胃がん発症を駆動する腫瘍抑制タンパク質の癌原性遺伝子変異の計算スクリーニング
Computational screening of oncogenic genetic variations in tumor suppressor proteins driving gastric cancer pathogenesis
胃がん(GC)は世界で5番目に多いがんであり、腫瘍抑制経路の調節不全によって引き起こされることが多い。本研究では、GC経路を破壊する重要な遺伝子とその病原性変異を特定することを目的とした。深層学習ベースのグラフニューラルネットワークモデルを用いて、GCにおいて発現調節不全と高い変異頻度の両方を示す遺伝子を特定した。主要な腫瘍抑制タンパク質(TP53、CDH1、APC)とその遺伝子変異、分子コンポーネントについて、進化的な保存性プロファイリング、生物物理学的エネルギー論的評価、構造変化検出のための教師なし機械学習を含む詳細な計算解析を実施した。変異はcBioPortalデータベースと患者生存データから検証された。深層学習モデルは高い性能を示し、差次的発現と変異感受性の両方を示す1,886個の遺伝子を特定した。グラフニューラルネットワーク解析により、TP53が最も顕著なハブ遺伝子(変異頻度47.6%)であることが明らかになり、次いでERBB2(8.8%)、CDH1(8.2%)、APC(6.8%)であった。cBioPortalからの変異検証により、翻訳後修飾(メチル化およびリン酸化)部位に重大な影響を与える36個のミスセンスSNPと60個のナンセンスSNPがGCと関連していることが確認された。さらに、TP53、CDH1、APCはGC組織で有意にアップレギュレーションされ、患者生存率の変化と関連していた(p < 0.05)。転写因子EZH2とマイクロRNA miR-129-5pは、3つの腫瘍抑制因子すべてに影響を与える主要な調節要素として特定された。さらに、変異はCCNE1/2およびFGFR2を含む複数の共通の癌原遺伝子の調節不全を引き起こす。このシステムレベルの解析は、病原性変異がGC経路における腫瘍抑制タンパク質を根本的に損なう分子フレームワークを提供し、GC介入のための潜在的なバイオマーカーと精密な治療決定の特定につながる。
- 深層学習ベースのグラフニューラルネットワークモデルにより、胃がんで発現調節不全と高変異頻度の両方を示す1,886個の遺伝子を特定した。
- グラフニューラルネットワーク解析でTP53が最も顕著なハブ遺伝子(変異頻度47.6%)と判明し、続いてERBB2(8.8%)、CDH1(8.2%)、APC(6.8%)が同定された。
- cBioPortalデータベースと患者生存データによる検証で、翻訳後修飾(メチル化・リン酸化)部位に影響する36個のミスセンスSNPと60個のナンセンスSNPが胃がんと関連すると確認された。
- TP53、CDH1、APCは胃がん組織で有意にアップレギュレーションされ、患者生存率の変化と関連していた(p < 0.05)。
- 転写因子EZH2とマイクロRNA miR-129-5pが、3つの腫瘍抑制因子すべてに影響する主要な調節要素として特定され、変異はCCNE1/2やFGFR2を含む癌原遺伝子の調節不全を引き起こす。
創薬標的探索・がんゲノム解析の計算手法に関する基礎研究で、商業的な事象(提携・承認・調達など)は含まれない。ただし、深層学習×グラフニューラルネットワークで1,886遺伝子を抽出し、TP53(変異頻度47.6%)を筆頭にERBB2・CDH1・APCを同定、EZH2やmiR-129-5pを上流調節因子として特定した点は、胃がん領域のバイオマーカー/標的探索型創薬の初期シグナルとして注目に値する。投資判断では、これらの標的が実際の前臨床・臨床パイプラインに取り込まれるか、またEZH2阻害薬など既存モダリティへの波及度合いを追いたい。学術研究段階ゆえ短期の株価材料にはなりにくい。