TCEで抗原陰性細胞が残る量を陽性率から予測できるか

Daiki Kumakura · 2026-11-19 · Technical note · 1.0

HER2陽性・陰性細胞の混合培養を再解析。1係数の終点モデルで未使用の混合割合を予測し、細胞塊の距離が変わると陽性率だけの説明が通用しないことを調べる。

On this page

抗原陽性のがん細胞をT-cell engager(TCE)で攻撃すると、近くの抗原陰性細胞も減ることがある。このバイスタンダー効果(bystander effect)があれば、標的を持たない細胞を取りこぼすという単純な見積もりは変わる。ただし、陽性細胞の割合を知るだけで、残る陰性細胞の数まで予測できるだろうか。

HER2陽性・陰性細胞を混ぜた公開実験を数値化し、1係数のモデルで未使用の混合条件を予測した。陰性細胞への間接作用を考えない基準よりは誤差が小さかったが、陽性率20%・50%で予測が外れた。さらに、細胞塊の距離を変えた別の実験では残存量が大きく違った。陽性率から一本の曲線を引くことと、別の配置で予測できることには隔たりがある。

問いと使う範囲

初期の抗原陽性率から、5日後に残る抗原陰性細胞の量を予測できるかを調べる。混合培養における陽性率と空間配置の比較に用いる評価時点の細胞数を表すモデルである。

対象は、一定の抗体濃度と培養条件で測った細胞数である。臨床の投与量、治療間隔、患者の適格基準は決めない。HER2欠損細胞を混ぜた実験から、HER2-low腫瘍やDLL3を標的とするTCEの効果を換算する解析でもない。

陽性細胞と陰性細胞を別々に数える

Liaoらは、BT474細胞と、ERBB2を欠損させたHER2陰性細胞から三次元腫瘍細胞塊(tumoroid)を作製した。陽性・陰性細胞を別々に標識し、各細胞種の0日目と5日目の数を比較している。休止状態のT細胞とCD3×HER2二重特異性抗体を添加し、混合割合や細胞塊の配置を変えた研究である (1)。

混合培養では、名目上の陽性割合が20%・50%・80%の3条件と、陽性のみ・陰性のみの条件がある。抗体は1 µg/mL、初期の腫瘍細胞約5,000個にT細胞50,000個を加える条件である (1)。

表1. 使用した公開図と反復の単位。

Source Digitized quantity Independent experiments and cultures
Original Figure 2D Day 5/day 0 abundance with T cells and antibody 3 independent experiments; 2 cultures per condition
Supplementary Figure 3C Corresponding abundance ratio with T cells only 3 independent experiments; 1 culture per condition
Original Figure 3D Corresponding ratio for separated positive and negative clusters 4 independent experiments with antibody and 3 with T cells only; 1 culture each

数値表形式の個別測定値は回収できなかったため、公開図の棒の上端から平均値を読んだ。元の図は平均±標準誤差(SEM)を示すが、今回再構成したのは24本の棒の平均であり、24人のドナーや24件の独立した個票ではない。技術反復に当たる2つの培養を、独立実験2件として数えていない。

細胞数は標識画像のz-stackを解析した測定値である。原著では画像から検出された小さな物体を除くなどの処理があり、蛍光から再構成された細胞数を、観察できない全細胞の厳密な実数や死亡数とはみなさない (1)。

純粋な陽性集団には陰性細胞が存在しない。その細胞数比は定義できないので、0を入れて補ってはいない。

HER2陽性・陰性細胞の5日目/0日目の細胞数比

図1. 公開図の平均値を再描画した。横線は5日目と0日目の細胞数が同じ位置。上下の線は原画像の±2画素に相当する読み取りの幅であり、原著のSEMではない。横位置を少しずらして二つの処置を示す。出典:Liao et al., Figure 2D and Supplementary Figure 3Cを加工(1)。

対照より少ないことと初期より減ることは違う

陽性率を \(f\)、陰性細胞数を \(N_-\) とし、まず各条件での変化量を求める。

\[ F_-(f)=\frac{N_-(5\ \mathrm{day};f)}{N_-(0;f)} \]

\(F_-<1\) なら初期より陰性細胞が少ない。対して、T細胞のみの対照も5日間で増殖するので、対照と比べた量は別に定義する。

\[ R_-(f)=\frac{F_-^{\mathrm{T+bsAb}}(f)}{F_-^{\mathrm{T\ only}}(f)} \]

分母には、混合割合ごとに対応する補足Figure 3Cの平均を使った。別パネルの集計値で、実験ごとの対応関係や共分散は回収できていない。培養ごとの比を平均した値ではなく、二つの平均値を割った値として扱う。生物学的な信頼区間や有意差は再構成していない。

表2. 陰性細胞の初期比とT細胞のみの対照に対する比。

Initial positive fraction \(F_-\), T cells + antibody \(F_-\), T cells only Control ratio \(R_-\)
20% Approximately 1.36 Approximately 1.85 Approximately 0.73
50% Approximately 0.37 Approximately 2.24 Approximately 0.16
80% Approximately 0.23 Approximately 1.81 Approximately 0.13

20%条件では、対照より陰性細胞が少ない一方、初期の約1.36倍まで増えている。「陰性細胞の増え方が抑えられた」と「初期集団から陰性細胞が減った」を分ける必要がある。対照比0.73を、そのまま死亡率27%とは呼べない。

50%・80%条件では初期より少ない。ただし、終点の細胞数だけでは増殖の抑制と死滅を別々の速度として推定できない。原著には画像やサイトカイン阻害実験もあるが、ここで推定するのは5日後の量である (1)。

係数一つで未使用の混合割合を予測する

陰性細胞に間接作用がなければ、T細胞のみの対照と同程度の量が残る基準を置ける。

\[ \widehat R_-^{\mathrm{base}}(f)=1 \]

これに対して、陽性率が上がるほど陰性細胞の対照比が下がる、次の経験式を使う。

\[ \widehat R_-(f)=\exp(-\beta f),\qquad \beta\geq0 \]

\(\beta\) は無次元の5日目の係数である。細胞死速度、サイトカインの作用定数、薬剤濃度の効果係数ではない。値が大きいほど、この実験では陽性率に伴う対照比の低下が急になる。

主解析では、対照比の変換前の比の尺度で二乗誤差を最小化した。3条件すべてからの推定値は \(\beta\approx2.56\) だった。ただし、同じ3点に合うだけでは予測の確認にならない。

そこで1条件を外し、残り2条件から係数を推定して、外した条件を予測した。公開図の3条件を見た後の後ろ向き解析であり、検証対象の条件を伏せてモデルの形を事前に選んだ検証ではない。低い値を重視しやすい対数スケールでの推定も感度分析として併記する。

表3. 混合条件を除外した予測。

Excluded positive fraction Digitized control ratio Original-scale prediction Log-scale prediction
20% Approximately 0.73 Approximately 0.52 Approximately 0.56
50% Approximately 0.16 Approximately 0.35 Approximately 0.28
80% Approximately 0.13 Approximately 0.13 Approximately 0.07

3条件の予測誤差である二乗平均平方根誤差(RMSE)は、変換前の比の尺度の経験式で約0.16、間接作用なしの基準で約0.71だった。経験式は粗い基準より改善したが、20%では陰性細胞を少なく予測し、50%では多く予測した。80%で合ったことだけを取り上げて、予測できたとは判断しない。

対数スケールのRMSEは約0.12で、予測も変わった。これは手法の優劣の証拠ではない。条件数が少ないため、結果が推定基準に依存することを示す。今回の比較を見て、対数スケールへ主解析を変更してはいない。

陽性率による評価時点の細胞数を表すモデルと条件を除外した予測

図2. 左の曲線は3混合条件を使った推定。右は各条件を学習から外した予測。左の白抜き点は陰性細胞のみの対照比で、推定には使っていない。青い帯は512組の読取変動シナリオの範囲であり、生物学的な信頼区間ではない。出典データ:(1)。モデル・計算・図は本解析。

陰性細胞のみの条件でも、抗体あり/T細胞のみの比は約1.14で、基準の1と完全には一致しない。したがって \(f=0\) で比が1になるという関係は、この集計値からは確認されたとは言えない。

また、この検証で外したのは「混合割合」である。同じ研究から得た二つの集計条件で、一つの条件を予測している。独立ドナーや別研究での外部検証ではない。

50%を外す場合は、残した20%と80%の間の補間にあたる。一方、20%・80%を外す場合は、学習に残した二つの割合の範囲外へ外挿している。この三つを同じ難しさの検証とは考えない。

図の読取誤差だけではずれを説明できない

棒の平均位置を原画像の±2画素以内で動かし、512組を固定シードで再計算した。元の図から取得できなかった生物学的反復を仮に生成するブートストラップは行っていない。分母・分子の読み取りを独立に動かす便宜的な感度分析であり、系統的な校正誤差の全範囲を保証するものでもない。乱数シードは2026102608である。

この範囲で \(\beta\) は約2.38〜2.70だった。図2の50%条件は、読取変動で得られる曲線の帯からも離れている。少なくとも、数画素の読み違いだけでモデルと観測のずれがなくなるわけではない。

初期割合にも注意がいる。横軸は仕込み時の名目割合であり、各培養で実測した正確な割合ではない。原著のFigure 1Cには初期割合の測定があるが、今回のFigure 2と同一培養の値としては使えない。名目割合を全条件一律に±0.05ずらす仮定を置くと、係数は約2.24〜3.01、条件除外RMSEは約0.13〜0.19に変わった。この幅も測定に基づく信頼区間ではない。

補足図の対照の代わりに、同じFigure 2内の「陰性細胞のみ」の量で割る計算も添えた。これは混合割合ごとの増殖差を補正できない別の指標なので、RMSEの数値を主解析と直接比較して優劣を決めてはいない。計算結果は配布CSVに残している。

細胞塊を離すと陰性細胞の残り方が変わる

原著には、陽性細胞塊と陰性細胞塊を別々に置き、中心間距離を200・250・300 µmに変えた実験がある。陽性細胞塊の存在は同じでも、距離によって陰性細胞の残り方が変わった (1)。

図から読んだ陰性細胞の5日目/0日目の比は、200 µmで約0.04、250 µmで約0.42、300 µmで約1.25だった。200 µmは図の下限付近の概数であり、正確な0ではない。

細胞塊の距離と陰性細胞の残存量

図3. 異なる細胞塊の配置での陰性細胞数。上下の線は±2画素の読み取りの幅。右端の対照は200 µmでのT細胞のみの条件であり、各距離で対応する対照が揃っているわけではない。出典:Liao et al., Figure 3Dを加工(1)。

この図を、混合培養から推定したモデルの外部予測誤差として採点することはしない。培養配置と局所条件が異なり、各培養の実測初期割合もないからである。ただし、陽性率だけを入力すれば配置を問わず同じ結果になる、という使い方は支持できない。

距離は細胞塊の中心間で測られている。細胞表面からの拡散距離ではなく、250 µmを患者腫瘍での普遍的な作用半径として使うこともできない。

評価時点の細胞数を表すモデルの外れ方と原著の機序実験

この指数式は、陽性率を同じだけ増やすたびに、陰性細胞の対照比が同じ倍率で下がる形を仮定する。20%から50%で大きく下がり、その後80%までの変化が小さい今回の集計値を、係数一つで表すことは難しい。ただし、これは全ての陽性率モデルが不可能だという結果ではない。閾値や残存下限を持つ曲線なら記述を改善できるかもしれないが、3条件だけで形を増やすと、未使用条件への予測を確認する余地はさらに小さくなる。今回の残差から生物学的な閾値を同定したとは言えない。

原著の機序の根拠は、この終点曲線とは別にある。Figure 6では、陽性細胞とT細胞・抗体の共培養から得た培養上清が、T細胞を含まなくても陰性細胞へ作用した。Figure 7・8では、IFNγの中和が間接傷害を一部抑え、TNFα単独の中和では明瞭に抑えなかった一方、両者の中和で強く抑えられた。3D系では陽性細胞の傷害を保ちながら陰性細胞への作用が抑えられている (1)。これらは可溶性因子の寄与を調べる介入であり、今回のβをサイトカインの速度定数と解釈できる根拠ではない。

初期の陽性率は、T細胞を活性化できる細胞の量を表す。しかし5日後に残る陰性細胞は、活性化の時期、細胞塊の配置、可溶性因子への感受性、その間の増殖をまとめた結果である。陽性率を一つの閾値へ縮めると、この違いは失われる。また、サイトカインを減らす操作が間接的な抗腫瘍作用も変え得るという原著の観察は、低サイトカインと良い治療成績を同義にできない理由になる。ただし、患者でサイトカイン抑制薬を併用したときの効果や安全性は、この培養実験からは判断できない。

陽性率だけでは配置と増殖を分離できない

終点の陰性細胞残存量には、初期の混合率だけでなく、陽性細胞との配置や培養中の増殖も関わる。今回のモデルは未使用の混合率で外れ、別の配置実験でも残存量が変わった。今回試した係数一つの対応では、未使用条件の残存量を十分に予測できなかった。別の陽性率関数も全て不可能だと証明したわけではないが、陽性率だけで空間配置に関係なく予測できるという使い方は支持されない。

原著はIFNγ・TNFαの中和や時系列観察によってbystander作用の機序を調べている (1)。本記事の評価時点の細胞数を表すモデルはその機序の代用ではない。5日目の数だけでは増殖抑制と細胞死を分けられず、係数を増やして終点へ合わせても、この情報の不足は解消しない。

データとコードの公開状況

数値化した平均値、画像座標、モデル、感度分析、表、実行スクリプトを解析一式に収録した。公式オープンアクセス配布物の取得先とSHA-256も含む。実行手順は同梱READMEを参照されたい。

主な結果は analysis/run.py が生成する outputs/tables/mixture-endpoints.csv、model-comparison.csv、spatial-challenge.csv に対応する。元データの個別測定値を再配布するものではなく、公開図から再構成した集計値の解析である。

参照

  1. Liao CY, Engelberts P, van Dijk M, Timmermans A, Martens JWM, Neubert E, et al. CD3xHER2 bsAb-Mediated Activation of Resting T-cells at HER2 Positive Tumor Clusters Is Sufficient to Trigger Bystander Eradication of Distant HER2 Negative Clusters Through IFNγ and TNFα. Eur J Immunol. 2025;55(4):e202451589. doi:10.1002/eji.202451589. Full text: PMC11967296. CC BY 4.0. Published means in Figures 1–3 were digitized and replotted; Figure 2 also includes estimates and predictions from the present analysis.

All articles