機械学習を用いた肺がん早期発見のための複合的バイオマーカーの創出

使用机器学习创建用于肺癌早期检测的复合生物标志物

基本信息

批准号：
22K15590
负责人：
星和明
金额：
$ 3万
依托单位：
Juntendo University
依托单位国家：
日本
项目类别：
Grant-in-Aid for Early-Career Scientists
财政年份：
2022
资助国家：
日本
起止时间：
2022-04-01 至 2024-03-31
项目状态：
已结题

项目摘要

肺がんは未だに世界中で死亡要因第一位を占め、肺がん全体の5年生存率は20～30%と低い。しかしながら、ステージ1早期発見では5年生存率が約70%にまで回復するため、より低侵襲で信頼性の高い診断技術の開発が重要である。リキッドバイオプシーは身体への負担が少ない低侵襲性の液性検体（血液や尿など）を利用した診断に有用な技術であり、近年、機械学習を併用したバイオマーカー研究が報告されている。機械学習は人工知能（AI）開発の基盤技術であり、機械に大量のデータからパターンやルールを発見させ、それをさまざまな物事に利用することで判別や予測をする技術である。リキッドバイオプシーから得た情報を機械学習で処理することにより、早期発見や治療奏効予測に重要なバイオマーカーの発見が期待される。本研究では肺がん患者検体中の樹状細胞の表面抗原やポピュレーション変化に着目し、機械学習を用いて早期発見の指標となる複合的バイオマーカーを創出することを目的とする。樹状細胞は患者血液検体に含まれており、強力な抗原提示能を有する。自然免疫と適応免疫を仲介し、がん疾患でも重要な役割を担う。2022年度は、まず血液検体から樹状細胞（DCs）を回収できる濃縮実験系と、フローサイトメトリー解析実験系の構築を目指した。その結果、検体中から樹状細胞を濃縮し、その発現割合を調べる実験系を構築した。また、マーカーとなり得る抗原予測に向けた予備的な機械学習も実施し、利用な可能なアルゴリズムを複数検討した。

肺癌仍然是世界上排名第一的死亡，肺癌的总体五年生存率为20-30％。但是，早期第1阶段的检测将5年的生存率恢复到约70％，因此开发更微创和可靠的诊断技术很重要。液体活检是一种使用微创液样品（例如血液和尿液）诊断的有用技术，它会使人体造成较小的压力，并且近年来，已经报道了使用机器学习的生物标志物研究。机器学习是AI开发的基础，它是一项允许机器从大量数据中发现模式和规则的技术，然后将它们用于各种事物来做出歧视和预测。通过处理使用机器学习从液体活检获得的信息，可以预计生物标志物对于早期检测和预测治疗反应很重要。这项研究的重点是肺癌患者的树突状细胞中的表面抗原和种群变化，旨在创建复杂的生物标志物，作为使用机器学习的早期检测指标。树突状细胞在患者的血液标本中发现，并且具有强大的抗原表现潜力。它介导先天性和适应性免疫，并在癌症疾病中起重要作用。在2022财年，我们的目标是首先建立一个浓度实验系统，该系统可以从血液样本中恢复树突状细胞（DC），并进行流式细胞仪分析实验系统。结果，构建了一个实验系统，其中树突状细胞从样品中浓缩，并检查了表达比。我们还实施了初步的机器学习来预测可能是标记的抗原，并检查了几种可能使用的算法。