研究レポート：TLS関連遺伝子に基づく口腔扁平上皮癌予後モデルの検証と分析

背景と研究動機

口腔扁平上皮癌（Oral Squamous Cell Carcinoma、OSCC）は、頭頸部扁平上皮癌（Head and Neck Squamous Cell Carcinoma、HNSCC）の中で最も一般的なサブタイプであり、高度のリンパ節転移傾向を持ち、特に首のリンパ節への拡散が容易です。2022年の世界癌症観測レポート（GCO）によれば、OSCCの新たな症例数は約38万件で、そのうちこの病気による死亡者は約18.8万人に近いとされています。GCOはこの病の発病率と死亡率が2040年まで増加し続けると予測しています。現在、OSCC患者の予後は主に腫瘍のサイズ、リンパ節の状態、および遠隔転移の状況を評価することで判断されますが、これはTNM分類システムに基づいています。しかし、同じTNM分類でも患者の予後には著しい差があり、これはOSCCの免疫不均一性を捉えるのにTNM分類が不十分であることを示しています。

近年、三次リンパ構造（Tertiary Lymphoid Structures、TLS）は、非リンパ組織に形成される免疫調節効果およびがん患者の予後への前向きな影響のため、広く注目を集めています。TLSは通常、腫瘍微小環境に直接さらされ、他の非浸潤性リンパ球より特異性のある免疫反応を持っています。OSCCの分野では、TLSが革新的な予後指標としての可能性を示しています。TLSの存在は、OSCC患者の全生存率（Overall Survival、OS）および無病生存率（Disease-Free Survival、DFS）と正の相関があり、術後の臨床結果の予測において補助的な役割を果たすことが期待されています。しかし、TLSは臨床実習において推奨される分子マーカーがないため、個別化治療計画の策定における利用は限定されています。

研究の出典

この研究はBincan Sunらによって行われ、主な著者は中南大学湘雅病院口腔顎面外科および関連研究機関に所属しています。論文は2024年、「Cancer Cell International」誌に掲載されました。

研究方法

1. TLS検出と量化

研究はまず、畳み込みニューラルネットワーク（Convolutional Neural Network、CNN）を用いてHE染色されたOSCC全切片画像におけるTLSの分布と面積を検出および量化しました。改良されたDeepLab V3+ CNNを用いてTLS候補領域を検出し、アクティブ輪郭モデルを用いてその境界を最適化しました。そしてリンパ球の数、TLS領域の大きさと密度を計算して、最終的に候補領域をTLSとして認識しました。画像では、TLSを不明確なリンパ凝集体（Aggregates、AGG）、生殖中心が欠如した原始リンパ濾胞様TLS（Primary Follicle-Like TLS、FL1）、および生殖中心を形成する成熟リンパ濾胞様TLS（Secondary Follicle-Like TLS、FL2）の3つのタイプに分けました。

2. TLS関連遺伝子（TLS-Related Genes、TLSRGs）の選別

TCGAデータベース中の336例のOSCCサンプルについて、差次的遺伝子発現解析（Differentially Expressed Genes、DEGs）を行い、TLS関連の遺伝子を選定しました。さらに、Gene Ontology（GO）やKyoto Encyclopedia of Genes and Genomes（KEGG）の機能富化解析を通じて、TLSRGsが化学走化性因子信号経路や樹状細胞抗原の処理および呈示における重要な役割を持つことを明らかにしました。

3. 予後スコアリングモデルの構築と予測ノモグラム

研究は一变量および多変量Cox回帰分析を通じてTLSRGsとOSの関係を評価し、Lassoおよびステップワイズ回帰を用いてCCR7、CXCR5、およびCD86という3つの主要遺伝子を選定し、リスクスコアモデルを構築しました。リスクスコアの公式は以下の通りです： [ \text{リスクスコア} = (0.3169 \times \text{CD86発現量}) + (-1.3345 \times \text{CXCR5発現量}) + (-0.2974 \times \text{CCR7発現量}) ] このモデルを基に、患者は高リスク群と低リスク群に分類し、Kaplan-Meier（K-M）生存曲線およびROC曲線を用いてその予後精度を分析しました。さらに、他の臨床変数を導入し、モデルの臨床適用価値を高めるための個別化予後予測ノモグラムを構築しました。

4. TLS、免疫細胞浸潤およびリスクスコアの関係

Tumor Immune Estimation Resource（Timer）ツールを使ってTLSと免疫細胞浸潤の特性との関係を分析しました。研究は、TLS+グループのB細胞、CD4+T細胞、CD8+T細胞およびマクロファージがTLS-グループに比べて顕著に高いことを発見し、TLSが腫瘍微小環境で重要な免疫役割を担っていることを示しました。同時に、TLS領域の割合はリスクスコアと負の相関を示し、TLSの存在が免疫細胞浸潤、リスクスコアおよびリンパ節転移と負の相関を示すことを明らかにしました。

研究結果

OSCC予後におけるTLSの独立した役割

本研究は、多種の統計分析方法を通じてOSCC患者のOSおよびDFS予後におけるTLSの積極的な影響を検証しました。K-M生存分析は、TLS+グループのOSおよびDFSがTLS-グループに比べて顕著に優れていることを示し、TLSの成熟度と面積割合が予後により密接に関連していることが分かりました。

リスク予測モデルにおけるTLSRGsの役割

Cox回帰およびLasso分析を通じて選定されたCCR7、CXCR5、CD86はOSCC患者の予後に顕著な影響を与え、3つの遺伝子モデルの構築は予測能力をさらに強化しました。特にCXCR5とCCR7の免疫細胞の移動、リンパ組織の生成及び維持における重要な役割は、TLSの形成と抗腫瘍免疫に不可欠であり、CD86の抑制はT細胞活性化を抑制しました。

リスクスコアと免疫細胞浸潤の関係

OSCCにおけるTLSの存在は、B細胞、CD4+T細胞、CD8+T細胞およびマクロファージの浸潤と密接に関連し、これらの免疫細胞はいずれも抗腫瘍免疫において重要な役割を担っています。研究はまた、TLSの高割合が免疫細胞浸潤と正の相関を示すことを指摘し、TLSが免疫防御における重要性を反映していると述べました。同時に、CXCR5とCCR7の上昇、CD86およびリスクスコアの低下は、リンパ節転移と負の相関関係を示しました。

研究の革新性と意味

1. 手法の革新性：この研究は初めて畳み込みニューラルネットワークを用いてOSCCサンプル中のTLSを自動的に検出および量化し、TLSの評価がより効果的かつ正確になりました。さらに、TLSRGsに基づいたリスクスコアモデルは、患者の個別評価に新たな可能性を提供しました。
2. 予後価値：研究はTLS+患者の予後がTLS-患者に比べて顕著に優れていることを示し、特にTLSの面積割合が成熟度よりも予測価値を持つことを示しました。3つの遺伝子モデルの確立は、リスク予測の感度と特異性をさらに強化し、OSCC患者の分類と予後に新たな参考を提供します。
3. モデルの個別化利用：リスクスコアに基づくノモグラムは、臨床変数と組み合わせて個別化治療計画の根拠を提供し、既存の分類システムとリスク層別化モデルをある程度改善します。

結論

この研究で確立されたTLSRGsに基づくOSCC予測モデルと個別化ノモグラムは、OSCCの臨床応用に科学的根拠を提供します。以前の研究と比べて、本研究の利点は顕著です：畳み込みニューラルネットワークを通じてTLSを自動的に認識し、腫瘍予後における画像分析技術の適用可能性を提供しました；TLSとリンパ節転移および免疫細胞浸潤の関係を探求し、初めてTLSRGsに基づくOSCCノモグラム予測モデルを構築しました。OSCCにおけるTLSの分布と面積は、有効な予後マーカーおよび免疫療法の反応予測指標として利用でき、将来のOSCC患者の精密治療に理論的支持を提供します。