Machine learning and single-cell transcriptomics identify key lncRNAs associated with malignant transformation and immune infiltration in colorectal cancer
本研究は、機械学習とシングルセル・トランスクリプトミクスを活用することで、大腸癌における正常組織、腺腫、および腫瘍組織を効果的に区別し、免疫浸潤とも相関する7つのlncRNAシグネチャーを同定しているが、これらのマーカーは独立した生存予後指標ではなく、病期決定のバイオマーカーとして機能するものである。
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
ヒトの体内において、結腸の粘膜はダイナミックな景観であり、時には健康な状態から危険な状態へと変化することがあります。この変容は一晩で起こるのではなく、正常な組織がまず腺腫と呼ばれる良性の塊へと成長し、その後、放置された場合にのみ、本格的な癌へと発展していくという、緩やかで段階的なプロセスです。科学者たちは、この進行が細胞内の遺伝的指示の変化によって引き起こされることを古くから知っていましたが、この転換を導く具体的なシグナルは、ある種隠されたままでした。これらのシグナルの中には、長鎖非コードRNAが存在します。これはタンパク質を構築するのではなく、他の遺伝子のオン・オフを切り替えるマネージャー（管理者）として機能する分子です。同時に、侵入者を監視するために体をパトロールしている免疫系も、組織が変容するにつれてその振る舞いを変え、しばしば異なる種類の防御細胞を現場へと送り込みます。どの遺伝的マネージャーが各段階でどのように変化し、それらが免疫系とどのように相互作用しているのかを正確に理解することは、現在の手法よりもはるかに早い段階で危険な変化を察知する手段となる可能性があります。
研究チームは、単なる健康な組織と病的な組織の単純な比較を超えて、その中間にある特定の段階を見つめることで、この道のりを高精度にマッピングしようと試みました。彼らは、健康な結腸組織、腺腫、および腫瘍を含む3つの独立したサンプル・コレクションから遺伝データを収集し、彼らの発見が単一の患者グループによる偶然の産物ではないことを確認しました。強力なコンピュータ・アルゴリズムを用いて、彼らはサンプルを分類するために設計された2段階のフィルターを構築しました。第1段階は、健康な組織とあらゆる種類の疾患との違いを判別するように訓練され、第2段階は、初期の良性腫瘍と後期の悪性腫瘍を区別することを学習しました。このアプローチにより、組織が健康から疾患へ、そして良性から悪性へと移行するにつれて一貫して変化する、7つの特定の遺伝的マネージャーのセットを特定することができました。これら7つの分子は、その分類能力において非常に高い精度を示し、テストしたほぼすべてのケースにおいて、組織の状態を正しく特定しました。
研究者たちは、これらの遺伝的マネージャーが組織内のどこで活動しているのかをさらに深く調査しました。サンプル全体の平均ではなく個々の細胞を調べることで、これら2つの分子が初期の腺腫における幹細胞様細胞において特に活発であることを発見しました。これらは成長し分裂する可能性を持つ細胞であり、このことは、腫瘍が形成されるずっと前の、問題の源泉において遺伝的な変化が起きていることを示唆しています。また、この研究は、これらの遺伝的マネージャーと免疫系の間の関連性も明らかにしました。研究者たちは、これらの分子のレベルが、増殖する塊の現場に集まる特定の種類の白血球などの特定の免疫細胞の存在と関連していることを見出しました。これは、組織が変化し始めるとき、細胞自体が変化しているだけでなく、免疫反応を含む周囲の環境も変化していることを示唆しています。
これらの分子が疾患の段階を特定することには成功したものの、研究者たちは、これらが患者の将来の経過を予測できるかどうかについてもテストを行いました。彼らは、数百人の大腸癌患者のデータを分析し、これらの分子の高低が患者の生存期間の長短を意味するものかどうかを調べました。結果は明白でした。これらの分子は、健康な結腸、良性腫瘍、および腫瘍を区別することには極めて優れていましたが、すでに癌を発症している患者の将来の経過を確実に予測することはできませんでした。一つの分子は生存との関連性を示唆していましたが、そのシグナルは研究者が行ったテストの回数を考慮に入れると消失しました。この区別は極めて重要です。本研究は、これら7つの分子が、患者が疾患のスペクトラムのどこに位置するかを診断するための強力なツールであることを証明していますが、その疾患が一度定着した後にどのように振る舞うかを予測するためのツールであるとは、まだ証明されていないのです。
この研究は、大腸癌の初期段階に対する新しい見方を提示しており、単に腫瘍を見つけることから、良性の塊が危険な転換を開始する正確な瞬間を理解することへと焦点を移しています。この転換期に切り替わる特定の遺伝的スイッチを特定し、それを免疫系の反応と結びつけることで、研究者たちは、いつか医師が癌になる前の高リスクな腫瘍を特定するのに役立つ候補リストを提供しました。しかし、この研究は同時に、現在の知見が何を意味するかについても明確な境界線を引いています。これらの分子は、疾患のステージング（病期分類）を行うための強力な候補であり、組織を正常、前癌、または癌として分類するのに役立ちますが、患者の予後を推測するためにまだ使用されるべきではありません。今後の道筋としては、これらの遺伝的シグネチャーが現実の世界でも真実であることを確認するために、新しい患者グループでのさらなる検証が必要であり、それが、最も治療可能な極めて早い段階で疾患を捉えることができる、より優れたスクリーニングツールの実現に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。