ラマンベースの機械学習プラットフォームがIDHmutとIDHwtのグリオーマ間のユニークな代謝差異を明らかにする

医学検査 情報科学 人工知能 神経内科学 腫瘍学 医用画像学 生命科学 医学 細胞生物学 生化学
ラマン分光法 グリオーマ 機械学習 FFPE組織 脂質代謝

ラマン分光法と機械学習プラットフォームに基づくIDH変異型と野生型膠芽腫細胞の代謝差異研究

背景紹介

膠芽腫の診断と治療において、フォルマリン固定、パラフィン包埋（FFPE）組織切片が広く使用されています。しかし、包埋媒体の背景ノイズの影響を受け、FFPE組織はラマン分光法に基づく研究に限られた応用しかされていません。この問題を克服し、腫瘍サブタイプを識別するために、我々の研究チームは新しいラマン分光法に基づく機械学習プラットフォーム「APOLLO (悪性膠芽腫のラマン分光法病理学）」を開発しました。これはFFPE組織切片から膠芽腫のサブタイプを予測できるプラットフォームです。

論文の出典

本論文は、Adrian Lita、Joel Sjöberg、David Păcioianuらの学者によって執筆され、彼らは米国国立がん研究所(National Cancer Institute)、フィンランドトゥルク大学(University of Turku)、ルーマニアブカレスト大学(University of Bucharest)、ヘンリーフォードヘルスシステム(Henry Ford Health System)に所属しています。論文は2024年6月の『Neuro-Oncology』誌に掲載されました。

研究の流れ

研究対象とサンプル

本研究は46例の患者からFFPEサンプルを収集し、これらのサンプルのメチル化サブタイプが既知であるとともに、H&E染色で腫瘍細胞の存在が確認されています。その後、これらのサンプルに対して自発ラマン分光法で分子指紋図を収集し、サポートベクターマシンとランダムフォレストアルゴリズムを利用して腫瘍/非腫瘍、IDH1変異/野生型およびメチル化サブタイプの分類器を構築しました。

データの収集と前処理

ThermoFisher DXR2xiラマン顕微鏡とLeica Stellaris 8 CRS顕微鏡を使用して、各サンプルのラマン分光データを収集しました。データ前処理の過程で、サイレント領域を除去し、ベースライン補正と正規化を行い、ラマン分光データの信頼性を確保しました。

アルゴリズムとモデルの訓練

DBSCANクラスタリングアルゴリズムを使用して腫瘍と非腫瘍組織を識別し、各スキャン領域ごとに機械学習クラスタリングモデルを訓練しました。その後、5分割交差検証を通じてランダムフォレストモデルやサポートベクターマシンを含む複数の分類器を訓練し、モデルの正確性、精度、再現性を最適化しました。最終的に、ランダムフォレストの特性順位付けと統計テストを通じて、腫瘍/非腫瘍およびIDH変異/野生型を区別するために必要な最も重要なラマン周波数を抽出しました。

実験結果の検証

SRSを利用してラマン周波数を検証した結果、APOLLOプラットフォームは腫瘍と非腫瘍組織、およびIDH1変異と野生型腫瘍を効率よく区別できることが示されました。特に、APOLLOプラットフォームはIDH1変異膠芽腫におけるコレステロールエステルレベルの顕著な増加を確認し、IDH変異腫瘍が特異的な代謝を持つことが示されました。

研究結果

腫瘍と非腫瘍組織の区別

ANOVA、chi2およびランダムフォレストモデルを用いてラマン周波数の重要性をランク付けしたところ、肪に豊富なCH2結合を示す2850 cm^-1のラマン周波数が腫瘍と非腫瘍組織を区別する上で非常に重要であることが判明しました。さらに、新たに発見された2883 cm^-1、1690 cm^-1、1607 cm^-1、1401 cm^-1、1335 cm^-1のラマン周波数も腫瘍組織に高強度で現れました。

IDH1変異と野生型膠芽腫の区別

多くの分類器モデルの訓練を通じて、APOLLOはIDH1変異と野生型膠芽腫を正確に区別し、平均ROC AUCは0.82に達しました。特に、2883 cm^-1、1440 cm^-1、532 cm^-1のラマン周波数のコレステロールエステル信号はIDH1変異腫瘍を区別する上で重要です。

より詳細なサブタイプの区別

APOLLOはIDH1変異の高CpG島高メチル化フェノタイプ（g-CIMP-high）と低メチル化フェノタイプ（g-CIMP-low）膠芽腫を効果的に区別できました。この分類は臨床的に重要であり、g-CIMP-highサブタイプは良好な予後と関連しています。

研究の意義

APOLLOプラットフォームは、FFPE切片から有意義な生物学的情報を無標識で抽出するラマン分光法の潜在力を示し、他の癌研究におけるFFPEサンプルの応用の可能性を切り開きました。この研究は、機械学習に基づく自動分類方法の有効性を示すとともに、IDH1変異膠芽腫におけるコレステロール代謝の特異的な差異を発見し、薬物ターゲットの新たな視点を提供しました。

ハイライト紹介

  1. 革新的プラットフォーム：APOLLOは新しいラマン分光法と機械学習を組み合わせたプラットフォームで、FFPE組織切片から膠芽腫のサブタイプを正確に予測します。
  2. 高コレステロール代謝の発見：IDH1変異膠芽腫におけるコレステロールエステルレベルの顕著な増加が見られ、腫瘍生物学に新たな洞察が提供されました。
  3. 全過程の自動化：APOLLOプラットフォームは完全な自動化データ処理と分類を実現し、人為的介入を必要とせず、分析効率を大幅に向上させました。

本研究は膠芽腫の分子分類と治療に重要な科学的根拠と臨床応用価値を提供しました。将来においては、APOLLOプラットフォームは他の種類のFFPE組織や癌研究にも適用可能であり、腫瘍学と分子病理学の発展を一層促進するでしょう。