要旨 がんは世界的な主要死因の一つであり、その生物学的複雑性と分子的不均一性は、早期診断および臨床管理に重大な課題をもたらしている。新たなエピジェネティックバイオマーカーのうち、ten-eleven translocation（TET）酵素によって生成される5-メチルシトシンの酸化誘導体である5-ヒドロキシメチルシトシン（5hmC）は、組織特異的な分布と遺伝子制御における動的な役割を有することから、非侵襲的ながん検出において高い可能性を示している。循環血中セルフリーDNA（cfDNA）はこれらのエピジェネティックな特徴を保持しており、リキッドバイオプシーに基づく診断に利用可能な試料となる。本研究では、cfDNA由来のプロモーター関連5hmCプロファイルを用いた、がん分類のための機械学習フレームワークを提示する。がん患者および健常対照者の試料からなる公開データセットをCell-Free Epigenome Atlas（CFEA）から取得した。特徴量のフィルタリング後、分散の大きい転写開始点（TSS）関連特徴量からなる縮約特徴量行列を構築した。次元削減には主成分分析（PCA）を用い、ランダムフォレスト、勾配ブースティング、およびロジスティック回帰の各分類器を、層化5分割交差検証と独立したホールドアウトテストセットによって評価した。評価したモデルは、がん試料と健常試料の識別において高い性能を示した。ランダムフォレストは、平均ROC-AUC値0.869 ± 0.025という最も高い平均交差検証性能を達成し、そのアンサンブル学習戦略がプロモーター関連5hmC特徴空間内の複雑な非線形関係を効果的に捉えたことを示した。勾配ブースティングも同様に高い予測性能を示すとともに、検証分割間で最も高い一貫性を示し、その頑健性と再現性が明らかとなった。ロジスティック回帰は比較的低い性能と分割間でより大きな変動を示したものの、なお高い識別能力を維持しており、線形決定境界でモデル化した場合でもプロモーター関連5hmC特徴量が有用であることを示した。独立評価によって、評価対象モデルの未知試料に対する汎化可能性も裏付けられた。特徴量重要度分析では、NEGR1、RHEB、TAOK2、RASA3、SPRED1、SMAD2、AKT2、FZD8、およびMYCLを含む複数のがん関連TSS特徴量が、分類への寄与が大きい識別因子として同定された。これらの結果は、プロモーター関連5hmCプロファイルにおけるがん特異的な変化を明らかにするとともに、がん関連エピジェネティック制御に関与する可能性のあるゲノム領域を特定するものである。以上の結果は、cfDNAから得られたプロモーター関連5hmCシグネチャーに機械学習を適用することで、がん試料と健常試料を効果的に識別できることを示している。提案する計算フレームワークは、エピジェネティックな特徴量設計と予測モデリングを統合する再現可能な戦略を提供し、高精度かつ低侵襲ながん検出法および将来の精密腫瘍学への応用の発展を支援する。
https://doi.org/10.21203/rs.3.rs-10868632/v1