| Project/Area Number |
23K08525
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (C)
|
| Allocation Type | Multi-year Fund |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 56010:Neurosurgery-related
|
|---|
| Research Institution | Kagoshima University |
|---|
Principal Investigator |
花谷 亮典 鹿児島大学, 医歯学域医学系, 教授 (60304424)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
比嘉 那優大 鹿児島大学, 医歯学域医学系, 助教 (90792200)
米澤 大 鹿児島大学, 医歯学域鹿児島大学病院, 講師 (50550076)
藤尾 信吾 鹿児島大学, 医歯学域鹿児島大学病院, 講師 (30464473)
高城 朋子 鹿児島大学, 医歯学総合研究科, 特任研究員 (50972345)
|
|---|
| Project Period (FY) |
2023-04-01 – 2026-03-31
|
| Project Status |
Granted (Fiscal Year 2023)
|
| Budget Amount *help |
¥4,680,000 (Direct Cost: ¥3,600,000、Indirect Cost: ¥1,080,000)
Fiscal Year 2025: ¥1,820,000 (Direct Cost: ¥1,400,000、Indirect Cost: ¥420,000)
Fiscal Year 2024: ¥1,430,000 (Direct Cost: ¥1,100,000、Indirect Cost: ¥330,000)
Fiscal Year 2023: ¥1,430,000 (Direct Cost: ¥1,100,000、Indirect Cost: ¥330,000)
|
|---|
| Keywords | ゲノムプロファイル / 機械学習 / 膠芽腫 / 予後予測モデル / DNA/RNAパネル / グリオーマ / エピゲノムプロファイル / 遺伝子パネル |
|---|
| Outline of Research at the Start |
近年、遺伝子変異による新しい腫瘍分類の試みや、遺伝子変異に合わせて適切な薬物治療や集学的治療を採用する個別化医療が急速に発展しているが、希少疾患であるグリオーマに関しては個別化医療とは程遠いのが現状である。本研究では日本人グリオーマのゲノム・エピゲノムプロファイルのデータベース構築を目指す。また、高次予測可能機械学習を用いてより高精度な診断と、治療反応性や治療予後の予測を可能にするとともに、特異的標的治療に繋げることを目的とする。
|
| Outline of Annual Research Achievements |
本研究は、グリオーマに特化した88遺伝子のカスタムDNA/RNAパネルを用いて日本人グリオーマ患者のゲノムプロファイルのデータベースを構築し、予後を含む臨床情報を用いて機械学習を行うことで、より高精度な診断と、治療反応性や治療予後の予測を可能にすることを目的としている。今回、病理診断医が診断に用いた同一のFFPE切片からDNAおよびRNAを抽出し、カスタムDNA/RNAパネルを用いて247例の膠芽腫を解析した。MGMTpに関してはMSPを用いて解析した。生命予後、無再発期間、年齢、性別、部位、MRI画像情報、腫瘍サイズ、治療内容などの臨床学的ファクターとゲノム・エピゲノムデータとの関連を検討した。 247例の膠芽腫を解析したところ、臨床学的ファクターに関しては、年齢、播種の有無、放射線化学療法の有無、腫瘍摘出度が予後因子であった。遺伝子変異に関してはPDGFRA遺伝子変異が最も強力な予後不良因子であった。コピー数変異に関しては、CDKN2A/B homozygous deletion, PPP2R1A, ATRX, CICが予後に関連していた。Linear regression modelで機械学習を行ったところ、一つの遺伝子だけでは予後予測モデルを構築することはできなかった。そこで我々は、ARID1A, PPP2R1A, ATM, CIC, TP53の５つの遺伝子をLinear regression modelで機械学習を行うことで、安定した予後予測モデルを構築することに成功した。またこの予後予測モデルは、強力な予後因子であるMGMTpや予後に影響を及ぼす臨床学的ファクターから完全に独立したモデルであった。今回、我々が構築した予後予測モデルを使用することで、治療反応性や予後予測が可能となり実臨床で有用である可能性が示された。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
順調に解析が進み、安定した予後予測モデルを構築することに成功した。現在、論文執筆中である。
|
| Strategy for Future Research Activity |
今回、膠芽腫のみの解析であるので、今後は星細胞腫や乏突起膠腫についても同様の解析を行い、予後予測モデルの構築を目指す。
|
