| 研究課題/領域番号 |
18K17394
|
|---|
| 研究機関 | 慶應義塾大学 |
|---|
研究代表者 |
原田 成 慶應義塾大学, 医学部(信濃町), 講師 (10738090)
|
|---|
| 研究期間 (年度) |
2018-04-01 – 2021-03-31
|
| キーワード | メタボローム疫学 / 腎機能低下 / コホート研究 / 慢性腎臓病 / バイオマーカー |
|---|
| 研究実績の概要 |
慢性腎臓病は公衆衛生学上の大きな課題であり、透析等に伴う社会的、経済的インパクトも大きいことから、その予防が喫緊の課題となっている。腎機能低下が進展した後に治療・介入することは困難であるため、早期の予防が求められる。効果的かつ効率的な予防を実現するためには、リスクの精緻な層別・個別化による予防への働きかけが求められている。
本研究では、11,002名の大規模血漿メタボロミクス・バイオマーカーとその３年間追跡データおよびを用いて、腎機能の低下を予測するメタボロミクス・バイオマーカーを明らかにする。特に、既知のバイオマーカー（血清クレアチニン、血清シスタチンC、尿
中微量アルブミン）による予測モデルに、メタボロミクス・バイオマーカーを加えることでどの程度予測モデルが向上するかを検討し、メタボロミクス・バイオマーカーの腎機能低下予防における価値を確立する。
血漿・尿メタボロームは合わせて約500種になることと、各々が独立した変数ではないことから、疫学研究で広く使用される一般線形回帰モデルやロジスティック回帰モデルでは適切にモデリングできない可能性が高い。そこで、本研究ではメタボロミクス疫学研究で頻用されるO-PLS回帰モデルないしO-PLS判別分析、サポートベクターマシン(SVM)といった機械学習的手法に加え、正則化を用いたElastic net (Ridge回帰やLasso回帰を含む)のような変数選択型の多変量回帰モデルを用いて、低下予測への寄与の大きな代謝物を腎機能低下バイオマーカー候補として絞り込む。
2019年度は、2018年度に選定したバイオマーカー測定対象者のマーカー測定を完了させた。また、多変量モデルを含む統計解析により、腎機能と関連する広汎な血漿・尿メタボローム・バイオマーカー候補を特定した。
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
3: やや遅れている
理由
ほぼ順調に進捗していたが、2020年3月以降にCOVID-19の感染拡大があり、その影響で一部の成果発表が遅延している。
|
| 今後の研究の推進方策 |
必要なデータおよび統計解析結果はすでに出揃っている。これらの成果をまとめ、発表する。
|
| 次年度使用額が生じた理由 |
新型コロナウイルスの影響により、参加予定の学会が延期されたため。2020年度に学会に参加予定。
|
