AIとがん研究 ── がん一般 ── 2026-10-27

対象誌と選び方は索引の頁に

がん一般の分子生物学の進展とAI

• 深層学習によるラマン分光法のバッチ効果の抑制
  Deep learning mitigates batch effects in Raman spectroscopy
  Scientific Reports · 2026-10-26 · 証拠の段階: 前臨床（神経膠腫検体のラマンスペクトルを使った手法開発）
  抄録（全訳）

  ラマン分光法は、生体試料から分子レベルの豊富な情報が得られるため、広く使われている。ただし、スペクトルは感度が高いので、目的外の情報まで意図せず入り込むことがある。たとえば、患者を識別できる情報、装置に固有の特徴、環境条件、試料の扱い方などである。こうしたデータに隠れた構造はバッチ効果と呼ばれる。機械学習で使う場面では、バッチ効果が大きな問題になりつつある。モデルが過学習し、汎化性能が下がることがある。データセットを共有するときには、プライバシーのリスクにもなりうる。本研究では、神経膠腫（グリオーマ）の腫瘍検体から得たラマン分光データセットを対象にした。バッチ効果があるかどうか、あるならどう影響するかを調べた。深層学習を使うと、1 本のスペクトルから患者を正確に言い当てることができた。データに強い偏りのパターンがあることが分かった。この問題を抑えるために、いくつかの手法を検討した。そのうえで、敵対的深層学習に基づくアルゴリズムの枠組みを作った。この手法で、検体ごとの交絡シグナルの影響を効果的に減らせた。腫瘍の分類に必要な情報は保たれた。以上の結果は、ラマン分光を使う AI パイプラインでは偏りを注意深く制御する必要があることを示す。生物医学の分光法で、より頑健な応用を支えるツールも提供する。

  掲載誌の IF 相当：5.2（OpenAlex の直近 2 年の平均被引用数・2026-10-04 時点の値、2026-10-05 に取得。正式な IF（Clarivate）ではない）
  書誌：Sjöberg J, Lita A, Larion M, Petre I. Deep learning mitigates batch effects in Raman spectroscopy. Sci Rep. 2026 Oct 26;16(1):34019. doi:10.1038/s41598-026-62086-1.
  確認の範囲：抄録のみ確認
• UpTCR：不完全なデータから学び、TCR・抗原・HLA の結合を予測する基盤モデル
  UpTCR: a unified progressive knowledge transfer foundation model for robust T-cell receptor-antigen binding recognition.
  Nature communications · 2026-09-24 · 証拠の段階: 前臨床（計算モデルの開発と、前向きの実験による検証）
  抄録（全訳）

  T 細胞受容体（TCR）は、ヒト白血球抗原（HLA）分子が提示する抗原ペプチドを認識する。この認識は、適応免疫と、T 細胞を使う免疫療法の土台になっている。しかし、相互作用の完全なデータが乏しく、TCR に交差反応性もあるため、頑健な予測は難しい。そのため、頑健に予測するのは難しい。UpTCR は、不完全なデータから学習し、TCR・抗原・HLA の結合を予測する基盤モデルである。本研究の UpTCR は、段階的な知識転移を統合した基盤モデルで、不完全なデータから TCR・抗原・HLA の結合を予測する。UpTCR は、二量体と三量体の相互作用から得た知識を四量体の複合体へ段階的に移し、ソフト対照学習で偽陰性を抑える。偽陰性を減らすために、ソフト対照学習も使う。UpTCR は、TCR の結合特異性と抗原・HLA の結合親和性の予測で既存の手法を上回り、特にネオ抗原で顕著だった。特にネオアンチゲンで成績が良かった。また、四量体全体にわたる、残基レベルの対ごとの相互作用も明らかにする。データの少ない乳がんコホートにも、効果的に転用できた。メラノーマ（悪性黒色腫）抗原の変異体を対象に、前向きの検証も行った。その結果、T 細胞応答を引き起こす免疫原性ペプチドが 8 個見つかった。免疫逃避に関わる変異体も 1 個見つかった。以上の結果から、UpTCR は汎化性と解釈性を備えたツールとして確立された。このツールは、抗原認識の研究と、TCR を用いた免疫療法の推進に役立つ。

  掲載誌の IF 相当：18.1（OpenAlex の直近 2 年の平均被引用数・2026-10-06 時点の値、2026-10-07 に取得。正式な IF（Clarivate）ではない）
  書誌：Lv T, Xiao Y, Chen L, He B, Zhong M, Feng Z, et al. UpTCR: a unified progressive knowledge transfer foundation model for robust T-cell receptor-antigen binding recognition. Nat Commun. 2026 Sep 24;17(1):11086. doi:10.1038/s41467-026-78075-x. PMID: 42928063.
  確認の範囲：抄録のみ確認

← この号の目次へ