本研究では、大腸がん患者群から得られたctDNAを含む大規模マルチオミクスデータを統合的に解析することで、ctDNA解析の適切な使用による低侵襲で効率的な術後再発モニタリングおよび再発率低減への貢献を目指している。具体的には（１）術後再発の判定にctDNA検査だけでは不十分な症例群を層別できるバイオマーカーの開発、（２）術後補助療法の必要性を判定する方法の開発、（３）術後補助療法の治療効果予測因子と抵抗性克服法の同定の3項目について開発を進めている。
研究期間二年目である本年度は、開発項目に沿って研究を進め下記のような成果を得た。開発項目（１）については、ctDNA陰性例の特徴を解析することによりバイオマーカーとなる分子の候補を同定した。マルチオミクスデータ解析による各種の検討を行い、結果をまとめ論文投稿につなげた。開発項目（２）については、術後4週ctDNA陽性例および陰性例間の遺伝子発現値、ゲノム変異情報を比較し見出した差異のある遺伝子群を特徴量とする機械学習判別モデルの改良を進め、術後補助療法の必要性を判別するためのマーカー候補の絞り込みおよび生物学的検討を行った。開発項目（３）については、術後補助療法後ctDNA陰転化症例、陽性継続例の比較に基づき、治療抵抗性判別マーカー候補の検出を行い、Validation cohortにおける検証を進めた。研究代表者の山口は、研究全体を統括すると共に、主にマルチオミクスのデータ解析を担当し、また機械学習モデルの構築および改良を進めた。研究開発分担者の衣斐は、上記の開発項目それぞれについて、バルクRNA-seqおよびscRNA-seq遺伝子発現データ等の取得を行い、薬物療法の専門的な見地から、発現差解析等の結果得られたバイオマーカー候補について生物学的・臨床的解釈を行った。研究開発分担者の吉野は、上記の開発項目それぞれについてCIRCULATE JAPAN試験の責任者として、解析に必要な臨床情報および変異・ctDNA解析結果を収集し、得られたバイオマーカー候補群について臨床的解釈を行った。研究開発分担者の井元は、上記の開発項目それぞれについて、数理モデリング関する専門的な見地から、判別モデル構築に用いる統計的機械学習アルゴリズムの提案および開発を進めた。