초록 ▼

3. 연구개발의 내용 및 범위
가. 위암 세포주 및 종양 조직에 대한 기능성 프로테움 데이터 생성
(1) 위암 세포주 27개에 대한 197개의 단백질의 발현 및 활성화 프로필 생성
(2) 위암 환자 70명에 대한 125개의 단백질의 발현및 활성화 프로필 생성
(3) 133예의 정상 위점막 조직, 44예의 위장관 기질 종양 및 673예의 위암 동결 절편에서 단백질 분리 후 RPPA (Systems Biology Lab, MD Anderson Cancer Center) 분석을 통해대규모 위암환자 종양의

3. 연구개발의 내용 및 범위
가. 위암 세포주 및 종양 조직에 대한 기능성 프로테움 데이터 생성
(1) 위암 세포주 27개에 대한 197개의 단백질의 발현 및 활성화 프로필 생성
(2) 위암 환자 70명에 대한 125개의 단백질의 발현및 활성화 프로필 생성
(3) 133예의 정상 위점막 조직, 44예의 위장관 기질 종양 및 673예의 위암 동결 절편에서 단백질 분리 후 RPPA (Systems Biology Lab, MD Anderson Cancer Center) 분석을 통해대규모 위암환자 종양의 단백체 데이터 생성. 278개의 발암 및 암진전과 연관된 신호전달계, 세포 생존, 세포 고사, 세포 주기 진행, 침윤, 전이, 혈관신생 및 각종 신호전달의 중개자로서 인산화 혹은 cleaved version의 단백질에 대한 특이적 항체에 대한 각 종양의 발현양에 대한 정량적 데이터 생성
나. 위암 세포주 약제 효능성 데이터 생성
(1) Cisplatin에 대한 위암 세포주에서의 IC50 프로필의 생성.
(2) 5-FU에 대한 위암 세포주에서의 IC50 프로필의 생성.
(3) Taxol에 대한 위암 세포주에서의 IC50 프로필의 생성.
다. 위암 조직및 세포주의 단백질체 프로필과 다중임상 정보의 비교 분석을 통한 예후 관련 단백질의 발굴
(1) Cox regression analysis를 통하여 예후 관련 인자 발굴

Abstract ▼

5-2. Research Contents
A. Generation of drug sensitivity-predictive markers for gastric cancer therapy
(1) Generation of functional proteomic profiles against 27 gastric cancer cell lines.
(2) Generation of chemo-therapeutic agents' drug sensitivity data against gastric cancer cell lines.

5-2. Research Contents
A. Generation of drug sensitivity-predictive markers for gastric cancer therapy
(1) Generation of functional proteomic profiles against 27 gastric cancer cell lines.
(2) Generation of chemo-therapeutic agents' drug sensitivity data against gastric cancer cell lines.
(3) Generation of drug resistance and sensitivity markers based on the pearson correlation coefficients calculation between Drug IC50 values and RPPA data.
B. Development of prognostic markers of gastric cancer patients based on proteomic profiles.
(1) Generation of proteomic profiles with 125 antibodies against 70 gastric cancer patienst.
(2) Characterization of gastric cancer biology based on proteomic signatures.
(3) Generation of proteomic profiles with 278 antibodies agaist 133 normal mucosa, 44 GIST patients and 673 gastrc acncer patients' tissues.
(4) Generation of prognostic markers based on the proteomic profiles of gastric cancer patients and clinical information.
(5) 23 prognostic protein markers were generated by cox regression analysis.
5-3. Expected Contribution
A. Development of medical technology for selective gastric cancer therapy
(1) Understanding of gastric cancer biology and clinical target discovery.
(2) Development of personalized treatment strategy based on the proteomic markers.
(3) Incresead prognostic outcomes by combinatorial treatment overcoming chemoresistane.
B. Establishment of platform technologies for medical industry
(1) Development of diagnostic device for the chemotherapeutic agent selection for the gastric cancer patients.
(2) Establishment of molecular diagnostic platform technology and industry.