|
本研究は、個人ごとに得られるゲノム時系列等の異種多次元情報を統合し、個人間の異質性を考慮した上で、病態の経過を予測しかつ制御するための情報を抽出する数理的方法論を構築することを目的としている。この目的の為、データ解析手法の開発、実データの取得および検証を進めた。解析手法の開発に関しては、これまで異種情報をベイズ統計の枠組みで統合する枠組みを提案し、個人の複数領域もしく時点のゲノム情報を統合する高精度変異検出手法を開発してきたが、本年度は、同手法の改良を進めると共に、高精度変異検出にいたる理由および条件について理論的考察も進め発表した。また個人ごとに得られる遺伝子ネットワーク等の高次元データセットから、病態の予測等に有用な情報を説明可能な形で抽出するAIの開発を進めた。実データの取得と検証に関しては、これまで開発してきた、患者固有のドライバー変異の情報を基に、治療後血清検体を用いて血清中腫瘍由来循環DNA (ctDNA)の検出を試みる手法を発展させ、前方視的にAMLにおいて、全ゲノム解析によるゲノム構造変異(SV)も対象として、臨床再発との相関を検討した。まず登録があった全例（24例）でドライバーを同定可能で、そのうち5例はドライバーSVとしてfusionやinversionが同定できた。また20人からドライバーSVも含めたctDNAアッセイを構築可能であった。その結果移植後3ヶ月までのctDNA残存は、臨床再発と有意に相関するリスク因子であった。また急性リンパ性白血病(ALL)の症例にも対象を広げ解析を進め、血液癌、特に急性白血病全般において、治療後の骨髄などの腫瘍検体が得られない症例においては、ゲノム時系列データの代替として、ctDNAをパラメータとして組み込む事が、病態の経過を予測する数理モデルの開発において有用である事のproof of conceptを得た。
|
