- 著者: Penisson S, Bates K, Upadhyaya KM, Lahouel K, Mulazimoglu M, de Sousa LM, Kohane I, Trent JM, Vogelstein B, Tomasetti C
- Corresponding author: Cristian Tomasetti (City of Hope, Duarte, CA, USA)
- 雑誌: Cancer Research
- 発行年: 2026
- Epub日: N/A
- Article種別: Original Article
- DOI: N/A
背景
がん細胞が正常組織の対応細胞よりも多くの変異を持つことは以前から観察されてきたが、その定量的な大きさと統計的分布の違いを系統的に検討した研究は少なかった。Tomasetti & Vogelstein (2013) は自己複製型組織における発がんにおいて、体細胞変異の蓄積が重要な役割を果たすことを示し、「がんの多くは『不運な複製エラー』による」という概念を提唱した（本論文の先行研究）。分裂頻度の低い正常組織（脳・筋肉など）において癌が多い変異を持つことは理解できるが、腸上皮などの高頻度自己複製組織においても癌が明らかに多い変異を持つ理由は、これまで明らかでなく、その定量的根拠と分布特性は未解明の問いとして残されてきた。さらに、個人間での正常組織変異量の差異が 8 倍に及ぶという観察 (Kakiuchi et al. NatRevCancer 2021) は、体細胞変異蓄積の個人差が大きく、なぜ特定の個人が発がんしやすいのかという根本的な問いに繋がる。一方で、環境変異原と変異シグネチャーの関係は (Kucab et al. Cell 2019) など多くの研究で検討されており、発がんに関与する変異過程の多様性が明らかになっている。またTCGAデータを用いた大規模な腫瘍変異量 (TMB: tumor mutation burden) 解析 (Chalmers et al. GenomeMed 2017) によって各がん種でのTMBの実態は把握されているが、正常組織と癌組織を同一の方法論で比較し変異量差の要因を定量的に分解した研究は手薄であった。本研究は5臓器の正常組織変異量データとTCGA癌変異量データを系統的に比較し、その差異を説明する3つの仮説を数学的モデリングと直交する観察で検証することを目的とした。
目的
正常組織と癌細胞の体細胞変異量 (SNV/Mb) を5臓器（大腸、食道、肺、前立腺、膀胱）で系統的に比較し、癌における変異量増加の大きさと分布を定量化すること、および（1）古典的仮説 (H1: ドライバー遺伝子変異による変異率増加)、（2）壊滅的仮説 (H2: 突発的大量変異イベント)、（3）テール仮説 (H3: 個人間の基礎変異蓄積率差) という3つの仮説のうちどれが観察データを最もよく説明するかを多面的に検証すること。
結果
正常組織における変異量の大きな個人間差と分布特性：
正常組織5臓器（膀胱・大腸・食道・肺・前立腺）の体細胞変異量 (SNV数/Mb) をWGS/WESデータから年齢70歳に標準化して解析した。各臓器で n = 29〜586 ドナーのデータを解析し、正常ドナー間の変異量中央値の比は平均8倍に達する大きな個人差が観察された (Kruskal-Wallis test, p < 0.001)。この8倍の個人間差は、正常組織においても基礎変異蓄積率に大きな個人差が存在することを示す重要な知見であり、後述するテール仮説の前提となる根拠を提供する (Fig. 1A)。
正常組織vs癌細胞の変異量比較：4.4倍増加の確認：
同一5臓器の癌組織（TCGA、未治療一次腫瘍、mismatch repair (MMR) 異常/microsatellite instability (MSI) 除外、65〜75歳に制限）と正常組織（癌なしドナー）の変異量を分布ベースで直接比較した。癌細胞の変異量中央値は正常組織の平均4.4-fold高く（Wilcoxon rank-sum test, one-sided p < 0.001）、ランダムに選んだ正常組織サンプルとランダムに選んだ癌サンプルを比較した場合も癌サンプルの変異量が有意に多かった (Kolmogorov-Smirnov test, one-sided p < 0.001)。なお、バルク腫瘍配列決定では最近共通祖先、すなわちMRCA (most recent common ancestor) 以降の変異が過小評価されるため、癌細胞の真の変異量はさらに大きい可能性がある。代表例として大腸がん患者70歳での実測中央値は3.8 mutations/Mb であった (Fig. 1B-F)。
3仮説の数学的モデリングとパラメータ検証：
観察された変異量差を説明するため、3つの仮説を数学的変換として定式化した。H1（古典的仮説）は癌変異量分布をスケーリング変換（X_cancer = Λ(s,m) × X_normal）として表現し、大腸がんの観察中央値3.8/Mbに一致するためには、ドライバー変異による選択的増殖優位性 (1 + s) = 5.1 が必要であることが示された。H2（壊滅的仮説）は加法的シフト変換（X_cancer = X_normal + δ）を仮定し、観察値に一致するには単一の壊滅的イベントで9,000変異（正常細胞1分裂あたりの変異数の約3,000倍）の急激な付加が必要とされ、7.7 Gy X線照射による変異数（約200変異）の45倍以上であり、生物学的に非現実的と判断された。H3（テール仮説）は重み付けとスケーリングの2段階変換を用い、癌患者の基礎変異量が非癌患者の2.7倍高いと仮定した場合、(1 + s) = 1.9 が必要であり、これは組織の細胞分裂速度比較から推定される値 (1 + s ≈ 1.2) に最も近いことが示された。
変異量分布フィット：H3が最良のフィット：
各仮説モデルの分布予測と実観察分布との差異をDKS (divergence statistic) で定量化した。Kolmogorov-Smirnov (KS) 距離統計量 DKS を適用し、大腸がんでのDKSはH3で0.07、H1で0.17、H2で0.25を示し (H3 vs. H1: 0.07 vs. 0.17)、H3が最良のフィットであった (Fig. 3A)。同様のパターンが残り4がん種でも観察され（Supplementary Fig. S4）、5癌種での全体的な傾向として常にH3が他の2仮説より優れた分布再現性を持つことが確認された。文献由来パラメータを使用した場合も、H3はH1よりもデータに近い分布を示した (DKS = 0.30 vs. 0.78)、ただし両仮説とも観察分布と有意差あり (p < 0.001)。混合モデルとしてH3 + H2が5癌種の平均DKS = 0.23でH1 + H2の0.30より良好であり、かつ壊滅的イベントで導入される変異数も小さい（より現実的: 2.9 vs. 3.4/Mb）ことが示された。
癌患者正常組織の変異量増加：テール仮説の直接的支持：
H3は癌患者の正常組織が非癌患者のそれよりも変異量が多いことを予測する（癌特異的な変化ではなく個人の基礎変異蓄積率の差の反映）一方、H1・H2は正常組織の変異量に差がないことを予測する。この重要な観察点として、食道扁平上皮がん患者の正常食道粘膜では非癌患者に比べて変異量中央値が2.4倍高かった (Wilcoxon one-sided p < 0.001)。前立腺がん患者の正常前立腺組織でも変異量中央値蓄積速度が2.9倍高かった (Wilcoxon one-sided p = 0.013)。膀胱がん・胃がん患者でも同様の傾向が観察された一方、大腸では有意な差が見られなかった。これらの結果はH3のみが一貫して支持され、H1・H2では説明困難な観察として、テール仮説の最も直接的なエビデンスを提供する (Fig. 4)。
個人内一貫性：変異蓄積の個人特異性：
同一患者の複数正常組織サンプル間の一致度（個人内変動）と異なる患者間の変動（個人間変動）を比較した。H3に基づけば、同一個人のサンプルは互いにより類似し（同一の高基礎変異蓄積率を持つため）、異なる個人間では変動が大きいことが予測される。これを4つの正常組織で確認したところ、全組織で同一ドナー由来サンプルの変異量は異なるドナー間に比べて有意により類似していた (Wilcoxon one-sided p < 0.001)。大腸では癌ステータスを調整後も分散の72%がドナーアイデンティティに帰属し、食道では63%であった (Supplementary Table S10)。この結果はH3の根拠となる「個人レベルの基礎変異蓄積率」の実在を間接的に支持する。
考察/結論
① 先行研究との違い：
これまでの研究は癌と正常組織の変異量差を観察する段階に留まることが多く、その差異の大きさと統計分布を正確に定量化し、寄与因子を仮説として体系的に検証した研究は報告されていなかった点で本研究は先行研究と異なる。古典的なドライバー変異中心の発がん理論（H1）に対し、本研究はH1が必要とする選択的優位性パラメータが文献値より著しく高い（1+s=5.1）点で既存推定と相違することを定量的に示し、単一のドライバー変異中心モデルでは観察データを十分に説明できないことを明らかにした。
② 新規性：
本研究で初めて、正常組織と癌細胞の変異量を「分布全体」で系統的に比較し、3つの仮説を同一データセットで並列検証するという方法論的枠組みが提示されている。特にH3（テール仮説）が癌患者の正常組織でも変異量増加が観察されるという新規観察点によって支持されたことは、発がんの「個人差」メカニズムに基礎変異蓄積率の個人間差が寄与するという新規な概念的フレームワークを提供する。この知見は遺伝的・環境的要因を超えた「個人固有の変異蓄積傾向」という未解明な因子の重要性を初めて定量的に示した。
③ 臨床応用：
テール仮説のみが実践的な癌予防への直接的含意を持つ。個人の基礎変異蓄積率を個人レベルでスクリーニングし、高リスク個人（正常組織で既に変異量が高い個人）を早期に同定することで、二次予防戦略（より頻繁なスクリーニング、リスク低減介入）を強化できる可能性がある。喫煙者では変異量が3〜4倍高く肺がんリスクが18倍以上高いという先行知見も、変異量と発がんリスクの間の冪乗則的な非線形関係を示唆し、臨床的意義が高い。一方H3はリスク予測改善のための標的として、変異蓄積率に影響する遺伝的因子の同定という研究への橋渡しにもなる。
④ 残された課題：
本研究にはいくつかの重要な限界と今後の課題がある。バルクシーケンシングによる変異量推定ではMRCA以降の変異が過小評価される問題が残されており、今後の検討として一細胞シーケンシングや新技術（例: duplex sequencing）による補完が求められる。年齢と変異蓄積の線形関係の仮定も過剰単純化である可能性があり、より精緻なモデルが必要である。また、3仮説を単独で検証したが、実際には組み合わせが働いている可能性が高い。H3の基礎変異率差の具体的分子メカニズム（DNA複製忠実度の個人差、環境変異原曝露の個人差など）の解明が今後の方向性として挙げられ、双子コホート研究や若年者コホートでの追検証が重要である。さらに、テール仮説が示す「癌リスク層別化のための正常組織変異量測定」の実現可能性を臨床研究で検証することが重要な残課題である。
方法
データソース: 正常組織の体細胞変異量データは既発表WGS/WESデータ (Refs. 3, 12-21) から取得し、7臓器（膀胱・大腸・食道・肝臓・肺・前立腺・胃）を対象とした。比較には癌なしドナーの臨床正常組織のみを使用（平均29ドナーから586サンプル/臓器）。癌組織のデータはTCGA masked MAFファイルから抽出（未治療一次腫瘍、MMR欠損/MSI除外、65〜75歳に限定）。
変異量の定義と標準化: 変異量 = SNV数/Mb、正常組織の変異量は70歳に標準化（タバコ使用・飲酒・肥満・感染因子などの曝露を米国人口頻度に調整、Gamma分布でモデル化）。癌組織は variant allele frequency (VAF) > 5%、自己染色体SNVのみ使用。
統計解析: 臓器間変異量の個人間変動にKruskal-Wallis検定、正常vs癌の比較に一側Wilcoxon rank-sum検定とKolmogorov-Smirnov検定、モデルフィット評価にKS統計量 (DKS)。個人内/個人間変動の定量化にANOVAと線形混合効果モデル（lme4パッケージ）、級内相関係数 (ICC: intraclass correlation coefficient) を算出。R統計ソフトウェア version 4.4.2 (RRID:SCR_001905) を使用。有意水準 p < 0.05。
仮説モデリング: H1 = スケーリング変換（パラメータ: 選択的優位性 1+s）、H2 = 加法的シフト（パラメータ: 付加変異数 δ）、H3 = 重み付け + スケーリング変換（各観察中央値にフィット or 文献値から推定）。混合モデル (H1+H2, H3+H2) の壊滅的仮説割合はChromothripsis既報割合に固定、パラメータは観察中央値にフィット。COSMICシグネチャー解析（7臓器・3組織群）の相補的解析も実施。