- 著者: Yun Yan, Yiyun Lin, Tapsi Kumar, et al.
- Corresponding author: Clinton Yam / Nicholas Navin (UT MD Anderson Cancer Center, Houston, TX)
- 雑誌: Nature
- 発行年: 2026
- Epub日: 2026-05-01
- Article種別: Original Article
- PMID: 42129561
背景
トリプルネガティブ乳がん (TNBC) は全乳がんの10〜20%を占める悪性度の高いサブタイプであり、エストロゲン受容体、プロゲステロン受容体、HER2のいずれも欠如するため、治療選択肢が限られている。早期TNBCの標準治療は術前化学療法 (NAC) であり、患者の40〜50%が病理学的完全奏効 (pCR) を達成し、その結果、生存率の改善が認められる (Liedtke et al. 2008)。近年では、免疫チェックポイント阻害薬との併用によりpCR率はさらに10〜15%向上することが報告されているが (Schmid et al. 2020)、どの患者がこの治療に奏効するかを事前に予測するバイオマーカーや手法はいまだ確立されていない点が臨床上の大きな課題である。
TNBCは患者間および腫瘍内に高度な不均一性 (ITH) を示すことが知られている (Karaayvaz et al. 2018)。これまでのバルク組織の遺伝子発現に基づく亜型分類は広く用いられてきたものの (Lehmann et al. 2011, Burstein et al. 2015)、腫瘍微小環境 (TME) の多様な細胞種が混在しているため、癌細胞固有の生物学的特性を正確に解釈することが困難であった (Ensenyat-Mendez et al. 2021)。また、従来の単一細胞RNAシーケンス (scRNA-seq) 研究は、TNBC患者を対象としたものが2〜34例と少数例に限られており (Azizi et al. 2018, Savas et al. 2018)、治療応答との関連性を統計的に十分なパワーを持って検討できていなかった点が不足していた。さらに、TNBCにおけるscRNA-seqと空間トランスクリプトームの統合解析はほとんど行われておらず、癌細胞とTME細胞の多細胞コミュニティ (エコタイプ) やその空間的組織化を包括的に解析した研究はこれまで報告されていなかった。これらの知識ギャップが、TNBCの治療応答予測と個別化医療の進展を妨げる要因となっている。
目的
本研究は、トリプルネガティブ乳がん (TNBC) の術前化学療法 (NAC) 応答を規定する癌細胞および腫瘍微小環境 (TME) の特性を包括的に解明することを目的とした。具体的には、(1) 治療前TNBC患者の大規模コホートから得られた生検組織を用いて、単一細胞RNAシーケンス (scRNA-seq) と複数の空間トランスクリプトーム技術を統合的に解析し、癌細胞固有の発現プログラム (アーキタイプおよびメタプログラム) とTME細胞状態を網羅的に同定すること、(2) これらの細胞種および細胞状態間の共存ネットワークを解析することで、多細胞コミュニティであるエコタイプとその組織内での空間的ニッチを解明すること、(3) 同定されたアーキタイプ、メタプログラム、TME細胞状態、およびエコタイプがNAC応答（病理学的完全奏効; pCR）および患者の生存期間とどのように関連するかを詳細に検討すること、(4) これらの知見に基づき、NAC応答を予測するための臨床応用可能なバイオマーカーパネルと予測モデルを構築し、複数の外部コホートでその有効性を検証することを目的とした。
結果
癌細胞アーキタイプと化学療法奏功性: 97名の患者から得られた49,275個の癌細胞を解析し、4つの患者レベルの癌細胞アーキタイプ (ARC1-4) を同定した (Fig. 2a, b)。ARC1 (n=23 patients) はルミナル分泌様 (luminal secretory-like) でEGFR/CDK6高発現、ARC2 (n=32 patients) は基底細胞様 (basal-like) でEMT・筋原性サインが豊富、ARC3 (n=28 patients) はインターフェロン応答性でIFN-γ/α応答・炎症性経路が活性化しTOP2A・CD274 (PD-L1) 高発現、ARC4 (n=14 patients) はアンドロゲン受容体関連でGATA3高発現という特徴を示した (Fig. 2b, f, j)。アーキタイプ分類はNAC応答と有意に関連し (P=7.1×10⁻³, chi-squared test)、ARC2は残存病変 (RD) と、ARC3は病理学的完全奏効 (pCR) と関連した (Fig. 2h)。この関連性はBrighTNessコホートでも再現され (P=0.024)、METABRICコホートではARC2が有意に短い全生存期間 (P<0.05, Wald test)、ARC3が有意に長い全生存期間 (P<0.05, Wald test) と関連した (Fig. 2i)。空間トランスクリプトーム解析により、46名中37名 (80%) で単一アーキタイプが支配的であることが確認され、分類の一致性が示された (Fig. 2g)。
癌細胞メタプログラムとNAC応答関連: 癌細胞内の不均一性を解明するため、13のメタプログラムを同定した (Fig. 3a, b)。これらには、細胞周期関連 (M1-G2/M, M7-S)、エネルギー代謝関連 (M2-ミトコンドリア, M3-リボソーム)、ストレス関連 (M4-ストレス, M8-低酸素, M13-ERストレス)、免疫シグナル関連 (M5-インターフェロン, M6-HLA)、上皮系譜関連 (M9-基底型, M10-EMT, M11-LumSec, M12-コレステロール) が含まれた。NAC応答と有意に関連したメタプログラムはM5-インターフェロン (q=0.0359)、M7-S期 (q=0.0492)、M13-ERストレス (q=0.0359) であり、これらはpCR群で細胞頻度およびシグネチャースコアが有意に高値であった (Fig. 3e, f)。M6-HLA (HLA class II遺伝子) は、細胞頻度には差がないものの、pCR群でシグネチャースコアが有意に高かった (q=0.0304)、これは癌細胞固有の発現として確認された (Fig. 3f, j)。M7-S期メタプログラムの活性化は、pCR腫瘍におけるS/G2M期細胞の割合増加 (S期 26.1% vs 13.2%、G2/M期 17.2% vs 15.1%) およびKi-67陽性率の有意な上昇 (P=0.0078) と一致した (Fig. 3h, i)。
腫瘍微小環境 (TME) 細胞状態とNAC応答関連: 骨髄系細胞 (n=49,004 cells) では15の細胞状態を同定し、そのうち7/8のマクロファージ状態がpCR/RD間で有意差を示した (Fig. 4a, b)。pCR群ではMac-IFN (ISG15, CXCL10/11) とMac-lip-C1Q (APOE, C1QA/B/C) が豊富であり、RD群ではMac-CCL、Mac-CXCL、Mac-ECM、Mye-prolifが有意に多かった (q<0.05)。T/NK細胞 (n=254,315 cells) の14状態では、補正後有意差は認められなかった (q>0.05)。しかし、擬似バルクデータでは、CD8-Texh細胞に濃縮される免疫チェックポイント遺伝子LAG3およびHAVCR2 (TIM-3) がpCR群で高発現していた。B細胞 (n=52,015 cells) の6状態にはpCR/RD間で有意差はなかった。間質細胞では、線維芽細胞、内皮細胞、周皮細胞の3種が同定され、Peri-immune細胞 (CCL19/21, CFD) がpCR群で豊富であり、腫瘍内皮細胞 (TEC) がRD群で多かった (q<0.05) (Fig. 4e-h)。
エコタイプと空間ニッチ: 癌細胞メタプログラムとTME細胞状態の共存ネットワーク解析により、8つのエコタイプを同定した (Fig. 5a)。Ecotype-8はCD8-TIFN、CD4-TIFN、Mac-IFN、BIFN、M5-インターフェロン、M6-HLAを含む「ホット」なTMEを形成し、pCRと強く関連した。pCR群はEcotype-5、TLS様Ecotype-6、Ecotype-8で豊富であり、RD群はEcotype-3 (細胞遊走関連・Mac-ECM・M10-EMT) と免疫抑制性Ecotype-4 (CD4-Treg・NK-CD16low・CAF・TEC) で豊富であった (Fig. 5c)。Xenium空間解析 (n=44 patients) では10の空間ニッチを同定し、Ecotype-8細胞が空間ニッチN2に、Ecotype-6のTLS細胞がN9に共局在していることが示された (Fig. 5d, g, h, i)。
NAC応答予測モデル: 細胞頻度ベースの機械学習モデルでは、ロジスティック回帰が最高のAUC=0.84を達成した。このモデルの主要な特徴量として、癌細胞メタプログラム3つと骨髄系細胞状態2つが抽出され、NAC応答が癌細胞とTME細胞の両方によって規定されること、特にマクロファージ細胞が他の免疫細胞種よりも重要な役割を果たすことが示唆された。さらに、13遺伝子からなるバルク発現予測パネルを開発し、I-SPY2およびBrighTNessコホートでリスクスコアがpCR/RD間で有意差を示した (P<0.05)。SCAN-BコホートおよびMETABRICコホートの全生存期間とも有意に関連し (P=0.012 vs P=0.0076, Wald test)、METABRICでは高リスク群が低リスク群より有意に短い全生存期間を示した (P=0.034, log-rank test)。
考察/結論
先行研究との違い: これまでのTNBC亜型分類はバルク組織の遺伝子発現プロファイルに基づいており、免疫細胞と癌細胞の混在により癌細胞固有の生物学的特性の解釈が困難であった (Lehmann et al. 2011, Burstein et al. 2015)。本研究は、癌細胞固有の単一細胞RNAシーケンス (scRNA-seq) データに基づくアーキタイプ分類により、ARC3 (インターフェロン応答性) の免疫調節シグナルが癌細胞に固有のものであることを明確に示した点で、これまでの「免疫調節サブタイプは主に免疫細胞の存在を反映する」という通説と異なり、重要な知見を提供する。また、T/NK細胞に研究が集中しがちであった先行研究に対し、本研究はマクロファージサブタイプがNAC応答において中心的な役割を果たすことを際立たせた点で独自性がある。
新規性: 本研究は、427,857 cells、101名の患者という前例のない規模のTNBC単一細胞アトラスを構築し、複数の空間トランスクリプトーム技術 (Xenium, VisiumHD, Visium) を用いてその知見を検証した点で新規性が高い。単一細胞レベルで癌細胞、免疫細胞、間質細胞の三者を同時に解析し、これらの細胞種間の共存ネットワークを基に多細胞コミュニティであるエコタイプを定義したことは、これまで報告されていないアプローチである。さらに、本研究で開発された13遺伝子パネルによるNAC応答予測モデルは、その細胞起源が明確であり、既存のバルク発現型パネルに対する優位性がある。
臨床応用: 本研究で同定された癌細胞アーキタイプ、メタプログラム、腫瘍微小環境 (TME) 細胞状態、およびエコタイプは、TNBCの個別化治療戦略の策定に貢献する可能性を秘めている。特に、開発された13遺伝子パネルは、将来的に臨床診断アッセイとして実装可能であり、術前化学療法の治療選択における意思決定支援に役立つことが期待される。また、TROP2 (TACSTD2) が全アーキタイプで高発現していたことから、TROP2標的抗体薬物複合体 (ADC) (例: sacituzumab govitecan) が転移性TNBCのみならず、早期TNBCにおいても有効である可能性が示唆される。さらに、CD8-Texh細胞で高発現していたLAG3およびHAVCR2 (TIM-3) を標的とした免疫チェックポイント阻害療法の効果も期待される。
残された課題: 本研究は化学療法単独を主な検討対象としており、現在の早期TNBCの標準治療である化学免疫療法への知見の外挿には限界がある点が残された課題である。また、コアバイオプシー検体と液滴型scRNA-seqプラットフォームの技術的偏向により、間質細胞数が比較的少なく、線維芽細胞や周皮細胞の解析精度には制限がある可能性がある。今後の研究では、前処置、治療中、治療後の縦断的なサンプリングによる癌細胞とTMEの共進化の解明、そして大規模な前向きコホートでの13遺伝子パネルの検証が優先課題となる。これらの課題を克服することで、TNBCの治療応答予測と個別化医療のさらなる進展が期待される。
方法
本研究では、ARTEMISコホート (NCT02276443) に登録された早期TNBC患者108名から採取された治療前コアバイオプシー検体を用いた。このうち、50名がpCRを達成し、39名が残存病変 (RD) を示し、19名は応答データが利用できなかった。新鮮組織からは単一細胞RNAシーケンス (scRNA-seq) を施行し、凍結またはFFPE (formalin-fixed paraffin-embedded) 組織からは空間トランスクリプトーム解析（Xenium 44名、VisiumHD 13名、Visium 7名）を実施した。
scRNA-seq解析では、101名の患者から合計427,857 cellsを解析し、1患者あたりの平均細胞数は7,265 cells、平均シーケンス深度は75,172 reads/cellであった。異数性癌細胞はCopyKAT (Gao et al. 2021) によるコピー数変異 (CNA) 推定を用いて同定した。空間トランスクリプトーム解析は、Xeniumで44名（新鮮凍結12例、FFPE 32例）、VisiumHDで13例、Visiumで7例の検体に対して実施した。
患者レベルの癌細胞アーキタイプは、各患者のpseudo-bulk癌細胞の遺伝子発現プロファイルを用いて非負行列因子分解 (NMF) とクラスタリングにより同定した。癌細胞内の不均一性 (ITH) を反映するメタプログラムは、各患者の癌細胞におけるNMF因子を再帰的にクラスタリングすることで抽出した。TME細胞状態は、各細胞区画（骨髄系細胞、T/NK細胞、B細胞、線維芽細胞、内皮細胞、周皮細胞）を独立してクラスタリングし、既知のマーカー遺伝子に基づいてアノテーションした。
エコタイプは、癌細胞メタプログラムとTME細胞状態の細胞頻度間の共存ネットワークを構築し、Louvain法を用いたコミュニティ検出により8つのサブネットワークとして定義した。空間ニッチは、Xeniumデータにおける細胞の共局在解析（半径30 µmの領域内の細胞組成）により10個のニッチを同定した。
NAC応答予測モデルの構築には、細胞頻度ベースの機械学習アプローチを採用し、ロジスティック回帰、線形判別分析、ランダムフォレストを比較した。最終的に、ロジスティック回帰モデルが最も高い予測性能を示したため、これを用いて13遺伝子からなるバルク発現予測パネルを開発した。この予測パネルは、I-SPY2 (Wolf et al. 2022)、BrighTNess (Loibl et al. 2018)、METABRIC (Curtis et al. 2012)、SCAN-B (Saal et al. 2015) の4つの外部コホートでその有効性を検証した。統計解析には、Wilcoxon順位和検定、カイ二乗検定、Cox比例ハザードモデル、Log-rank検定などを用い、多重比較補正にはBenjamini-Hochberg法を適用した。