論文の公開元へ臨床ビッグデータ解析及び薬理学的実証によるジペプチジルペプチダーゼ4阻害薬誘発類天疱瘡抑制法の創出
概要
臨床ビッグデータ解析及び薬理学的実証による
ジペプチジルペプチダーゼ4阻害薬誘発類天疱瘡
抑制法の創出
２０２２
野澤
啓輔
目次
1
緒言 ..............................................................................................................................................2
2
略語表 ..........................................................................................................................................3
3
第一章 ..........................................................................................................................................4
3.1
背景 ......................................................................................................................................4
3.2
実験方法...............................................................................................................................5
3.2.1
FAERS データベース解析...........................................................................................5
3.2.2
IBM® MarketScan® database 解析............................................................................6
3.2.3
統計解析.......................................................................................................................7
3.3
実験結果.............................................................................................................................10
3.3.1
FAERS 解析を用いた BP 発症リスク薬剤の探索 ...................................................10
3.3.2
FAERS 解析を用いた DPP4 阻害薬誘発 BP 発症リスク抑制薬の探索 ...............14
3.3.3
IBM® MarketScan® Research database 解析を用いた DPP4 阻害薬風発 BP 発
症とリシノプリル併用の因果関係推定 .....................................................................................15
3.4
4
小括 ....................................................................................................................................22
第二章 ........................................................................................................................................25
4.1
背景 ....................................................................................................................................25
4.2
実験方法.............................................................................................................................26
4.2.1
薬剤および試薬..........................................................................................................26
4.2.2
Primary human cell の単離......................................................................................26
4.2.3
Flow cytometry 解析 .................................................................................................26
4.2.4
Quantitative RT-PCR 解析.......................................................................................27
4.2.5
統計解析.....................................................................................................................28
4.2.6
研究の承認.................................................................................................................28
4.3
実験結果.............................................................................................................................30
4.3.1
DPP4 阻害薬の T 細胞分化に対する作用検証.......................................................30
4.3.2
DPP4 阻害薬およびリシノプリルによるマクロファージに対する作用検証 .............34
4.3.3
DPP4 阻害薬およびリシノプリルの単球/マクロファージのレニン-アンジオテンシン
系に対する作用検証..................................................................................................................36
4.4
小括 ....................................................................................................................................39
5
総括および結論..........................................................................................................................41
6
参考文献 ....................................................................................................................................43
7
発表論文 ....................................................................................................................................49
8
謝辞 ............................................................................................................................................50
1
1
緒言
水疱性類天疱瘡（bullous pemphigoid：BP）は最も代表的な表皮下水疱を生じる自己免疫
性水疱症であり，2 つのヘミデスモソームタンパク質，BP180 及び BP230 に対する自己抗原
の産生を特徴とする疾患である（1）。本疾患の発症には乾癬や関節リウマチといった自己免
疫疾患，パーキンソン病やアルツハイマー病といった中枢疾患，高血圧といった心血管疾患，
および肝臓がんといった各種がんが関連していることが報告されている（1）。加えて， BP の
発症リスクを高める薬剤が 50 以上報告されている（2）。一方で，その発症機序は不明点が
多く，また，治療法もステロイド剤投与等のみと限定的である。そのため，本疾患の発症機序
解明および有用な治療薬の開発は社会的意義が大きいと考えられる。
ジペプチジルペプチダーゼ 4（dipeptidyl peptidase 4: DPP4）阻害薬は 2 型糖尿病治療薬の
1 カテゴリーであり，2006 年に最初の薬剤であるシタグリプチンが米国において承認された
ことを皮切りに複数の薬剤が承認され，低血糖を生じにくい作用機序であることなどから最
も広く用いられている。一方，近年頻度は低いものの副作用の一つとして BP が発症するこ
とが報告され，DPP4 阻害薬の使用数拡大に従いその報告数も増加傾向にある（3，4）。DPP4
阻害薬は血糖値低下に寄与するインクレチンペプチドの分解阻害作用だけでなく，各種免疫
細胞の機能を変化させることが報告されており，この免疫細胞機能変化が BP 発症に関与し
ていることが示唆されているものの，未だ不明点が多い（5-7）。
以上の背景より，DPP4 阻害薬による類天疱瘡の発症抑制方法を創出することは，有用な
薬剤の安全使用，及び副作用発生時の対処法を提供するうえで非常に重要である。また，こ
こで得られた知見は，特発性 BP 治療法確立にも新たな知見を与えるものであると考えられ
る（8）。そこで，この課題を解決するため、近年医療・創薬において着目されている臨床ビッ
グデータ解析に従来の薬理学的実験を組み合わせる「リバーストランスレーショナルリサーチ
法」を用い、DPP4 阻害薬誘発類天疱瘡の抑制方法を探索した。
第一章では，2 つの臨床ビックデータ解析により DPP4 阻害薬による BP 発症を抑制可能
な薬剤の同定を行った。その結果，リシノプリルが，DPP4 阻害薬による血糖値低下作用に影
響せず，DPP4 阻害薬誘発 BP 発症を抑制する薬剤であることを明らかにした。
第二章ではリシノプリルによる DPP4 阻害薬誘発 BP 抑制機序の一端を薬理学的実験に
より明らかにし，Angiotensin 1-7(Ang1-7)/MasR 軸が重要な役割を果たしていることを示し
た。
これらの研究成果について，以下に論述する。
2
2
略語表
ACE: angiotensin-converting enzyme
Ang1-7: angiotensin 1-7
ATC: Anatomical Therapeutic Chemical
BP: bullous pemphigoid
CI: confidence interval
DDD: defined daily dose
DPP: dipeptidyl peptidase
EDTA: ethylenediaminetetraacetic acid
FAERS: FDA Adverse Event Reporting System
FBS: fetal bovine serum
FAP: fibroblast activation proteins
HbA1c: hemoglobin A1c
hPBMCs: human peripheral blood mononuclear cells
ICD10: International Classification of Diseases Version 10
IRR: incidence rate ratio
MarketScan: IBM® MarketScan® Research
MasR: Mas receptor
M-CSF: macrophage colony-stimulating factor
MMP9: matrix metallopeptidase 9
PBS: phosphate-buffered saline
PHA: phytohemagglutinin
PMA: phorbol-12-myristate-13-acetate
RAS: renin-angiotensin system
ROR: reporting odds ratio
Th1: T helper 1
Th17: T helper 17
TNF: tumor necrosis factor
Treg: regulatory T cells
3
3 第一章
臨床ビックデータ解析による DPP4 阻害薬誘発類天疱瘡抑制薬の探索
3.1
背景
BP は水疱形成を主とする自己免疫性皮膚疾患である。その発症機序は不明点が多い一
方，薬剤がその発症のリスク因子であることが報告されている（2）。このような薬物有害事象
に対する有効な治療法を見つけるための一つのアプローチは，臨床ビッグデータを解析し，
未知の薬物相互作用を検索することである。FDA Adverse Event Reporting System（FAERS）
は、自発報告による有害事象を集めた世界最大のデータベースであり，本アプローチを実施
するうえで有用なデータベースの一つである。実際，FAERS データを解析することで，薬物
（薬物 A）の有害事象の発生が，別の薬物（薬物 B）の併用によって顕著に抑制されるといっ
た新規の薬物相互作用が発見されている（9，10）。したがって，FAERS データの解析は，特
定の臨床有害事象の交絡因子に関する新たな仮説を生み出す貴重な戦略となり得ると考え
られる。
しかしながら，FAERS データは時系列の情報がないことから，薬物 B の併用と有害事象
の発生率の変化との間の因果関係を算出することができないという方法論上の問題がある。
この課題を解決するため，FEARS データ解析に加え，時系列が明らかな保険請求データベ
ースを用いて有害事象の発生率の変化と各薬剤使用との間の因果関係を算出する手法が
報告されている（11，12）。この手法は，豊富な情報量がある一方で時系列データを有しない
という FAERS データベースの特徴と，副作用に関する情報量は限られるものの時系列情報
が紐づいているという保険請求データベースの特徴を組み合わせることで，精度の高い新規
薬物相互作用を明らかにすることができる非常に有用な手法であると考えられる。
そこで本章では，まず FAERS データ解析により BP 発症を誘発する薬物 A の探索，及び
薬物 A 誘発 BP を抑制する薬物 B の探索を行った。続いて，因果関係を算出するため，米
国の保険請求データベースである IBM® MarketScan® Research (MarketScan) databases を用
いて薬物 A 誘発 BP に対する薬物 B の時系列的な発生状況を調査した。
4
3.2 実験方法
3.2.1 FAERS データベース解析
2004 年から 2019 年までの有害事象報告を FDA の Web サイトから入手した（13）。合計
13,632,002 件から重複した報告を既報の通り排除し（14），残りの 11,438,031 件の報告を解
析した。また，FAERS に登録されている薬物名は任意記載形式であるため，ライフサイエンス
辞書シソーラスを駆使したテキストマイニングにより薬物名を一般名に統一した。BP の報告
は，MedDRA（バージョン 23.0）の「Pemphigoid」で定義した。FAERS データの解析は，既報
に従い行った（10）。Volcano plots 作成においては，P 値の代わりに Z スコアを使用した。
図 1-1 で用いた算出方法を下記に示す。FAERS データに報告されている患者を以下の
4 つのグループに分けた。（a）対象薬物（薬物 A）を投与され，かつ BP を発症した人，（b）薬
物 A を投与され，かつ BP を発症しなかった人，（c）薬物 A を投与されず，かつ BP を発症し
た人，（d）薬物 A を投与されず，かつ BP を発症しなかった人。95%信頼区間（confidence
interval: CI）付きの報告オッズ比（reporting odds ratio: ROR）および Z スコアは以下の式に
従って算出した。
ROR =
𝑎/𝑏
𝑐/𝑑
1 1 1 1
95% CI = 𝑒𝑥𝑝 {log(ROR) ± 1.96 √( + + + )}
𝑎 𝑏 𝑐 𝑑
𝑍 score =
log(ROR)
√(1 + 1 + 1 + 1 )
𝑎 𝑏 𝑐 𝑑
なお，a，b，c，d は各グループの例数を示す。
図 1-2 における算出方法を下記に示す。DPP4 阻害薬（ビルダグリプチン，リナグリプチン，
シタグリプチン，アログリプチン，テネリグリプチン，アナグリプチン，もしくはサクサグリプチ
ン：薬物 A）を投与された患者を以下の 4 つのグループに分けた。（a1）併用薬（薬物 B）を投
与され，かつ BP を発症した人，（b1）薬物 B を投与され，かつ BP を発症しなかった人，（c1）
薬物 B を投与されず、かつ BP を発症した人，（d1）薬物 B を投与されず、かつ BP を発症し
なかった人。薬物 A による BP の 95% CI 付きの ROR と Z スコアを以下の式に従って算
出した。
ROR =
5
𝑎1/𝑏1
𝑐1/𝑑1
95% CI = 𝑒𝑥𝑝 {log(ROR) ± 1.96 √(
𝑍 score =
1
1
1
1
+
+ + )}
𝑎1 𝑏1 𝑐1 𝑑1
log (ROR)
√( 1 + 1 + 1 + 1 )
𝑎1 𝑏1 𝑐1 𝑑1
なお，a1，b1，c1，d1 は各グループの例数を示す。
3.2.2 IBM® MarketScan® database 解析
2017 年 1 月から 2019 年 12 月までの期間に対応する IBM® MarketScan® Commercial
and Medicare Supplemental databases を IBM® Watson Health®より購入した。本データベース
はプライマリもしくはメディケアサプリメント適応を受けた米国の 43,723,094 人の従業員，扶
養家族，および退職者のデータで構成されていた。このうち，解析には生年月日および性別
が紐づいた外来患者 36,399,469 件を使用した。
薬物名は DPP4 阻害薬を ATC コード A10BH で定義し，リシノプリルを ATC コード
C09AA03 で定義した（表 1-1）。診断名は国際疾病分類 10（International Classification of
Diseases Version 10：ICD-10）に基づいて定義した（表 1-2）。
データ解析は R ソフトウェア v4.1.2 および RStudio (2022.07.1 Build 554 software, R
Foundation for Statistical Computing)を用いて実施した。時系列解析には R パッケージ
「survival」（15）および「MatchIt」（16）を用い，既報の方法に従い実施した（11）。DPP4 阻害薬
の使用に関連した BP の発生率は、ポアソン回帰分析によって評価し、得られた結果は、95％
CI および Z スコアとともに発生率比（incidence rate ratio: IRR）として示した。
DPP4 阻害薬が投与された患者をリシノプリル使用群と未使用群の 2 つのグループに分類
し，既報の手法を用いて 1：1 の傾向スコアマッチングを行い，危険因子を持つ患者数の偏り
を解消した（17）。傾向スコアマッチのペアは，0.2 キャリパー幅に基づく最近傍法を用いて 2
群をマッチングすることにより作成した（18）。交絡因子として腎不全 (N17–19)，肝障害
(K70–77)，高血圧 (I10–15)，糖尿病 (E10–14)，心臓病 (I05–09，I20–52) ，脳血管疾患
(I60–69，G45、および G46)，がん (C00–D09)，神経疾患 (G20–22，G30–32，F00–03，G35、
G40，および G41)，自己免疫疾患 (M05–09，L40–41，L43，L93，および M32)，ループ利尿
薬 (ATC コード C03CA01、C03CA02，C03CC01 および C03CA04)，およびステロイド
(ATC コード H02A)を用いた。さらに、マッチング後に得られたコホートペアを用いて、DPP4
阻害薬とリシノプリルの投与量と累積投与量、および投与期間を比較した。各薬剤の投与量
は WHO のウェブサイト記載の 1 日当たりの投与量（defined daily dosage：DDD）を基に定量
化した (19)。
6
BP の累積発生率をリシノプリル併用群と非併用群で比較し、生存曲線を Kaplan-Meier
プロットで表した（20）。統計的有意性は、ログランク検定と Cox 比例ハザードモデルを用い
てハザード比を算出して評価した。Number at risk は、毎月 BP が発症する可能性のある患
者数を示す。 ...
この論文で使われている画像
