AIと希少疾病 ── 先天代謝異常症 ── 2026-11-09
先天代謝異常症（ライソゾーム病・ミトコンドリア病など）の治療・治験とAI
- Computational tools for biomarker identification in inborn errors of metabolism: A rapid systematic review.抄録（全訳）
先天代謝異常症（IEM）は、まれな遺伝性疾患の多様な集まりである。酵素、輸送体、補因子のいずれかが欠損して、代謝の恒常性が崩れる。バイオマーカーの特定は、診断、予後の予測、治療のモニタリングの要になる。ただし、表現型のばらつきが大きく、患者集団も小さいため、課題が残り続けている。こうした限界の克服を目指し、ゲノムスケール代謝モデリングやシステム生物学、定量的システム薬理学などの計算ツールが登場しつつある。ゲノムスケール代謝モデリング、システム生物学、定量的システム薬理学などである。
本研究の目的は、IEM と診断された人の代謝バイオマーカーを予測・特定する計算ツールの証拠を、特定し特徴づけて統合することである。目的は、これに関する既存のエビデンスを見つけて特徴を整理し、統合することである。PRISMA 2020 ガイドラインに沿って、迅速システマティックレビューを行った。PubMed と EMBASE を使い、過去 10 年間に英語またはスペイン語で発表された研究を検索した。適格としたのは、IEM のバイオマーカーの探索・予測・検証に計算手法を使った研究である。手法には、in silico モデリング、制約ベースモデリング、機械学習、代謝ネットワーク解析などを含めた。研究の選択は 3 人のレビュアーがそれぞれ独立して行い、意見が分かれた場合は合議で決めた。
955 件の記録のうち、13 件の研究が適格基準を満たした。これらは次の 4 つに分類された。
・機械学習・人工知能の手法：予測モデルの構築とリスク層別化に使う
・ゲノムスケールモデリング・制約ベースモデリング：酵素欠損をシミュレーションし、候補バイオマーカーを見つける
・システム生物学・ネットワークベースのモデリング：経路レベルのシグネチャーを捉え、診断用に可視化する
・定量的システム薬理学の枠組み：治療反応とバイオマーカーの推移をモデル化する
計算ツールを従来の方法と組み合わせると、IEM のバイオマーカー特定が改善する可能性がある。従来の手法と併用すると、IEM のバイオマーカー特定で、機序の解釈性、拡張性、マルチオミクス統合が改善する可能性がある。ただし、大半の手法はまだ探索的な段階にあり、前向きの臨床検証は少ない。今後は、ハイブリッドモデリング、報告の標準化、臨床への組み込みを優先すべきである。
掲載誌の IF 相当：0.9（OpenAlex の直近 2 年の平均被引用数・2026-11-08 時点の値、2026-11-09 に取得。正式な IF（Clarivate）ではない）書誌：Saldaña DA, Echeverri-Peña OY, Alméciga-Díaz CJ. Computational tools for biomarker identification in inborn errors of metabolism: A rapid systematic review. Molecular Genetics and Metabolism. 2026 Dec;149(4):110316. doi:10.1016/j.ymgme.2026.110316.確認の範囲：抄録のみ確認