AIとがん研究 ── 大腸がん ── 2026-11-20

大腸がんの検診・治療・治験とAI
- Machine learning pipeline for secretome biomarker discovery in colorectal cancer: from single-cell transcriptomics to functional validation.抄録(全訳)
大腸がん(CRC)には、信頼できるバイオマーカーと治療標的が必要である。本研究の目的は、CRC で診断・予後・がん抑制に関わる分泌タンパク質群(セクレトーム)関連遺伝子を見つけることである。とくに GUCA2B(ウログアニリン)に注目した。手法として、単一細胞トランスクリプトミクス、擬似バルク発現変動解析、機械学習(ML)、マルチオミクス、in vitro 機能試験(HCT-116 細胞)を組み合わせた。発現が低下した 850 遺伝子を対象に、4 つのアルゴリズムで ML のコンセンサス特徴量選択を行った。その結果、共通する 20 の特徴量が見つかった。このうち GUCA2B を含む 8 遺伝子は 4 モデルすべてで選ばれ、最終的なシグネチャーとなった。GUCA2B は CRC の上皮で大きく低下していた。8 遺伝子で固定したロジスティックモデルの見かけ上(訓練セット)の AUC は、TCGA-COADREAD で 0.998 であった。3 つの独立コホートでも識別能を保った(AUC = 0.881〜0.974)。GUCA2B の発現低下は、生存不良、プロモーターの高メチル化、免疫浸潤の変化と相関した。in vitro では、GUCA2B を再導入すると内因性経路のアポトーシスが誘導された(BAX 増加、BCL2 減少)。細胞の生存率も下がり、遊走能も落ちた。ただし、GC-C/cGMP への依存性は調べていない。GC-C/cGMP への依存性は検討していないため、これらの効果は受容体機序を特定しない概念実証にとどまる。
結論として、GUCA2B は上皮に限局する CRC バイオマーカーの候補であり、がん抑制遺伝子の候補でもある。固定した多遺伝子モデルは、診断の層別化に有望である。GUCA2B の再導入では、予備的ながらがん抑制活性が示された。ただし、探索セットは小さい(n = 23 の擬似バルク試料)。特徴量選択の安定性も中程度で、検証は 1 つの細胞株だけで行った。このため、結果は慎重に解釈する必要がある。診断や治療に応用する前に、前向きの臨床検証が必要である。複数のモデルを用いた in vivo 研究も必要である。
掲載誌の IF 相当:4.9(OpenAlex の直近 2 年の平均被引用数・2026-11-17 時点の値、2026-11-19 に取得。正式な IF(Clarivate)ではない)書誌:Samadi P, Maghool F, Nouri F, Jalali A. Machine learning pipeline for secretome biomarker discovery in colorectal cancer: from single-cell transcriptomics to functional validation. Naunyn-Schmiedeberg's Arch Pharmacol. 2026 Nov 18 [Epub ahead of print]. doi:10.1007/s00210-026-06059-1.確認の範囲:抄録のみ確認