結腸直腸がんのスクリーニングのためのマイクロバイオームに基づく診断ツール (GUILTI) (GUILTI)

結腸直腸がん（CRC）は、世界中で3番目に多いがん、2番目に多いがんによる死亡原因であり、2020年には新たに200万人近くが新規発症し、100万人が死亡しています。 過去数十年間で、平均リスク集団を対象とした集団ベースのスクリーニングプログラムが、がんの早期発見を通じて大腸がんの発生率と死亡率の両方を減らすための効果的な戦略として確立されました。 ほとんどの国で標準的な診断ツールである糞便免疫化学検査 (FIT) は、腺腫の見逃しと、主に不必要な結腸内視鏡検査の両方があり、診断率は依然として最適とは言えません。 これらの理由から、ここ数年、大腸がんの分野では、新規の非侵襲性バイオマーカーの同定が絶対的に提唱されています。 大量の証拠は、腸内マイクロバイオームの変化と特定の分類群（例：腸内細菌叢）の富化を示しています。 Fusobacterium nucleatum、Parvemonas micraなど）が大腸がんの発症に関与しています。 さらに、私たちのグループによるメタゲノムメタ分析を含む最近の研究では、大腸がん患者と健康な対照者を再現可能に識別できる共通の微生物の特徴を発見しました。 この証拠に基づいて、国際ガイドラインは最近、臨床現場で大腸がんのスクリーニングにマイクロバイオームに基づくバイオマーカーを利用することを提唱していますが、そのような研究は現在までのところまだ利用できません。

主な目的は、CRC および進行性結腸直腸腺腫を識別するための腸内マイクロバイオームに基づく診断ツールを開発することです。

二次的な目標は次のとおりです。

• FIT を臨床および結腸内視鏡検査の結果と関連付けるには
• 登録患者の腸内微生物叢を特徴付けるため
• マイクロバイオームの特徴を臨床および結腸内視鏡検査の結果と関連付けるため。 これは観察的前向き多施設共同研究であり、患者は国の結腸直腸がん（CRC）スクリーニングプログラムに登録されている患者の中から選択され、結腸内視鏡検査のスクリーニングのためにこの研究に関与するすべての施設に紹介される患者の中から選択されます。 すべての包含基準を満たし、除外基準 (この Web サイトの特定のセクションで詳しく説明されています) をまったく満たさない患者がこの研究の対象となります。サンプル サイズの計算に基づいて検証グループを含め、N=1202 人の患者が登録されます。 N=911 人の患者が必要であり、10% の潜在的なドロップアウトをカバーするために 91 人の患者を追加し、検証グループとして 200 人の患者 (研究コホートの 20%) を追加します。 この検証コホートに登録された患者は、他の患者と同じ除外基準および包含基準を持ち、同じ研究手順を受けることになります。 ベースラインでは、登録されたすべての患者は、登録から 2 週間以内に糞便サンプル (ゲノム保存用の緩衝液を使用して収集) を提供し、各臨床センターで -80°C で保管され、匿名化された ID が割り当てられます。 さらに、人口統計、臨床的特徴、検査データも記録されます。

登録されたすべての患者について、臨床医は次のデータを記録します。

• CRC のよく知られた歴史。
• 併存疾患;
• 薬物摂取;
• 胃腸（GI）および警報症状（鉄欠乏性貧血、血便、原因不明の体重減少、腹痛、排便習慣の突然の変化）。
• 食生活;
• 喫煙と飲酒。
• BMI (肥満指数);
• 定量的なFITデータ。
• 以前の FIT および/または結腸内視鏡検査および/または仮想結腸内視鏡検査に関する情報。

登録されたすべての患者は、結腸内視鏡検査の後、FIT 陽性から 4 週間以内に結腸内視鏡検査を受け、内視鏡の特徴 (パリクラスに基づくサイズ、部位、形状) を検査します。 検出された病変の組織病理学的特徴が収集されます。 進行性結腸直腸腺腫は、10 mm 以上の腺腫、および/または 25% 以上の絨毛成分を含む腺腫、および/または高度の異形成と定義されます。さらに、CRC と診断された患者は、合計検査も受けます。 - 病気の病期分類を行うための身体 CT スキャン。臨床診療では腫瘍学的経路が参照され、次のデータが収集されます: リンパ節転移および臓器転移の存在。 TNM (腫瘍-リンパ節-転移) クラス。登録段階は 48 か月間続きます。登録段階の終わりに、研究者はマイクロバイオーム分析を実行し、統計と機械を通じて臨床データ、内視鏡データ、微生物データを組み合わせます。 CRCおよび進行性結腸直腸腺腫に関連する特定の微生物バイオマーカーを特定する学習アルゴリズムを使用して、スコアリングシステムに基づいた新しい診断ツールを開発します。

研究結果については、この Web サイトの特定のセクションで詳しく説明されています。 マイクロバイオーム分析はショットガンシーケンス技術を使用して実行されます。 さらに、CRC および進行性結腸直腸腺腫に主に関連する微生物種のパネルを取得するために、研究者らは、たとえば広く採用されているランダム フォレスト アルゴリズムを使用した機械学習アプリケーションや、大規模なコホートを以前に公開されたコホートと統合するメタ分析アプローチを活用します。メタゲノムコホート。 CRC および進行性結腸直腸腺腫に主に関連する微生物種の定義されたパネルは、FIT 診断ツールの検査の精度を向上させ、臨床医が容易に解釈できるようにするという 2 つの具体的な目標とともに、マイクロバイオームの特徴に基づいた包括的なリスク スコアを提供します。収集された臨床データは統計的に結合され、関連性の高い微生物の特徴から最も関連のない微生物の特徴までランク付けされます。

これらのランキングは、新しい個体からのマイクロバイオーム プロファイルを評価するために利用され、前のパネルで定義された種が何種類見つかったか、つまり CRC および進行性結腸直腸腺腫との関連性を報告するために利用されます。 同定された種と対象のメーカーとの関連性は、偏相関や線形モデリングなどの堅牢な統計分析手法を通じて推定されます。 次に、関連性がランク付けされ、同じ種のマーカー間で比較され、種ごとに優先順位のスコアが与えられます。 マイクロバイオーム構成の違い（年齢など）に関連することが知られている潜在的な交絡マーカーを特定することに特に注意を払い、代わりに統計モデリングの共変量として使用する必要があります。 統計モデリングに加えて、種とマーカー間の関連性も ML アプローチ、特に入力特徴 (この場合は種) の特徴重要度スコアを提供するアプローチによって評価されます。これは、さまざまなマーカー全体で種をランク付けするために使用できます (例えば ランダム フォレスト、LASSO など)。 連続変数は平均 ± 標準偏差、または中央値と四分位範囲 (IQR) として報告され、カテゴリ変数は頻度とパーセンテージとして要約されました。 変数の比較は、必要に応じて、t 検定 (またはマン-ホイットニー/クラスカル-ウォリス)、カイ二乗検定、またはフィッシャーの直接確率検定によって行われます。 p 値 <0.05 は、統計的有意性を示すものとみなされます。 ロジスティック回帰モデルは、結果と独立して関連する変数の存在を特定するために実行されます。 モデルで考慮される変数は、段階的なモデル選択を通じて選択され、臨床関連性によって導かれました。 すべての統計分析は、SPSS v. 28.0 for Macintosh (SPSS Inc.、シカゴ、米国) を使用して実行されました。

研究者らは、scikit-learn Python パッケージに基づく機械学習 (ML) フレームワークを採用し、100 回のブートストラップ反復と、トレーニングとテストのフォールドへの 80/20 のランダムな分割による相互検証アプローチを使用します。 分類および回帰 ML アルゴリズムは、マイクロバイオームの種レベルの分類学的相対存在量と機能的潜在プロファイルの両方でトレーニングされます。 種レベルの分類学的存在量は、MetaPhlAn 4 (現在 Oct22 と名付けられている利用可能な最新のデータベースを使用) によって推定され、組成データの arcsin-sqrt 変換を使用して正規化されます。 潜在的な機能プロファイルは最新の HUMAnN 4 バージョンを使用して推定され、研究者らは単一微生物遺伝子ファミリーと代謝経路の両方の存在量推定を考慮します。 種とマーカー間の部分相関は、外れ値によるバイアスを回避するためにスピアマン指数を使用して計算され、マイクロバイオームの構成に影響を与えることが知られている性別、年齢、BMIなどの共変量を補正します。 偏相関値は、誤検出率の Benjamini-Hochberg 手順を使用して補正されます。