초록 ▼

□ 연구개요
하나의 새로운 약물을 개발하기 위해서는 천문학적인 시간과 비용이 필요하다. 신약재창출 (Drug repositioning)은 기존에 판매중이거나 임상 실험 과정에서 승인받지 못한 약물을 대상으로 새로운 적응증을 발견하는 신약 개발 방법이다. 신약 재창출은 기존 신약 개발 프로세스와 비교하여 2~30% 정도의 비용을 절약할 수 있으며 후보 약물의 빠른 시장 출시 또한 가능하다. 본 연구에서는 생물학 기반의 신약 재창출이 아닌 컴퓨터 기반의 신약 재창출 방법을 제안하였다. 방대한 양의 생물학적 데이터베이스로부터 데이터

□ 연구개요
하나의 새로운 약물을 개발하기 위해서는 천문학적인 시간과 비용이 필요하다. 신약재창출 (Drug repositioning)은 기존에 판매중이거나 임상 실험 과정에서 승인받지 못한 약물을 대상으로 새로운 적응증을 발견하는 신약 개발 방법이다. 신약 재창출은 기존 신약 개발 프로세스와 비교하여 2~30% 정도의 비용을 절약할 수 있으며 후보 약물의 빠른 시장 출시 또한 가능하다. 본 연구에서는 생물학 기반의 신약 재창출이 아닌 컴퓨터 기반의 신약 재창출 방법을 제안하였다. 방대한 양의 생물학적 데이터베이스로부터 데이터를 정량화하고 이를 기계 학습에 적용하여 기존에 밝혀지지 않은 새로운 약물-질병 관계를 도출할 수 있다. 또한 시스템 생물학 수준에서 후보 약물의 유의성 및 적합성을 평가하였다. 또한 연구자 및 일반 사용자가 쉽게 접근하고 사용할 수 있는 시각화 프로그램을 개발하여 제공하였다.

□ 연구 목표대비 연구결과
본 연구를 수행함에 있어 크게 세 가지 주요 단계를 진행하였다. 첫 번째는 약물과 질병 관련 데이터 수집 및 속성화 단계이다. 이 단계에서는 공개 데이터베이스와 유전자 프로파일을 수집하였다. 공개 데이터베이스로부터 약물과 질병에 대한 다양한 특징과 이를 설명하는 정보들을 수집하였다. 유전자 프로파일은 약물과 질병에 의하여 변화하는 유전자 발현의 상태를 한 눈에 확인할 수 있는 지표이다. 약물과 질병에 의한 유전자 발현 프로파일은 수집 후 컴퓨터가 이해할 수 있는 형태로 정규화하였다. 두 번째 단계에서는 약물과 질병의 상관관계를 분석하였다. 앞선 단계에서 수집한 데이터를 활용하여 약물 간 유사도와 질병 간 유사도를 측정하였으며, 유사도와 유전자 발현 상관관계를 기반으로 약물-질병 관계를 정량화하였다. 또한 약물의 기능과 연관된 유전자 집단과 질병 마커와 관련된 유전자를 모듈화 하였으며, 네트워크상에서 약물 특이적 패스웨이를 식별하였다. 마지막 단계에서는 신규 적응증 후보군을 도출하고 후보 약물의 적합성을 검증하였다. 약물과 질병에 대한 정규화 된 특징들을 기계 학습의 특징으로 사용하여 분류 모델을 구축하였다. 분류 모델을 통하여 이전에 밝혀지지 않은 새로운 적응증을 예측하고 기존 연구 방법과의 정확도를 비교하였다. 상기 명시된 과정을 통하여 본 연구의 최종 목표인 신약 재창출 후보 약물군 도출을 수행하였으며, 후보 약물의 고유한 패스웨이를 식별하고 시스템 생물학 수준에서 수행할 수 있는 약물 적합성 검증을 실시하였다. 또한 유타-인하 DDS (Drug Delivery System) 및 신의료기술개발 공동연구소와 구축된 협력을 바탕으로 도출된 후보 약물에 대한 생물학적 검증을 진행하였다.

□ 연구개발결과의 중요성
신약 개발에는 천문학적인 비용이 소요되기 때문에 현재 국내 신약 개발 사업 속도가 더디다. 컴퓨터 기반의 신약 재창출은 기존 신약 개발에 사용되는 비용과 비교하여 훨씬 경제적이며 효율적으로 결과를 도출할 수 있다. 또한 약물 특이적 패스웨이를 통하여 약물이 질병 치료에 어떻게 작용하는지 파악할 수 있기 때문에 신약 재창출뿐만 아니라 다양한 생물학적 용도로 확장하여 사용할 수 있다. 후보 약물 예측을 위한 분류 모델은 다양한 공개 데이터와 기계 학습 알고리즘을 기반으로 개발되었기 때문에 재현성과 확장성 측면에서 이점을 가진다. 또한 개발된 알고리즘의 주기적인 유지/보수를 통한 최신 정보 갱신과 사용자가 이해하기 쉬운 형태로 결과를 시각화하여 제공하기 때문에 본 연구의 결과물이 향후 생물학 분야에서 다양한 목적으로 사용할 수 있다. 최근 트렌드인 맞춤 의학 분야에도 본 알고리즘을 확장하여 적용한다면 개인의 유전적 특징을 고려하여 최대의 치료 효과와 최소한의 부작용을 불러오는 후보 약물군을 제안할 수 있다.

(출처 : 연구결과 요약문 3p)

목차 Contents

• 표지 ... 1
• 연구결과 요약문 ... 3
• 목차 ... 4
• 1. 연구개발과제의 개요 ... 4
• 2. 연구수행내용 및 연구결과 ... 6
• 3. 연구개발결과의 중요성 ... 13
• 4. 참고문헌 ... 14
• 5. 연구성과 ... 14
• 대표적 연구실적 ... 18
• 끝페이지 ... 29