A computational investigation of pathways for ex vivo differentiation and dysfunction of healthy and patient T cells
本研究は、大規模な計算フレームワークを用いて数千もの潜在的なT細胞分化経路を解析することにより、癌はおそらく分化の経路構造ではなく分化のキネティクス（速度論）を変化させていること、およびT細胞がex vivoでの増殖過程において機能的な表現型間を動的に切り替えていることを明らかにし、それによって養子免疫細胞療法を最適化するための新たな知見を提供している。
原論文は CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) でライセンスされています。 これは査読を受けていないプレプリントのAI生成解説です。医学的助言ではありません。この内容に基づいて健康上の判断をしないでください。 免責事項の全文を読む
ヒトの免疫系は、がんを狩り、破壊するために特化した白血球であるT細胞という専門の軍隊に依存しています。アダプティブ・セル・セラピー（養子免疫細胞療法）として知られる有望な医療的アプローチでは、医師たちは患者からこれらの細胞を取り出し、体外で膨大な数に増殖させた後、病気と戦わせるために再び注入します。この治療法を成功させるためには、科学者たちはラボ内での細胞の増殖方法を慎重に管理しなければなりません。彼らは細胞を強力な攻撃へと増殖させる必要がありますが、ある罠を避けなければなりません。もし細胞が刺激を受けすぎたり、あまりに長く刺激され続けたりすると、細胞は「疲弊」してしまう可能性があるのです。疲弊したT細胞は、激しく戦いすぎて諦めてしまった兵士のようなものであり、がんを殺す能力を失い、もはや増殖することもできなくなります。研究者たちの課題は、この増殖プロセスにおいて、T細胞がどのように自らの運命を決定するのかを正確に理解することでした。細胞は、若い初期状態から強力な攻撃へと至る厳格な一方通行の道を辿るのでしょうか？それとも、状態を行ったり来たりするのでしょうか？この答えが極めて重要である理由は、もしこの旅のルールを知ることができれば、細胞を効果的ながん殺傷細胞にするのか、それとも疲弊した失敗作にするのかを、制御できる可能性があるからです。
オーストラリアと米国の研究チームは、さらなる生物学的実験を行うのではなく、大規模な計算機による調査を構築することで、このパズルを解こうと決めました。彼らは、既存の科学文献が、T細胞がどのように変化するかについて、相反するアイデアで溢れていることを認識していました。ある研究は線形の経路を示唆し、別の研究は分岐するルートや方向を転換する能力を提案していました。この混乱を打破するために、チームは一度に数千もの異なる可能性をテストするためのデジタル・フレームワークを作成しました。彼らはまず、生物学の論文からT細胞の挙動に関する既知のルールをすべて収集しました。これらのルールは、細胞の分裂から、どのように疲弊するかに至るまで、あらゆる事柄を網羅していました。これらのルールを組み合わせることで、彼らは、培養皿の中でT細胞がどのように振る舞うかという、それぞれ異なる潜在的な物語を表す、約8,000のユニークな数学的モデルを構築しました。
研究者たちは、これら8,000の物語を実世界のデータに対してテストしました。彼らは、健康な人とがん患者の両方のT細胞を、異なるレベルの刺激の下で8日間ラボ内で増殖させた、以前の研究による実験結果を用いました。これらの実験において、細胞は微小なロッドに取り付けられた様々な量の活性化分子にさらされました。チームは、実験の初期条件をコンピュータモデルに入力し、8日後の細胞集団がどのようになるかを予測させました。彼らは、コンピュータの予測と、ラボで観察された実際の細胞数と比較しました。8,000のモデルのほとんどは、実験の現実と一致せず、実験結果から大きく外れた結果を生み出しました。しかし、600未満の少数のモデルが、健康な細胞と患者の細胞の両方で見られた成長パターンを正確に再現することに成功しました。
成功したモデルの分析により、ラボにおけるT細胞の振る舞いに関する驚くべき事実が明らかになりました。最も正確なモデルは、細胞が一方のタイプから他方へと単一の直線的な動きを見せるものではありませんでした。代わりに、データは、T細胞が非常に柔軟であり、長期生存して増殖の準備ができている「メモリー様細胞」と、即時的な攻撃者である「エフェクター様細胞」の間を絶えず行ったり来たりしていることを強く示唆していました。この双方向の動きは、集団が拡大する際の鍵となる特徴であるようです。また、モデルは、細胞が疲弊するのは、エフェクター様細胞が特定の抑制性受容体をオンにし、実質的に自らの機能にブレーキをかけるためであることを示しました。興味深いことに、最も適合度の高いモデルは、エフェクター様細胞が最も多く増殖している必要はないとしており、むしろメモリー様細胞が集団の成長を駆動する主要なエンジンとなり、必要に応じて他のタイプを補充しているようでした。
研究者が、健康な細胞に適合させたモデルと、がん患者の細胞に適合させたモデルを比較したところ、その旅の根本的な構造は同じであることが分かりました。細胞が辿る経路――状態間を行ったり来たりすること――は、細胞が健康な人から来たのか、あるいはがん患者から来たのかによって変わることはありませんでした。変化したのは、そのプロセスにおける速度と感受性でした。モデルは、健康な個人のT細胞は、状態を変化させるために必要な刺激の量が患者の細胞とは異なり、より速く増殖することを示唆しています。これは、疾患が細胞のルールの書き換えを行うのではなく、細胞の発達のペースを変えている可能性があることを意味しています。また、研究では、細胞が疲弊するという決定は、受けた刺激のレベルに関連していることも判明しました。つまり、高いレベルの活性化が、機能不全を示す抑制マーカーをアップレギュレート（発現上昇）させる可能性を高めるのです。
この研究は、免疫細胞の複雑な生物学に対する新しい考え方を提供しています。数千もの潜在的な経路を実データに対してテストすることで、研究者たちは、T細胞が疲弊へと向かう厳格な一方通行の経路を辿るという、長年保持されてきた仮説の多くを排除することができました。彼らは、メモリー細胞とエフェクター細胞の関係が、静的なものではなく、ダイナミックで流動的なものであることを浮き彫りにしました。この研究はコンピュータ・シミュレーションに依拠しており、まだ生体内でのこれらのメカニズムを証明したものではありませんが、将来の科学者たちに明確で検証可能な仮説を提供しています。それは、がん治療を改善するためには、細胞のこの柔軟性を維持すること、そして細胞を生産的な状態に保つための刺激レベルを制御する方法を理解することに焦点を当てるべきであることを示唆しています。これらの知見は、細胞の増殖方法を最適化するためのロードマップを提供し、免疫系の兵士を鋭敏かつ戦闘準備が整った状態に保つ、より優れた治療法へとつながる可能性があります。
自分の分野の論文に埋もれていませんか？
研究キーワードに一致する最新の論文のダイジェストを毎日受け取りましょう——技術要約付き、あなたの言語で。