今回紹介するのは、血漿由来の細胞外小胞（EV）のペプチドミクスに、MALDI-TOF質量分析とLC-MS/MSを統合し、機械学習で子宮体癌（EC）の迅速なスクリーニングと分子サブタイプ分類を行う最小侵襲アプローチです。EC患者と対照からEVを分離し、MALDI-TOFで得たペプチドームのフィンガープリントに、腫瘍マーカー（CA125、HE4）および臨床リスク因子を組み合わせて学習モデルを構築しました。LC-MS/MSはEVペプチドの同定に用いられており、抄録中ではMS機種名、LCメソッド名、Evosep使用の有無は明記されていません。

主結果として、12の識別的MALDI-TOF特徴量にCA125/HE4と臨床情報を加えたモデルでEC対照識別のAUC 0.867を達成。分子サブタイプ（POLE変異、NSMP、MMRd、p53異常）の多クラス分類ではmicro/macro平均AUCが0.91/0.90でした。LC-MS/MSでは7,479ペプチドを同定し、FGA（フィブリノゲンα鎖）、PRSS3、APOA1がサブタイプ特異的な有力バイオマーカーとして抽出されています。本研究は、血液ベースのEVペプチドミクスと機械学習を組み合わせた高スループット・費用対効果の高いプラットフォームの有用性を示し、侵襲的な組織生検や時間のかかるゲノム解析への依存を補完しうる、精密医療への橋渡しを提示しています。

▶ 論文リンク（外部）