Lim B, Lin Y, Navin N. Advancing Cancer Research and Medicine with SingleCell Genomics. Cancer Cell. 2020;37(4):456-470.
2.
Lim B, Woodward WA, Wang X et al. Inflammatory breast cancer biology: the
tumour microenvironment is key. Nat Rev Cancer. 2018;18(8):485-499.
3.
Sparano JA, Gray RJ, Ravdin PM et al. Clinical and Genomic Risk to Guide the
Use of Adjuvant Therapy for Breast Cancer. N Engl J Med. 2019;380(25):23952405.
4.
Li Q, Seo JH, Stranger B et al. Integrative eQTL-based analyses reveal the biology
of breast cancer risk loci. Cell. 2013;152(3):633-641.
5.
Dowsett M, Nielsen TO, A'Hern R et al. Assessment of Ki67 in breast cancer:
recommendations from the International Ki67 in Breast Cancer working group.
J Natl Cancer Inst. 2011;103(22):1656-1664.
6.
McGranahan N, Swanton C. Clonal Heterogeneity and Tumor Evolution: Past,
Present, and the Future. Cell. 2017;168(4):613-628.
7.
Lindström LS, Yau C, Czene K et al. Intratumor Heterogeneity of the Estrogen
Receptor and the Long-term Risk of Fatal Breast Cancer. J Natl Cancer Inst.
2018;110(7):726-733.
46
8.
Horii R, Nitta H, Nojima M et al. Predictive significance of HER2 intratumoral
heterogeneity, determined by simultaneous gene and protein analysis, for
resistance to trastuzumab-based treatments for HER2-positive breast cancer.
Virchows Arch. 2021;479(1):13-21.
9.
Kumegawa K, Takahashi Y, Saeki S et al. GRHL2 motif is associated with
intratumor heterogeneity of cis-regulatory elements in luminal breast cancer.
NPJ Breast Cancer. 2022;8(1):70.
10.
van Dijk E, van den Bosch T, Lenos KJ et al. Chromosomal copy number
heterogeneity
predicts
survival
rates
across
cancers.
Nat
Commun.
2021;12(1):3188.
11.
Jackson HW, Fischer JR, Zanotelli VRT et al. The single-cell pathology landscape
of breast cancer. Nature. 2020;578(7796):615-620.
12.
Brooks MD, Burness ML, Wicha MS. Therapeutic Implications of Cellular
Heterogeneity and Plasticity in Breast Cancer. Cell Stem Cell. 2015;17(3):260-271.
13.
Yates LR, Knappskog S, Wedge D et al. Genomic Evolution of Breast Cancer
Metastasis and Relapse. Cancer Cell. 2017;32(2):169-184.e167.
14.
Fong EL, Harrington DA, Farach-Carson MC et al. Heralding a new paradigm
in 3D tumor modeling. Biomaterials. 2016;108:197-213.
47
15.
Tuveson D, Clevers H. Cancer modeling meets human organoid technology.
Science. 2019;364(6444):952-955.
16.
Kim J, Koo BK, Knoblich JA. Human organoids: model systems for human
biology and medicine. Nat Rev Mol Cell Biol. 2020;21(10):571-584.
17.
Sachs N, de Ligt J, Kopper O et al. A Living Biobank of Breast Cancer Organoids
Captures Disease Heterogeneity. Cell. 2018;172(1-2):373-386.e310.
18.
Yan HHN, Siu HC, Law S et al. A Comprehensive Human Gastric Cancer
Organoid Biobank Captures Tumor Subtype Heterogeneity and Enables
Therapeutic Screening. Cell Stem Cell. 2018;23(6):882-897 e811.
19.
Grünwald BT, Devisme A, Andrieux G et al. Spatially confined sub-tumor
microenvironments in pancreatic cancer. Cell. 2021;184(22):5577-5592.e5518.
20.
Kim SC, Park JW, Seo HY et al. Multifocal Organoid Capturing of Colon Cancer
Reveals Pervasive Intratumoral Heterogenous Drug Responses. Adv Sci
(Weinh). 2022;9(5):e2103360.
21.
Taverna JA, Hung CN, DeArmond DT et al. Single-Cell Proteomic Profiling
Identifies Combined AXL and JAK1 Inhibition as a Novel Therapeutic Strategy
for Lung Cancer. Cancer Res. 2020;80(7):1551-1563.
48
22.
Jacob F, Salinas RD, Zhang DY et al. A Patient-Derived Glioblastoma Organoid
Model and Biobank Recapitulates Inter- and Intra-tumoral Heterogeneity. Cell.
2020;180(1):188-204.e122.
23.
Harvey JM, Clark GM, Osborne CK et al. Estrogen receptor status by
immunohistochemistry is superior to the ligand-binding assay for predicting
response to adjuvant endocrine therapy in breast cancer. J Clin Oncol.
1999;17(5):1474-1481.
24.
Fouad TM, Barrera AMG, Reuben JM et al. Inflammatory breast cancer: a
proposed conceptual shift in the UICC-AJCC TNM staging system. Lancet
Oncol. 2017;18(4):e228-e232.
25.
Granja JM, Corces MR, Pierce SE et al. ArchR is a scalable software package for
integrative
single-cell
chromatin
accessibility
analysis.
Nat
Genet.
2021;53(3):403-411.
26.
Hao Y, Hao S, Andersen-Nissen E et al. Integrated analysis of multimodal
single-cell data. Cell. 2021;184(13):3573-3587.e3529.
27.
clusterProfiler: an R Package for Comparing Biological Themes Among Gene
Clusters. OMICS: A Journal of Integrative Biology. 2012;16(5):284-287.
28.
Tirosh I, Izar B, Prakadan SM et al. Dissecting the multicellular ecosystem of
metastatic melanoma by single-cell RNA-seq. Science. 2016;352(6282):189-196.
49
29.
Tirosh I, Venteicher AS, Hebert C et al. Single-cell RNA-seq supports a
developmental
hierarchy
in
human
oligodendroglioma.
Nature.
2016;539(7628):309-313.
30.
Venteicher AS, Tirosh I, Hebert C et al. Decoupling genetics, lineages, and
microenvironment in IDH-mutant gliomas by single-cell RNA-seq. Science.
2017;355(6332).
31.
Filbin MG, Tirosh I, Hovestadt V et al. Developmental and oncogenic programs
in
H3K27M
gliomas
dissected
by
single-cell
RNA-seq.
Science.
2018;360(6386):331-335.
32.
Bostner J, Ahnstrom Waltersson M, Fornander T et al. Amplification of CCND1
and PAK1 as predictors of recurrence and tamoxifen resistance in
postmenopausal breast cancer. Oncogene. 2007;26(49):6997-7005.
33.
Roy PG, Pratt N, Purdie CA et al. High CCND1 amplification identifies a group
of poor prognosis women with estrogen receptor positive breast cancer. Int J
Cancer. 2010;127(2):355-360.
34.
Wu W, Warner M, Wang L et al. Drivers and suppressors of triple-negative
breast cancer. Proc Natl Acad Sci U S A. 2021;118(33).
35.
Black JRM, McGranahan N. Genetic and non-genetic clonal diversity in cancer
evolution. Nat Rev Cancer. 2021;21(6):379-392.
50
36.
Li Z, Seehawer M, Polyak K. Untangling the web of intratumour heterogeneity.
Nat Cell Biol. 2022;24(8):1192-1201.
37.
McInnes L, Healy J, Melville J. Umap: Uniform manifold approximation and
projection for dimension reduction. arXiv preprint arXiv:180203426. 2018.
38.
Van der Maaten L, Hinton G. Visualizing data using t-SNE. Journal of machine
learning research. 2008;9(11).
39.
Schreiber JB. Issues and recommendations for exploratory factor analysis and
principal component analysis. Res Social Adm Pharm. 2021;17(5):1004-1011.
40.
Lee DD, Seung HS. Learning the parts of objects by non-negative matrix
factorization. Nature. 1999;401(6755):788-791.
41.
Brunet JP, Tamayo P, Golub TR et al. Metagenes and molecular pattern
discovery using matrix factorization. Proc Natl Acad Sci U S A.
2004;101(12):4164-4169.
42.
Puram SV, Tirosh I, Parikh AS et al. Single-Cell Transcriptomic Analysis of
Primary and Metastatic Tumor Ecosystems in Head and Neck Cancer. Cell.
2017;171(7):1611-1624.e1624.
43.
Kinker GS, Greenwald AC, Tal R et al. Pan-cancer single-cell RNA-seq identifies
recurring programs of cellular heterogeneity. Nat Genet. 2020;52(11):1208-1218.
44.
Cox TR. The matrix in cancer. Nature Reviews Cancer. 2021;21(4):217-238.
51
45.
Zhao T, Su Z, Li Y et al. Chitinase-3 like-protein-1 function and its role in
diseases. Signal Transduct Target Ther. 2020;5(1):201.
46.
Zahnow CA. CCAAT/enhancer-binding protein beta: its role in breast cancer
and associations with receptor tyrosine kinases. Expert Rev Mol Med.
2009;11:e12.
47.
Sterken BA, Ackermann T, Müller C et al. C/EBPβ isoform-specific regulation of
migration and invasion in triple-negative breast cancer cells. NPJ Breast Cancer.
2022;8(1):11.
48.
Ko C-Y, Chang W-C, Wang J-M. Biological roles of CCAAT/Enhancer-binding
protein delta during inflammation. Journal of Biomedical Science. 2015;22(1):6.
49.
Tsatsanis C, Androulidaki A, Venihaki M et al. Signalling networks regulating
cyclooxygenase-2. Int J Biochem Cell Biol. 2006;38(10):1654-1661.
50.
Lin CK, Tseng CK, Liaw CC et al. Lobohedleolide suppresses hepatitis C virus
replication
via
JNK/c-Jun-C/EBP-mediated
down-regulation
of
cyclooxygenase-2 expression. Sci Rep. 2018;8(1):8676.
51.
Chakraborty P, George JT, Woodward WA et al. Gene expression profiles of
inflammatory breast cancer reveal high heterogeneity across the epithelialhybrid-mesenchymal spectrum. Transl Oncol. 2021;14(4):101026.
52
52.
Bröer A, Gauthier-Coles G, Rahimi F et al. Ablation of the ASCT2 (SLC1A5) gene
encoding a neutral amino acid transporter reveals transporter plasticity and
redundancy in cancer cells. J Biol Chem. 2019;294(11):4012-4026.
53.
Cha YJ, Kim ES, Koo JS. Amino Acid Transporters and Glutamine Metabolism
in Breast Cancer. Int J Mol Sci. 2018;19(3).
54.
Bröer S. Amino Acid Transporters as Targets for Cancer Therapy: Why, Where,
When, and How. Int J Mol Sci. 2020;21(17).
55.
Kurozumi S, Kaira K, Matsumoto H et al. Association of L-type amino acid
transporter 1 (LAT1) with the immune system and prognosis in invasive breast
cancer. Sci Rep. 2022;12(1):2742.
56.
Shindo H, Harada-Shoji N, Ebata A et al. Targeting Amino Acid Metabolic
Reprogramming via L-Type Amino Acid Transporter 1 (LAT1) for EndocrineResistant Breast Cancer. Cancers (Basel). 2021;13(17).
57.
Lopes C, Pereira C, Medeiros R. ASCT2 and LAT1 Contribution to the
Hallmarks of Cancer: From a Molecular Perspective to Clinical Translation.
Cancers (Basel). 2021;13(2).
58.
Scalise M, Pochini L, Console L et al. The Human SLC1A5 (ASCT2) Amino Acid
Transporter: From Function to Structure and Role in Cell Biology. Frontiers in
Cell and Developmental Biology. 2018;6.
53
59.
Zhao Y, Pu C, Liu Z. Essential amino acids deprivation is a potential strategy
for breast cancer treatment. Breast. 2022;62:152-161.
60.
Byun JK, Choi YK, Kim JH et al. A Positive Feedback Loop between Sestrin2 and
mTORC2 Is Required for the Survival of Glutamine-Depleted Lung Cancer
Cells. Cell Rep. 2017;20(3):586-599.
61.
De Paz Linares GA, Opperman RM, Majumder M et al. Prostaglandin E2
Receptor 4 (EP4) as a Therapeutic Target to Impede Breast Cancer-Associated
Angiogenesis and Lymphangiogenesis. Cancers (Basel). 2021;13(5).
62.
Dekkers JF, van Vliet EJ, Sachs N et al. Long-term culture, genetic manipulation
and xenotransplantation of human normal and breast cancer organoids. Nat
Protoc. 2021;16(4):1936-1965.
54
IX.
図の説明
図 1.
オルガノイド培養の概略図を示す．検体処理時点では腫瘍細胞以外の間質細
胞，免疫系細胞などが混在しているが，オルガノイド培養の継代過程において，腫
瘍細胞が選択的に増殖し，その他の細胞は脱落してく．本研究の対象は患者由来の
腫瘍細胞であり，その特徴の解明を試みている．
図 2. A：オルガノイド培養によるの腫瘍細胞の機能評価の自験例を示す PDO 株の
AKT 阻害剤，mTOR 阻害剤への薬剤反応性試験により，それぞれの PDO 株の薬剤
感受性の違いが示された．B：術前化学療法を経て，腫瘍が著減し pCR と診断され
た IBCPDO の自験例を示した．検体処理により得られた細胞数が極めて少ない場合
あっても，オルガノイド培養により腫瘍細胞を選択的に増殖させることで，解析に
必要な細胞数を確保し，その特徴を探索できる．検体処理時数数細胞であったが，
オルガノイド培養後に数万細胞を回収し，各種解析によりその特徴を探索すること
ができた．
図 3.
現在行われている研究・解析基盤の概略図を示す．
図 4. A：検体回収，処理のフローチャートを示す．がん研有明病院乳腺センターで
回収された検体をシングルセルへ処理し，バンキング並びにオルガノイド培養をへ
55
て，ゲノム・エピゲノム解析，機能解析へとシームレスで流れるパイプラインを示
した．B：これまで，検体 301 例（原発巣 289 例，転移リンパ節 4 例，胸水 7 例，腹
水 1 例）を処理し，うち 150 例（原発巣 140 例，転移リンパ節 3 例，胸水 6 例，腹
水 1 例）についてオルガノイド培養を試みた．このなかから一定数の細胞を確保し
た 60 株の PDO 株をストックした．
図 5. A：IBC の病態図を示す．リンパ管内腫瘍塞栓とリンパ管内圧上昇，広範な皮
膚発赤を表現した．B：PDO155 の症例について臨床経過を示す．某年 5 月に IBC
の診断となった．術前診断は TNBC に近い Luminal B タイプで，術前化学療法とし
て CEF，PTX を各 4 クール施行し，乳房全摘出，腋窩リンパ節郭清を施行した．術
後病理は HER2 タイプの診断で，治療効果判定はグレード 0 であった．局所進行を
認めたほか，早期に肺転移，肝転移を認めた．C：PDO155 の樹立過程を示す．初
代培養時はデブリス様結節と認識した構造体が，継代後に分解されず残存し顕微鏡
下，物理的に破砕を試みた．以後も急激な増大を続け，数継代経ても同様の構造を
一部保ちつつ増殖し，樹立に至った．
＊略語：CEF（cyclophosphamide；シクロホスファミド，epirubicin；エピルビ シン，
fluorouracil ； フ ル オ ロ ウ ラ シ ル ) ， PTX （ paclitaxel ； パ ク リ タ キ セ ル ）， HER
（trastuzumab；トラスツズマブ），T-Dxd（trastuzumab deruxtecan;トラスツズマブ
デルクステカン），BSC（best supportive care;ベストサポーティブケア）．
56
図 6.
オルガノイド培養の工程を示す．原発巣（手術検体）から腫瘍組織を一部採
取し，酵素処理により組織をシングルセルに分解処理する．体腔液検体（胸水・腹
水）は赤血球破砕溶液を添加し，精製した．いずれも，遠心分離を経て BME ゲルで
均一に希釈し，3D ドームを作成し重合した．
図 7. 解析のフローチャートを示す．A：PDO 株を酵素処理でシングルセル化し，
1,000～20,000 細胞の細胞溶液を BD RhapsodyTM のカートリッジに流した．各マイ
クロウェルにトラップされた細胞は溶解され，mRNA をビーズで捕捉し回収した．
cDNA を合成し，NGS DNA ライブラリーにより各遺伝子の発現を定量し，データ
補正を経てカウントマトリクスを作成した．B：二次解析は二つの方法で行った．一
つ目に，全 PDO 株の全細胞の DEG をとり腫瘍細胞のクラスタリングを行った．そ
の後，PDO 株ごとに DEG をとり，PDO 株ごとのクラスタリングを行った．全
PDO のクラスタの類似性によりクラスタを特徴づける遺伝子発現パターンを分類し
た．二つ目に，全 PDO 株の全細胞のカウントマトリクスに対し NMF を行い，各
PDO 株を特徴づける遺伝子発現プログラムを導出し，全遺伝子発現プログラムを比
較し，分類した．
57
図 8. A：NMF の遺伝子プログラムが細胞内の特定の機能や転写制御機構などの機
能的意義を示しうるという観点から，遺伝子プログラム内の遺伝子（分子）と相関
の高い転写因子の同定，転写活性のある遺伝子の検出を試みた．B：遺伝子プログラ
ムと相関の高い転写因子を導出した．C：IBCPDO に特異的な活性のある転写因子
を検出した．
図 9. A：培養過程で特徴的な形態を呈した PDO を示す．PDO155 はスフェロイド
構造の他に，塊を保ちながら急速に大型化する細胞集団を認めた（矢印）．POD165
はスフェロイド間にシート様構造が出現している（破線囲い）．PDO207P はブドウ
の房様の構造を保ちながら増殖している．C：解析対象とした 10PDO 株を示す．ス
ケールバーは 500μm である．
図 10. A：PDO 株全細胞における UMAP でのクラスタ分類の図を示す．全 PDO
は 16 個のクラスタに分類された．PDO155 は赤丸で囲まれた C2 と C7 のクラスタ
に分類された．B：各 PDO を構成するクラスタの割合を示す．PDO155 は C2 と C7
で 90%以上が構成され，C2，C7 は PDO155 のみで構成された．C3 は PDO166，
180，195，202 を中心に構成されている．PDO210 は 98%が C11 で構成され，その
他のクラスタにはほぼ認めなかった．C：細胞ごとの遺伝子発現パターンをヒートマ
ップとして示した．発現が高いほど赤色となり，低いほど青色で示される．横軸に
58
細胞が並び，縦軸には遺伝子リストが並ぶ．縦軸の遺伝子は 50 個を一つのまとまり
として，発現強度のパターンにより分類された．右に，PDO 名を記載した．C2 と
C7 のクラスタを赤で囲った．青四角で囲った遺伝子群の発現をみると，上二つは共
通して高い傾向があるが，下一つは C7 でのみ高い傾向が示された．D：C2 と C7 で
有意に発現する遺伝子の上位 25 位をしめした．緑でハイライトしている遺伝子は両
方に共通する遺伝子である．
図 11.
A：10PDO ごとのクラスタ図を示す．B：各 PDO の細胞数およびクラスタ
数をまとめた．CDE：PDO165 を例に，クラスタと ClustGS の関係，ClustGS に含
まれている遺伝子を示す．PDO165 は 4 個のクラスタ（165-C1, C2, C3, C4）に分類
され，4 個のクラスタを構成する細胞の発現上位 25 遺伝子を ClustGS と定義した．
PDO165 は 4 個のクラスタを特徴づける 4 つの ClustGS（165-ClustGS 1～4）が導
かれ，それぞれに含まれる遺伝子には細胞機能を表現しうる遺伝子が含まれていた．
図 12. A：各 ClustGS に含まれる遺伝子の重複により全 38 個の ClustGS を Jaccard
類似度係数でまとめた．共通する ClustGS として 7 つの meta-ClustGS と 9 個のオリ
ジナル ClustGS が同定された．類似度の高いほど，黒～濃緑色で示される．それぞ
れの ClustGS に対応する症例と，サブタイプを右に示す．B：meta-ClustGS に含ま
れる遺伝子には細胞機能を表現しうる遺伝子が含まれていた．C：meta-ClustGS の
59
細胞機能をホールマーク遺伝子濃縮解析でアノテーションした．関連が高いほど赤
く，特異度が高いほど横軸のバーが長くなる．meta-ClustGS1 は G2/M チェックポ
イント，meta-ClustGS2 は E2F，G1/S チェックポイント，meta-ClustGS3，4，6 は
EMT（6 は脂肪酸代謝を含む），meta-ClustGS5，7 はエストロゲン応答(各 Early，
Late)に関連することが示唆された．D：各 PDO がどの meta-ClustGS を含むか示す．
黒のボックスは左側に記載の meta-ClustGS を含む．図の上に症例を並べる．PDO
の免疫組織化学染色の結果を症例番号の下に併記する．青色が Luminal タイプ，橙
色が HER2 タイプ，黄色が Luminal HER2 タイプである．
図 13.
PDO ごとの meta-ClustGS の発現を示す．ACE：各 PDO における 3 つの
meta-ClustGS の発現平均をヒートマップで示す．各 PDO 内での比較において，発
現強度が高いほど，黄色で示され，低いほど紫で示される．BDF：meta-ClustGS の
発現平均と分散を示す．極大値が高いほど，平均的な発現レベルが高く，横方向に
ピークが分散するほど不均一な発現傾向を示す．
図 14.
A：細胞周期に関連する meta-ClustG1，2 のいずれか，ないし両方の
ClustGS を不均一に発現するクラスタをもつ PDO が存在する一方で，PDO180，
195，202 の様に，その他の ClustGS のみで特徴づけられるクラスタしか有さない
PDO も存在した．B：PDO155，165，166，180 は meta-ClustGS5（エストロゲン
60
応答；Early）により特徴づけられるクラスタを含む一方で，PDO154，207P，210
は meta-ClustGS7（エストロゲン応答；Late）により特徴づけられるクラスタを含
んだ．C：EMT に関連する meta-ClustGS は 3，4，6 と 3 つあり，PDO155，165，
166，180，202，そのいずれかによって特徴づけられるクラスタを有していた．
図 15.
Ａ：9 つの PDO オリジナル Clust-GS における発現上位 5 位の遺伝子を示
す．B：オリジナル Clust-GS により特徴づけられるクラスタを示した． PDO207P
は 3 つの異なるオリジナル ClustGS2，4，5 のクラスタが不均一に混在した．C：
PDO207P オリジナルな 207P-ClustGS 4 は PDO207P 内の一部のクラスタで認めら
れ，他の PDO と比較して発現の高い集団が存在していた．D：207P-ClustGS 4 に
含まれる，VIM，CYP4Z1 は meta-ClustGS4 により特徴づけられるクラスタで高く
検出された．
図 16. A：各 GP に含まれる遺伝子の重複により全 55 個の GP を Jaccard 類似度係
数でまとめた．共通する GP として 6 つの meta-GP を同定した．類似度の高いほど，
黒～褐色で示される．それぞれの GP に対応する症例と，サブタイプを右に示す．
B：PDO はそれぞれ 4～7 個の GP を持ち，29 個のオリジナルを認めた． C：6 つの
GP に特徴的な遺伝子と，推定される細胞機能を示す．D：ClustGS と GP を構成す
る共通（meta），オリジナルの ClustGS or GP の数と割合を示した．
61
図 17.
A：PDO155，165，166，180 培養液のサイトカインアレイを示す．各メン
ブレンに 2 対のサイトカイン抗体を付着したドットが 107 対並ぶ．右上，左上，左
下の 2 対がポジティブコントロールで，右下にネガティブコントロールが置かれる．
各ドットの蛍光強度をポジティブコントロールとの比で定量している．B：PDO155
で強く検出される順にならべ，検出の低いものは 165，180 で強く検出される順にし
たから並べた．濃い赤であるほど検出率が高いことを示す．Ｃ：PDO155，165，
166，180 における CHI3L1 と CST3 の RT-qPCR 結果を示す．PDO155 との mRNA
発現比を示している．Ｄ：PDO155 における CHI3L1 と CST3 の発現強度を示した．
発現が高い程，黄色を呈し，低いほど濃青色を示す．両遺伝子とも不均一なトラン
ス ク リ プ ト ー ム 発 現 を 認 め た ． E ： PDO155 由 来 の 患 者 組 織 （ 手 術 検 体 ） と
PDO155 の HE 染色及び，YKL-49（CHI3L1），Cystatin C（CST3）の免疫組織化学
染色結果を示す．両分子ともに，不均一な発現を認めた．
図 18.
PDO9 株（scRNA-seq を行った 10 株のうち PDO210 を除く）全細胞にお
ける scATAC-seq の UMAP でのクラスタ分類の図を示す．全 PDO は 15 個のクラ
スタに分類され，腫瘍“間”の不均一性を示した．Ｂ：PDO155 は C1 のみで構成さ
れ，C1 は他の PDO 由来の細胞を含まず，1 対 1 の関係であった． Ｃ：PDO155 オ
リジナル GP の一つである，155-GP#9.2 と相関のある（相関係数＞0.2）転写因子を
62
143 個同定した．Ｄ：PDO155 に特異的に活性のある転写因子を 28 個同定した．
E：CD で同定した転写因子のうち重なるものを 12 個同定し，C/EBP ファミリーの
3 つ（CEBPA，CEBPB，CEBPD）と神経系発生に関連する 9 つの転写因子を同定
した．Ｆ：155-GP#9.2 を構成する遺伝子の中で他の GP には見られないアミノ酸代
謝関連分子と，この GP に相関し，特異的な転写活性を示す CEBPB，CEBPD が何
らかの分子メカニズムにより関連し，IBC としての特徴を担っている可能性につい
て検討したシェーマである．Ｇ：CEBPA，CEBPB，CEBPD は PDO155 に特異的
な転写活性（高いモチーフスコア）を示した．H： PDO155，165，166，180 にお
ける CEBPA，CEBPB，CEBPD の RT-qPCR 結果を示す．PDO155 との mRNA 発
現比を示している．このうち，CEBPB，CEBPD は PDO155 で有意な発現上昇を示
した．
図 19.
A：アミノ酸トランスポーターの機能と，関連分子の関係を示す．グルタミ
ンの細胞膜における動態を示す．LAT1 はロイシンの取込と共役してグルタミンを細
胞外へ駆出する．一方，SNAT1 はナトリウムイオンとグルタミンを細胞内に共輸送
する．LAT1 の相対的機能亢進はグルタミン欠乏を誘導し，グルタチオン合成が低下
することで ROS の上昇をもたらす．ROS が上昇すると p38α（MAPK14）リン酸化
を介して CEBPB の転写活性を引き起こす．CEBPB，CEBPD の下流には COX2
（PTGS2）を含むいくつかの炎症関連分子が存在する．B：PDO155 の LAT1 免疫
63
組織化学染色結果を示す．オルガノイド間と，オルガノイド内での不均一な染まり
方が観察された．スケールバーは上段が 100μm，下段が 50μm である．C：
PDO155，165，166，180 における SLC7A5 の RT-qPCR 結果を示す．PDO155 と
の mRNA 発現比を示している．C：PDO155，165，166，180 における内在性 ROS
を示す．D： PDO155，165，166，180 における PTGS2 の RT-qPCR 結果を示す．
PDO155 との mRNA 発現比を示している．
64
X. 図
図 1.
図２.
65
図 3.
図 4.
66
図 5.
67
図 6.
図 7.
68
図 8.
69
図 9.
70
図 10.
71
図 11.
72
図 12.
73
図 13.
74
図 14.
75
図 15.
図 16.
76
図 17.
77
図 18.
78
図 19.
79
XI. 表
表 1. 解析対象とした患者の臨床病理学的情報を示す．
Table1 解析対象としたPDOの臨床病理学的特徴
PDO
154
155
165
166
180
195
202
203
207P
210
年齢
53
51
41
48
32
46
45
53
52
47
閉経状況
採取部位
乳腺
乳腺
乳腺
乳腺
乳腺
乳腺
乳腺
乳腺
胸水
胸壁（再発部）
ER*
4+2
0+0
5+3
0+0
5+3
5+2
5+3
5+2
N/A
4+2
組織型
IDC***
IDC
IDC > IMPCa***
IDC
IDC
IDC
IDC
IMPCa > IDC
Adenocarcinoma
IDC
PgR*
3+2
1+1
5+3
0*0
5+3
5+3
4+3
4+3
N/A†
4+2
HER2
N/A†
グレード
Ki67
55%
LVI**
N/A†
95%
35%
65%
25%
10%
35%
5%
N/A†
90%
N/A
* オールレッドスコア（=Proportion score+Intensity score）で算出．
** LVI （lymphovascular invasion; リンパ管侵襲）
*** IDC（invasive ductal carcinoma; 浸潤性乳管癌９, IMPCa（invasive micropapillary carcinoma; 浸潤性微小乳頭癌）
細胞診による診断を行った.
表 2. PDO155 の二つのクラスタ間で共通する遺伝子を緑で示す．
C2
avg_log2FC
gene
COX6C
3.284
2 PPP1R1B
3.102
CHI3L1
2.890
EIF3H
2.388
CRABP1
2.380
CST3
2.250
POLR2K
2.151
8 HSP90AB1 2.116
AARD
2.083
10 S100A4
1.943
11
MIEN1
1.911
12 MRPL13
1.802
13 SLC35B2
1.636
14
EBAG9
1.618
15 RNF19A
1.596
16 MRPL14
1.531
17
DDIT4
1.520
18
SCRG1
1.513
19
ZG16B
1.481
20 AC104986.2 1.473
21
NES
1.461
22
CDC5L
1.455
23 CDKN2A
1.414
24 VPS13B
1.382
25
CDK12
1.376
Rank
C7
p_val
1E-307
1E-249
2E-261
2E-53
1E-275
3E-298
3E-271
gene
RAD21
CKS2
HSP90AB1
POLR2K
PPP1R1B
COX6C
CRABP1
SLC29A1
CDK12
TOP2A
CDC5L
PSAT1
EIF3H
SLC35B2
AARD
EBAG9
MRPL13
RNF19A
MIEN1
SLC7A5
MCM3
RPL7L1
BIRC5
UTP23
PSIP1
80
avg_log2FC
2.485
2.261
2.216
2.169
2.169
2.025
1.934
1.812
1.797
1.697
1.646
1.626
1.588
1.523
1.517
1.486
1.436
1.430
1.408
1.381
1.346
1.315
1.312
1.292
1.287
p_val
6E-206
7E-158
3E-187
9E-180
2E-179
1E-144
1E-194
2E-167
2E-182
1E-201
7E-172
9E-176
1E-134
6E-153
2E-158
1E-168
3E-138
1E-149
1E-141
8E-184
6E-109
2E-128
9E-171
8E-163
3E-136
表３. PDO165 の 4 つの ClustGS に含まれる遺伝子を示す．
ClustGS
Gene
XBP1,CLU,CA12,CYP4Z1,TMEM45A,KTN1,PLAT,CP, GATA3 ,GALNT6,
165-ClustGS 1 BHLHE40,SLC40A1,ASPH,MUCL1,TFAP2B,SC5D,PRLR,GMNN,
TNFSF10,PMP22,FTH1, FOXA1 ,MPHOSPH6,ALDH3B2,MARCKSL1
KLK5, DKK1 , TGFB2 ,MCAM,CAVIN1,THBS1,KRT17,S100A6,FILIP1L,
165-ClustGS 2 CLDN1,KRT7,MYH9,LOXL2,KLK7,MYL9,FSTL1,IL32,ACTN1,ANXA1,
MYL12B,KRT23,TAGLN,KLK10,ANXA3,NEXN
TOP2A,CENPU,NCAPG, CDK1 , MKI67 ,ZWINT,TK1,BIRC5,FAM111B,
165-ClustGS 3 TYMS,HMGB2,PCLAF,ASF1B,CEP55,NCAPH,NUSAP1,UBE2C,KIFC1,
DLGAP5,CCNA2,PBK,HMMR,DEPDC1,KIF4A,PKMYT1
GABRP,SFRP1, KRT14 ,SPARC,KRT6B,TCN1,IL33, KRT5 ,NGFR,
165-ClustGS 4 LTBP2,SAA1,APOE,STAC2,FBXO32,MYLK,NTRK2,SLC34A2,A2M,
NDRG2,NFIX,ARL4A,DSC3,SLC25A37,CD59,CHI3L1
＊下線太字は本文中で言及のある遺伝子である．
表 4. 7 つの meta-ClustGS で共通となる遺伝子を示す．
ClustGS
Gene
TOP2A,BIRC5,MKI67,TUBA1B,HMGB2,UBE2C,TPX2,CENPF,DLGAP5,CDK1,C
CNA2,NCAPG,CCNB1,PLK1,HMMR,KIF20A,AURKA,PTTG1,CENPA,PBK,
meta-ClustGS 1
ZWINT,H2AFZ,DEPDC1,CENPE,PRR11,HSP90AB1,TK1,CKS1B,CEP55,
CENPU,PTMA,NEK2,PCLAF,HMGB1,TYMS,TUBB,NCAPH,CKS2,STMN1,
UBE2T,ASPM,HSP90AA1,NUSAP1,KIFC1,PKMYT1,TTK,KIF2C,KIF4A,
CDC20,IQGAP3,HMGN2,FOXM1,UBE2S,BUB1
meta-ClustGS 2
FAM111B,PCNA,RRM2,DTL,CCNE2,GINS2,MCM3,MCM4,MCM6,WDR76,E2F1,
CDC6,CENPU,ZWINT,MCM2,MCM7,DUT,TK1,ZNF367,HELLS,CDK1,FEN1
SFRP1,NTRK2,NGFR,STAC2,CHI3L1,GABRP,SPARC,RARRES1,LTF,SLC25A37
meta-ClustGS 3 ,NDRG2,SAA1,APOE,LTBP2,EEF1A1, KRT14 ,CD59, KRT5 ,MYLK,CYP1B1,SC
GB2A1,A2M,KRT6B,PTN,SCGB1D2,MGP,CITED4,TNFAIP2,SCGB2A2
meta-ClustGS 4
CXCL14,COL17A1,TIMP3,MYL9,MYLK,TAGLN,JAG2,SEMA5A,LOXL2,IGFBP5,
TPM2, ACTA2 ,EFEMP1,PDGFA
XBP1,TFAP2B,TMC5,AGR2,CYP4Z1,SPTSSB,CA12,MUC6, FOXA1 ,PRSS23,
meta-ClustGS 5 TMEM45A,SLC40A1,MLPH,TMEM45B,ANKRD30A,PLAT,GMNN,PRLR,MUCL1,
GATA3 ,AR,KRT8,PMP22,ALDH3B2,TCIM
meta-ClustGS 6
KLK5,KRT17,TMSB4X, ANXA2 ,KLK7,LGALS1,S100A10,S100A6,S100A11,
KRT23,KRT6B,FSTL1,ANXA1,TACSTD2
meta-ClustGS 7 XBP1,EEF1A1,KRT7, CCND1 ,ST3GAL1,AGR2
81
＊下線太字は本文中で言及のある遺伝子である．
表 5. 各 PDO オリジナル ClustGS に含まれる遺伝子を示す．
ClustGS
155-ClustGS 1
203-ClustGS 1
203-ClustGS 3
203-ClustGS 4
207P-ClustGS 2
207P-ClustGS 4
207P-ClustGS 5
210-ClustGS 2
210-ClustGS 5
gene
EIF3H , PABPC1 ,AARD,CRABP2,COX6C,TKT,TACSTD2,PIK3R3,SPTSSA,
EEF1A1,NES, EIF3E ,CST3,HIST1H2BG,CHI3L1,GSTP1,LY6D,UQCRB,
AC104986.2,RACK1, EIF2S3 ,HIST2H2BE,SLC25A6,MIEN1,CEBPB
KRT19,KRT8,GRB14,SCGB2A2,SMOX,CRISP3,SCGB1D2,STC2,MAOB,
DCAF10,DUSP4,SEMA3C,COL2A1,LURAP1L,RBPMS,COX6C,GPRC5A,
EVL,CD36,KRT18,NAT1,C6orf141,FAM198B,ZBTB18,CALML5
KRT15,BMPR1B,PRKACB,MAP3K1,MUCL1,COX7A1,UGT2B11,ITPRID2,
PDZK1IP1,CST4,S100A7,H1F0,MGP,JUN,TPT1,NFKBIZ,HIST1H1C,
ELOVL5,FTH1,HOXB3,BST2,SLC39A6,NTN4,NPY1R,MRPS30.DT
KCNJ3,APOD,IFI27,CSTA,PSCA,TRGC1,CTTN,DNAJC1,IFI6,BRINP3,HSPB8,
POF1B,MDK,FAM3B,BMI1,ANO1,CRABP2,PABPC1,TPM4,YWHAZ,
CD63,CFL1,ATP6AP1,ATP5F1E,MARCKS
MAGEA4,HMGB2,DHTKD1,LGALS3BP,STMN1,HSPB1,PCLAF,VIM,
HCLS1,HMGB1,FRZB,CALM1,TYMS,CENPU,MCM10,RRM2,WFDC2,
H2AFZ,ATAD2,PTMA,DUT,SSX1,CAPRIN1,RARRES1,CDK4
VIM , CYP4Z1 ,NAP1L1,PPP1R1B,LGALS3BP,DUSP6,MAGEA4,ST8SIA6.
AS1,TPT1,PIP,HSPB1,RARRES1,CD59,SELENOP,SERPINI1,TFAP2B,
CD36,FAIM2,PLD3,IFITM3,HCLS1,FMOD,FRZB,GRN,CLU
NDUFS8,PRKAR1A,MALAT1,MAP1LC3B,AP3D1,ATXN7L3B,SSR4,
RAB3D,RTF1,DDX3X,AKT1,STRAP,LRP10,SF3B1,RDH11,CD151,
MMADHC,CCT8,MAGED1,PTBP1,UBE2Z,ATP6V1A,SRSF10,CIRBP,MANF
MUCL1,SCD,TFF3,APOD,PKM,TFF1,TRGC1,SPINT2,EEF1A1,CD24,
HSP90AB1,BRINP3,MAGED1,KCNC2,HSPB1,RHOBTB3,S100A6,
TMED3,DHCR7,CLU,CXCL17,CEACAM5,ARF1,NUCB2,S100A14
ECM1,SERPINI1,CXCL14,BASP1,IFI6,S100A14,STS,UPK2,NCAM2,PSCA,
FAM107B,MX1,PLAT,TCEAL4,CCL28,TSPAN8,SLPI,PHLDA1,SELENBP1,
ADAM8,EGLN3,STC1,PLA2G2A,SLC39A6,RALBP1
＊下線太字は本文中で言及のある遺伝子である．
82
表 6. PDO155 オリジナル GP に含まれる遺伝子を示す．
Gene Program
gene
ZG16B ,CHI3L1 ,RARRES1,SCGB2A2,THRSP,SLC12A2,NDRG1, CST3 ,
CD59,SPARC,NTRK2,FOS,SFRP1,STARD3,TMEM213,SAT1,VIM,CSRP1,
155-GP#7.1
CAMP,SELENOP,CITED4,LMO4,CD44,DBI,DUSP6,SCGB2A1,TXNIP,YBX2,
TMEM87A,EN1,KRT19,NXPH4,FZD1,SCGB1D2,RDH10,TRIB1,CD82,
NDRG2,MBOAT2,TMEM45A,AP1G2,PADI2,SCRG1,SELENBP1,GRB7,JUNB,
CASP14,OBP2B,FBXO32,CTNNB1
STEAP4, LY6D ,SPON2,TLDC1,LCN2,G6PD,GCLM,ANXA1,TAOK1,CD14,
SERPINA5,C3,OSBP,MUC15,PTPN14,ADAM9,ALCAM,RCOR1,NCOA3,
155-GP#7.4
SQSTM1,AHR,IFNGR1,FLNA,EIF4G3,MAP7D3,AC009283.1,MIA2,CYP1B1,
BOD1L1,VAT1,SLFN5,PRRG1,PTK7,PDXK,TRIM2,TRIM38,TMEM179B,
AACS,GUK1,SWAP70,PBRM1,KLK6,MYOF,FNBP1L,GAPVD1,RAB29,
SESN3,IDH1,SLC11A2,RTL8B
SLC7A5 ,PTBP3,PTPN11,SYNCRIP, BRD4 ,NFIX,CBX5,NFIC,DDX6,NFIB,
LARP1,GTF3C4,CDK12,FAM120A,EIF3A,IMPAD1,RCC2,NOLC1,SMARCC1,
155-GP#9.2
UHMK1,YWHAG,PAPOLA, SLC38A1 ,DSC3,PRRC2C,MYH9,GOLGA4,
SBNO1,DDX21,LMAN1,PRRC2B,KHSRP,TTC3,HDLBP, PSAT1 ,RAB10,
ENAH,ARF3,BPTF,MIB1,DSC2,DCAF7,TRPS1,RB1CC1,LRRC58,HNRNPU,
CCND1,HNRNPR,B4GALT5,IKZF3
＊下線太字は本文中で言及のある遺伝子である．
83
XII. 謝辞
本研究のご指導いただきました，がん研究会有明病院（連携）がん治療外科学
佐野武教授，東北大学病院総合外科
亀井尚教授に深くお礼申し上げます．定期的
に大学院総会を主催いただいた，がん研究所
野田哲生先生，広田亨先生，髙橋俊
二先生に心よりお礼を申し上げます．検体回収・研究所と病院の連携にご尽力いた
だいた，乳腺センター高橋洋子先生，尾崎由記範先生，高野利実先生，オルガノイ
ド培養法をご教授いただいたがん生物部八尾良治先生，NEXT-Ganken プログラム
ディレクターの大野真司先生，副ディレクターの上野貴之先生，病理部の大迫智先
生，他，乳腺センターの皆様，実験のご指導をいただいたがん研究所がんエピゲノ
ムプロジェクト・NEXT-Ganken プログラムの皆様，解析を全面的にサポートいた
だいた粂川昂平先生，そしてプロジェクトリーダーの丸山玲緒先生に深く御礼申し
上げます．
84
...
論文の公開元へ
