背景

がんの進化的な動態とco-mutation解析の難題

がんは、単一の遺伝子欠損だけで発生するのではなく、複数の遺伝子が複合的に関与する複雑な疾患である。患者の体内で、さまざまな変異が互いに影響し合い、細胞を悪性腫瘍へと進化させる。そのため、学界は、2つ以上の変異が同時に出現するco-mutationと、特定の変異が存在するときに他の変異が排除される相互排他的性（mutual exclusivity）の分析に注力してきた。これらの相互作用こそが、がん細胞が生存力を獲得し、治療抵抗性を獲得する分子メカニズムの鍵である。

既存の統計的分析法は、患者ごとに異なって現れる腫瘍変異負荷（Tumor Mutation Burden, TMB）をはじめ、喫煙や紫外線など、さまざまな変異誘発因子を制御することに限界があった。正常組織も老化に伴い、ランダムな変異が蓄積されるため、単純な頻度対照だけでは、がん細胞の生成を誘発する変異の組み合わせを区別することは難しい。その結果、無数の偽陽性情報が除去されず、新規薬剤の標的発見の過程で多くの混乱が生じた。

主要な発見

コンピューターフレームワークSelectSimの開発と7万人のゲノムマップ解析

スイス・ローザンヌ大学（University of Lausanne, UNIL）のジョバンニ・チリエッロ（Giovanni Ciriello）教授の研究チームは、これらの交絡因子を除去し、真の進化的な依存性を明らかにするコンピューターフレームワークであるSelectSimを開発した。SelectSimは、各サンプルの固有の変異プロファイルとTMBを反映し、遺伝子ペアが偶然に一緒に変異する確率を正確にシミュレートするように設計された。研究チームは、これを基に、シミュレーションベースの帰無モデルを構築し、実際に観察された頻度と比較して統計的有意性を明らかにした。

119種類の癌サブタイプを含む7万人以上の癌患者サンプルと正常組織のゲノムデータを大規模に比較分析した結果は興味深い。癌細胞の悪性化を導く特定のco-mutationの組み合わせは、健康な正常組織ではほとんど現れず、癌組織でのみ発見されることが明らかになった。これは、老化により正常細胞にランダムな変異が蓄積されても、癌を誘発する特定の共変異がペアになって発生しない限り、悪性腫瘍に進行しないことを示している。さらに、研究チームは、腫瘍が最初に発生する初期段階、原発腫瘍段階、他の臓器に広がる転移段階に至るまで、co-mutationの組み合わせの構成が絶えず変化することを捉えた。腫瘍の進化の過程で、癌細胞が生存と転移のために選択する遺伝的同盟が継続的に入れ替わる。

意義と展望

精密な転移予測の可能性とデータ依存性という課題

今回の研究は、癌ゲノムのビッグデータから単純なランダム変異のノイズを除去し、癌の進化を決定する遺伝的規則を精密に解明したと評価されている。進化段階に応じたco-mutationマップが完成することで、患者ごとに異なって進行する癌の転移経路を事前に予測し、遮断する方法が開かれた。

ただし、SelectSimが提示する機械学習モデルの予測力は、入力されるゲノムデータの質と量に依存せざるを得ない。データ収集が困難な希少癌の場合、精密な統計モデルの構築には限界がある。また、分析を通じて発見された変異の組み合わせが、実際に細胞内でどのような分子生物学的相互作用を引き起こすかを証明する機能的な後続研究を並行して行う必要がある。