The Universal BioCode Framework 2.0: A Philosophical-Numerical Integration of Multi-Omic Data, Spatial Technologies, and Clinical Outcomes for Precision Medicine
Universal BioCode Framework 2.0は、50万人以上の個人から得られたマルチオミクス、空間、および臨床データを、新たな哲学的・数値的システムを用いて統合することで、従来のステージングを大幅に上回る精度でがん患者の層別化、生存予測、および個別化された治療選択の指針となる予測モデルを構築している。
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。 これは以下の論文のAI生成解説です。著者が執筆または承認したものではありません。技術的な正確性については原論文を参照してください。 免責事項の全文を読む
医学は長い間、根本的な断絶に苦しんできました。一方で、科学者は今や単一の細胞内の複雑な分子命令を読み解き、私たちを生かしているDNA、RNA、そしてタンパク質をマッピングすることができます。その一方で、医師は依然として、腫瘍が現れた臓器やその大きさによって患者を分類するという、広範なカテゴリーに基づいた治療に頼っています。このギャップにより、同じがんの診断を受けた二人であっても、その身体が病気と戦っている仕組みが全く異なる場合でも、同じ治療を受けることになります。精密医療の目標は、このギャップを埋めること、つまり、どの治療が効くかを「推測」する段階から、高い精度で「予測」する段階へと移行することです。しかし、遺伝コードから組織の高解像度画像に至るまで、今日利用可能なデータの膨大な量はあまりにも膨大かつ複雑であり、それらすべてを一つの明確な絵へと編み上げることが困難になっています。
新しい研究は、生物学的な混沌を統一された言語へと翻訳することで、この複雑さへの解決策を提案しています。ヴァヒド・ネザミヴァンド・チェガネ（Vahid Nezamivand Chegane）氏率いる研究チームは、「ユニバーサル・バイオコード・フレームワーク（Universal BioCode Framework）」と呼ばれるシステムを開発しました。あらゆるデータを一つの巨大なコンピュータモデルに無理やり押し込もうとするのではなく、彼らは情報を3つの特定の数値的概念に基づいて整理しました。第一の概念は、細胞を、遺伝的な設計図、能動的な命令、そして物理的なタンパク質の3つの要素のバランスとして捉えるものです。第二の概念は、がんを静的な出来事としてではなく、疾患の最初の火種から治療後の再発の可能性に至るまでの「7つの段階の旅」として捉えます。第三の概念は、細胞がいかに成長し生存するかを指示する、体内にある12の主要な通信ネットワークをマッピングするものです。数百万ものデータポイントをこれら3つの単純なコードに変換することで、チームは異なる種類のがんや異なるライフステージの患者を単一の尺度で比較する方法を作り出しました。
このアプローチが機能するかどうかをテストするため、研究者たちは世界最大級の医学データベースから膨大な情報を収集しました。彼らは11,000人以上の癌患者、500,000人以上のUKバイオバンクの個人、そして数千の腫瘍の詳細な画像データを調査しました。また、組織全体ではなく個々の細胞を調べるシングルセル研究の情報も組み込みました。チームはこれらすべての情報を新しいフレームワークに投入し、3つの数値コードに基づいて各患者にスコアを割り当てました。その結果、患者は7つの明確なグループに分かれました。これらのグループは従来の癌の種類によるルールには従いませんでした。例えば、乳がんの患者が、その根底にある生物学的コードが類似していれば、肺がんの患者と同じグループに属することもありました。これは、疾患がどのように振る舞うかが、それがどこから始まったかという臓器よりも重要であることを示唆しています。
研究結果は、この新しい疾患の見方が、現在医師が使用している方法よりも有意に優れた予測能力を持っていることを示しました。研究者が「5年生存率」を予測する能力をテストした際、AUC（曲線下面積）スコアは0.94に達しました。これに対し、腫瘍のサイズや広がりに基づく標準的ながんのステージング手法のAUCスコアは0.78でした。また、このシステムは特定の治療に対する患者の反応を予測する上でも有用であることが証明されました。腫瘍が主にタンパク質の変化によって駆動されている患者は、免疫療法に反応する可能性がはるかに高いことが特定されました（成功率は67%）。これに対し、腫瘍が遺伝子変異によって駆動されている患者の成功率はわずか18%でした。さらに、本システムは、がんが他の部位に転移するリスクが劇的に跳ね上がる特定の疾患プロセスを特定し、医師がいつ治療を強化すべきかを示す明確なシグナルを提供しました。
この研究の最も驚くべき側面の一つは、データが乏しい状況でも機能する能力でした。現代医学において、希少疾患のためにコンピュータモデルを訓練するための十分な患者記録を見つけることはしばしば困難です。研究者は、グループあたりわずか1つのトレーニング例という極めて少ないデータを用いてフレームワークをテストしましたが、それでも正確な予測を行うことができました。この回復力は、システムが単に大規模なデータセット内のパターンを記憶しているのではなく、生物学的な原理に基づいた強固な基盤の上に構築されていることを示唆しています。また、本研究は、科学界で高まっていた疑念を裏付けました。すなわち、細胞のDNAに書かれた命令が、実際に生成されるタンパク質と必ずしも一致しないということです。両方のレイヤーを同時に観察することで、本フレームワークは、もし研究者が遺伝子データのみを見ていれば見逃していたであろう、ストロマ（間質）コンパートメントにおける「RNAとタンパク質のデカップリング（乖離）」を確認しました。
研究者たちは、このフレームワークがまだ開発段階にあり、あらゆる人々に対して機能することを保証するためには、多様なタイプの人々からのデータを必要としていることを認めています。現在、データの多くは北米やヨーロッパの集団に由来しており、公平性を確保するためには、将来的に多様なグループを含める必要があります。さらに、このシステムは現在、すべての病院で利用可能とは言えない複雑なデータを必要とします。しかし、チームはすでに、より少ない測定値を用いながらも本質的なパターンを捉えることができる、より小規模で簡略化されたテスト版を作成しており、実社会での活用への道を開いています。究極のビジョンは、このフレームワークを、医師が即座に意思決定を下すためのツールへと進化させ、「適切な患者に、適切なタイミングで、適切な治療」を導くことです。生物学の複雑な言語を明確な数値コードへと翻訳することで、この研究は、広範なカテゴリーを超えて、個々の疾患のユニークな物語を理解するという、真にパーソナライズされた医療の未来への新たな道を提示しています。
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。