2021 Fiscal Year Annual Research Report

Optimization for usage of molecular targeted drugs on cancer therapy

Research Project

Project/Area Number	18H04162
Research Institution	The University of Tokyo
Principal Investigator	鈴木洋史東京大学, 医学部附属病院, 教授 (80206523)
Co-Investigator(Kenkyū-buntansha)	本間雅東京大学, 医学部附属病院, 講師 (60401072) 苅谷嘉顕東京大学, 医学部附属病院, 助教 (20633168) 池淵祐樹東京大学, 医学部附属病院, 助教 (20645725)
Project Period (FY)	2018-04-01 – 2022-03-31
Keywords	システム薬理学 / 機械学習 / 抗がん剤
Outline of Annual Research Achievements	本研究では効果発現の分子機構理解に立脚したPK-PD/TD解析を可能とするモデルを構築することで、上記合理的な薬物選択を可能とすることを目指している。具体的には、がん細胞の遺伝子発現特性および薬物特性から、細胞への傷害性(薬効)へと紐付けるモデルを機械学習にて構築することを進めてきた。2021年度研究開始時点までに、抗がん剤の細胞毒性に関する特定の大規模データベースを用いた機械学習により、一定の予測性を有するモデルが構築出来ていたものの、別の細胞障害性に関するデータベースに照らしてモデル予測性を検証したところ、改善の余地が認められ、別環境での細胞障害性評価には、更なる改善が必要な状況であった。そこで、がん細胞の遺伝子発現特性および薬物特性に加え、特定の薬物への細胞応答も入力としたモデルへと改変することで、環境差を補正できるか検討を進めた。検証データとして、モデル構築に用いていないデータベースや我々自身が実測したin vitro細胞障害性試験の結果を用いたところ、現在のところ定量的な予測性の大幅な改善は認められず、引き続き検討を進めている。また、構築したモデルは、細胞障害性に関する定性的な特性は学習していることが示唆されたため、機械学習においてモデルが学習した内容を半定量的に抽出する解析も同時に進め、一例としてEGFR阻害剤とEGFR遺伝子の発現量の多寡が関連していることをモデルから抽出可能とする手法が構築できた。本研究で構築したモデルや解析手法は、さらなる検証や改善は必要であるが、抗がん剤の細胞感受性を半定量的に予測する基盤として利用出来ることが期待される。
Research Progress Status	令和3年度が最終年度であるため、記入しない。
Strategy for Future Research Activity	令和3年度が最終年度であるため、記入しない。