Investigation of Stress Granule-Associated Biomarkers (IGF1 and CDK2) and Their Regulatory Mechanisms in Alzheimer’s Disease: A Combined Transcriptomic, Bioinformatic and Experimental Study

技術要約：アルツハイマー病におけるストレス顆粒関連バイオマーカー（IGF1およびCDK2）の調査

問題提起
アルツハイマー病（AD）は、アミロイドβ（Aβ）プラークと神経原線維変化（NFT）を特徴とする、世界的な認知症の主要な原因である。Aβおよびタウ病理の中央性は高いものの、特異的なバイオマーカーの欠如により早期発見が困難であり、現在の治療法は対症療法に留まっている。近年のエビデンスは、細胞ストレス中に形成される動的な膜のないコンデンセート（凝縮体）であるストレス顆粒（SG）が、ADの病態形成において役割を果たし、潜在的にタウのオリゴマー化やシナプス機能不全を促進することを示唆している。しかし、SGとADを結びつける調節回路や、特定のSG関連バイオマーカーの特定については、依然として十分に定義されていない。本研究は、バイオインフォマティクスと実験的アプローチを組み合わせることで、ADにおけるSG関連の転写バイオマーカーを特定し、この空白を埋めることを目的としている。

方法論
本研究は、公開トランスクリプトームデータと実験的検証を統合したマルチステージ・パイプラインを採用した：

1. データ取得および前処理： 公開データベース（GEO）から、2つの末梢血トランスクリプトームデータセット（トレーニングコホートとしてGSE97760、検証コホートとしてGSE140831）を取得した。GeneCardsから844個のストレス顆粒関連遺伝子（SGRG）のリストを作成した。
2. 候補遺伝子のスクリーニング： トレーニングセットにおいて、差発現遺伝子（DEG）を特定し（|log₂FC| > 0.5, p < 0.05）、これらをSGRGリストと交差させることで、287個の候補遺伝子（CG）を得た。
3. ネットワークおよび機能解析： STRINGおよびCytoscapeを用いてタンパク質相互作用（PPI）ネットワークを構築し、主要なノードを特定した。生物学的機能を特徴付けるために、Gene Ontology（GO）およびKEGG濃縮解析を実施した。
4. 機械学習によるスクリーニング： LASSO回帰およびサポートベクターマシンによる特徴量除去（SVM-RFE）の2つのアルゴリズムをトレーニングセットに適用し、特徴量遺伝子を選択した。これらのアルゴリズムの交差により、7つのコア遺伝子が特定された。
5. 診断モデリング： 全結合ニューラルネットワーク（FCNN）を構築し、選択されたバイオマーカーの診断性能を評価した。ROC曲線分析を用いて、感度と特異度を評価した。
6. メカニズムの探索： 遺伝子セット濃縮解析（GSEA）、免疫浸潤プロファイリング（CIBERSORT）、および分子ネットワーク制御（miRNA-lncRNA-mRNA）を実施した。また、分子ドッキングを行い、潜在的なリガンド・タンパク質相互作用を探索した。
7. 実験的検証： 新疆医科大学第五附属病院の10件の臨床サンプル（AD患者5名、対照群5名）を用いて、逆転写定量PCR（RT-qPCR）を行い、バイオマーカーの発現を検証した。

主な結果

• バイオマーカーの特定： 機械学習解析により候補遺伝子を7つの特徴量に絞り込み、一貫した発現傾向と診断性能に基づき、IGF1およびCDK2をコアバイオマーカーとして保持した（AUC > 0.7）。
• 発現パターン： データセット全体を通じて、AD患者ではIGF1が一貫して減少（ダウンレギュレーション）し、CDK2が増加（アップレギュレーション）していた（p < 0.05）。
• 診断性能： IGF1とCDK2を利用したFCNNモデルは、トレーニングセットで0.989、外部検証セットで0.773のAUCを達成し、強力な識別能を示した。
• 調節メカニズム：
  • miRNA相互作用： 調節ネットワークにより、特定のmiRNAとの関連が特定された：IGF1はhsa-miR-19b-3p、CDK2はhsa-miR-302a-3pと関連する。
  • パスウェイ濃縮： 両バイオマーカーは、代謝経路（α-リノレン酸およびリノール酸代謝）とともに、KEGG T細胞受容体（TCR）シグナル伝達経路に濃縮されていた。
  • 免疫浸潤： ADサンプルでは、M0マクロファージ、好中球、およびTregが減少し、活性化CD4+メモリーT細胞が増加していた。IGF1はM0マクロファージおよびTregと正の相関を示し、CDK2はTregと負の相関を示した。
• 分子ドッキング： 計算ドッキングにより、IGF1とN,N-bis(3-(D-gluconamido) propyl) deoxycholamideの結合親和性が-7.3 kcal/mol、CDK2とAlvocidobの結合親和性が-11.2 kcal/molであると予測された。
• 実験的検証： RT-qPCRにより、臨床ADサンプルにおけるIGF1の有意な減少が確認された。しかし、CDK2の上昇はこの特定の臨床コホートでは統計的に再現されなかった。著者らはこの不一致について、末梢血検出の限界またはコホートの異質性に起因するものと考えている。

意義および主張
本研究は、従来のAβ/タウの枠組みを超え、SG関連の調節ネットワークをADの病態に関連付ける予備的な証拠を提供すると主張している。IGF1とCDK2を潜在的なSG関連バイオマーカーとして特定することで、本研究は、神経炎症と疾患の進行を駆動する可能性のある「成長因子-細胞周期-免疫軸」を示唆している。著者らは、これら（CDK2↑ + IGF1↓）の組み合わせたバイオマーカーパターンが、非侵襲的な早期診断の基礎となり得ると考えている。

論文では、これらの知見を診断マーカーおよび治療標的のための「予備的な手がかり」として控えめに位置づけている。分子ドッキングの結果は探索的なものであり、さらなる前臨床検証なしに薬理学的な推奨として解釈すべきではないことを明記している。著者らは、末梢血に限定されていること、公開データセットにおける選択バイアスの可能性、および臨床検証コホートにおけるCDK2の再現性の欠如を含む限界を認めている。結論として、これらのバイオマーカーの臨床的有用性を確認するためには、より大規模な多施設共同コホートおよびタンパク質レベルでのさらなる検証が必要であるとしている。