どの遺伝子ががんを進めているのかを突き止めるのは、時間のかかる作業です。シーケンシングでは何千もの変異が見つかりますが、その多くは影響のないもので、重要な信号は相互作用するタンパク質のネットワークに薄く散らばっています。11月16日にNature Machine Intelligenceに掲載された論文は、がん遺伝子の候補を順位付けし、さらに珍しいことに、それぞれの選択の理由も示すモデルCGMapを紹介しています。
Chenhao Wang氏やMin Li氏らの研究チームは、タンパク質間相互作用マップのような生物学的ネットワークを出発点にしています。多くのグラフニューラルネットワークは層を重ねて情報を集め、層ごとに1歩ずつ遠くを見ますが、数歩を超えると異なる遺伝子の信号が混ざってしまいます。CGMapは複数の距離を並列のチャネルで読み取り、著者らが「幅を重視した設計」と呼ぶ方法で、距離ごとの情報を分けたまま 扱います。もう1つのモジュールは、既知の経路に沿って遺伝子がどう協調するかをモデル化し、遺伝子同士の追跡可能なつながりを示すので、予測を調節の仕組みの候補までたどることができます。
論文によると、このモデルは複数のネットワークと多くのがん種で12,022個の遺伝子を採点し、既存の手法を上回り、計算効率も保ちました。既存のがん遺伝子データベースに載っていないものを含む70個の候補を優先しました。著者らは候補を実験でも確かめました。低分子干渉RNAで候補をノックダウンすると、がん細胞の増殖、移動、浸潤が減り、転移に関わる段階である上皮間葉転換の指標が、浸潤性の低い状態へと変わりました。非がん細胞株での対照実験は拡張データに載っています。
この研究は、グラフを使った一連の研究の上に立っています。マルチオミクスデータとグラフ畳み込みネットワークを組み合わせた2021年のNature Machine Intelligenceのモデルや、その後のCGMegaのような説明可能なシステムがその例です。CGMapが新しいのは、遠くまで読み取る仕組みと、後付けではない組み込みの説明を組み合わせた点です。
注意点:この種の研究に共通する限界があります。実験による検証は細胞株で行われ、動物や患者ではないため、70個の遺伝子は今後の研究の手がかりです。ベンチマークでの改善は「既知の」がん遺伝子がどう分類されているかに左右され、そうしたデータベースは本質的に不完全です。論文は査読を経ており、コードとデータはZenodoで公開されているので、独立した検証はしやすくなっています。