がん分子標的薬の合理的投与設計手法の構築
【研究キーワード】
細胞毒性 / 機械学習 / システム薬理学 / 抗がん剤 / がん / 分子標的薬 / 副作用 / キナーゼ阻害剤 / in silico解析 / 治療最適化 / 投与量設計
【研究成果の概要】
本研究において、既存の大規模データベースを用い、細胞の分子情報を用いることで薬物感受性を濃度依存性も含め一定程度予測できるモデルを機械学習にて確立した。モデルの精度検証過程において、環境によって細胞の薬物感受性が異なることが実験的に確認され、環境差を考慮した改変・実装が今後の課題として見いだされた。ただし現行モデルの内部においても、定性的に既存の生物学的知見と一致する要素が学習されていることを確認しており、感受性規定因子の定性的な因子探索に活用できる。これらの結果から、がん細胞の分子基盤情報に基づいて合理的な抗がん剤を選択するためのモデルとして活用可能と考えられる。
【研究の社会的意義】
抗がん剤治療の最適化に関して様々な取り組みが行われているものの、十分な治療効果が得られる割合は必ずしも高くなく、種々の副作用出現により治療を断念せざるを得ない場合も少なくない。本研究では細胞の薬物感受性を予測するモデル構築により、適切な薬物選択を可能とする基盤構築を目指した。モデルの定量的信頼度向上の取り組みは今後の課題であるが、薬剤選択に関連する定性的因子を抽出可能なモデルの構築に成功した。がん細胞および正常細胞への感受性予測を併せることで、薬理効果および一部の副作用発現リスクも考慮した合理的な薬剤選択に寄与しうる研究成果である。
【研究代表者】