💻生命のコード

エピゲノムマッピングがゲノムの境界を超え、新規の急性骨髄性白血病治療への道を開く

Nature Genetics·2026年8月8日AI キュレーション
エピゲノムマッピングがゲノムの境界を超え、新規の急性骨髄性白血病治療への道を開く
AI 要約 (Beta)Beta

背景

急性骨髄性白血病(AML)は、悪性骨髄細胞の制御不能な増殖を特徴とする、生命を脅かす血液悪性腫瘍である。医療界では、患者の予後を予測し、治療戦略を決定するために、がん細胞のデオキシリボ核酸(DNA)配列における遺伝子変異を追跡してきた。現在の欧州白血病ネット(ELN)ガイドラインでも、特定の遺伝子変異の存在に基づいて患者をリスクグループに分類している。

しかし、遺伝子変異のみに基づいて、患者間の多様な薬剤反応や予後を完全に予測することは不可能である。同じ変異を持つ患者であっても、化学療法や標的療法に対する反応が著しく異なる場合があり、これは既存のゲノム解析技術の明確な限界として指摘されている。遺伝子配列自体は変化させないものの、遺伝子発現を調節するより高次のシステムであるエピゲノムの多様性が、白血病細胞の実際の特性を決定する重要な変数であることが明らかになった。したがって、学術界は、細胞内でDNAがどのように折りたたまれたり展開されたりするかを示すクロマチンの三次元構造変化を、単純な遺伝子配列の変化を超えて、大規模に分析するための努力を続けている。

主要な発見

京都大学医学部、大千 陽太郎 助教、小川 誠 教授、カロリンスカ研究所、セーレン・レーマン 教授を含む多国籍の共同研究チームは、1,563人のAML患者から採取された臨床サンプルを分析に使用した。この研究チームは、「eCHROMA AML(AMLにおけるクロマチンの百科事典)」を構築し、これはこれまでで最大の癌エピゲノムデータベースである。

彼らは、転座酵素アクセス性クロマチンアッセイ(ATAC-seq)を用いて、細胞内の遺伝子調節の活性領域をマッピングし、白血病細胞のクロマチン開状態を測定した。人工知能ベースのクラスタリングアルゴリズムを用いた分析により、AML患者は異なるエピゲネティックな特徴を持つ16の明確なサブグループに分類できることが明らかになった。これらの16のグループは、クロマチン構造の開閉パターンに応じて、独自の転写因子ネットワークとDNAメチル化パターンを示し、強力な遺伝子調節領域であるスーパーエンハンサーの分布も異なるパターンを示した。

同定されたエピゲネティックサブグループの信頼性を検証するために、研究チームは、36人の患者から得られた28万人以上の白血病細胞に対して、シングルセルRNAシーケンシング(scRNA-seq)とシングルセルATACシーケンシング(scATAC-seq)を同時に適用した。この分析により、16のグループのユニークなクロマチン状態が、個々の癌細胞集団間で一貫して維持されていることが確認された。同時に、研究チームは臨床応用を支援するための簡単な診断ツールも開発した。彼らは、複雑で高価なATAC-seq実験を毎回行う必要なく、標準的なRNAシーケンシング(RNA-seq)データのみを使用して、高リスクのエピゲネティックサブグループを識別できる30遺伝子発現シグネチャーを正常に抽出した。

意義と展望

この発見は、AMLを単に遺伝子変異の結果としてではなく、クロマチンの構造異常が支配的なエピゲネティック疾患として再定義する転換点となる。新たに定義された16のサブグループは、従来のゲノム配列分析だけでは区別できなかった高リスクの患者グループを正確に区別する予後指標として機能する。これにより、患者間の薬剤感受性の違いを、遺伝子レベルを超えて、より三次元的なエピゲネティックレベルで説明することが可能になる。

ただし、この診断法を標準的な臨床診療に導入するまでには、まだ克服すべき課題が残されている。30遺伝子シグネチャーの診断精度を実際の臨床環境でさらに検証する必要があり、各エピゲネティックサブグループに最適化された個別化療法の臨床試験がそれに続く必要がある。1,500人以上の多国籍患者のデータが使用されたにもかかわらず、世界の民族的多様性を完全に網羅するためには、追加の多国籍検証研究も不可欠である。

Nature Genetics, Published online: 07 August 2026; doi:10.1038/s41588-026-02720-wEpigenetic heterogeneity in AML

💬なぜ重要なのか:

新たに開発された30遺伝子発現シグネチャーにより、急性骨髄性白血病(AML)患者に対する個別化治療戦略の実現が可能になります。臨床医は、患者の骨髄穿刺から得られた標準的なRNA-seqデータを30遺伝子シグネチャーアルゴリズムに入力することで、患者が属するエピジェネティックなサブグループを即座に特定できます。例えば、患者が遺伝的に一般的なリスクグループに分類されたものの、エピジェネティックな解析で極めて予後の悪い高リスクサブグループに分類された場合、臨床医は最初から強力な併用療法を処方する戦略を立てることができます。さらに、製薬業界の視点から見ると、これは各エピジェネティックサブグループを制御する主要な転写因子またはスーパーエンハンサーを阻害する標的療法を開発するための明確な道筋を示しています。これにより、新規薬剤候補のスクリーニング効率を最大化するための重要な指針となることが期待されます。

💬 コメント

0件のコメント
コメントするにはログインが必要です
読み込み中...

BioPlayground

閲覧・リンク・適法な引用は開放し、高速な一括収集と無断再配布は制限します。

別途表示がない限り、コンテンツの権利はBioPlaygroundまたは正当な権利者に帰属します。