- 著者: Yuchen Li, Zhe Li, Ryan Quinton, Yuanfeng Ji, Xiaoming Zhang, Jinxi Xiang, Xiyue Wang, Sen Yang, Feyisope Eweje, Joel Neal, Maximilian Diehn, Ruijiang Li, et al.
- Corresponding author: Ruijiang Li (Stanford University School of Medicine, Department of Radiation Oncology)
- 雑誌: Cell
- 発行年: 2026
- Epub日: 2026-07-09
- Article種別: Original Article
- PMID: 42302781
背景
NSCLC (non-small cell lung cancer、非小細胞肺癌)の TME (tumor microenvironment、腫瘍微小環境)は癌進行と治療抵抗性を規定する主要因子であるが、その空間的アーキテクチャの包括的理解と臨床応用は依然として未解明の部分が多い。空間プロテオミクス技術、特に CODEX (co-detection by indexing)は単細胞解像度で41プレックスのタンパク質を同時定量し、腫瘍免疫マクロファージ・ CAF (cancer-associated fibroblast、癌関連線維芽細胞)の詳細な空間配置を解明してきたが(Goltsev et al. 2018)、高コスト・技術的複雑性・スケーラビリティの欠如から日常臨床への移行は困難であった。ヘマトキシリン・エオジン(H&E)染色は普遍的な臨床診断標準であるが、タンパク質発現の直接定量はできず空間的分子情報が欠落していた。先行研究ではGAN (generative adversarial network、生成的敵対ネットワーク)によって11タンパクの仮想多重染色像を生成する試みがなされたが(Keren et al. 2019)、マーカー依存的な予測精度の不均一性や実用性の課題が残されていた。また、H&Eから個々のタンパク質発現を推定する手法はスケーラビリティに欠けており、機能的に統合された空間エコロジカルドメインの予測という知識の gap を埋めることができなかった(Rivenson et al. 2020)。H&Eから生物学的意義のある多細胞空間ニッチ(セルラーネイバーフッド、CN)を高精度で推定するAIプラットフォームの構築が、この空白を埋める鍵として未検証のまま残されていた。
目的
NSCLC患者457例の41プレックスCODEXデータから再現性ある10種のCNを定義し、それをH&E組織切片から予測するAIプラットフォームCANVASを構築する。CANVASにより5000例超の9癌種に対して予後モデリング・空間エコタイプ層別化・免疫療法奏効予測を可能にし、通常の臨床検査から空間腫瘍プロファイリングを実現するスケーラブルな精密腫瘍学基盤を確立する。
結果
所見1 - NSCLC 457例・1800万細胞の41プレックスCODEX解析による10種のCNの定義:
457例のNSCLC患者(組織マイクロアレイ(TMA)2コホート+全切片10枚)に対して41プレックスCODEX空間プロテオミクスを実施し、1800万細胞超を上皮・リンパ系・骨髄系・間質の4大細胞コンパートメント、さらに15種の細胞型に分類した(Fig. 1B,C)。肺腺癌(LUAD: lung adenocarcinoma)は肺扁平上皮癌(LUSC: lung squamous cell carcinoma)より免疫細胞浸潤が低く(37.8% vs. 43.7%、p<0.01)、LUSCでは骨髄系細胞が増多(14.8% vs. 21.8%、p<0.001)していた(Fig. S1C)。空間インタラクション解析では、LUADは腫瘍細胞とTc細胞の空間的隔絶が顕著であり好中球-M2-内皮細胞(EC)間の免疫抑制的相互作用が優勢であった一方、LUSCではTc/Th細胞がCAF・M2・EC近傍に位置する亜型特異的なリンパ球再分布が確認された(Fig. 2D)。グラフニューラルネットワーク(GNN)解析により24種のトポロジーリッチなトリプレットモチーフ(偽発見率(FDR)<0.01)が同定され、12種がOS予後と有意に関連した(Fig. 2H)。これらの知見に基づき、細胞ニッチ(CN)を非教師あり手法で10種定義した:腫瘍コア(CN01)・マクロファージニッチ(CN02)・B細胞ニッチ(CN03)・間質線維性ドメイン(CN04)・形質細胞クラスター(CN05)・好中球優勢ゾーン(CN06)・腫瘍免疫境界面(CN07)・T細胞コンパートメント(CN08)・汎免疫活性ゾーン(CN09)・血管ニッチ(CN10)。
所見2 - CNsが予後的エコロジカルユニットを形成しCAF媒介バリアスコアが独立予後因子となる:
CN別Cox回帰解析(univariate)で腫瘍・線維性・好中球構造(CN01、CN04、CN06)が不良予後と、B細胞・形質細胞・T細胞ニッチ(CN03、CN05、CN07、CN08)が良好予後と関連し(Fig. 3C)、独立コホートで再現された。CN07(腫瘍免疫境界面)ではFAP+CAFとCD8+T細胞の近接密度が全CN中最高であり(Fig. 3J)、CAFのT細胞-腫瘍細胞間への介在を定量するバリアスコアは病期I NSCLC患者でHR=2.06(95%CI 1.25-3.41、p=0.004)の不良無増悪生存(PFS)と関連した(n=当該コホート、Fig. 3N)。さらにLAG3+VISTA+CD4+Th細胞・HIF1A+好中球・Ki67+腫瘍細胞が共局在する免疫疲弊-低酸素複合エコシステム(CN04、20CN分類)が同定された(Fig. S4F)。
所見3 - CANVASがH&Eから高精度でCNを予測し9癌種5000例超に適用可能:
CANVASは病理基盤モデル(vision-language foundationモデル、病理画像・意味的注釈のペアで事前学習)を核とし、CODEX-H&E画像の単細胞レベル共登録データで学習した。独立テストセット(TMAコホート2)において精度0.83超、F1スコア0.79超、κ係数0.80超を達成し(Fig. 4B)、既存病理基盤モデルおよび畳み込みニューラルネットワークを有意に凌駕した(p<0.01)。CANVASをTCGA-LUAD・PLCO・NLSTコホート(合計約5000例)に適用すると、CODEX由来CNsと一致した予後関連ハビタット構造が再現され、8TCGA癌種の3724スライドに癌種依存的な予後関連が示された(Fig. S7F)。
所見4 - 空間エコタイプ4種の定義と免疫ゲノム特徴との統合:
TCGA-LUADコホートでCANVAS予測ハビタット比率の非教師あり合意クラスタリングにより4種の空間エコタイプが同定された:C-I(骨髄系炎症型、BCL2/BRAF共増幅)・C-II(線維性、MTOR/RAP1GAP欠失)・C-III(腫瘍濃縮型、CDKN1A/TGFB2増幅、EGFR変異優勢)・C-IV(免疫活性型、HIF1A/CD274増幅、TMB高、IFN-γシグネチャ陽性)(Figs. 4F-J)。エコタイプはバルクトランスクリプトーム分類から独立しており(クラメールのV=0.18)、多変量Cox解析でOSおよびDSSの独立予後因子となった(Fig. S6F)。
所見5 - CANVAS空間シグネチャが免疫療法PFS予測でPD-L1・TMBを凌駕:
免疫療法治療NSCLC患者の発見コホート(n=149例)において、H&E由来262空間特徴量から13特徴量の空間シグネチャを構築した。同シグネチャは6・12・24か月PFS予測のAUCそれぞれ0.75・0.73・0.71を達成し(Fig. 5J)、発見コホートでHR=2.42(95%CI 1.66-3.55、p<0.001、Fig. 5K)で患者を層別化した。PD-L1 TPS<1%サブグループおよびPD-L1 TPS≥1%サブグループでも有意な層別化が維持された(Figs. 5L,N)。外部検証コホート(Cancer Moonshot Biobank、n=40例)でもAUC 0.75超(Fig. 5M)、HR=4.56(95%CI 1.44-14.39、p<0.01)が達成され、既存バイオマーカー(腫瘍変異負荷(TMB)・PD-L1・TLSスコア)を有意に上回り(p<0.05)、多変量モデルでも独立予測因子であった(p=0.002、Fig. S8L)。
考察/結論
本研究は先行研究が達成できなかったCODEX規模の空間プロテオミクスデータからのH&E予測が、生物学的整合性の高い空間エコロジカルドメイン(CN)をターゲットとすることで初めて高精度で実現できることを示した。従来のH&E-to-protein推定研究(Keren et al. 2019; Rivenson et al. 2020)は個別タンパクの発現予測精度が低く標準化も困難であったのと異なり、CANVASは機能的な多細胞空間ニッチを高精度で推定するという新規な戦略を採用した。この結果、がん生物学における空間プロテオミクスと組織病理学の統合への応用が加速している(Frangieh et al. NatCancer 2026)。免疫療法バイオマーカーの観点では、チェックポイント阻害薬(ICB)治療メラノーマのマルチオミクスプロファイリングで奏効予測因子を同定した先行研究(Newell et al. CancerCell 2022)と比較して、CANVASは通常H&Eのみから空間的なICB奏効予測を可能にした点で実臨床適用性が大きく向上している。
NSCLC固有の知見として、CN06(好中球優勢ゾーン)が免疫療法抵抗性と関連し、そのNSCLC・大腸癌における治療的標的としてSX-682(CXCR1/2阻害剤)の臨床試験が既に進行中であることが示された。また、CN07のFAP+CAF-T細胞バリアが治療抵抗性ニッチを形成するという知見は、NOX1/4阻害剤setanaxibとペンブロリズマブ併用戦略の根拠と一致する。さらにLiang et al. CancerCell 2026が指摘する解釈可能な空間バイオマーカー探索のアプローチを補完し、H&EからAI駆動で空間ニッチを定量化するCANVASの臨床価値を実証した。
臨床応用の観点では、CANVASが9癌種5000例超への適用可能性を示したことは、精密腫瘍学のための普遍的な空間プロファイリングプラットフォームとしての潜在能力を意味する。PD-L1 TPS<1%のサブグループでも免疫療法奏効を予測できることは、既存バイオマーカー陰性の患者集団での意思決定に特に有望である。さらに、EGFR変異やKRAS変異を持つ「免疫療法困難」分子サブタイプ内でも奏効予測が可能であることが示された。
残された課題として、CANVASは現在NSCLC CODEX空間プロテオミクス由来のCN定義に基づくため、他癌種での直接的な空間CN構築と検証が必要である。また、同一患者内の腫瘍内空間不均一性がH&Eから構築されたCANVASシグネチャをどの程度影響するか、また生検サンプリングの偏りへの対処も将来的検討課題である。
方法
Stanford大学でNSCLC患者457例の腫瘍組織(TMAコホート1: n=337例、TMAコホート2: n=120例、全切片10枚)に対して41プレックスCODEX空間プロテオミクス(Akoya Biosciences)を実施した。核セグメンテーションはCellpose、セルタイプアノテーションはマーカーガイド線形分類を使用した。空間インタラクション解析には置換ベースアプローチ、共起解析にはピアソン相関を適用した。GNNによるトポロジー解析にはロバストランク集計(RRA)で予後関連トリプレットを同定した。CNはスペクトラルクラスタリング(固定半径内の細胞型組成)で定義した。CANVASの基盤モデルにはvision-languageモデル(CHIEF)を使用し、H&E画像パッチ(224×224ピクセル)のCODEX-H&E共登録データで学習した。予後モデルはCox回帰(ハビタット比率・多様性・分散・インタラクション・距離・トランジション特徴量)で構築し、LASSO + RRAで13特徴量に縮約した。外部検証にはTCGA-LUAD・PLCO・NLST・Cancer Moonshot Biobank(CMB、n=40例)を使用した。免疫療法コホートはペンブロリズマブ・アテゾリズマブ・ニボルマブ等ICBを投与されたNSCLC患者149例(Stanford発見コホート)と40例(CMBコホート、NCT03228186関連試料)を含む。CANVASのAUCは時間依存AUCで評価した。PFS予測の有意性はCox回帰とlog-rank検定を使用した。