| 研究課題/領域番号 |
22K08262
|
|---|
| 研究種目 |
基盤研究(C)
|
| 配分区分 | 基金 |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
小区分53030:呼吸器内科学関連
|
|---|
| 研究機関 | 和歌山県立医科大学 |
|---|
研究代表者 |
藤本 大智 和歌山県立医科大学, 医学部, 講師 (30895545)
|
|---|
| 研究分担者 |
赤松 弘朗 和歌山県立医科大学, 医学部, 准教授 (10646582)
山本 信之 和歌山県立医科大学, 医学部, 教授 (60298966)
|
|---|
| 研究期間 (年度) |
2022-04-01 – 2025-03-31
|
| 研究課題ステータス |
交付 (2022年度)
|
| 配分額 *注記 |
4,160千円 (直接経費: 3,200千円、間接経費: 960千円)
2024年度: 780千円 (直接経費: 600千円、間接経費: 180千円)
2023年度: 1,300千円 (直接経費: 1,000千円、間接経費: 300千円)
2022年度: 2,080千円 (直接経費: 1,600千円、間接経費: 480千円)
|
|---|
| キーワード | バイオマーカー / 小細胞がん / 機械学習 / RNA / 小細胞肺癌 |
|---|
| 研究開始時の研究の概要 |
進展型小細胞肺癌において2019年8月より抗PD-L1抗体と細胞障害性抗がん薬併用療法が標準治療となっている。しかし、効果予測バイオマーカーが無いことは大きな臨床問題である。我々は初回治療において抗PD-L1抗体のアテゾリズマブと細胞障害性抗がん薬併用療法の治療効果を検討する多施設共同前向き試験登録患者における網羅的RNA解析データを用い、機械学習解析により長期奏功と関連する遺伝子の候補を効率的に同定する。その後同定した複数の遺伝子を含めた長期奏功予測RNA解析パネルを作成し、パネルの長期奏功予測精度を別コホートにおいて検討し、臨床において使用可能なRNA解析パネル開発を目指す。
|
| 研究実績の概要 |
世界最大規模の前向き臨床研究登録患者のRNA解析データを用いた検討を行っており、初回治療としてICI包含治療を受けた小細胞肺癌患者における次世代シーケンサーを用いた網羅的RNA解析データを用いて2022年度はRNAパネル作成を行っている。
小細胞肺癌においてはRNA解析における数種類の遺伝子発現により、サブタイプ分類し、様々な薬剤効果予測や予後予測を行うことが注目されている（Rudin CM, et al. Nat Rev Cancer 2019）。しかし、それら数種類のRNA解析データによるサブタイプとICIの長期奏功の関連性については、未だ検討段階であり、網羅的RNA解析データを用いてICIの長期奏功と関連する遺伝子発現の同定を試みることは世界にも例を見ない。また、臨床応用という観点から考えると、網羅的RNA解析データをそのまま活用するには多くの障壁がある。網羅的RNA解析データは非常に多くの情報を持ち、従来のgene set enrichment analysisやpathway analysisなどの方法では遺伝子発現自体が増強しているかどうかの判断はできるものの、万単位におよぶ遺伝子発現間の相互関係性を含めて総合的客観的に判断することは困難である。以上の問題点を解決する方法として我々は機械学習を用いた解析を考えた。近年限られた症例数において多数の因子から治療効果との関連因子を相互関係性に考慮しながら同定する方法が機械学習にて行われている。以上のように網羅的RNA解析データと機械学習解析により、総合的客観的にICIの長期奏功と関連する遺伝子候補を同定し、現段階でパネル作成を終えている。以上の成果は非常に重要な成果と考える
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
2: おおむね順調に進展している
理由
2022年度の目標として網羅的RNA解析データを用いた機械学習解析、カスタムRNAパネル作成を挙げていたが、網羅的RNA解析データを用いた機械学習解析を終え、遺伝子の中から治療効果と関連すると考えられる遺伝子を約100抽出することに成功している。また、その遺伝子を採用したカスタムRNAパネル作成については終了している。今後研究費を配慮してValidation cohortを新規作成するのでは無く、同一コホートの患者を用いてパネルにて測定を行い、治療効果のためのスコアリングを行う予定である。
|
| 今後の研究の推進方策 |
パネルによる測定を年度の上半期で終え、下半期はスコアリン方法の検討を行う予定である。
|
