背景

肺腺がん（Lung Adenocarcinoma, LUAD）は、非小細胞肺がんの中で最も一般的でありながら、極めて高い分子的多様性を示す悪性腫瘍である。EGFR（上皮成長因子受容体）やALK（未分化リンパ腫キナーゼ）阻害剤の導入により治療成績は改善したが、多くの患者は標的変異を欠いているか、薬剤耐性を獲得することで病状が進行する。そのため、治療選択肢が枯渇した患者群のための新たな標的発見が切実に求められている。

Cancer Dependency Map (DepMap) のような大規模なCRISPR機能スクリーニングデータの蓄積により、がん細胞の生存に必須な遺伝子の探索が活発化している。しかし、培養皿上で増殖する細胞株ベースのスクリーニングは、実際の患者腫瘍の微小環境や複雑性を完全には反映できない。単なる依存性スコアのみに依存した場合、試験管内（in vitro）では有効に見えても、実際の患者組織では再現されない偽陽性の標的が大量に混入するという欠陥が露呈している。実験室レベルの機能的脆弱性と臨床患者コホートの間のギャップを埋める計算機的な選別戦略が必要とされている。

主な発見

研究チームは、複数の基準を組み合わせた連結ランキングルールに基づく計算フレームワーク「DepPrior」を構築した。相互補完的な3つの評価基準を同時に満たす遺伝子のみを厳格に絞り込む構造となっている。

第一の基準は、CRISPR遺伝子依存性の分離度である。細胞株間での依存性の偏差が明確で、特定の癌細胞においてのみ選択的な脆弱性を示す遺伝子を一次選別した。第二の基準は、分子的な予測可能性である。細胞株の遺伝子発現量とコピー数変異（CNV）データを入力特徴量とし、線形および非線形機械学習モデルを用いてDepMapの依存性スコアを予測した。研究チームは、遺伝子単位の受信者操作特性曲線下面積（AUROC）と決定係数（R²）を算出した。第三の基準は、マルチコホートにおける再現性である。TCGA-LUAD、GEO、CPTACなどの大規模な独立臨床データベースと照合し、患者腫瘍のトランスクリプトームおよびプロテオームレベルで一貫した発現パターンを維持しているかを検証した。

研究チームは、AUROCとR²を組み合わせた指標である「DepScore」を設計し、候補遺伝子の優先順位を決定した。分析の結果、FERMT2、CRKL、MYC、CHMP4Bが最上位の肺腺がん標的候補群として導き出された。これらの遺伝子は、TCGA-LUAD患者データにおいて、がん細胞の増殖に直結する遺伝子発現モジュールを強固に形成する傾向が見られた。

計算予測の妥当性を立証するため、肺がん細胞株HCC827を用いた直交的な実験検証も併行して行った。細胞内におけるFERMT2およびCRKLの発現をノックダウンした結果、標的タンパク質レベルの減少とともに、細胞死に関連するシグナルタンパク質が顕著に増加した。特に、これら2つの遺伝子を同時に抑制した場合、単一遺伝子の抑制条件と比較して、細胞死誘導タンパク質の変化がより強力に増幅される相乗効果を確認した。

意義と展望

DepPriorは、細胞株スクリーニングのノイズと患者組織の複雑性を滑らかに繋ぐ架け橋の役割を果たす。単なるトランスクリプトームの相関分析や単一の細胞株依存性に依存する従来の慣習から脱却し、機能ゲノミクスと患者のマルチオミクス（Multi-omics）の再現性を単一のパイプラインに統合した設計によるものである。創薬の初期段階において有効な標的候補を絞り込み、研究開発コストと失敗率を低減させる仮説生成プラットフォームとして機能することが期待される。

FERMT2とCRKLの同時抑制が誘導した細胞死シグナルの増幅は、単一標的への攻撃に留まっていた肺腺がん治療に対し、新たな併用療法の可能性を提示する成果である。計算機ベースのデータ予測と細胞株レベルの機能阻害に焦点を当てているため、標的タンパク質の構造的結合を立証する救済実験が追加で必要であるという限界も併せ持つ。患者由来のがんオルガノイドや動物異種移植モデルを用いた、生体内（in vivo）での薬物有効性と安全性の検証も、今後の課題である。