AIとがん研究 ── 膀胱がん ── 2026-11-08
膀胱がんの治療・治験とAI
- Integrative Multi-Omics Analysis with Interpretable Machine Learning Prioritizes Candidate Biomarkers for Bladder Cancer.抄録（全訳）
序論：膀胱がんは、尿路で最も多い悪性腫瘍である。本研究は、多層オミクスの統合解析で、膀胱がんの候補バイオマーカーを見つけることを目的とした。
方法：単一細胞 RNA シークエンシング（scRNA-seq）、バルク RNA シークエンシング（RNA-seq）、プロテオームの各データセットを解析した。細胞集団の特徴を調べ、発現変動遺伝子（DEG）と発現変動タンパク質（DEP）を特定した。候補遺伝子には、4 種類の機械学習アルゴリズムで優先順位を付けた。モデルの解釈には SHapley Additive exPlanations（SHAP）を用いた。関連する経路は、遺伝子セット濃縮解析（GSEA）で調べた。治療薬の候補となる化合物と、化合物と遺伝子の相互作用を調べるため、Enrichr/DSigDB による濃縮解析と分子ドッキングを行った。5 遺伝子のサポートベクターマシン（SVM）モデルを、独立したバルクトランスクリプトームのコホート GSE13507 で外部検証した。さらに、候補遺伝子の発現量を膀胱がん細胞株で評価した。
結果：主要な細胞集団が 15 種類見つかった。探索的な解析では、内皮性の血管周囲間質細胞と炎症性がん関連線維芽細胞が、注目すべき細胞集団として挙がった。予測した細胞間コミュニケーションのパターンからは、これらの細胞が膀胱がんの微小環境で役割を担う可能性が示唆された。また、3 つのデータセットすべてで一致して、7 個の遺伝子・タンパク質の発現が上がり、122 個の発現が下がっていた。これらの候補を、続いて機械学習で解析した。 膀胱がんの候補遺伝子として、CFD、WNT2B、MAPK13、ABLIM1、PRKAR2B の 5 つを優先した。これらの発現パターンと、関連しうる経路を、膀胱がんの検体と細胞株でさらに評価した。4 種類のアルゴリズムのうち、内部ホールドアウトセットの曲線下面積（AUC）は SVM が最も高く、1.000（95% 信頼区間 1.000〜1.000）と報告された。そのため、SHAP による解釈には SVM を選んだ。独立コホート GSE13507 では、5 遺伝子 SVM モデルの AUC は 0.815（95% 信頼区間 0.752〜0.877）であった。分子ドッキングでは、リファキシミン（Rifaximin）と CFD の間、MAPK13 と NG-25/XMD13-2 の間に、相互作用しうる結合様式が示唆された。 考察:これは、膀胱がんの候補バイオマーカーに優先順位を付ける探索的な枠組みとなる。今後の生物学的・臨床的な検証に向けた仮説づくりにも使える。
結論：この多層オミクス研究で、膀胱がんの候補バイオマーカーと、化合物と遺伝子の探索的な関連を特定した。臨床で使う前に、独立した多施設コホートを追加して検証し、機能研究も行う必要がある。
掲載誌の IF 相当：4.6（OpenAlex の直近 2 年の平均被引用数・2026-11-06 時点の値、2026-11-07 に取得。正式な IF（Clarivate）ではない）書誌：Guan H, Liu X, Hong T, Li H, Liu G, Zhang Y, et al. Integrative Multi-Omics Analysis with Interpretable Machine Learning Prioritizes Candidate Biomarkers for Bladder Cancer. CGT. 2026 Oct 27;26. doi:10.2174/0115665232538656261006070001.確認の範囲：抄録のみ確認