MEDICINE & AI

タイトル：Multi-omics and AI-driven immune subtyping to optimize neoantigen-based vaccines for colorectal cancer. 雑誌名：Sci Rep. 2025 Jun 02; 15(1): 19333. 概　要： 大腸癌（CRC）は、限られた標的治療オプションにより重大な課題を呈しています。本研究では、多オミクス分析とAIを統合し、個別化免疫療法のための腫瘍抗原および免疫遺伝子ターゲットを特定しました。TCGAを用いた差次的発現および変異分析により、CRCにおける過剰発現および変異遺伝子を特定し、62のネオ抗原を腫瘍抗原候補として選定しました。生存分析では予後に関連する抗原が強調され、免疫遺伝子発現との相関がこれらの抗原が免疫活性化を引き起こす可能性を示唆しました。TTK、EZH2、KIF4Aの3つの主要なネオ抗原が免疫療法の有望な候補として浮上しました。免疫遺伝子活性に基づき、患者は3つの免疫サブタイプ（IS）に分類され、ISグループ1および2は高い免疫遺伝子発現と免疫活性化マーカーを特徴とし、より良い生存結果を示しました。一方、IS 3は低い免疫遺伝子発現を示し、生存率が低く免疫応答が乏しいことが分かりました。ネオ抗原ベースのワクチンは、免疫冷たいサブタイプの患者における腫瘍認識を高め、生存率を改善する可能性があります。LightGBM、XGBoost、XGBRFなどの機械学習モデルがワクチン設計のための最適な免疫ターゲットを予測し、SHAP分析を通じて検証されました。この研究は、腫瘍抗原および免疫ターゲットを特定するための機械学習駆動のフレームワークを提供し、免疫サブタイプ特異的応答に基づいたCRC免疫療法の有望な戦略を示しています。 方　法： 本研究は、TCGAデータを用いた多オミクス分析に基づくコホート研究です。CRCにおける過剰発現および変異遺伝子を特定するために、差次的発現および変異分析を実施しました。患者は免疫遺伝子活性に基づいて3つの免疫サブタイプに分類され、機械学習モデルを用いてワクチン設計のための最適な免疫ターゲットを予測しました。 結　果： 62のネオ抗原が腫瘍抗原候補として選定され、TTK、EZH2、KIF4Aが免疫療法の有望な候補として浮上しました。ISグループ1および2は高い免疫遺伝子発現を示し、より良い生存結果を示しましたが、IS 3は低い免疫遺伝子発現を示し、生存率が低く免疫応答が乏しいことが確認されました。機械学習モデルは、ワクチン設計のための最適な免疫ターゲットを予測しました。 結　論： この研究は、CRCにおける腫瘍抗原と免疫ターゲットを特定するための機械学習駆動のフレームワークを提供し、免疫サブタイプ特異的応答に基づいた個別化免疫療法の有望な戦略を示しています。ネオ抗原ベースのワクチンは、特に免疫冷たいサブタイプの患者において腫瘍認識を高め、生存率を改善する可能性があります。