TRACE: A FINE-TUNED BIOMEDICAL LANGUAGE MODEL FOR DIRECTIONALLY INFORMED DRUG REPURPOSING FROM TRANSCRIPTOME-WIDE ASSOCIATION STUDIES
本論文は、微調整された生物医学用言語モデルを活用して文献のキュレーションを自動化し、薬物と遺伝子の効果の方向性をトランスクリプトームワイド関連解析（TWAS）信号と一致させることで、FDA承認済みのドラッグリポジショニング候補薬をランク付けし、それによって遺伝学的発見と治療仮説生成の架け橋となる、スケーラブルなAI駆動型パイプラインであるTRACEを導入するものである。
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
既存の薬に新しい用途を見出すことは、医学の進歩を加速させるための最も有望な方法の一つです。ゼロから新薬を発明するプロセスは10年以上かかり、数十億ドルの費用を要することがありますが、その代わりに、科学者たちはすでにヒトに対して安全性が証明されている化合物を再利用する方法を探しています。課題は、特定の疾患と特定の薬との間の点をつなぐことにあります。現代の遺伝学は、この旅における強力な新しい地図を提供しました。私たちのDNAの変異が遺伝子の活動にどのように影響を与えるかを研究することで、研究者はどの遺伝子が疾患を駆動している可能性が高いかを特定できます。もし特定の疾患を持つ患者においてある遺伝子が過剰に活性化していることが分かった場合、論理的な治療法は、その遺伝子の働きを抑える薬になるでしょう。逆に、遺伝子が低活性である場合は、その働きを高めることが目標となります。この「方向性」として知られる論理は極めて重要です。なぜなら、すでに活動が過剰な患者に対して、活動を高める薬を与えることは、病状を悪化させる可能性があるからです。しかし、これらの遺伝的な手がかりを生存可能な候補薬のリストへと変える作業は、伝統的に非常に遅く、手作業によるプロセスであり、科学者が何千もの研究論文を読み、複雑なデータベースを一つずつ照合する必要がありました。
研究チームは現在、この困難な作業を自動化するための「TRACE」と呼ばれるデジタルツールを構築しました。このシステムは、高度に専門化された研究助手として機能し、疾患に関連する遺伝子のリストを受け取ると、世界の医学文献を迅速にスキャンして、治療に役立つ可能性のある薬を見つけ出します。プロセスは、科学者がツールに対して遺伝子名と方向性（例：「この疾患において、この遺伝子は活性が高すぎる」など）を提供することから始まります。まず、ツールは4つの主要な公開データベースを確認し、FDA（米国食品医薬品局）によって承認された薬のうち、その遺伝子と相互作用することが知られているものを調べます。次に、このリストをフィルタリングし、米国での使用が公式に承認されている医薬品のみを残します。続いて、システムは膨大な医学研究のアーカイブであるPubMedへ向かい、それらの特定の薬がその特定の遺伝子にどのように影響を与えるかを記述した最新のアブストラクト（要旨）を抽出します。
TRACEの核心的な革新は、これらの科学的な要約を読み、理解する能力にあります。研究者たちは、バイオメディカル言語に特化した一種の人工知能であるコンピュータモデルを、批判的な読者として機能するように訓練しました。このモデルは、各研究のアブストラクトを精査し、次の3つのことを判断します。すなわち、「テキストが薬と遺伝子の関係を裏付けているか」、「その関係のメカニズムは何か」、そして「最も重要な点として、その薬が遺伝子を上げるのか、あるいは下げるのか」です。このモデルは、数千の事例（過去の科学コンペティションから得られた専門家による注釈付きデータを含む）を用いて学習されており、遺伝子を抑制する薬と活性化させる薬の微妙な違いを学習できるようになっています。モデルが証拠を分類した後、その薬の効果を元の遺伝的な手がかりと比較します。もし遺伝的データが「遺伝子が活性高すぎ」と示しており、薬がその遺伝子を「下げる」ものであれば、システムはこれを有望な治療候補としてフラグを立てます。もし薬が遺伝子を「上げる」ものであれば、システムはそれを潜在的な安全性リスクとしてフラグを立て、その使用が有害となる可能性があると警告します。
研究者たちは、このシステムが人間の専門家の仕事を再現できるかどうかを検証するためにテストを行いました。まず、子宮内膜症（子宮内膜に影響を与える痛みを伴う疾患）に関連する遺伝子セットにこのシステムを適用しました。彼らは、人間の専門家が手作業でキュレーションし、検証済みの43組の薬と遺伝子のペアの既存リストを持っていました。ツールが同じデータを処理したところ、既知のペアの91%近くを正常に回収することに成功しました。システムは、有益な治療候補と危険な安全上の懸念の両方の大部分を正しく特定しました。また、システムは自力で既知の治療法を再発見する能力も証明しました。子宮内膜症の全遺伝子リストを分析した際、システムは薬の使用に関する事前の知識なしに、文献と遺伝的方向性を分析するだけで、子宮内膜症の確立された治療薬であるレプロリド酢酸を独立して特定しました。
既知のケースを超えて、このツールは子宮内膜症に関連する99の遺伝子へと探索範囲を広げ、1,000を超える潜在的な薬と遺伝子の相互作用を見つけ出しました。この膨大なプールの中から、システムは32組を強力な新規治療候補として、77組を潜在的な安全性懸念として強調しました。システムはまた、脂肪肝の一種および2型糖尿病という2つの他の疾患についても、その性能を検証しました。これらのケースでは、検索したデータベース内に存在する薬のペアの約90%を回収しました。研究者たちは、このツールがこれらの薬が疾患を治すことを証明するものではないことを強調しています。むしろ、これはさらなる研究のための、高度に整理され、エビデンスに基づいた出発点を提供するものです。それはノイズを取り除き、ラボや臨床試験でテスト可能な仮説の優先順一リストを提示します。地道な読み込みや照合の作業を自動化することで、TRACEは、科学者が遺伝子の発見から治療のアイデアへとより迅速に移行することを可能にし、かつては数ヶ月の手作業を要したプロセスを、標準的なコンピュータ上で数時間で完了できるタスクへと変えるのです。
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。