核酸塩基付加物がMR1と結合しMR1制限性T細胞を刺激 摘要 本論文は、VacchiniらによるMR1制限性T細胞（MR1T細胞）に関する最新の研究成果を概説している。この研究では、リボ核酸塩基付加物がMR1T細胞抗原として存在することを発見し、それらが腫瘍細胞内での代謝経路と生理機能を明らかにした。研究成果は、生理および病理条件下におけるMR1T細胞の役割とその治療潜力の理解に重要な意義を持つ。 研究背景 MR1T細胞は新しく発見されたT細胞サブセットで、微生物感染に依存せずにMR1分子によって提示される自己抗原を認識することができる。現在、MR1T細胞の自己抗原の性質は明確ではなく、それが生理機能と治療潜力の理解を妨げている。本研究は、遺伝子、薬理学、および生化学的手法を組み合わせて、M...
研究背景 γδT細胞は免疫システムで重要な役割を果たしており、特に保護性免疫、恒常性および組織修復の面で顕著です。主要組織適合性複合体（MHC）による制限を受ける従来のαβT細胞と異なり、γδT細胞は直接外周組織に播種し、MHC-ペプチド認識に依存せずに多様な微生物刺激に反応します。マウスモデルにおいて、γδT細胞の発達は「波」としての時間的なポイントで屏障サイトに位置づけられています。これらの研究から、γδT細胞が早期発達過程での重要な役割を提供するための手がかりがもたらされました。しかし、人間のγδT細胞の機能は外周組織での役割が依然として不明瞭であり、ほとんどの研究は血液および胸腺に集中しています。これらの細胞が腫瘍や特定の病原体免疫応答において果たしている役割を考慮すると、異なる年齢...
小児てんかん外科手術に関するコンセンサス研究報告 背景紹介 てんかん（epilepsy）の発症率は年齢によって大きく異なります。国際抗てんかん連盟（ILAE）のデータによると、てんかんの発症率は<5歳および>65歳の人々で最も高く（>60人/10万人）、特に1歳未満の子供のてんかん発症率（82.1–118/10万人/年）は年長の子供（46/10万人/年）よりも高いです。30年間の抗てんかん薬（ASM）治療コホート研究によれば、最初のASM治療で50.5%の患者が発作を起こさず、2回目のASM治療で発作なしの確率が11.6%、3回目の治療での追加発作なし率はわずか4.1%です。また、単一施設のランダム化試験では、18歳以下の薬物難治性てんかん（DRE）児童に対するてんかん外科手術の優越性が確認...
新型薬物再定位方法のネットワーク構築と応用研究 背景 COVID-19パンデミックの間、研究者と製薬会社は治療とワクチンの開発に専念しました。薬物再定位は近道として素早く効果的な対応戦略と見なされています。薬物再定位は既に承認された薬物の新たな用途を発見しようとするもので、伝統的な薬物発見の経路に比べて安価で迅速だと考えられています[1–3]。例えば、レムデシビルとデキサメタゾンは再定位に成功した2つの薬物です[4–6]。グローバルなパンデミックが地域的な段階に移行する一方で、ウイルスの拡散は続いています。COVID-19パンデミックは、候補薬物を迅速に発見し、医学や製薬分野の専門家に提供する重要性を深く喚起させました[7]。 生物学的メカニズムの進歩と生物医学知識の収集に伴い、より正確で精...
喘息予測を関連グラフ強化分類器を用いて：従来の血液バイオマーカーに基づく機械学習手法 背景紹介 喘息は、全世界で約2.35億人に影響を及ぼす慢性呼吸器疾患です。世界保健機関（World Health Organization, WHO）の統計によると、喘息の主な特徴は気道の炎症であり、喘息患者は喘鳴、呼吸困難および胸部の圧迫感などの症状を示します。効果的な喘息管理および治療のためには、迅速かつ正確な診断が重要です。しかし、従来の喘息診断方法は病歴、身体検査および肺機能検査を併用するため、費用がかかるだけでなく、一部の患者の非典型的症状により診断時間が延びたり誤診されたりすることがあります。特に小児喘息の診断は困難で、従来の方法の時間がかかる特性はこの問題をさらに悪化させます。 機械学習（Ma...
未来の病気予測：時間的知識グラフと医療オントロジーの融合 電子健康記録（Electronic Health Records, EHRs）は、現代の医療機関にとって不可欠なツールです。これらは患者の詳細な健康履歴を記録し、人口統計データ、薬物、実験結果、治療計画を含んでいます。これらのデータは、医療サービス間の連携や調整を改善し、医療提供者が健康の傾向を発見し、データに基づいた決定を下すのを助け、患者の全体的なケアの質を向上させることができます。しかし、EHRsに保存されているデータの大部分は非構造化であり、特に臨床医が記述する自由形式の患者健康状態のテキストデータは、情報の抽出と有効な利用に大きな課題をもたらします。 この課題に対処するため、多くの研究が自然言語処理（Natural Lang...
医学関係抽出と知識グラフ推薦を結合した研究報告 背景説明 医学分野において、文献の爆発的な増加により、研究者は自身の専門分野の最新の進展を追跡することが難しくなっています。自然言語処理（NLP）分野から見ると、進化する自動化ツールは非構造化テキストから関連情報を識別および抽出するのを助け、このタスクは関係抽出（Relation Extraction、RE）と呼ばれます。REの主要な目標はテキストから医学的な実体間の関係を抽出して分類し、生物医学プロセスの理解を深めることです。 現在、大多数の最先端の医学REシステムは深層学習手法を使用しており、主に同種の実体間の関係（例：遺伝子と薬剤など）を対象としています。しかし、これらのシステムは大部分がテキストから直接抽出した情報に限られており、専門分...
知識強化型グラフトピック変圧器の説明可能な生物医学テキスト要約への応用 研究背景 生物医学の文献発表量が増加し続けているため、自動生物医学テキスト要約タスクの重要性が高まっています。2021年にはPubMedデータベースだけで1,767,637本の論文が発表されました。既存の事前学習言語モデル（Pre-trained Language Models、PLMs）を用いた要約方法は性能を向上させていますが、特定の分野の知識の捕捉や結果の説明可能性において顕著な制限があります。これにより、生成された要約が一貫性に欠け、冗長な文章や重要な分野知識の欠落を含む可能性があります。さらに、変圧器モデルのブラックボックス特性はユーザーが要約生成の理由や方法を理解するのを困難にするため、生物医学テキスト要約に...
診断予測における階層的注意関係ネットワークの応用 近年、電子健康記録（Electronic Health Records、略してEHR）は医療意思決定の向上やオンラインでの病気の検出と監視において極めて価値があります。同時に、深層学習に基づく方法はEHRを利用した健康リスク予測や診断予測で大きな成功を収めました。しかし、深層学習モデルには通常、大量のデータが必要であり、その理由はパラメータの膨大な数にあります。さらに、EHRデータには多くの希少な医療コードが存在し、これが臨床応用に大きな課題をもたらします。このため、一部の研究では医療オントロジーを用いて予測性能を強化し、解釈可能な予測結果を提供することが提案されています。しかし、これらの医療オントロジーは通常、規模が小さく、粒度が粗いため、...
本文では、神経線維腫症1型（neurofibromatosis type 1, NF1）に関連する叢状神経線維腫（plexiform neurofibroma, PNF）におけるシュワン細胞と線維芽細胞の相互作用を探求しています。研究背景は、NF1の高発生率に基づいており、全世界で約1/3000の新生児に影響を及ぼしており、一連の特有な臨床症状を伴います。PNFはNF1患者において一般的な周囲神経鞘腫であり、約50%の患者がこの病にかかり、生活の質に大きな影響を与えます。数十年にわたる研究にもかかわらず、PNFは依然として治癒が困難です。現在の治療法は主にNF1関連のシュワン細胞に対して行われており、一部の臨床効果が得られています。しかし、多くの治療法、例えば選択的MEK阻害剤Selumet...