Classification of brain tumors using pseudobulk spatial transcriptomics
本研究は、単一セクションの空間トランスクリプトミクスデータから擬似バルク発現プロファイルを生成することが、中枢神経系腫瘍の診断において既存のバルク学習済み分類器を効果的に適用することを可能にし、生検試料が限定的な症例やびまん性浸潤を伴う症例に対する実行可能な解決策を提供することを実証している。
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
脳腫瘍の診断は、長らく顕微鏡下で細胞の形状を観察することによって行われてきましたが、現代医学は強力な新しい層を加えました。それは、それらの細胞内部にある遺伝的な指示を読み取ることです。トランスクリプトミクスとして知られるこの分子学的アプローチにより、どの遺伝子が活性化しているかを分析することで、医師は直面している腫瘍が正確にどのような種類であるかを特定することができます。しかし、この手法は通常、かなりの量の組織を必要とします。患者の生検試料が小さい場合や、腫瘍が広範囲に広がっていて健康な脳組織と混ざり合っている場合、これらのテストを実行するための材料が残っていないことがよくあります。これにより、医師は難しい選択を迫られます。失敗するかもしれないテストに貴重なサンプルを使い果たすか、あるいは精度が劣る可能性のある古い手法に頼るかという選択です。
科学者たちは最近、組織を元の物理的な配置のまま維持しながら遺伝子の活動をマッピングする方法、すなわち空間的トランスクリプトミクスと呼ばれる技術を開発しました。これは、組織のスライス上のどの特定の場所にどの遺伝子が活性化しているかを示す詳細な地図を作成します。課題は、この新しい、非常に詳細なデータを、医師がすでに信頼している既存のコンピュータプログラムとどのように組み合わせるかということでした。これらのプログラムは、大量の混合組織サンプルを分析するように作られており、空間マップからの小さく散在したデータポイント用ではありません。シンガポールのKK女性・子供病院の研究チームはこのパズルを解くために立ち上がりました。彼らは、単一の組織スライスから得られる微小なデータポイントを、既存の診断ツールが理解できる一つの大きな、読み取り可能なプロファイルへと結合できるか、つまり、以前はテストするには小さすぎたり、あるいは複雑すぎたりしたサンプルからでも分子診断を得られるようにできるか、という問いを立てました。
研究者たちは、このアイデアをテストするために、公開データベースから集めた脳腫瘍サンプルと、自院からの5つの新しい症例を用いました。彼らは、組織スライス上のあらゆる場所からの遺伝子活動を集約し、それらを一つのプロファイルへと合計する計算手法を用いました。彼らはこのプロセスを「擬似バルク（pseudobulk）」サンプルの作成と呼んでいます。これにより、脳腫瘍を特定するために設計された3つの異なるコンピュータプログラムにデータを入力することが可能になりました。結果は、このアプローチが機能することを示しましたが、すべてのツールやすべての種類の腫瘍に対して一様に優れているわけではありませんでした。遺伝子活動のパターンと一致させる一つのプログラムは、症例の約82パーセントで腫瘍の種類を正しく特定しました。別のプログラムは約60パーセントの確率で正解し、より複雑な3番目のプログラムは、約46パーセントの症例でしか成功しませんでした。
この手法の成功は、テストされる腫瘍の種類に大きく依存していました。コンピュータプログラムは、非常に明確な遺伝的シグネチャーを持つメドロブラストーマ（髄芽腫）とエペンディモーマ（室管膜腫）の特定において非常に優れた性能を発揮しました。これらのケースでは、新手法は既知の診断と完全に一致しました。しかし、ツールは、攻撃的でしばしば健康な組織と混ざり合う高グレードのグリオーマ（神経膠腫）に対しては苦戦しました。研究者たちは、最初のテストで判断が不確実な場合、空間マップを使用して腫瘍細胞のように見える部分だけを分離し、その領域のみを再解析することで、結果を改善できることを見出しました。彼らが「腫瘍クラスター濃縮（tumor-cluster enrichment）」と呼ぶこのステップは、困難なケースにおける精度を60パーセントから76パーセントへと向上させました。これは、腫瘍の信号を希釈している健康な細胞の「ノイズ」を取り除くことによって機能しました。
また、研究では組織の保存方法が結果にどのように影響するかについても調査されました。ほとんどの病院のサンプルは、ホルマリンと呼ばれる化学物質で保存され、パラフィンに埋め込まれていますが、このプロセスは遺伝物質を損傷させる可能性があります。研究者たちは、最も優れた性能を示したコンピュータプログラムが、これらの古い保存されたサンプルに対しても合理的に機能し、約77パーセントの割合で正しく診断できることを発見しました。しかし、新鮮な組織用に設計された3番目のプログラムは、保存されたサンプルに対してはほぼ完全に失敗しました。このことは、手法が日常的な病院での使用に耐えうる堅牢性を持っている一方で、サンプルの保存方法に応じてソフトウェアの選択が極めて重要であることを示唆しています。
この手法が現実世界の環境で機能することを証明するために、チームは自院の実際の患者5名にこの手法を適用しました。これには、腫瘍サンプルが1ミリメートル未満の症例も含まれていました。システムは、これら希少な小児腫瘍のうち2つを特定することに成功し、この技術が結果を生成するために大きな組織片を必要としないことを裏付けました。システムは、腫瘍の遺伝的構成が特異であったり、トレーニングデータに代表されていなかったりするいくつかの複雑な症例に対しては苦戦しましたが、全体的な知見は明確な前進を示しています。空間マッピングを既存の診断ツールと組み合わせることで、医師は間もなく、最も限られた生検サンプルからでも精密な分子診断を得ることができ、最も限られた組織からでも治療の指針となる答えを得られるようになるかもしれません。
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。