グーグルAI、がん発症の原因となる遺伝子変異をマッピング

グーグルは、腫瘍の遺伝子配列からがんに関連する変異をより高い精度で検出するために設計されたAI搭載ツール「DeepSomatic」を発表した。

がんは、細胞分裂を制御するメカニズムが破壊されたときに始まる。腫瘍の成長の原因となる特定の遺伝子変異を特定することは、効果的な治療法を開発する上で非常に重要である。今日、医師は日常的に、生検から得た腫瘍細胞のゲノムの塩基配列を決定し、特定の癌がどのように発生し、どのように広がっていくかをターゲットにした治療法を指導している。

Nature Biotechnology誌に掲載されたこの研究は、畳み込みニューラルネットワークを使用して、現在のアプローチよりも正確にがん細胞の遺伝子変異を発見するツールを紹介するものである。グーグルは、DeepSomaticとそのために開発された高品質のトレーニング・データセットの両方をオープン・リソースとして公開している。

体細胞変異の課題

がん遺伝学は複雑な分野である。ゲノム配列決定によってがんに関連する遺伝子変化が特定されるが、配列決定エラーから真の変異体を見分けることは依然として困難であり、AIツールが貴重な支援を提供できる課題である。ほとんどのがんは、両親から受け継がれる「生殖細胞系列」の変異ではなく、出生後に獲得される「体細胞系列」の変異によって引き起こされる。

体細胞変異は、環境要因（紫外線など）がDNAにダメージを与えたり、DNAの複製中にランダムなミスが生じたりすることで発生する。これらの変異が正常な細胞プロセスを乱すと、制御できない増殖の引き金となり、癌の発生と進行に拍車をかける可能性がある。

体細胞変異の検出は、遺伝性変異の同定よりも困難である。体細胞変異は、腫瘍細胞内に低い頻度で現れることがあり、時にはシーケンスエラーの閾値を下回ることさえあるからである。

DeepSomaticの仕組み

臨床現場では、生検で得られた腫瘍細胞と患者の正常細胞の両方の塩基配列を決定します。DeepSomaticはこれらの配列を比較し、腫瘍にのみ存在する変化を検出する。これらのユニークな変化は、腫瘍の進展の原動力となっているものを明らかにするのに役立つ。

このモデルは、腫瘍と正常サンプルの生の遺伝子配列データを、配列リードや染色体に沿ったアライメントなど、複数のデータタイプを表す画像に変換する。次に畳み込みニューラルネットワークがこれらの画像を検査し、シーケンシングノイズをフィルタリングしながら、標準参照ゲノム、遺伝性バリアント、がんを引き起こす体細胞変異を区別する。最終的な出力は、がんに関連する変異のリストである。

DeepSomaticは、白血病のような血液がんによく見られる正常組織サンプルが入手できない場合、「腫瘍のみ」モードで動作させることもできる。このような柔軟性により、このツールは幅広い研究や臨床の場で応用できる。

より正確なAIがん研究ツールのトレーニング

正確なAIモデルを構築するには、高品質のトレーニングデータが必要である。このツールのために、グーグルはカリフォルニア大学サンタクルーズ・ゲノミクス研究所および国立がん研究所と協力して、CASTLEと呼ばれるベンチマーク・データセットを作成した。研究チームは、乳がん4検体と肺がん2検体の腫瘍細胞と正常細胞の塩基配列を決定した。

これらのサンプルは3つの主要なシーケンシングプラットフォームを用いてプロファイリングされ、そのアウトプットを組み合わせて、プラットフォーム特有のアーチファクトのない、統一された高信頼性のリファレンスデータセットが作成された。このデータは、同じタイプのがんであっても変異パターンが大きく異なる可能性があることを示しており、個々の患者が特定の治療にどのように反応するかを予測するのに役立つ可能性がある。

主要な3つのシーケンスプラットフォームすべてにおいて、DeepSomaticモデルは他の確立された技術を上回った。このツールは、挿入と欠失、すなわち「インデル」として知られる複雑な変異の検出において特に効果的であることが証明された。これらの変異について、DeepSomaticはイルミナシーケンスデータで90%のF1スコアを達成したのに対し、次に優れたツールでは80%であった。Pacific Biosciencesのデータでは、性能の向上はさらに顕著で、DeepSomaticのスコアは80%を上回ったが、次点のツールは50%未満にとどまった。

DeepSomaticのAIは、困難なサンプルに対しても高いパフォーマンスを示した。ホルマリン固定-パラフィン包埋（FFPE）法で保存された乳がんサンプルがテスト対象となったが、これはDNA損傷の原因となり、解析を複雑にする可能性があるルーチン的な方法である。DeepSomaticは、ゲノムの1％のタンパク質をコードする部分のみをシーケンスするコスト効率の高い手法である全エクソームシーケンス（WES）データでも評価された。いずれの状況でも競合ツールを上回り、低品質サンプルや保存サンプルの解析に有用であることが示された。

すべての癌に対応するAIツール

このツールは、明示的に訓練されていないがん種にも学習を汎化できることを実証した。膠芽腫のサンプル（侵攻性の脳腫瘍）に適用したところ、この疾患を引き起こすことが知られている少数のドライバー変異の同定に成功した。Children's Mercy Kansas Cityとの共同研究において、DeepSomaticは8つの小児白血病サンプルを分析し、腫瘍データのみを使用した場合でも、既知の変異を確認しただけでなく、新たに10個の変異を発見した。

グーグルは、研究機関や臨床医がこのツールを採用し、個々の腫瘍についてより深い洞察を得ることを期待している。既知のがん変異を認識することで、既存の治療法の選択に役立てることができる。新たな変異を発見することで、新しい治療法への扉が開かれるかもしれない。最終的な目的は、精密医療を進歩させ、患者により効果的な治療を提供することである。

関連記事MHRAは患者ケアのためのAIツールの次の波を迅速に進める

AIとビッグデータについて、業界の専門家からもっと学びたいですか？アムステルダム、カリフォルニア、ロンドンで開催されるAI & Big Data Expoをチェックしてください。この包括的なイベントはTechExの一部であり、サイバーセキュリティEXPOを含む他のトップ技術イベントと並行して開催されます。詳細はこちらをクリックしてください。

AIニュースはTechForge Mediaが提供しています。その他の企業向けテクノロジーイベントやウェビナーについてはこちらをご覧ください。