CausalDiffChem: Causal Network Restoration for Therapeutic Prioritization and Repurposing Across Diseases
CausalDiffChemは、トランスクリプトームデータと構造的因果モデルを活用し、疾患特異的な因果ネットワーク構造を復元する介入をシミュレートすることで、多様な病態にわたって因果的なドライバーを下流の現象から区別し、ドラッグリパーパシングの候補を優先順位付けする新しいフレームワークである。
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、多くの場合、適合するものを見つける作業である。数十年にわたり、科学者たちは疾患の分子指紋と薬の指紋を比較することで、既存の薬を再利用しようと試みてきた。ある薬が疾患の遺伝子のスイッチを逆方向に切り替えるように見える場合、研究者たちはそれが治療法として機能する可能性があると仮定する。このアプローチはある種の実績を上げているが、盲点も存在する。それは、疾患を静的な症状のリストとして扱い、遺伝子が原因と結果の複雑な連鎖の中で互いに影響し合っているという事実を無視しているのである。ある遺伝子がオンになっているのは、それが問題の根本であるからではなく、上流で起きている他の事象に反応しているためかもしれない。原因を解決せずに反応だけを抑えようとするのは、煙を吹き飛ばすことで火を消そうとするようなものである。
この限界を超えるために、研究チームは疾患の隠れた仕組みをマッピングする新しい手法を開発した。単にどの遺伝子が活性化しているかを列挙するのではなく、それらの遺伝子がどのように互いに影響を及ぼし合うかを示すモデル、すなわち因果ネットワークを構築したのである。そして、異なる薬がこの特定のネットワークを通じてどのように波及し、システムを健康な状態へと復元できるかを検証した。彼らが「CausalDiff。DiffChem」と呼ぶこの研究は、疾患の具体的な因果構造を理解することで、単純な遺伝子活性のリストからは判別できない優れた治療候補を特定できることを示唆している。
研究チームはこの手法を、多発性硬化症（免疫系と神経の疾患）、サルコイドーシス（肺やその他の臓器に炎症を引き起こす疾患）、リーシュマニア症（寄生虫感染症）、そしてアルツハイマー病（認知症の一種）という、非常に異なる4つのヒト疾患に適用した。各疾患について、彼らは数百人の患者および健康な人々からデータを収集した。彼らは遺伝子がどのように相互作用するかという既存のマップは一切使用せず、コンピュータ・アルゴリズムを用いて、サンプル中の最も活性の高い20の遺伝子に基づき、各疾患に固有の因果関係マップをデータから直接再構築した。これらのマップは、明確に異なるアーキテクチャを明らかにした。アルツハイマー病では、アポリポタンパク質Dと呼ばれるタンパク質の2つの測定値間の強い結合がネットワークを支配していた。サルコroidーシスでは、マクロファージとして知られる免疫細胞に関わる調節軸が強調された。各疾患には独自の形状と情報の流れがあり、単一の汎用的なアプローチでは個々の疾患の特有の論理を捉えられないことが証明された。
これらの疾患マップが構築されると、チームは数千種類の薬の効果をシミュレーションした。彼らは試験管や生体内で薬をテストしたのではなく、数学的な表現としての各薬を、疾患ネットワークのコンピュータモデルに導入した。そして、その薬のシミュレーション上の存在が、ネットワークを健康な人々にみられる状態へと押し戻すことができるかどうかを観察した。彼らはこの「復元」を、3つの方法で測定した。すなわち、ネットワークのいくつの部分が正しい方向に動いたか、その動きがどれほど強かったか、そして全体的な変化が「病気から健康へ」という経路と一致しているか、である。
結果は、どの薬が有効であるかについて新たな視点を提供した。サルコイドーシスについては、抗がん剤であるシスプラチンが承認済み医薬品の中で第1位となった。リーシュマニア症においては、すでにアルツハイマー病に使用されている薬であるメマンチン塩酸塩が、初期研究から臨床試験に至るまでの全開発段階を通じて第1位となった。アルツハイマー病自体においては、別の薬であるメカムアミン塩酸塩がトップに立った。これらの発見を注目すべきものにしているのは、研究者が各疾患に対して疾患マップを構築し、薬を独立してテストしており、共通の設定やあらかじめ設定されたルールが存在しなかった点である。同じ薬が異なるライブラリや異なる疾患の間でトップ候補として繰り返し現れる事実は、この手法がランダムな偶然ではなく、真のシグナルを見出していることを示唆している。
しかし、研究は高いスコアがすべてを物語るわけではないことも明らかにした。ある薬は多くの遺伝子を修正するものの、最も重要な結合の修正には失敗したり、あるいは正しい遺伝子を修正してもネットワークの他の部分を誤った方向へ押しやってしまったりすることがある。アルツハイラー病においては、トップランクの薬は多くの遺伝子を修正したが、疾患ネットワークにおける最強の結合（アポリポタンパク質Dの2つの測定値間のリンク）はほとんど手つかずのまま残した。サルコイドーシスにおいては、シスプラチンは主要な免疫遺伝子群を強力に修正したが、他の遺伝子を健康な状態からさらに遠ざけてしまった。これは、薬がすべてを完璧に直せなくても有力な候補になり得る一方で、異なる薬は異なるメカニズムを通じて効果を発揮することを示している。
研究チームは、彼らの手法が既知の有効な薬を見つけ出せるかどうかも確認した。アルツハイマー病において、確立された治療薬であるドネペジルとメマンチンは、第1位には選ばれなかったものの、上位10パーセントに入った。他の疾患においても、既知の治療薬は良好なランクを示したが、特定のステロイドなどはランクが低かった。このことは、コンピュータモデルがこれらの薬の働きに関する実在の生物学的真実を捉えていることを示唆しているが、同時に、このモデルが臨床知識の完全な代替にはならないことも浮き彫りにした。モデルは特定の遺伝子セットに焦点を当てており、体内の他の場所で起こる広範な影響や、薬の投与方法に依存する影響を見逃している可能性がある。
チームは、自分たちの研究がシミュレーションであることを認めている。薬の効果は実験室で測定されたものではなく、化学構造に基づいて推定されたものであり、疾患マップも比較的少人数の患者グループから構築されたものである。彼らは、これらの薬がヒトにおいてこれらの疾患を治癒することを証明したわけではない。代わりに、彼らは仮説を生成するための、解釈可能な新しい枠組みを提供した。薬が特定の疾患の因果ネットワークを通じてどのように移動するかを示すことで、彼らはどの候補をラボでのテストに優先させるべきかという指針を提示している。同じ薬が異なる疾患や異なる開発段階の間で繰り返し現れることは、このアプローチが、単なる遺伝子のリストを見るだけでは見落とされる可能性のある有望なリードを特定できることを示唆しており、既存の薬の新しい用途を見出すための、より微細な道筋を提示している。
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。