초록 ▼

※ 연구의 목적 및 내용
□ 1 차 년도 (2019년)
● 다기관 (TCGA, Foundation one, 서울아산병원 암유전체, 서울아산병원 4대암 오가노이드 유전체 데이터, MSKCC 등)의 유전체 빅테이터 (돌연변이, 유전자 발현, 복제수 변이, Crisper-Cas9 유전자 치사, fusion 등)와 임상정보 (생존률, 항암치료 반응성, 면역항암치료 반응성 등)의 인공 지능 플랫폼 적용을 위한 데이터 구조화.
● 유전체 데이터로부터 표현형 (생존, 약물 반응성 등) 예측을 위한 인공 지능 모델 개발
●

※ 연구의 목적 및 내용
□ 1 차 년도 (2019년)
● 다기관 (TCGA, Foundation one, 서울아산병원 암유전체, 서울아산병원 4대암 오가노이드 유전체 데이터, MSKCC 등)의 유전체 빅테이터 (돌연변이, 유전자 발현, 복제수 변이, Crisper-Cas9 유전자 치사, fusion 등)와 임상정보 (생존률, 항암치료 반응성, 면역항암치료 반응성 등)의 인공 지능 플랫폼 적용을 위한 데이터 구조화.
● 유전체 데이터로부터 표현형 (생존, 약물 반응성 등) 예측을 위한 인공 지능 모델 개발
● Public toxicity data로 부터 화합물과 독성 반응의 분류와 구조화
● 화합물과 독성 반응 예측을 위한 인공지능 모델 개발
● 플랫폼개발과 관련하여 필요한 유전체, Crisper-Cas9 유전자 치사 및 정상 간 오가노이드로부터 독성 반응 데이터 생성

□ 2 차 년도 (2020년)
● 인공지능을 활용한 유전체 기반 표적 발굴 플랫폼 개발
● 인공지능을 활용한 독성 예측 플랫폼 개발
● 플랫폼으로부터 도출된 선도 물질에 대한 실험적 검증과 유효성 확인
- Crisper-Cas9을 이용한 표적 검증
- 환자유래 이종이식 모델 (PDX) 또는 암 오가노이드 모델을 이용한 표적 및 선도물질 효능성 검증을 통한 플랫폼 검증
- 간 오가노이드 모델과 PDX 모델을 이용한 독성 검증

※ 연구개발성과
● 유전체, 유전자 치사 및 독성 데이터베이스
● 인공지능 모델을 통한 표적 후보 물질 발굴
● 인공지능 모델을 이용한 독성 예측 모형 제시
● SCI 논문 게재: 2건 이상
● 박사 학위 2인 이상 배출
● 인공지능 전문가 1인 이상 양성
● 유전체 데이터 분석 전문가 1인 이상 양성

※ 연구개발성과의 활용계획(기대효과)
□ 활용계획
● 유전체, 유전자 치사 및 독성 데이터로부터 인공지능을 활용한 플랫폼을 개발함으로써 앞으로 방대하게 생성되는 데이터들을 활용할 수 있는 기반을 마련함.
● 독성 예측 플랫폼의 경우 신약개발단계에서 전임상적으로 독성 발생의 예측의 가능성을 확인해 볼 수 있음.

□ 기대효과
● 인공지능을 통해 보다 정밀도 높은 표적을 선별 할 수 있을 것으로 기대됨. 신약 개발에 대한 인공지능의 새로운 분야 적용에 의한 글로벌 경쟁력 확보로 이 분야를 선도 할 수 있을 것으로 기대.
● 독성 예측을 통해 신약개발의 비용 절감 및 성공률을 높일 수 있을 것으로 기대 됨. 이에 따른 신약개발 비용 절감으로 사회경제적 이익의 증대 기여.

(출처 : 요약문 4p)

목차 Contents

• 표지 ... 1
• 제 출 문 ... 2
• 보고서 요약서 ... 3
• 요약문 ... 4
• 목차 ... 5
• 1. 연구개발과제의 개요 ... 6
• 2. 연구수행내용 및 성과 ... 6
• 2-1. 연구수행내용 및 성과 ... 6
• 2-2. 대표적 성과 ... 19
• 3. 목표 달성도 및 관련 분야 기여도 ... 20
• 3-1. 목표 ... 20
• 3-2. 목표 달성여부 ... 20
• 3-3. 목표 미달성 시 원인(사유) 및 차후대책(후속연구의 필요성 등) ... 21
• 4. 연구개발성과의 활용 계획 등 ... 21
• 붙임. 참고문헌 ... 21
• 끝페이지 ... 21