小細胞肺癌における網羅的RNA解析と機械学習による免疫療法奏功予測パネルの開発

利用综合 RNA 分析和机器学习开发小细胞肺癌免疫治疗反应预测面板

• 批准号: 22K08262
• 负责人: 藤本 大智
• 金额: $ 2.66万
• 依托单位: Wakayama Medical University
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Scientific Research (C)
• 财政年份: 2022
• 资助国家: 日本
• 起止时间: 2022-04-01 至 2025-03-31
• 项目状态: 未结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-22K08262/
• 关键词: バイオマーカー; 小細胞がん; 機械学習; RNA; 小細胞肺癌

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

The world's largest forward clinical study of registered patients RNA analysis, initial treatment, ICI treatment, small cell lung cancer patients, next generation RNA analysis, use, RNA production, 2022 RNA analysis of small cell lung cancer involves several types of gene discovery, classification, and prediction (Rudin CM, et al. Nat Rev Cancer 2019). The relationship between the long-term performance of ICI and the number of types of RNA analysis is discussed in detail. The relationship between ICI and the long-term performance of RNA analysis is discussed in detail. For clinical purposes, there are many barriers to RNA analysis. RNA analysis of the network contains a lot of information, and gene set enrichment analysis and pathway analysis methods are very difficult to determine the relationship between gene expression and gene expression. The above problems are solved by mechanical learning and analysis The number of recent cases, the number of treatment factors, the correlation factors, the number of treatment factors, the number of treatment factors, The RNA analysis of the above network is based on mechanical learning analysis, and the long-term performance of ICI is based on the identification of candidate genes. The above achievements are very important.