A heterogeneous biomedical knowledge network framework for rare disease drug candidate prioritization: integrating Orphadata and DisGeNET via gene-bridge harmonization

世界中の3億人以上の人々にとって、希少疾患の診断は、治療の選択肢が極めて少ない人生への宣告となることが少なくありません。現代医学は一般的な疾患の治療において驚異的な進歩を遂げてきましたが、これら希少な疾患の大部分には、承認された薬剤が存在しません。その理由は多くの場合、経済的なものです。新薬の開発はコストがかかり、かつ長いプロセスを要するため、製薬会社は潜在的な患者数が非常に少ない場合、その投資を正当化することが困難なのです。このため、研究者や医師は、ゼロから始める必要のない別の道を模索しています。その代わりに、彼らは既存の薬の中に、見過ごされているこれらの疾患に効果があるかもしれないものを見つけ出す方法を探しています。これは「ドラッグ・リパーパシング（薬物の再開発）」として知られる戦略です。これを効果的に行うために、科学者は、疾患、それらを引き起こす遺伝子、そしてそれらの遺伝子に影響を与える薬との間の複雑なつながりの網に依拠しています。もしある薬が特定の遺伝子と相互作用することが分かっており、かつ希少疾患がその同じ遺伝子の問題によって引き起こされているならば、その薬がその疾患の治療に役立つ強い可能性があります。

しかし、課題は、これらのつながりを作るために必要な情報が、共通の言語を持たない異なるデータベースに散在していることです。一つの主要なデータベースであるOrphadataは、希少疾患とそれを引き起こす遺伝子の関係をカタログ化しており、一方でDisGeNETは、数千種類の薬がどのように遺伝子と相互作用するかを記録しています。問題は、これら二つのソースが同じ遺伝子に対して異なる命名システムを使用しているため、単にデータを結合することが不可能である点です。Diya Ramaniによる新しい研究は、これら二つの世界の間に架け橋を築くことで、この障壁に対処しています。研究者は、まず両方のデータベースにおける遺伝子の名称を標準化し、それらを単一の一貫した言語へと翻訳するコンピュータ・フレームワークを作成しました。データが調和されると、それは疾患、遺伝子、そして薬がすべて連結された巨大な三次元ネットワークへと織り込まれます。このネットワークには、2,500近い希少疾患と11,000以上の薬剤を代表する、1万5,000以上の明確な情報のポイントが含まれています。

この複雑なウェブを理解するために、本研究では「グラフ・アテンション・ネットワーク」と呼ばれる一種の人工知能を使用しています。全く新しい発見を予測しようとする（それは非常に不確実な試みです）のではなく、システムは既存のネットワークの構造を理解するように訓練されています。システムは、疾患、遺伝子、および薬がどのように接続されているかというパターンを認識することを学習し、生物学的な関係のマッピングを効果的に作成します。システムがこれらのパターンを学習すると、特定の希少疾患をクエリ（照会）として取り込み、共有される遺伝子を通じてその疾患にどれほど密接に関連しているかに基づいて、データベース内のすべての薬をランク付けすることができます。目標は、新しい治療法を発明することではなく、さらなる調査のための最も有望な既存の候補を優先順位付けすることであり、混沌とした可能性のリストを、医師や研究者のための焦点の絞られたショートリストへと変えることです。

このアプローチの結果は、ノイズを切り抜ける能力において驚くべきものです。システムを200種類の異なる希少疾患に対してテストしたところ、既知の有効な治療薬を、ケースの40%においてトップ10の提案の中に配置することに成功しました。これは、膨大な選択肢の中から正解を見つけ出すことがほとんど不可能なランダムな推測と比較して、大幅な改善です。この成功の背後にある生物学的な論理を説明するために、研究では「ホーキシンヌリア（Hawkinsinuria）」と呼ばれる疾患に関する特定の事例を検討しました。システムは、関与する特定の代謝経路に関する事前の知識を持っていませんでしたが、ニシトノン（Nitisinone）という薬を、最も可能性の高い候補の4番目としてランク付けしました。この薬は、すでに同じ遺伝的経路を共有する別の疾患の標準的な治療薬です。システムが、その経路について明示的に教えられていないにもかかわらず、このつながりを特定したという事実は、システムが学習した基礎的なパターンが生物学的に妥当であり、意味のあるものであることを示唆しています。

本研究は、その知見を最終的な臨床的回答ではなく、意思決定支援ツールとして位置づけるよう注意深く枠組みを設定しています。システムは仮説を生成し、人間の専門家がさらなる研究やテストを通じて提案を検証するための出発点を提供することを目的として設計されています。また、現在の知識における重大なギャップについても指摘しており、Orphadataデータベースにある希少疾患の約半分は、関連する遺伝子に対応する薬のデータが存在しないため、ネットワークに含めることができなかったとしています。この限界は手法の失敗ではなく、多くの希少な疾患が依然として研究不足であるという、現在の医学文献の状態を反映したものです。プロセス全体を再現可能にし、無料のインタラクティブなツールとしてオンラインで展開することで、研究者は科学コミュニラティに対し、広大な希少疾患治療の景観をナビゲートするための実践的な方法を提供しました。この研究は、既存のデータの断片を注意深くつなぎ合わせることで、以前は隠されていたパターンを見ることができ、現在治療の選択肢を持たない何百万もの患者に希望の光をもたらし得ることを示しています。