前回、私たちのグループ（Spectro Decyphe ＆ CaBNET）の臨床バイオマーカー探索の手法をもう少し詳しくお話ししたいと書きましたが、このグループは臨床医も参加しており、一昨年からのコロナ禍のためグループの具体化が進展していない状態です。早くコロナウイルス感染が収まることを期待しているところです。
そのため今回はグループの具体的な臨床バイオマーカー探索の手法では無く、私たち（Spectro Decypher）が考えている臨床バイオマーカー探索の手法をお話します。
私たちは臨床試料を用いた癌治療の個別化医療を目的とした診断マーカー探索の組織です。皆さんもご存知のように抗がん剤は、例えばオブジーボでも、癌患者さん全体の20～30%しか効果がありません。その中で完治する患者さんはごく一部です。更に抗がん剤は多種類市場されていますが、どの治療薬も万能ではありません。それは、癌細胞が単一でなくヘテロであり、更に癌患者さん個々人によって癌細胞のヘテロな度合いが変わることによります。そのため、臨床のお医者さんは癌細胞の病理学的解析（癌細胞の形状や状態）では、どの治療薬を選べば良いかを正確に判断できない状態です。最近はハーセプチンのように診断マーカーを提供している治療薬が殆どですが、それでも診断マーカーで選ばれた癌患者さんの一部にしか効果が認められません。私は癌のようなヘテロな組織の場合、単一の診断マーカーで癌患者さんの全てに最適の治療薬を提供するのは難しいと考えています。
そこで、私たちは癌患者さんの今までの臨床Data（血液や癌細胞の病理学的解析など）に、ゲノム・プロテインとメタボローム解析した最新Dataを用いて、全てMachine leaningの手法で解析し、患者さんを層別し、個々人に合った臨床バイオマーカー探索する事で患者さんに適した治療薬の選択の方法を考えています。
第一段階としてCancer Biomarker NETwork（CaBNET）が持っている癌患者さんの臨床試料を保存したBioBankから、同じ種類（肺癌・胃癌・乳癌など）の癌を選びます。例えば肺癌を選んだ場合、その患者さんたちの臨床試料（血液を徐タンパクした試料）そのままのMSスペクトルのDataを取り（メタポローム解析）、更に癌細胞の抽出物を酵素処理した試料のMSスペクトルMSスペクトルのDataを取り（プロテオーム解析）、それぞれのMSスペクトルDataをMachine leaningの手法で解析し、MSスペクトルの同じ特徴ピーク（極端に高くなったピーク、低くなったピーク）ごとに患者さんを層別します。
次に患者さんたちの摘出された癌細胞を用いてゲノム解析を行い、そのDataをMachine leaningの手法で患者さんの層別に付け加える。最後に臨床検査の血液のData、病理学的解析のDataと、治療の際に効果的だった薬のDataを入れて、再度Machine leaningの手法で層別に付け加え、患者さんの層別を作成します。
この様にして出来た患者さんの層別は、メタポローム解析とプロテオーム解析で得られたMSスペクトルの特徴ピークが基になっており、この特徴ピークが診断マーカーになると考えています。
そこで、新たな癌の患者さんを診断する場合、患者さんの血液と抽出癌細胞のメタポローム解析とプロテオーム解析を行うことで、患者層を判断することができ、その層に効果的だった治療薬を選ぶことが可能になると考えています。
更に、メタポローム解析とプロテオーム解析で得られた層別のMSスペクトルの特徴ピークの詳細（MS/MSなどを用い）な解析を行って、そのピークの化合物が特定出来れば新たな診断マーカーの探索に繋がると考えられます。
以上が、私たちのグループが考えている臨床バイオマーカー探索の手法です。
今、コロナウイルスのオミクロン株の感染が猛威を振るっています。そこで、前々回にも少し触れましたが、コロナウイルスなどの感染症と、癌や生活習慣病などの薬の違いについて話したいと思います。
