【総説】眼の液体生検プロテオミクスが切り拓く、個別化眼科医療

Wolf J et al. J Proteome Res. 2024 Feb 2;23(2):511-522. doi: 10.1021/acs.jproteome.3c00756. 

背景 

眼の病気を分子レベルで調べる方法として、組織を採って染色する検査があります。しかし眼は再生しにくい細胞が多く、生検は機能障害のリスクが高いことが課題です。そこで本論文は、房水・硝子体・涙などの「眼の局所の体液」を用いる液体生検プロテオミクスが、診断、予後予測、治療反応のモニタリングにどう役立つかを整理し、必要な技術と今後の方向性を示すことを目的としています。 

本論文はレビューとして、(1)サンプル採取・凍結保存・臨床情報の付与(手術室と研究室をつなぐ運用)、(2)多数のタンパク質を測る測定法(質量分析、結合を利用した測定法〔抗体法、DNAアプタマー法など〕)、(3)全体像を俯瞰する解析(主成分分析など)と、疾患群と対照群で差があるタンパク質を探す解析(差分解析)、さらに生体反応に結び付ける経路解析、(4)AIを用いた解析、(5)TEMPO(Tracing Expression of Multiple Protein Origins、複数タンパク質の由来を追跡する解析)という枠組みで、眼科領域の実例と課題をまとめています。 

眼の液体生検プロテオミクスのポイント 

液体生検の利点

眼の体液は血液よりも局所の情報が濃く含まれやすく、少量でも病気に関わるタンパク質変化を捉えやすいと整理されています。また、外来などで繰り返し採取できる点は、治療前後の変化や経時モニタリングに有利です。 

データ解析の流れ

多数のタンパク質を一度に測る場合、まずは全タンパク質を使って「全体の違い」を大づかみに見る解析(主成分分析で群の分かれ方を見るなど)を行い、次に疾患群と対照群で有意に変化するタンパク質を抽出します。そのうえで、抽出したタンパク質がどの生体反応(例:炎症や補体系など)に関係するかを経路解析で解釈する流れが示されています。 

TEMPOの価値

高解像度の液体生検プロテオミクスと単一細胞トランスクリプトームを統合し、房水で検出された約6,000のタンパク質について「どの細胞タイプ由来か」を推定できる点が強調されています。網膜のように生検が難しい組織でも、細胞レベルの変化を推定できる可能性があります。 

AI活用の具体例

房水プロテオームから、26個の房水タンパク質を使って健康な人の年齢を推定するAIモデル(プロテオミクス時計)が紹介されています。さらに病気の眼では、糖尿病網膜症やぶどう膜炎などで特定の細胞タイプの老化が加速する可能性が示されています(例:増殖糖尿病網膜症で約30年の加速)。 

採取・保存の実務的ポイント

採取・保存の実務的ポイントとして、採取直後にドライアイス上でスナップ凍結(短時間で一気に凍らせること)し、−80℃で保管すること、さらに臨床情報を丁寧に付与することが重要です。また、手術室での初期処理をスムーズに行うための仕組みとして、MORLI(Mobile Operating Room–Laboratory Interface:移動式の手術室‐研究室インターフェース)が紹介されています。MORLIは、手術室内でサンプルの一次処理や記録を行い、その後の研究室での解析につなげやすくする運用(ワークフロー)を支える考え方です。 

疾患別の示唆

糖尿病網膜症、加齢黄斑変性、ぶどう膜炎、緑内障、眼内腫瘍などで、房水・硝子体プロテオミクスが病態理解や治療反応予測、鑑別、リスク層別化に役立つ知見が整理されています。たとえば、加齢黄斑変性では、VEGF(Vascular Endothelial Growth Factor)単独よりも、房水中の多数のタンパク質をまとめて捉えたプロテオーム情報のほうが、抗VEGF治療(VEGFの働きを抑える治療)にどれだけ反応するかを予測できた例が紹介されています。 

まとめ 

眼の体液は、少量でも局所の分子情報を得やすく、繰り返し採取できる点が強みです。一方で、採取・凍結・臨床情報付与の標準化や、測定法・解析法の違いによる結果のばらつき、参照データの不足が課題になります。大規模データを蓄積し、AI解析と組み合わせて「診療で使える形」に落とし込むことが今後の鍵です。 

本論文では、DNAアプタマー法を、小容量の液体生検から多数タンパク質を同時測定できる高解像度の手段として位置づけています。具体的には、アプタマー法は小容量サンプルで7,000超のタンパク質を測れる技術として説明され、房水では50 µLで約6,000のタンパク質検出が報告されています。これにより、病気の全体像把握、バイオマーカー探索、TEMPOやAI解析に必要な入力データを厚くできる点が利点です 

COI:開示すべき利益相反はありません。