能不全のCD8陽性T細胞が減少し、免疫療法への良好な応答と関連する状態への変化が見られ、腫瘍促進的なマクロファージと関連する分子CCL4のレベルも低下しました。対照的に、PTPN22の阻害はT細胞の挙動により微妙な変化をもたらし、この小規模な系列では明確な統計的有意には至りませんでした。

将来のがん治療にとっての意味

総じて、本研究はMIDASが複雑なデータを掘り下げて、細胞株や単純な実験モデルだけでなく実際のヒト腫瘍で重要となる薬標的を指摘できることを示しています。本研究はOSM–OSMRシグナルが免疫抑制的な腫瘍微小環境を形成するのに寄与し、この経路を遮断することが将来的に有望な免疫療法戦略となり得ることを支持します。より広くは、豊富な患者データ、ネットワークベースの人工知能、患者由来組織での機能検査を組み合わせるアプローチが、新たながん免疫療法標的の探索をより効率的かつヒト生物学に根ざしたものにし得ることを示しています。

引用: Augustine, M., Nene, N.R., Fu, H. et al. Immunotherapy drug target identification using machine learning and patient-derived tumour explant validation. Nat Mach Intell 8, 670–689 (2026). https://doi.org/10.1038/s42256-026-01201-3

キーワード: がん免疫療法, 薬標的発見, グラフニューラルネットワーク, 腫瘍微小環境, 腫瘍学における機械学習