正常腸管へのTCEの作用を別のドナーで予測できるか
正常腸管オルガノイド14ドナーの公開数値を再解析。CEA陽性面積と組織部位を使う小さな回帰をドナー除外予測で比較し、固定濃度のcaspase応答を平均値だけで要約する影響を調べる。
On this page
正常組織への作用を少数の培養モデルで調べるとき、平均応答が低くても、測定に含まれなかったドナーで応答が強い可能性は残る。一方、ドナーを増やすだけでなく、標的の発現量が反応の違いを説明するなら、測定値の解釈は変わる。
正常腸管オルガノイド14ドナーの公開データを使い、癌胎児性抗原(CEA)を標的とするT-cell engager(TCE)の48時間後の作用を予測した。1ドナーずつ除外した交差検証の二乗平均平方根誤差(RMSE)は、ドナー平均だけを使う場合に0.519、CEAの免疫組織化学染色(IHC)陽性面積を使う回帰で0.253だった。ただし、これは固定濃度での培養実験を同じ研究内の別ドナーへ当てはめた結果である。患者の有害事象や臨床用量を予測した値ではない。
予測するのは48時間後のカスパーゼ蛍光信号
正常腸管のCEA発現量を使うと、未使用ドナーのTCE応答をドナー平均より小さい誤差で予測できるかを調べる。正常組織の非臨床評価で、ドナー差を平均値だけへ集約することの影響を検討する。
Harterらは正常腸管オルガノイドと末梢血単核球(PBMC)の共培養を用いて、TCEによる正常組織への作用を調べた。今回の入力は原著のFigure 5のSource Dataである。高親和性CEA標的T cell bispecific抗体(TCB)であるCEA(hi) TCBを0.5 µg/mLで処置した14ドナーを対象とする(1)。
目的変数は、48時間のカスパーゼ3/7の蛍光信号を、同時点の標的に結合しない対照TCBの平均信号で割った値とした。単位のない信号比であり、死細胞率でも、治療に伴う腸炎の発症確率でもない。
表1. 入力データと予測の単位。
| Item | Information used |
|---|---|
| Prediction unit | 14 organoid donors |
| Tissue region | Seven small-intestine and seven colon donors |
| Molecule and condition | CEA(hi) TCB; 0.5 µg/mL; 48 hours |
| Target measure | Donor-mean CEA-positive IHC area |
| Outcome | Caspase-3/7 signal normalized to non-targeting TCB |
| Original data | Figure 5 Source Data sheets b, d_CEA, e and f |
IHCではドナーごとに複数のオルガノイドが測定されている。その数を独立したドナー数として回帰に投入しなかった。評価するのはオルガノイドの由来が異なる場合の予測であり、PBMCドナーを交換した場合の予測ではない。
EpCAMの値は混ぜない
取得したSource Dataでは、上皮細胞接着分子(EpCAM)についてシート間の対応が一致しなかった。原著のFigure 5fのドナーラベルに従った反応値を5bと比較すると14件中9件、IHC平均を5dと比較すると14件中13件で差があった。例えばDonor 40の反応は5bでは1.980381、5fでは2.732068446だった。どちらのラベルが正しいかをこちらで決めて修正することはしない。
CEA(hi)では、5fの14反応が5bの同じドナーとすべて一致し、5dから計算したCEA面積平均も5fの丸め値と整合した。そのため今回の回帰はCEA(hi)に限定した。CEA(lo)も独自の対応表を仮定して追加していない。品質監査の差分は配布資料のexcluded_epcam_audit.csvに残した(original Figure 5 and Source Data)。
4つの小さなモデルを比べる
ドナー \(i\) のCEA陽性面積を \(A_i\)、大腸なら1・小腸なら0を取る指標を \(R_i\)、対照で正規化したカスパーゼ蛍光信号を \(y_i\) とする。比較した式は次の4つである。
\[ \begin{aligned} M_0 &: y_i=\beta_0+\epsilon_i\\ M_R &: y_i=\beta_0+\beta_R R_i+\epsilon_i\\ M_A &: y_i=\beta_0+\beta_A A_i+\epsilon_i\\ M_{AR} &: y_i=\beta_0+\beta_A A_i+\beta_R R_i+\epsilon_i \end{aligned} \]
等しい重みの最小二乗で推定した。14ドナーしかないため、交互作用、二次項、閾値探索は加えなかった。これは後ろ向きの探索的な4モデル比較であり、事前登録した検証ではない。
予測評価では1ドナーを除いて残る13ドナーで係数を推定し、その1ドナーを予測する。これを14回繰り返した。平均だけのモデルも、全14ドナーの平均ではなく、その回の学習ドナー13人の平均を使う。標的発現量は予測時点で測定できていると仮定する。
\[ \mathrm{RMSE}=\sqrt{\frac{1}{14}\sum_{i=1}^{14}(y_i-\widehat y_{i,-i})^2} \]
発現量を使うと平均より誤差が小さい
予測誤差にはRMSEと平均絶対誤差(MAE)を用いる。いずれも正規化信号比の単位である。
図1. CEA陽性面積と48時間の対照で正規化したカスパーゼ蛍光信号。CEA陽性面積は1.789〜46.862%、対照で正規化したカスパーゼ蛍光信号は1.246〜2.978だった。図の直線は全14ドナーへの当てはまりを示す線で、モデルの当てはめに使わなかったドナーに対する予測線ではない。数字は公開資料のオルガノイドドナーIDである。
表2. 学習内とドナーを一つずつ除外する交差検証の誤差。
| Model | Coefficients | Training RMSE | Held-out donor RMSE | Held-out donor MAE |
|---|---|---|---|---|
| Mean | 1 | 0.482 | 0.519 | 0.408 |
| Tissue region | 2 | 0.298 | 0.348 | 0.270 |
| CEA-positive area | 2 | 0.206 | 0.253 | 0.214 |
| CEA-positive area and tissue region | 3 | 0.201 | 0.283 | 0.230 |
CEA陽性面積を使うモデルの交差検証のRMSEは、平均モデルより51.3%小さかった。最大の絶対予測誤差は、平均モデルの1.237に対してCEAモデルで0.526だった。これは信号比の誤差であり、百分率ポイントではない。
図2. 除外したドナーの予測と4モデルの誤差。各予測はそのドナーを使わずに推定した係数による。誤差は無次元の信号比の単位である。
組織部位をCEAに加えると、学習内の誤差はわずかに小さくなったが、未使用ドナーへの誤差は大きくなった。説明変数を増やせば予測もよくなるわけではなかった。小腸・大腸の違いを入れるだけでも平均より改善したため、CEAとの関連を組織部位から独立した因果効果とは解釈しない。
除外したのはドナーであり組織部位ではない
この標本では、小腸7ドナーのCEA陽性面積はすべて、大腸7ドナーより低かった。1ドナーを外しても、そのドナーと同じ部位の標本は学習側に残る。したがって、今回の誤差は、一つの部位で学習して別の部位へ移す性能や、観測範囲外のCEA発現へ外挿する性能ではない。組織部位を加えて成績が悪くなったことも、部位の生物学的な意味がないという証拠にはならない。
四つの式を比較し、その中で最も小さい除外誤差を強調している。各式の係数推定から評価ドナーを外していても、同じ除外成績を見て式を選べば、その最小値は選択後の独立な性能推定ではなくなる。この種の選択による楽観性は交差検証の方法論で扱われている (2)。51.3%は今回の固定した比較の記述であり、選択手順全体を新しいドナー集団で検証した改善率ではない。
1人のドナーだけで改善が生じたのか
全14ドナーを使ったCEAモデルは次式になった。
\[ \widehat y=1.2542+0.02894 A \]
\(A\) は百分率の数値である。例えば10パーセントポイントの違いは、この直線上では0.2894の信号比の違いに対応する。濃度を変えたときの傾きや、細胞表面の分子数に対する傾きではない。
表3. CEAモデルの係数とブートストラップ区間。
| Coefficient | Estimate | Donor-bootstrap 2.5th–97.5th percentiles |
|---|---|---|
| Intercept | 1.2542 | 1.0635–1.4267 |
| Per percentage point of CEA-positive area | 0.02894 | 0.01754–0.03638 |
ブートストラップでは14ドナーを復元抽出して2,000回再推定したものである。小規模な観測標本と線形モデルに条件付けた係数の不確実性であり、臨床反応の区間や新規患者の予測区間ではない。
さらに1ドナーをデータ全体から取り除き、残る13ドナーの内部で再び1ドナーずつ除外した交差検証を行った。14通りすべてでCEAモデルのRMSEは平均モデルより小さかった。これは特定の1人を含むことだけで改善が生じていないという感度分析であり、14回の独立した外部検証ではない。
図3. 全体から1ドナーを除いた後、残る13ドナー内でドナーを一つずつ除外する交差検証を繰り返したRMSE。14通りは重複するデータの感度分析であり、独立した外部検証ではない。
IHC面積と反応比はいずれも測定値の平均であるが、ここでは説明変数の測定誤差や、対照信号を分母に使うことによる不確実性を別々にモデル化していない。ドナー再標本化は、各ドナー内の染色・ウェル・対照の測定をやり直す操作ではない。また、係数の区間は、モデル間の予測誤差の差に対する区間ではない。
正常組織の平均値が隠すもの
今回の固定濃度では、ドナー平均の反応を別ドナーへそのまま使うよりも、CEAのIHC情報を使う方が予測誤差は小さかった。平均応答だけで要約すると、正常組織の標的発現の分布が変わった場合の応答差を取りこぼしうる。
ただし、IHC陽性面積は細胞表面の抗原密度ではない。カスパーゼ蛍光信号の増加も、組織全体の死細胞割合や患者の腸炎リスクではない。画像処理、対照信号、オルガノイド分化状態、免疫細胞との相互作用も値に影響する。今回の回帰はそれらの機序を分離しない。
同じ研究内の14ドナーを使った内部検証で、モデル間の順位を確認した。別の施設、PBMCドナー、分子、濃度への移行は検証していない。とくに、この固定濃度の直線から安全な投与量や治療域を計算することはできない。支持されたのは、CEA(hi) TCBのこの実験条件で、ドナー単位のCEA陽性面積を使うと、平均値だけを使う場合より未使用ドナーの予測誤差が小さかったことまでである。
データとコードの公開状況
analysis/run.pyが入力表の対応検査、回帰、ドナーを一つずつ除外する交差検証、ブートストラップ、図表を再生成する。outputs/summary.jsonに本文の数値、outputs/tables/heldout_predictions.csvに全予測値がある。元のXLSXは公開APIから取得し、SHA-256を確認する。再実行手順と依存バージョンはREADMEに記載した。原図を転載せず、公開数値から新しい図を作成した。
参照
- Harter MF, Recaldin T, Gerard R, Avignon B, Bollen Y, Esposito C, et al. Analysis of off-tumour toxicities of T-cell-engaging bispecific antibodies via donor-matched intestinal organoids and tumouroids. Nat Biomed Eng. 2024;8(4):345–360. Published online December 19, 2023. doi:10.1038/s41551-023-01156-5. Source Data for Figure 5, CC BY 4.0. Changes: donor-level table extraction, source-sheet concordance checks, regression, cross-validation, bootstrap and new figures.
- Varma S, Simon R. Bias in error estimation when using cross-validation for model selection. BMC Bioinformatics. 2006;7:91. doi:10.1186/1471-2105-7-91.