単一細胞解析と説明可能なAIで見いだした、単球の免疫・代謝を反映する結核診断バイオマーカー候補
背景：宿主の免疫・代謝変化から探る結核診断の手がかり
単球の免疫・代謝変化を反映する6遺伝子の組み合わせが、結核の診断バイオマーカー候補として提案された。研究チームは単一細胞解析と機械学習を組み合わせて候補を抽出し、複数の独立したトランスクリプトームコホートとパイロット臨床コホートで予備的な検証を行った。Archives of Microbiologyに掲載された本研究は、診断候補の探索と初期検証に焦点を当てている。
研究の出発点は、宿主の免疫・代謝異常を反映しながら、結核を迅速かつ正確に見分ける指標を探すことだった。研究チームはマクロファージ関連の免疫・代謝経路に注目し、探索手法として単一細胞RNAシーケンシング（scRNA-seq）を用いて、結核における細胞間シグナル伝達を調べた。続いて複数のトランスクリプトームコホートのデータを解析し、診断に活用できる遺伝子の組み合わせを絞り込んだ。
主な発見：6遺伝子モデルとタンパク質レベルでの予備検証
単一細胞解析では、骨髄系免疫細胞を中心とする免疫状態の変化が認められた。研究チームは特に、活性化単球が細胞接着や移動に関わるシグナルを介して炎症反応を組織する主要な細胞だと解釈している。
研究チームは計113通りのアルゴリズムの組み合わせを評価し、glmBoostとランダムフォレスト（RF）を組み合わせたモデルを最終的に選んだ。モデルはIL1B、ATG3、CYBB、MX1、RPS27A、RPS3の6遺伝子に基づく。研究チームは抄録でこれをミトコンドリア・マクロファージ関連シグネチャーと名付け、結核における単球の免疫・代謝状態の変化を反映する組み合わせと解釈している。
複数の独立コホートで、このモデルは受信者動作特性曲線下面積（AUC）0.79超の識別性能を示した。AUCは集団を識別する性能指標であり、正解率79％と同じ意味ではない。モデルの解釈にはシャープレイ加算説明（SHAP）が用いられた。ただし、提供された抄録にはコホート別の性能、信頼区間、比較モデルの数値が示されていないため、既存検査より優れているかどうかは判断できない。
独立したパイロット臨床コホートでは、酵素結合免疫吸着測定法（ELISA）による前向き評価が行われた。結核患者でIL1B、ATG3、CYBB、MX1のタンパク質レベルが上昇したという。トランスクリプトーム解析に加え、タンパク質レベルでも関連する変化が認められたが、この4種類のタンパク質の上昇だけで6遺伝子パネル全体の臨床的有効性が確立されたわけではない。
意義と展望：診断候補と治療標的の探索を区別する
研究チームは、このシグネチャーが追加の診断検査を受ける対象者を選ぶトリアージバイオマーカーへ発展する可能性を示した。提供された抄録には、サンプル数、対照群の構成、検体の種類、感度・特異度、検査の判定基準値が記載されていない。そのため、実際の診療で誰にどのように適用できるかは、今後の検証課題として残る。
治療標的の探索には、ネットワーク薬理学と分子ドッキングが用いられた。計算結果から、ガランギン（galangin）とケンフェロール（kaempferol）がIL1B・ATG3の結合部位で高い理論的結合親和性を示す可能性が示された。これは今後の実験候補を絞り込むための予測であり、実際の標的調節や抗結核効果を実証した結果ではない。診断モデルの予備的性能と治療候補に関する計算予測は分けて評価する必要がある。
出典：Europe PMC掲載の書誌レコードと抄録
Tuberculosis (TB) remains a formidable global health threat, yet rapid and accurate diagnostic biomarkers capturing host immune-metabolic dysregulation remain elusive. Here, we aimed to map the TB immune microenvironment and engineer a reliable, explainable diagnostic signature targeting the macrophage-associated immune-metabolic axis. Utilizing single-cell RNA sequencing (scRNA-seq) as an exploratory discovery tool, we initially dissected the intercellular communication network in TB. We then deployed an exhaustive consensus machine learning framework, comprising 113 algorithm combinations, across multiple transcriptomic cohorts to pinpoint core diagnostic features. The optimal model was interpreted using SHapley Additive exPlanations (SHAP) and prospectively evaluated by enzyme-linked immunosorbent assay (ELISA) in an independent pilot clinical cohort. Furthermore, network pharmacology and molecular docking were leveraged to identify potential small-molecule modulators. scRNA-seq analysis highlighted a myeloid-biased immune reprogramming, wherein activated monocytes act as key inflammatory orchestrators through adhesion and migration signaling. Our large-scale machine learning screening identified an optimal glmBoost + RF ensemble model underpinned by a 6-gene mitochondrial-macrophage signature (IL1B, ATG3, CYBB, MX1, RPS27A, RPS3), achieving consistent diagnostic discrimination (AUC > 0.79) across independent cohorts. Pilot clinical ELISA validation confirmed the systemic elevation of IL1B, ATG3, CYBB, and MX1 proteins in TB patients. Furthermore, computational molecular docking models suggested that the candidate phytochemicals galangin and kaempferol exhibit strong theoretical binding affinities within the catalytic pockets of IL1B and ATG3. We derived and provided preliminary validation for an AI-based, explainable 6-gene signature reflecting monocyte immune-metabolic reprogramming in TB. This signature not only demonstrates translational potential as a triage
本研究の実用的な価値は、結核が疑われる患者のうち、追加の確定診断検査を受ける対象者を選ぶための指標候補を示したことにある。今後の臨床研究では、6遺伝子の組み合わせが実際の診療対象集団で結核をどの程度見分けられるか、ほかの疾患でも同様のシグナルが現れるかを評価できる。適用可能性を判断するには、判定基準値、再現性、感度、特異度の確認が必要だ。今回の結果だけで既存検査を置き換えられる、あるいは診断の遅れを減らしたとは断定できない。
創薬では、IL1B・ATG3と候補化合物の相互作用を実験で確かめる出発点になり得る。ドッキング予測が実際の結合や標的機能の変化につながるかをまず検証する必要があり、治療効果と安全性は別の課題として残る。