神経芽細胞腫における糖脂質代謝のトランスクリプトーム加重ネットワーク解析

背景紹介

糖脂質（Glycosphingolipids, GSLs）は、セラミド（ceramide）骨格と糖鎖（glycan）からなる膜脂質の一種で、神経系に広く存在しています。これらは細胞間シグナル伝達、細胞間相互作用、および腫瘍発生において重要な役割を果たしています。神経芽細胞腫（Neuroblastoma, NB）は小児において最も一般的な頭蓋外固形腫瘍であり、その生物学的および臨床的な異質性は非常に高いです。神経芽細胞腫における糖脂質代謝の異常は、腫瘍の進行、予後、および治療反応と密接に関連しており、特にGD2（特定の糖脂質）は神経芽細胞腫の免疫治療の標的となっています。しかし、糖脂質代謝の複雑さにより、その解析は非常に困難であり、トランスクリプトームデータから糖脂質代謝の活性を推測することは依然として課題となっています。

この課題に対処するため、ドイツのヨハネス・グーテンベルク大学メディカルセンター（University Medical Center of the Johannes Gutenberg-University Mainz）の研究チームは、2024年に「Unraveling the glycosphingolipid metabolism by leveraging transcriptome-weighted network analysis on neuroblastic tumors」と題する研究論文を発表しました。この研究では、トランスクリプトームデータと代謝ネットワークのトポロジー情報を活用した新しい手法を提案し、神経芽細胞腫における糖脂質代謝の異なる系列を区別することを目指しました。この研究は、神経芽細胞腫の糖脂質代謝に関する新しい分析ツールを提供するだけでなく、他の腫瘍の代謝研究にも応用可能な潜在的な価値を示しています。

論文の出典

この論文は、Arsenij Ustjanzew、AnneKathrin Silvia Nedwed、Roger Sandhoff、Jörg Faber、Federico Marini、およびClaudia Paretによって共同執筆され、『Cancer & Metabolism』誌に掲載されました。研究チームは、ドイツのヨハネス・グーテンベルク大学メディカルセンター、ドイツがん研究センター（German Cancer Research Center）、およびマインツ大学小児血液学/腫瘍学センターから構成されています。論文は2024年10月11日にオンラインで公開され、クリエイティブ・コモンズ表示4.0国際ライセンスに基づいてオープンアクセスで提供されています。

研究の流れ

1. データの取得と前処理

研究チームは、2つの公開されたRNAシーケンス（RNA-seq）データセットを使用しました。1つはGEOデータベース（GSE147635）から取得したもので、6つの神経節細胞腫（Ganglioneuroma, GN）と15つの神経芽細胞腫（NB）サンプルを含んでいます。もう1つはUCSC Xenaデータベースから取得したもので、154のサンプル（うち25つは神経節芽細胞腫（Ganglioneuroblastoma, GNB）、129つは神経芽細胞腫（NB））を含んでいます。データの前処理には、標準化、対数変換、および疑似カウント処理が含まれており、データの比較可能性を確保しました。

2. 代謝ネットワークの構築

研究チームは、京都遺伝子・ゲノム百科事典（Kyoto Encyclopedia of Genes and Genomes, KEGG）の4つの糖脂質代謝経路（hsa00600, hsa00601, hsa00603, hsa00604）に基づいて、代謝ネットワーク図を構築しました。このネットワーク図では、代謝物がノードとして、反応がエッジとして表現され、遺伝子-タンパク質-反応（Gene-Protein-Reaction, GPR）関連規則を通じてトランスクリプトームデータと反応活性スコア（Reaction Activity Score, RAS）が結合されました。

3. 反応活性スコア（RAS）の計算

RASは、各代謝反応の活性をサンプルごとに定量化するために使用されます。研究チームは、GPR規則に基づいて、サンプルの遺伝子発現データを使用して各反応のRAS値を計算しました。複数の遺伝子が関与する反応の場合、RAS値は論理演算子（ANDまたはOR）を使用して計算されました。最終的に、各サンプルの代謝ネットワーク図には、各反応の活性を示す重み付き隣接行列が割り当てられました。

4. 遷移確率行列（Transition Probability Matrix, TP）の調整

糖脂質代謝の4つの系列（0-、A-、B-、およびC-系列）を区別するために、研究チームは3つの遷移確率（Transition Probability, TP）に基づくRAS調整方法を提案しました： - 単純TP調整：局所的なネットワークトポロジー情報に基づいて、各反応のRAS値を調整します。 - 再帰的TP調整：前駆ノードのTP値を再帰的に計算し、現在のノードのRAS値を調整します。 - パスTP調整：特定のノード（例：ラクトシルセラミド）からターゲットノードまでのパスに基づいて、パス上のTP値を計算し、RAS値を調整します。

5. 教師なし学習とクラスタリング分析

研究チームは、UMAP（Uniform Manifold Approximation and Projection）アルゴリズムを使用して調整されたRAS値を次元削減し、HDBSCAN（Hierarchical Density-Based Spatial Clustering of Applications with Noise）アルゴリズムを使用してサンプルをクラスタリングしました。1000回のUMAP計算を繰り返すことで、クラスタリングの安定性を評価し、各クラスターの特徴的な反応を特定しました。

6. 差異反応活性分析

研究チームは、異なる腫瘍タイプ（例：NBとGNB、MYCN増幅と非増幅のNB）間の反応活性の差異を比較し、Kolmogorov-Smirnov（KS）検定を使用して各反応の有意性を計算し、Benjamini-Hochberg（BH）法を用いて多重検定補正を行いました。

主な結果

1. 糖脂質代謝系列の区別

RAS値を調整することで、研究チームは糖脂質代謝の4つの系列を成功裏に区別しました。結果は、GNBがA-系列の複雑な糖脂質を発現する傾向がある一方、NB（特にMYCN増幅のNB）はB-系列の単純な糖脂質（例：GD2）を発現する傾向があることを示しました。この結果は、以前の研究と一致しており、MYCN増幅が糖脂質代謝の簡素化と関連していることを示唆しています。

2. MYCN遺伝子発現と糖脂質代謝の関連性

研究では、MYCN遺伝子発現と糖脂質代謝関連遺伝子（例：B3GALT4およびST8SIA1）との間に有意な相関があることが明らかになりました。MYCN増幅のNBサンプルでは、ST8SIA1の発現が高く、B3GALT4の発現が低いことが示され、MYCNがこれらの遺伝子を介して糖脂質代謝に影響を与えている可能性が示唆されました。

3. 教師なし学習によるNBサブグループの特定

教師なし学習を通じて、研究チームはNBサンプル内で2つのサブグループを特定しました。1つのサブグループはフコシルトランスフェラーゼ（Fucosyltransferase, FUT）遺伝子の高発現を特徴とし、もう1つのサブグループはスルファチド代謝関連遺伝子の高発現を特徴としていました。これらのサブグループの存在は、NBの糖脂質代謝が著しい異質性を持つことを示しています。

4. 差異反応活性分析

差異反応活性分析では、MYCN増幅のNBサンプルにおいて、GD2合成に関与する反応（例：R05940）の活性がGNBサンプルよりも有意に高いことが示されました。さらに、GNBサンプルではA-系列糖脂質合成に関与する反応の活性が高いことが確認され、GNBの成熟表現型をさらに支持する結果となりました。

結論と意義

この研究は、トランスクリプトームデータと代謝ネットワークトポロジー情報に基づく新しい手法を提案し、神経芽細胞腫における糖脂質代謝の異なる系列を成功裏に区別しました。研究は、MYCN増幅と糖脂質代謝の簡素化との関係を明らかにし、神経芽細胞腫の個別化治療に新しい視点を提供しました。さらに、この手法は他の低特異性酵素が関与する代謝経路の研究にも広く適用可能であり、幅広い応用が期待されます。

研究のハイライト

1. 革新的な手法：研究チームは初めてトランスクリプトームデータと代謝ネットワークトポロジー情報を組み合わせ、3つのRAS調整方法を提案し、糖脂質代謝系列の区別という課題を解決しました。
2. 臨床的意義：研究は、MYCN増幅と糖脂質代謝の簡素化との関係を明らかにし、神経芽細胞腫の予後評価と標的治療のための新しいバイオマーカーを提供しました。
3. 広範な適用性：この手法は神経芽細胞腫だけでなく、他の腫瘍の代謝研究にも適用可能であり、幅広い応用が期待されます。