초록 ▼

독성유전체 기술을 응용한 간독성 예측시스템이 미국 등에서 전통적인 독성시험을 대체하고, 허가기간을 단축하기 위해 곧 활용될 전망이며, 간독성은 의약품 개발과정에서 실패하는 가장 주요한 사유이다. 본 연구에서는 독성유전체 연구의 궁극적인 목적인 신속간편하면서도 예측률이 우수한 간독성 예측시스템을 구축하고자 하였다. 독성유전체 기술응용 예측시스템에 대한 연구는 많은 약물에 대한 데이터가 축적되어야 가능하기 때문에 최근에 단지 몇 편의 논문만이 publish된 상황이다. 안정적이며 재현성이 우수한 HepG2 시스템을 이용하고, 대상의약품

독성유전체 기술을 응용한 간독성 예측시스템이 미국 등에서 전통적인 독성시험을 대체하고, 허가기간을 단축하기 위해 곧 활용될 전망이며, 간독성은 의약품 개발과정에서 실패하는 가장 주요한 사유이다. 본 연구에서는 독성유전체 연구의 궁극적인 목적인 신속간편하면서도 예측률이 우수한 간독성 예측시스템을 구축하고자 하였다. 독성유전체 기술응용 예측시스템에 대한 연구는 많은 약물에 대한 데이터가 축적되어야 가능하기 때문에 최근에 단지 몇 편의 논문만이 publish된 상황이다. 안정적이며 재현성이 우수한 HepG2 시스템을 이용하고, 대상의약품은 고혈압치료제로 하였다. 먼저, HepG2 세포에 약물처리농도와 처리시간을 정하기 위하여 MTT assay를 예비적으로 수행하였으며, 10, 100, 400 μM의 약물처리결과 100μM을 최종 약물처리농도로 정하고 이 농도에서 농도의 존적인 세포사멸을 나타내는 의약품을 hepatotoxic으로, 반대의 의약품을 nonhepatotoxic 그룹으로 분류하였다.
대상의약품을 HepG2 세포에 처리한 다음 RNA를 추출, 마이크로어레이 실험을 실시후 geneplex 프로그램에 입력하고 데이터를 표준화한 다음, 판별분석 모델을 만들어 검증하였다. 판별분석용 유전자 선정 과정은 hepatotoxicant와 nonhepatotoxicant 간의 Welch's t-test를 통해 1차로 probe를 선별하고 그 중 BSS/WSS를 기준으로 한 개수별 training error estimation과 hierarchical clustering을 통해 두 그룹을 정확히 구분할 수 있는 최소의 유전자군을 선정하였다. Training set(hepatotoxicant 6종, nonhepatotoxicant 10종)으로 모델을 만들고, test set(hepatotoxicant 2종, nonhepatotoxicant 2종, ambiguous 2종) 총 6종 의약품으로 검증한 결과 예측률 100 %의 우수한 시스템임을 확인할 수 있었다.
이번 연구에서 추출한 6종의 probe와 2008년 NSAID 계열 의약품에서 추출한 7종의 probe를 모두 이용하여 cross-prediction을 해본 결과 2008년 probe로 고혈압치료제에 적용 시 100%의 예측율을 보였고 2009년 probe로 NSAID 계열 의약품에 적용 시 83.3%의 예측율을 나타내었다. 또한 2008년, 2009년의 13개 probe 모두로 각 약물의 간독성 유무를 예측한 결과, NSAID 계열 의약품에서는 83.3%, 고혈압치료제에서는 100%의 예측율을 나타내었다.
또한 IPA program의 생물학적 경로 기반 간독성 표지자를 탐색하여 NSAIDs 약물과 고혈압치료제 모두에 적용되는 11종의 표지자를 선정하였다. 이 표지자로 25종의 NSAIDs 약물과 22종의 고혈압치료제의 간독성 여부를 예측한 결과 NSAIDs의 training set에서는 84.21%, test set에서는 100%의 예측율을 나타내었다. 또한 고혈압치료제에서는 training set과 test set의 간독성 모두 100% 예측하였다. 따라서 이번 연구에서 개발한 microarray 및 생물학적 경로를 이용한 예측시스템은 다른 약물에서도 적용할 수 있는 것으로 사료된다.

Abstract ▼

Toxicogenomics has the potential to be used for the regulatory decision making to predict toxicity and drug-induced hepatotoxicity is a major issue for drug development. We have established a prediction system for hepatotoxicity of antihypertensive drugs by analyzing differential gene expression pro

Toxicogenomics has the potential to be used for the regulatory decision making to predict toxicity and drug-induced hepatotoxicity is a major issue for drug development. We have established a prediction system for hepatotoxicity of antihypertensive drugs by analyzing differential gene expression profiles of hepatotoxic and nonhepatotoxic compounds. 100 μM of 22 antihypertensive drugs were treated to HepG2 cell and the analysis of gene expression changes after 24 h allowed a set of genes to be identified differentiating hepatotoxicants from nonhepatotoxicants by statistical method. The optimization of gene sets was made for classification with K nearest neighborhood (KNN), leave one out cross validation (LOO-CV) and between group/within group sums of squares.
6(2 hepatotoxic, 2 nonhepatotoxic, and 2 ambiguous drugs) test compounds in the antihypertensive drugs were used for validating the prediction system and accuracy of hepatotoxicity prediction was 100.0 %. We would like to present this study as proof of the concept that a classification of hepatotoxicants based on toxicogenomic study may be feasible.
We performed cross-prediction with 7 probes in NSAID drugs of last research and 6probes in antihypertensive drugs of present research. The results are described as follows; the probes of 2008 predicted hepatotoxicity of antihypertensive drugs perfectly, and the probes of 2009 showed 83.3% of hepatotoxicity prediction in NSAID drugs. Additionally, we tried to predict hepatotoxicity with all the probes(13 probes) in both drug groups, and the result was the same as separate cross-prediction.
We also selected 11 classifiers through biological pathways using IPA program and applied to 25 NSAIDs and 22 hypertensive drugs for hepatotoxicity prediction. The classifiers predicted hepatotoxicity of the test set of NSAIDs perfectly, and showed 84.21% of prediction rate in the trial set. In the case of hypertensive drugs, the classifier predicted hepatotoxicity in both training set and test set perfectly. Therefore we expect these probes would be applied to hepatotoxicity prediction of other drugs.

목차 Contents

• 최종보고서 ... 1
• 표지 ... 2
• 요약문 ... 3
• Summary ... 4
• 목차 ... 5
• I. 연구개발과제 연구결과 ... 6
• 제1장 연구개발과제의 개요 ... 6
• 제1절 연구개발과제의 목표 ... 6
• 제2절 연구개발과제의 필요성 ... 7
• 제2장 연구개발과제의 국내?외 연구개발 현황 ... 9
• 제3장 연구개발과제의 연구수행 내용 및 결과 ... 11
• 제1절 연구내용 ... 11
• 제2절 연구방법 ... 11
• 제3절 연구결과 ... 13
• 제4장 연구개발과제의 연구결과 고찰 및 결론 ... 33
• 제1절 연구결과 고찰 및 결론 ... 33
• 제5장 연구개발과제의 목표달성도 및 관련분야에의 기여도 ... 35
• 제6장 연구개발과제 연구개발 결과 활용계획 ... 36
• 제1절 활용성과 ... 36
• 제2절 활용계획 ... 37
• 제7장 참고문헌 ... 38