Evidence-constrained mechanistic synthesis for drug discovery

創薬は、しばしば膨大な生物学的情報の山から始まります。科学者たちは、実験、臨床試験、公開された研究から、疾患がどのように作用し、どのように薬がそれを阻止し得るかというパズルの断片となる数千もの観察結果を集めます。課題は情報の不足ではなく、むしろその過剰さにあります。研究者は、得られた生物学的証拠を、単一の首尾一貫した疾患モデルへと安全に翻訳するにはあまりにも多すぎるという状況にしばしば直面します。これらのバラバラな事実をすべて一つの硬直した方程式に無理に押し込もうとすると、誤った確信を生むリスクがあります。つまり、複雑で変化し続ける生物学的な現実を、真実を反映していない固定された数値へと変えてしまうのです。目標は、データが許容する以上のことを知っているふりをすることなく、証拠の全重みを尊重した治療計画を見つけることです。

「エビデンス制約付きメカニスティック・シンセシス（証拠制約による機構的統合）」と呼ばれる新しい枠組みは、科学者が知見を扱う方法を変えることで、この問題に対処します。この手法は、すべての証拠を単一の確率や固定された係数に変換しようとする代わりに、証拠を「境界」の集合として扱います。それぞれの知見が実際にどのような情報を含んでいるのかを分類し、その情報を用いて、膨大な疾患モデルのファミリーを制限します。疾患がどのように振る舞うかに関する数千もの異なる仮説の巨大なコレクションを想像してください。証拠は一つの勝者を選ぶのではなく、代わりに、このグループ全体の中でどの事象が支持されているかという頻度を変化させます。これにより、不確実性を可視化し、研究者が下すべき決定とは明確に区別したままにします。

研究者たちは、持続的なじんましを特徴とする慢性特発性蕁麻疹を含む、特定の現実世界のシナリオを用いてこのアプローチをテストしました。彼らは、53の異なるソースと13の公開データリソースから、非網羅的な114の特定の生物学的知見を集めました。これらの知見を単一のモデルに統合するのではなく、それらを用いて、4,096個の異なる仮説を含む「フローズン・アンサンブル（凍結されたアンサンブル）」の限界を定義する18の制約を作成しました。このアンサンブルは、利用可能な証拠と矛盾しない、起こり得る生物学的シナリオの全範囲を表しています。チームは、治療レジメンの探索を、疾患モデルにおける望ましい変化に一致させるプロセスとして定式化しました。研究者は、生物学的システムのうちどの部分を変更したいか、およびそれらの変更がどの程度重要かを指定でき、同時に制御変数がそれらの目標を満たすように連続的に調整されることを許容しました。

この膨大な可能性の集合の中から最善の治療計画を見つけ出すために、チームは選択肢を体系的に洗練させる特定の探索手法を用いました。彼らは、このアンサンブル内の全4,096個の仮説に対して、この探索を検証しました。その結果、この手法は、44個の標準的な出発点の中から見出された最良の結果と比較して、望ましいターゲットへの適合における誤差を27.3パーセント減少させました。決定的なことに、研究者が目的を変更し、異なるアウトカムを優先することに決めた際、システムは異なる制御変数のセットを選択しましたが、根底にある証拠のアンサンブル自体は変化しませんでした。これは、この手法が、生の証拠を具体的な治療計画の目的から切り離して保持していることを示しています。補完的な分析もまた、マスト細胞と疾患との関連性に関する不確実性が、意思決定における最も重要な要因であることを強調しており、生物学のどの部分が最も重要になるかは、完全に研究者が何を達成しようとしているかに依存することを示しました。

この枠組みは、科学者が特定の経路にコミットする前に、散逸した文献を整理しなければならない創薬の初期段階のために設計されています。異種混合なデータを計算可能にしつつ、証拠、不確実性、および決定の好みを明確に区別することで、この手法は、偽りの精密さを強いることなく、生物学的システムの複雑さをナビゲートすることを可能にします。それは、既存の知識の深さを最大限に活用して意思決定を導き、進むべき道が既知の事実に裏打ちされていることを保証しながら、何が不確実なままであるかを明確に認める方法を提供しています。