タモキシフェン耐性関連遺伝子の機械学習に基づく同定と乳がんの予後モデリングへの応用

サマリー

私たちは、乳がん患者を生存リスクによって階層化し、臨床実践における個別化予後評価や治療的意思決定を支援する、機械学習由来の6遺伝子タモキシフェン耐性シグネチャーを開発しました。

要約

タモキシフェンはエストロゲン受容体陽性(ER⁺)乳がんの主要な内分泌療法ですが、後天性耐性は長期的な有効性を制限します。分子メカニズムは依然として複雑であり、予測バイオマーカーも不足しています。タモキシフェン耐性に関連する遺伝子発現データはGEO(GSE67916)から取得され、LIMMAアルゴリズムを用いて差異発現遺伝子(DEGs)が同定されました。機能豊か解析(GOおよびKEGG)では、免疫プロセス、抗ウイルス応答、エンドサイトーシス、リソソーム経路、エストロゲンシグナル伝達への関与が明らかになりました。3つの機械学習アルゴリズム(LASSO、SVM-RFE、RF)により6つのハブ遺伝子(CAMK1D、CHAC1、KIAA0513、MED13、NDRG1、STXBP5)が特定されました。これらの遺伝子に基づく予後リスクモデルがTCGA-BRCAデータを用いて構築され、患者を有意に異なる高リスク群と低リスク群に効果的に階層化しました。モデルは独立コホートで検証された時間依存ROC解析において良好な予測精度(AUC = 0.70)と安定した性能を示しました。本研究は、タモキシフェン耐性関連遺伝子シグネチャーと多遺伝子予後モデルを提供し、^ER+ 乳がんにおける耐性メカニズムに関する新たな洞察と個別化予後および治療の指針を提供します。

概要

乳がんは世界的に女性の間で最も一般的に診断されるがんであり、がん関連死亡の主要な要因となっています^。分子プロファイリングに基づき、患者の約60〜70%がエストロゲン受容体陽性(ER⁺)サブタイプで現れ、一般的に初期の内分泌治療に良好に反応します。さまざまな内分泌薬の中で、選択的エストロゲン受容体調節剤(SERM)であるタモキシフェンは、^ER+ 乳がんの補助および転移治療の標準的な治療として長らく用いられており、大規模なランダム化試験で生存率の大幅な改善に寄与しています²。

臨床的有効性が確立されているにもかかわらず、かなりの割合の患者が最終的に後天性耐性を発症し、病気の再発と進行につながります³。したがって、タモキシフェン耐性は乳がんの長期管理における重要なボトルネックとなっています。過去の研究では、耐性を駆動するメカニズムは非常に異質であり、異常なERシグナル伝達、代替成長因子経路(例:PI3K/AKT、MAPK)の活性化、アポトーシスの調節障害、代謝^{再プログラミングなど}が含まれます。

近年、腫瘍微小環境(TME)、特に免疫微小環境は、治療反応と耐性における役割について注目を集めています。免疫細胞の浸潤と炎症性シグナル伝達は、乳がんの進行や治療に対する感受性と密接に関連しています。新たな証拠は、免疫関連のプロセスが細胞ストレス反応を調節し免疫回避を促進し、内分泌耐性に寄与する可能性を示唆しています⁵。しかし、タモキシフェン耐性に関連する特有の免疫状況はまだ完全に解明されていません。

ハイスループットシーケンシングとバイオインフォマティクスの登場により、トランスクリプトミクスデータの解析は薬剤耐性の分子基盤を解読する強力な手段となっています。単一遺伝子バイオマーカーと比較して、多遺伝子シグネチャーは腫瘍の異質性をより効果的に捉え、予後において優れた安定性と正確性を提供します。LASSO回帰、サポートベクターマシン(SVM)、ランダムフォレスト(RF)などの機械学習アルゴリズムは、精密医療⁶における堅牢なバイオマーカーの特定や予測モデル構築に不可欠なツールとなっています。いくつかの遺伝子シグネチャが提案されていますが^、7,8,9はロバレンス性が不足していることが多いです。

これまでの研究ではタモキシフェン耐性遺伝子が探求されてきましたが、独立したコホートで検証された堅牢な予後モデルを構築するために複数の機械学習戦略を体系的に統合した研究はほとんどありません。本研究では、GEOおよびTCGAからのトランスクリプトミックデータを統合し、タモキシフェン耐性関連遺伝子のスクリーニングを行いました。一連の機械学習アルゴリズムを適用することで、コア耐性遺伝子を特定し、予後リスクモデルを構築しました。さらに、モデルと免疫微小環境との関連性を評価し、独立したコホートで予測価値を検証し、個別化治療戦略のための新たな理論的証拠を提供することを目指しました。

プロトコル

本研究で使用されたすべてのデータは、TCGA、GEO、METABRICなどの公開データベースから取得されました。人間の参加者や動物は関与していませんでした。したがって、機関審査委員会の承認やインフォームド・コンセントは必要ありませんでした。

データ取得と前処理

タモキシフェン耐性に関連する遺伝子発現データは、Gene Expression Omnibus(GEO)データベース¹⁰から取得されました。GSE67916データセット(Affymetrix Human Genome U133 Plus 2.0 Array)には、18の乳がん細胞サンプルが含まれています。8つは未処理の対照群サンプル、10つは長期薬物曝露によって生成されたタモキシフェン耐性サンプルです。乳がんコホート(TCGA-BRCA)のRNAシーケンスデータおよび臨床フォローアップ情報は、がんゲノムアトラス(TCGA)¹¹からダウンロードされました。

生のマイクロアレイCELファイルは、affyパッケージを使ってR(バージョン4.4.2)で処理されました。バックグラウンド補正と正規化は、ロバストマルチアレイ平均(RMA)アルゴリズムを用いて行われ、log2変換や分位元正規化も含まれます。プローブIDはプラットフォームアノテーションファイルを使って遺伝子シンボルにマッピングされ、複数のプローブを持つ遺伝子では、平均発現値が用いられました。TCGA RNA-seqデータでは、転写本/百万(TPM)値がlog2変換[log2(TPM + 1)]で行われました。生存情報が不完全または臨床変数が欠如しているサンプルは除外しました。

差異発現遺伝子の同定

タモキシフェン耐性サンプルと対照サンプル間の発現差異は、経験的ベイズ減速を用いたlimma R Package¹² を用いて評価されました。|log2 フォールド変化を持つ遺伝子|1>および調整済みP値<0.05(ベンジャミニ–ホッホバーグFDR)は、差異発現遺伝子(DEGs)として定義されました。

機能豊化解析

Gene Ontology (GO)¹³および京都遺伝子・ゲノム百科事典(KEGG)¹⁴ の解析はclusterProfiler¹⁵ Rパッケージを用いて実施されました。GOのカテゴリーには生物学的プロセス(BP)、細胞成分(CC)、分子機能(MF)が含まれていました。調整後P値は0.05<有意とされました。

機械学習に基づく特徴選択

ハブ遺伝子を特定するために3つの機械学習アルゴリズムが適用されました:(1) 最適なペナルティパラメータを選択するための10倍クロスバリデーションを伴うLASSO回帰¹⁶ (glmnetパッケージ);(2) サポートベクターマシン–再帰的特徴消去(SVM-RFE)¹⁷ (e1071パッケージ)で、分類誤差が最も低い最小遺伝子サブセットを特定するための5重クロスバリデーション;(3) 500本の木を持つランダムフォレスト(RF)¹⁸ (randomForestパッケージ)(ntree = 500);遺伝子はMeanDecreaseGiniによってランク付けされました。これら3つの方法すべてで同定された遺伝子はハブ遺伝子と定義されました。

予後リスクモデルの構築

TCGA-BRCAの遺伝子発現および生存データを用いて、多遺伝子予後リスクモデルを構築しました。生存関連遺伝子は単変量Cox回帰法を用いてスクリーニングし、その後多変量Cox回帰法を用いて最終的なシグネチャーを決定しました。リスクスコアの計算式は次の通りです:リスクスコア=(CAMK1D×0.01297)+(CHAC1×0.03021)+(0.02018× KIAA0513)+(MED13×0.00647)+(NDRG1×0.00108)+(STXBP5×0.04551)。患者は中央値リスクスコアに基づいて高リスク群と低リスク群に階層化されました。

予後モデルの評価と検証

グループ間の生存期間差はカプラン・マイヤー分析とログランク検定で評価されました。予測性能はROC曲線(pROCパッケージ)および時間依存ROC解析(timeROCパッケージ)を用いて評価されました。RMSパッケージを用いてリスクスコアと臨床変数を統合したノモグラムが構築されました。比較曲線は予測生存確率と観察された生存確率の一致を評価しました。外部検証は、独立した乳がん分子分類国際コンソーシアム(METABRIC)コホート¹⁹ で、同じ式とカットオフを用いて実施されました。

免疫浸潤解析

免疫細胞浸透はCIBERSORT²⁰ を用いて、TCGAデータに基づく1,000の置換を用いて推定されました。P<0.05のサンプルも含まれました。高リスク群と低リスク群間の免疫細胞組成の違いはウィルコクソンランク-サム検定で評価され、ハブ遺伝子発現と免疫細胞存在量の相関はスピアマンのランク相関法を用いて評価されました。

統計解析

すべての解析はRで行われました。連続変数はウィルコクソン順位和検定で、カテゴリ変数はカイ二乗検定で比較されました。両側Pは0.05<統計的に有意とされました。

結果

タモキシフェン耐性に関連する差異発現遺伝子の同定

タモキシフェン耐性および対照群のサンプル間で合計854個の差異発現遺伝子(DEGs)が同定され、うち556個がアップレギュレーション、298個がダウンレギュレーションされた遺伝子が含まれていました。DEGsの分布は耐性サンプルにおいてアップレギュレーション遺伝子の優位を示し、タモキシフェン耐性に関連する広範な転写活性化を示唆しました(図1)。

DEGの機能豊化解析

Go濃縮解析により、DEGは主に免疫および防御に関連する生物学的プロセスに関与しており、ウイルスへの防御応答、タイプIインターフェロンシグナル伝達経路、インターフェロンに対する細胞応答などが含まれていました。細胞成分解析では、エンドサイトティック小胞膜、食細胞小胞、初期...

ディスカッション

タモキシフェン耐性は^ER+ 乳がん治療における重要な障害となっています。ER変異などのメカニズムはよく知られているものの、長期治療に対する全身的な分子適応についてはまだ十分に理解されていません。本研究では、トランスクリプトミクスと機械学習を統合し、タモキシフェン耐性と患者の予後の両方を予測する堅牢な6遺伝子シグネチャー(CAMK1D、CHAC1、KIAA0513、MED13、NDRG1、STXBP5)を特定しました。

機能解析では、耐性には広範なトランスクリプトミック再構築、特に免疫応答や細胞内輸送経路(リソソーム/ファゴソーム)におけるリモデリングが伴うことが明らかになりました。「ウイルス防御」および「タイプIインターフェロン」経路の濃縮は、実際のウイルス感染ではなく、抵抗性細胞における無菌炎症状態やストレス応答の強化を反映している可能性が高い²¹。これは、慢性ストレスシグナル伝達が腫瘍の微小環境を再配線し、薬物圧力下での生存を支えるという新た...

材料

この記事で使用された材料の一覧

名前	会社	カタログ番号	コメント
Affyパッケージ	Bioconductor	-	マイクロアレイデータ処理
clusterProfilerパッケージ	Bioconductor	v4.4.2	GOおよびKEGG豊富度分析
CIBERSORTアルゴリズム	Newman et al.	-	免疫細胞浸潤推定
e1071パッケージ（SVM-RFE）	CRAN	-	サポートベクターマシン再帰的特徴除去
Gene Expression Omnibus（GEO）	NCBI	GSE67916	タモキシフェン耐性データセット
glmnetパッケージ	CRAN / Bioconductor	-	LASSO回帰
limmaパッケージ	Bioconductor	-	差異発現分析
METABRICデータセット	cBioPortal / Curtis et al.	-	検証コホート
pROCパッケージ	CRAN	-	ROC曲線分析
Rソフトウェア	R Core Team	v4.4.2	統計計算環境
ランダムフォレストパッケージ	CRAN	-	ランダムフォレストアルゴリズム
rmsパッケージ	CRAN	-	ノモグラム構築
TCGA-BRCAコホート	The Cancer Genome Atlas (TCGA)	-	トレーニングコホートRNA-seqデータ
timeROCパッケージ	CRAN	-	時間依存ROC分析