- 著者: Veronica Davalos, Gerardo Ferrer, Manel Esteller
- Corresponding author: Veronica Davalos (Josep Carreras Leukaemia Research Institute; vdavalos@carrerasresearch.org); Manel Esteller (mesteller@santpau.cat)
- 雑誌: Trends in Cancer
- 発行年: 2026
- Epub日: N/A
- Article種別: Review
- PMID: 42086381
背景
DNAメチル化は、がん細胞において広範に異常を来すエピジェネティック修飾であり、1980年代初頭の発見以来、腫瘍抑制遺伝子 (TSG) のCpGアイランドプロモーターにおける過剰メチル化 (hypermethylation) によるサイレンシングが発がんの重要機構として確立されてきた。がん細胞におけるエピジェネティックな変化については、Feinberg et al. (1983) によるゲノム全体の低メチル化 (hypomethylation) の発見や、Herman et al. (1995) によるp16遺伝子のメチル化サイレンシング、さらにMerlo et al. (1995) やGonzalez-Zulueta et al. (1995) などの先駆的研究によって、その普遍的な重要性が示されてきた。これらのDNAメチル化変化は腫瘍細胞固有の特徴として保存されており、ホルマリン固定パラフィン包埋 (FFPE) 検体や循環腫瘍DNA (ctDNA) においても検出可能であることが、バイオマーカーとしての実用性を高めている。
Illumina HumanMethylation 450K arrayおよびEPIC (850K) arrayの普及により、The Cancer Genome Atlas (TCGA) などの大規模データセットから網羅的なメチル化プロファイルが蓄積され、治療応答との相関解析が加速した。MGMT (O6-methylguanine-DNA methyltransferase) プロモーターメチル化による膠芽腫 (GBM) へのtemozolomide (TMZ) 感受性予測は、NCCNガイドラインに採用された最初の臨床的DNAメチル化バイオマーカーであり、その後の研究でBRCA1メチル化と卵巣がんのPARP (poly(ADP-ribose) polymerase) 阻害薬感受性、MLH1メチル化と大腸がん (CRC) の免疫チェックポイント阻害薬 (ICI) 感受性など、複数の固形がんにわたる予測バイオマーカーが報告されている。さらに、CAR-T (chimeric antigen receptor T-cell) 療法用T細胞の製造工程中にも特有のメチル化変化が生じ、治療転帰と相関することが明らかになった。
しかしながら、これらのDNAメチル化バイオマーカーを実際の臨床現場へ導入するにあたっては、依然として多くの課題が残されている。特に、腫瘍内不均一性や解析プラットフォーム間の標準化の欠如、さらには多様な治療モダリティを横断した網羅的なエビデンスの統合が不足しているという現状がある。また、多くの新規シグネチャーにおいて、大規模な前向き臨床コホートを用いた検証が不足しており、日常的な意思決定支援ツールとしての実用化には至っていない。このように、臨床実装に向けた標準化プロトコルやカットオフ値の設定、さらには液体生検における検出感度の向上に関する研究が不十分であり、個別化医療における動的バイオマーカーとしてのポテンシャルを十分に発揮できていないという知識のギャップ (knowledge gap) および課題が存在する。本総説は、これら複数の治療モダリティにわたるDNAメチル化バイオマーカーの現状と課題を包括的に整理し、精密医療への実装に向けた展望を提示している。
目的
化学療法、分子標的療法、免疫療法 (ICI)、CAR-T細胞療法、およびエピジェネティック療法の各モダリティにわたって、治療応答予測に有効なDNAメチル化バイオマーカーの現状を体系的にレビューすること。また、液体生検への応用可能性、薬理エピゲノミクスデータベースの役割、および臨床実装上の課題を論じ、精密医療への貢献と今後の展望を提示すること。本レビューは、DNAメチル化が診断だけでなく、治療選択における動的かつ実行可能な意思決定支援ツールとしての可能性を最大限に引き出すことを目的としている。これにより、患者層別化の精度向上と、不必要な治療関連毒性の回避に貢献することが期待される。
結果
MGMTメチル化と化学療法応答：最確立バイオマーカーの臨床実装: 膠芽腫 (GBM) におけるMGMTプロモーターメチル化は、アルキル化剤であるtemozolomide (TMZ) 感受性予測の最も確立されたDNAメチル化バイオマーカーであり、NCCNガイドラインに組み込まれている (Hegi et al., 2005)。MGMTタンパクはアルキル化剤によりO6位に付加したグアニン修飾を除去するDNA修復酵素であり、プロモーターメチル化によってその発現が抑制された腫瘍はTMZによるDNA損傷を修復できず感受性が高まる。前向き無作為化比較試験での検証により、MGMTメチル化GBM患者はTMZへの奏効率が有意に高く、長期生存者 (診断後6年以上の生存) ではMGMTメチル化率が78%に上ることが示されており、非長期生存者の39%と対照的である (p<0.001) (Martinez et al., 2007)。GBM全体のMGMTメチル化頻度は約40〜50%とされており、適格患者の選択において重要な情報を提供する (Table 1)。液体生検分野では、細胞外小胞 (extravesicle) 中のMGMTメチル化検出の感度が85.7%に達し、組織生検との一致率が90%であることが報告されており (Rosas-Alonso et al., 2024)、n=47のパイロットコホートで検証された経時的モニタリングへの応用が期待されている (Fig 1)。
化学療法応答に関連するその他のメチル化バイオマーカー: 結腸直腸がん (CRC) におけるSRBC (sarcoma amplified sequence related to BRCA1; 別名 CAVIN3) の過剰メチル化はoxaliplatin耐性と関連することが報告されている (Moutinho et al., 2014)。SRBCはFANCA・BRCA1と相互作用することでDNA架橋修復に寄与しており、その転写サイレンシングが白金製剤の細胞毒性機構を回避する経路を提供する。薬剤トランスポーターおよび代謝酵素のメチル化として、ABCB1 (ATP-binding cassette subfamily B member 1) のプロモーター低メチル化による発現亢進はドキソルビシン細胞外排出を促進し、GSTP1 (glutathione S-transferase pi 1) の過剰メチル化による発現抑制は乳がんにおけるdoxorubicin応答と相関することが示されている (Dejeux et al., 2010)。ABCB1のプロモーター低メチル化はドキソルビシン治療中の疾患進行と関連した。また、SLFN11 (Schlafen family member 11) のプロモーターメチル化は造血器腫瘍および固形がんにおける白金製剤・トポイソメラーゼ阻害薬への感受性低下と関連し、免疫チェックポイント阻害薬との併用における感受性回復のメカニズムとしても注目されている (Nogales et al., 2016)。
分子標的療法応答を予測するDNAメチル化バイオマーカー: 高異型度漿液性卵巣がん (HGSOC) において、BRCA1プロモーターメチル化はPARP阻害薬 (PARPi: rucaparib, olaparib) 感受性の重要な予測因子として確立されつつある (Kondrashova et al., 2018; Swisher et al., 2021)。ARIEL2試験 (rucaparib維持療法) における解析では、BRCA1の全コピーがメチル化された状態 (ホモ接合型またはヘミ接合型メチル化) あるいは高レベルメチル化 (≥70%) の場合のみが有効な予測指標となり、部分的メチル化 (50〜70%) ではPARPi感受性を予測できないことが明らかになった (Swisher et al., 2021)。さらにKOMET試験では、BRCAnessスコアとBRCA1メチル化の組み合わせが奏効予測精度を向上させることが示されており、BRCA1メチル化単独よりも相補的な評価が重要視される (Nougarede et al., 2025)。メラノーマではTBC1D16 (47KD) の低メチル化による発現亢進がEGFR経路のrewiringを引き起こし、BRAF阻害薬 (vemurafenib) およびMEK阻害薬への感受性増加と関連することが示された (Vizoso et al., 2015)。BRAF V600E変異メラノーマにおいて、TBC1D16低メチル化腫瘍はBRAFi/MEKi治療後の奏効が優れ、この知見はTBC1D16がRab GTPase活性化タンパクとして増殖因子受容体のエンドサイトーシスを制御し、EGFR-MAPK signaling を間接的に増幅する機構と整合する。去勢抵抗性前立腺がん (mCRPC) では、AKR1B1、KLF8、LDAHの3遺伝子からなるメチル化シグネチャーをctDNA液体生検で検出するアプローチが開発されており、abiraterone acetate、docetaxel、cabazitaxelへの応答と相関することが示されている (Dillinger et al., 2022)。液体生検ベースのアプローチは組織生検が困難なmCRPCにおいて特に実用価値が高い (Table 1)。
免疫チェックポイント阻害薬・CAR-T療法応答の予測バイオマーカー: dMMR-MSI-H CRCにおけるMLH1プロモーターメチル化は、MMR機能喪失の原因として最も多く (散発性CRCの約15〜20%、全CRC中のdMMR症例の60〜70%に相当)、腫瘍変異負荷 (TMB) の上昇と高MSIを通じてICI感受性を付与する (Herman et al., 1998)。MLH1メチル化を有するdMMR-MSI-H CRC患者はKEYNOTE-177試験 (pembrolizumab vs FOLFOX/FOLFIRI) において、pembrolizumab群で優れた無増悪生存期間を示し、HR 0.60 (95% CI 0.45-0.80, p=0.0002) を達成した (Andre et al., 2020)。さらに、CHECKMATE-8HW試験 (nivolumab+ipilimumab) においても高い奏効率が示されており、FDAは両薬剤をdMMR-MSI-H CRC一次治療として承認している (Andre et al., 2025)。非小細胞肺がん (NSCLC) では301 CpGサイトから構成されるEPIMMUNEシグネチャーがnivolumab/pembrolizumabへの応答を予測し、AUC 0.78を達成してPD-L1 TPS (AUC 0.61) やTMB (AUC 0.65) より高い予測精度を示したことが報告されている (Duruisseaux et al., 2018)。EPIMMUNEの解析にはIllumina EPIC arrayを使用し、T細胞機能や免疫回避に関連する遺伝子座のメチル化パターンを特徴量として機械学習モデルを構築した (Fig 1)。メラノーマではLAG3のプロモーターメチル化がICI応答と相関し、20 CpGサイトから構成される分類モデルがICB治療後の奏効群と非奏効群を区別することが示されている (Frohlich et al., 2020; Filipski et al., 2021)。多発性骨髄腫 (MM) ではPVR (poliovirus receptor, CD155) のプロモーターメチル化状態が、二重特異性抗体 (BiTE) や養子細胞療法に対する応答を修飾する可能性が示唆されており、NK細胞やT細胞のTIGIT/CD226経路を介した免疫回避機構との関連がテ唱されている (Martinez-Verbo et al., 2024)。B細胞悪性腫瘍 (ALLおよび非ホジキンリンパ腫) ではCAR-T19 (CD19標的CAR-T) 輸注前のT細胞エピゲノムプロファイルから18 CpGサイトで構成されるEPICARTシグネチャーが完全奏功 (CR) を予測することが示されており、AUC 0.82の判別精度を達成した (Garcia-Prieto et al., 2022)。ex vivo培養拡大中に蓄積するDNAメチル化が疲弊プログラムの確立に寄与し、製造期間の短縮 (14日→7日) が機能温存に有効である知見が得られている (Salz et al., 2023)。EPICARTはCAR-T製造時の品質評価指標としての応用が期待される。
液体生検・薬理エピゲノミクスへの応用拡大: 尿路上皮がん (膀胱がん) ではcfDNAから算出するmR-scoreが、Illumina EPICアレイとランダムフォレスト分類器を用いて構築されており、ゲムシタビン/シスプラチン (GC) およびdose-dense methotrexate/vinblastine/doxorubicin/cisplatin (ddMVAC) による術前化学療法 (NAC) への応答を予測する (Lu et al., 2023)。この予測精度はPhase 2 SWOG S1314試験データから検証されており、病理学的完全奏効 (pCR) を達成するサブグループを同定することでNAC過剰投与を回避する可能性がある。液体生検としてのDNAメチル化解析はアクセス困難な転移部位の状態をモニタリングし、腫瘍内不均一性の一側面を反映できる点で組織生検を補完する。薬理エピゲノミクス (pharmacoepigenomics) の分野では、CCLE (約1000細胞株) およびDepMap of DNAメチル化プロファイルと薬剤感受性データを統合した解析が進んでいる (Barretina et al., 2012; Ghandi et al., 2019)。1001細胞株×265化合物の大規模データセット (Iorio et al., 2016)、NCI-60 CellMinerデータベース (Reinhold et al., 2012)、180造血器腫瘍細胞株のEPICアレイデータ (Noguera-Castells et al., 2025) が公開されており、機械学習による薬剤応答予測モデルの構築や、未知の相関関係の発見に活用されている。DNMTi (azacitidine・decitabine) に対する応答予測としては、39 CpGサイトから構成されるEPIAZAシグネチャーが骨髄異形成症候群 (MDS) および急性骨髄性白血病 (AML) における応答を予測することが示されており、TSGの選択的脱メチル化パターンが奏効の分子的基盤となっている (Noguera-Castells et al., 2024)。
考察/結論
先行研究との違い: 本レビューは、DNAメチル化バイオマーカーが複数の治療モダリティにわたって治療応答予測能を持つことを体系的に整理した点で重要な意義を持つ。これまでの研究では個別の治療法に対するバイオマーカーの報告が中心であったのと異なり、本総説はMGMTとtemozolomideの関係が最初の臨床実装DNAメチル化バイオマーカーとして確立されて以来、BRCA1-PARPi、MLH1-ICI、EPICART-CAR-Tと多様な治療との相関が発見され、エピジェネティック修飾が予測バイオマーカーとして機能する普遍的な原理が浮かび上がっていることを強調する。
新規性: 本総説の新規性は、分子標的療法、免疫療法、CAR-T療法、エピジェネティック療法まで治療モダリティを横断した統一的フレームワークを提示した点にあり、各バイオマーカーのエビデンス水準、検証段階、液体生検への移行可能性を系統的に比較したことにある。特に、薬理エピゲノミクスデータベースの活用が新たなバイオマーカー発見を加速させている現状を包括的に提示したことは、これまで報告されていない視点である。
臨床応用: 本知見は、DNAメチル化バイオマーカーが精密医療の実現において中心的役割を担うポテンシャルを有することを示唆する。ベッドサイドでの臨床応用を加速するためには、複数の障壁を克服する必要がある。第一に、腫瘍内不均一性 (intratumoral heterogeneity) の問題として、バルク組織から得たDNAメチル化プロファイルは腫瘍内の細胞集団の平均値を反映するにとどまり、応答・耐性を規定する少数クローンの特性を見落とす可能性がある。シングルセルATAC-seq (scATAC-seq) やシングルセルメチル化解析の統合がこの課題を解決しうる。第二に、BRCA1メチル化の場合に示されるように、部分メチル化 (50〜70%) と高メチル化 (≥70%) の境界値設定が臨床判断に直結するため、カットオフの標準化と多施設前向き検証が不可欠である。第三に、解析プラットフォーム間のバッチ効果や、Illumina 450K vs EPIC arrayの移行に伴う測定値の不一致が再現性を低下させており、ハーモナイゼーション手法の確立が急務である。
残された課題: 今後の検討課題として、単一バイオマーカーから多CpGシグネチャー (EPIMMUNE, EPICART, EPIAZAなど) へのパラダイムシフトが進む一方、これらのシグネチャーの大大規模前向き試験での検証はまだ不十分である。特にEPIMMUNE (NSCLC/ICI) の単施設後ろ向き研究から多施設前向き試験への移行が次のステップとして求められる。液体生検では、cfDNAのメチル化解析は腫瘍内不均一性の克服と経時的モニタリングの両方で優れているが、低ctDNA分率 (<1%) における偽陰性率の低減が技術的課題として残る。薬理エピゲノミクスデータベースの活用においては、細胞株モデルと患者腫瘍間のメチル化差異 (継代培養による経時的メチル化変化) を考慮した解析が不可欠であり、patient-derived organoids (PDO) や patient-derived xenografts (PDX) との統合が予測精度を向上させると期待される。規制、経済、および解釈可能性の障壁に対処することも、臨床実装と受容を促進するために不可欠である。
方法
本レビューは、DNAメチル化バイオマーカーによる治療応答予測に関する包括的な文献調査に基づいている。特に、Illumina 450K/EPIC arrayを中心とした網羅的メチル化プロファイリング研究に焦点を当てた。文献検索は、主要な医学・生物学データベースである PubMed、Embase、Cochrane Library、Web of Science を用いて行われ、2025年までの関連論文が網羅的に対象とされた。
対象とした研究デザインとデータソース:
- 臨床試験データ:
- 前向き無作為化比較試験 (RCT): MGMTメチル化とtemozolomide応答に関する検証試験 (Hegi et al., 2005)、dMMR (mismatch-repair deficiency)-MSI-H (high microsatellite instability) CRCにおけるICIの有効性を評価したKEYNOTE-177試験 (Andre et al., 2020) およびCHECKMATE-8HW (Nivolumab plus Ipilimumab in Microsatellite Instability-High Metastatic Colorectal Cancer) 試験 (Andre et al., 2025)。
- 後ろ向きコホート研究: ARIEL2 (Assessment of Rucaparib in Ovarian Cancer Trial 2) 試験におけるBRCA1メチル化とPARP阻害薬感受性の解析 (Kondrashova et al., 2018; Swisher et al., 2021)、KOMET (Key Ovarian Methylation Evaluation Trial) 試験におけるBRCA1メチル化のtheragnosticバイオマーカーとしての評価 (Nougarede et al., 2025)、SWOG S1314試験における膀胱がんの術前化学療法 (NAC) 応答予測のためのcfDNAメチル化解析 (Lu et al., 2023)。
- その他の臨床研究: 乳がんにおけるABCB1 (ATP-binding cassette subfamily B member 1) およびGSTP1 (glutathione S-transferase pi 1) メチル化とドキソルビシン応答の関連 (Dejeux et al., 2010)、転移性乳がんにおけるベバシズマブ応答予測のためのDNAメチル化シグネチャー (Gampenrieder et al., 2018)、TNBC (triple-negative breast cancer) におけるNAC応答予測のためのDNAメチル化バイオマーカー (Meyer et al., 2021; Pineda et al., 2019)、NSCLCにおけるEPIMMUNEシグネチャーとICI応答の関連 (Duruisseaux et al., 2018)、CAR-T細胞療法におけるEPICARTシグネチャーの予測能 (Garcia-Prieto et al., 2022)。
- 大規模薬理エピゲノミクスデータベース:
- Cancer Cell Line Encyclopedia (CCLE) およびCancer Dependency Map (DepMap): 約1000細胞株の遺伝子発現、DNAメチル化、ヒストン修飾、miRNA発現などの多層オミクスデータと、約500細胞株に対する24種類のがん治療薬の薬理応答プロファイルを統合したデータベース (Barretina et al., 2012; Ghandi et al., 2019; Tsherniak et al., 2017)。
- Genomics of Drug Sensitivity in Cancer (GDSC): 1001種類のヒトがん細胞株に対する265種類のがん治療薬の感受性データを網羅的に解析したデータベース (Iorio et al., 2016)。
- NCI-60 CellMiner: NCI-60ヒトがん細胞株パネルのゲノム、トランスクリプトーム、DNAメチル化、miRNA、タンパク質発現、薬剤感受性データを統合したプラットフォーム (Reinhold et al., 2012; Reinhold et al., 2017)。
- 180造血器腫瘍細胞株を対象としたEPICアレイ解析データ (Noguera-Castells et al., 2025)。
DNAメチル化解析手法:
- 定量的なメチル化解析: メチル化特異的PCR (MSP)、パイロシーケンシング、メチル化特異的高分解能融解曲線分析 (MS-HRM)、デジタルドロップレットPCR (ddPCR)、MethyLightアッセイ。
- 網羅的メチル化プロファイリング: Illumina HumanMethylation27 BeadChip (27K array)、450K array、Infinium MethylationEPIC (EPIC) array、EPIC v2.0プラットフォーム。
- 次世代シーケンシング (NGS) ベースの手法: XmaI-reduced representation bisulfite sequencing (XmaI-RRBS)、Enzymatic Methyl-seq、TET-assisted pyridine borane sequencing (TAPS)、ナノポアシーケンシング。
バイオマーカーの評価軸: バイオマーカーの臨床的有用性は、感度、特異度、独立コホートでの再現性、FDA/NCCN承認の有無、および治療転帰 (奏効率、無増悪生存期間 [PFS]、全生存期間 [OS]) との相関を軸に評価した。機械学習モデルの性能評価には、受信者動作特性 (ROC) 曲線下面積 (AUC)、適合率-再現率曲線、精度、F1スコア、キャリブレーション測定などの複数の指標が用いられた。統計解析には、カプラン・マイヤー (Kaplan-Meier) 曲線とログランク (log-rank) 検定、およびコックス比例ハザード回帰 (Cox regression) モデルが生存期間解析に頻繁に用いられた。