초록 ▼

연구의 목적 및 내용
본 연구는 아교모세포종에서 전사체 및 유전체 정보를 기반으로 1)항암제 약물 반응성에 따른 cancer subtype을 규정하고, 환자 유래 1차 배양세포를 이용하여 임상적 적용 가능성을 높인 암의 subtype에 특이적인 환자 맞춤형 항암제 조합을 도출하고자 함.
● 전사체(mRNA, lincRNA 및 miRNA) 발현 데이터 기반의 약물 반응성 subtype의 분류
● 환자 유래 1차 배양 세표의 약물 반응성 측정 및 예측 알고리듬 개발
● 아교모세포종 약물반응성 subtype에 특이적

연구의 목적 및 내용
본 연구는 아교모세포종에서 전사체 및 유전체 정보를 기반으로 1)항암제 약물 반응성에 따른 cancer subtype을 규정하고, 환자 유래 1차 배양세포를 이용하여 임상적 적용 가능성을 높인 암의 subtype에 특이적인 환자 맞춤형 항암제 조합을 도출하고자 함.
● 전사체(mRNA, lincRNA 및 miRNA) 발현 데이터 기반의 약물 반응성 subtype의 분류
● 환자 유래 1차 배양 세표의 약물 반응성 측정 및 예측 알고리듬 개발
● 아교모세포종 약물반응성 subtype에 특이적인 환자 맞춤형 조합 약물 예측 도구 개발

연구결과
■ 환자유래 1차 배양 세포의 항암제 감수성 측정 및 전사체 프로파일 DB 구축
-뇌종양 세포주 및 환자유래 1차세포에서 Temozolomide 약물 감수성 분석 및 재창출후보 약물 조합에 따른 약물 감수성 분석
-TCGA로부터 뇌종양 조직 전사체 프로파일 DB 구축. (1차세포는 mycoplasma 오염으로 대신 공개 데이터를 이용함)
■ 약물유전체 정보의 시스템 생명정보 모델링을 통한 약물 반응성 예측 도구 개발
-암유전체, >1,000여 암세포주에 대한 약물 감수성 및 전사체, 약물-타겟-질병 및 약물유전체 통합 DB 구축
-약물 유도 전사체 기반의 약물 반응성 예측 도구 (재창출 신약 발굴 방법) 개발(CMAP 분석법). 특히 최근 확장된 LINCS (> 1.3 million profiles) 데이터를 처음으로 신약재창출에 적용한 논문을 발표함.
■ 약물 반응성 예측 알고리듬의 평가 및 최적화
-CMAP 분석법을 통해 뇌종양 세포주 및 1차세포에서 항암 활성을 나타내는 재창출 후보 약물을 다수 발굴함. (SCIE 논문 1편, 국내 특허 4건 출원, 3건 등록).
-뇌종양 세포주 4종, 1차 세포 8종을 이용하여 후보 약물의 항암 활성을 평가함.
-또한 약물-전사체의 생체경로 분석을 통해 활성이 검증된 재창출 후보 약물의 작용 기전을 해석함.
※ 대규모 약물스크리닝 데이터 마이닝 기반 가상 탐색 기술 개발
-약물 스크리닝 빅데이터(>1 mil assays, >200,000,000 activity values for ~2 mil. compounds) 수집 및 DB 구축
-위 데이터 기반으로 2종의 독자적인 활성화합물 가상탐색 기술(BEAR, DrugNet)을 개발하여 국내외 특허 출원 및 등록함 (국내 특허 출원 2건, 등록 2건, PCT 출원 1건)
※ 화합물 세트 분석 도구 개발 (csGator)
-화합물 세트를 다양한 방식으로 효과적으로 검색하고 분석하기 위한 도구 개발 (개발90% 완료, 논문 작성 중)

연구결과의 활용계획
-암의 유전체 및 전사체 정보를 해석 및 환자 맞춤형 최적의 항암제 조합을 제시하는 시스템유전체 모델링 기법을 확립하고, 이를 다른 종류의 암과 질병에 확대 적용함으로써 보다 광범위한 학문적 파급 효과를 기대할 수 있음.
-본 연구를 통해 구축되는 다수의 환자유래 1차 세포의 유전형 및 전사체 DB는 그 자체로 아교모세포종 연구에 유용한 학술적 자원임. 특히 환자유래 1차 세포를 이용하므로 일반적인 cell line 보다 높은 임상적인 가치를 가진 데이터를 제공함.
-아교모세포종 Suubtype에 특이적인 약물 조합을 다수 제시하여 환자 맞춤형 치료법 개발을 촉진하고, 또한 환자의 삶의 질 향상을 고려한 치료 전략 수립에 기여함.

(출처 : 한글요약문 4p)

Abstract ▼

Purpose&contents
-Development of a systems bioinformatics method for predicting anti-cancer drug's response in glioblastoma using transcriptomic profiling data.
-Classification of glioblastoma subtyping according to drug sensitivity using transcriptome data (mRNA, lincRNA and miRNA)
-Develo

Purpose&contents
-Development of a systems bioinformatics method for predicting anti-cancer drug's response in glioblastoma using transcriptomic profiling data.
-Classification of glioblastoma subtyping according to drug sensitivity using transcriptome data (mRNA, lincRNA and miRNA)
-Development of a prediction algorithm for the responses of anticancer agents
-Identification of drug combinations for subtype-specific personalized therapy

Result
■ Measurement of drug sensitivity of glioblastoma patient-drived primary cell construction of transcriptomic profiling database
-Drug sensitivity anlysis of drug repositioning candidate drugs and Temozolomide in patient-derived primary cells and cell lines of glioblastoma.
-Construction of glioblastoma transcriptomic profiling database from TCGA.
■ Development of a systems bioinformatics modeling for predicting anti-cancer drug's response in glioblastoma using transcriptomic profiling data
-Construction of integrated database of cancer genome/transcriptome, drug-perturbed transcriptome in more than 1,000 cancer cell lines -Development of drug response prediction tool based on drug-perturbed transcriptome data (CMAP method).
■ Evaluation and optimization of drug response prediction algorithm
-Identification of drug repositioning candidates that exhibit anticancer activity in patient-derived primary cells and cell lines of glioblastoma through CMAP method (1 SCIE journal, 3 patent applications).
-Evaluation of anticancer activity of candidate drugs using 4 glioblastoma cell lines and 8 patient-derived primary cells.
-Interpretation of candidate drugs’ mode of action by pathway analysis using drug-perturbed transcriptome data.
※ Development of virtual screening algorithm based on large-scale drug screening data mining
-Collecting large-scale drug screening data (>1 mil assays, >200,000,000 activity values for ~2 mil. compounds) and database construction.
-Development of virtual screening algorithms (BEAR, DrugNet) based on large-scale drug screening database (2 patent applications, 2 patent registration, 1 international patent applications).
※ Compound set analysis tool development (csGator)
-Development of compound set analysis tool for effective search and analysis a set of compounds (completed 90%, publication in preparation).

Expected Contribution
-The genomic and transcriptomic database of patient-drived primary cells constructed through this study is itself an useful academic resource for studying glioblastoma.
-This study promotes the development of personalized therapies by suggesting glioblastoma subtype-specific drugs and contributes to the development of therapeutic strategies to improve the quality of life of patients.

(출처 : SUMMARY 5p)

목차 Contents

• 표지 ... 1
• 목차 ... 2
• 연구계획 요약문 ... 3
• 연구결과 요약문 ... 4
• 한글요약문 ... 4
• SUMMARY ... 5
• 연구내용 및 결과 ... 6
• 1. 연구개발과제의 개요 ... 6
• 1) 연구개발의 필요성 ... 6
• 2) 연구개발의 목표 ... 7
• 2. 국내외 기술개발 현황 ... 8
• 1) 아교모세포종(Glioblastoma) subtype별 특성 ... 8
• 2) 아교모세포종(Glioblastoma) 항암제 내성 기전 ... 10
• 3) 아교모세포종(Glioblastoma)에서의 항암제 개발 현황 ... 11
• 4) 신약 개발 관련 약물유전체 정보 및 시스템생명정보학 연구 동향 ... 13
• 3. 연구수행 내용 및 결과 ... 16
• I. 환자유래 1차 배양 세포의 항암제 감수성 측정 및 전사체 프로파일 DB 구축 ... 16
• II. 약물유전체 정보의 시스템 생명정보 모델링을 통한 약물 반응성 예측 도구 개발 ... 17
• III. 약물 반응성 예측 알고리듬의 평가 및 최적화 ... 18
• IV. 대규모 약물스크리닝 데이터 마이닝 기반 가상 탐색 기술 개발 ... 20
• V. 화합물 세트 분석 웹 검색 도구 CSGator(Compound Set navigator) 개발 ... 22
• 4. 목표달성도 및 관련분야에의 기여도 ... 23
• 5. 연구결과의 활용계획 ... 25
• 6. 연구과정에서 수집한 해외 과학기술정보 : 해당 없음 ... 25
• 7. 주관연구책임자 대표적 연구실적 ... 26
• 8. 참고문헌 ... 26
• 9. 연구성과 ... 28
• 10. 국가과학기술지식정보서비스에 등록한 연구시설‧장비 현황 : 해당 없음 ... 31
• 11. 연구개발과제 수행에 따른 연구실 등의 안전조치 이행실적 ... 31
• 12. 기타성과 : 주관연구책임자 기타 연구실적 ... 32
• [별첨1] 대 표 연 구 실 적 ... 33
• [별첨2] 세부 목표 관련 증빙 ... 50
• [별첨3] 기타 성과 관련 증빙 ... 51
• 끝페이지 ... 51