초록 ▼

※ 연구개요
대장직장 전이암 환자군에서 딥러닝을 이용한 병리 이미지 정보 분석, microRNA expression profile 및 전장 엑솜 시퀀싱 분석을 통해 Oligo- vs. Poly- metastatic progression군을 예측하는 모델을 개발함으로써 종양의 전이를 일으키는 분자 및 세포 기전을 이해하는데 도움을 줄 수 있으며, 각 군에 맞는 올바른 치료방침을 결정하는데 있어 유용한 표지자로서의 역할을 할 수 있을 것으로 사료됨.

※ 연구 목표대비 연구결과
□ miRNA & WES data a

※ 연구개요
대장직장 전이암 환자군에서 딥러닝을 이용한 병리 이미지 정보 분석, microRNA expression profile 및 전장 엑솜 시퀀싱 분석을 통해 Oligo- vs. Poly- metastatic progression군을 예측하는 모델을 개발함으로써 종양의 전이를 일으키는 분자 및 세포 기전을 이해하는데 도움을 줄 수 있으며, 각 군에 맞는 올바른 치료방침을 결정하는데 있어 유용한 표지자로서의 역할을 할 수 있을 것으로 사료됨.

※ 연구 목표대비 연구결과
□ miRNA & WES data analysis
● Biclustering 기법을 통해 LRP-predominant biclustered genes를 찾고, Tree cutting & grouping을 시행하여 bc genes의 expression을 분석한 결과 HRP vs LRP군간의 차이가 있음을 알아냄.
-Highly expressed genes: hsa-miR-125b-2-3p, hsa-miR-30e-3p, hsa-miR-26b-5p, hsa-miR-139-5p, hsa-miR-30a-3p, hsa-miR-378a-5p, hsa-miR-100-5p, hsa-miR-885-5p, hsa-miR-125b-5p, hsa-miR-30e-5p, hsa-miR-193b-3p
-Constantly expressed gene: hsa-miR-99a-5p, hsa-miR-30a-5p, hsa-miR-22-3p, hsa-miR-193a-5p, hsa-miR-193b-5p
● 6 deregulated genes를 이용한 microRNA targets의 Network 분석 (KEGG analysis) 결과 predominantly related to cancer pathway altered by two or more microRNAs임을 알아냄.
● 한편 HRP군에서 miRNAs from the 14q32.31 locus and members of the miR-154 family의 overpresentation이 관찰됨을 확인함.
● Mutation pattern between LRP vs HRP: APOB, REV3L mutation의 경우는 LRP에서, KRAS, MAST1 mutation의 경우는 HRP에서 유의하게 높음.
● Oncogenic pathways: RTK-RAS, WNT pathway가 양쪽 군 모두에서 암화과정에 역할을 함.

□ 병리 H&E 이미지 분석
● 여러 암종에서 정상/종양 조직 판별기
● 위암에서 암 아형 판별기
● 대장·직장암에서 유전자 돌연변이 예측
● 위암에서 유전자 돌연변이 예측
● 두경부 편평상피세포암의 예후 예측 등의 과제를 시행하였고 본 연구결과를 바탕으로 대장암에서 oligo vs polymeta 군에 따른 예후 예측을 진행 중임.

※ 연구개발성과의 활용 계획 및 기대효과(연구개발결과의 중요성)
● 본 연구과정에서 도출된 LRP-predominant biclustered miRNA dataset을 이용해 다른 cohort, 장기 연구에도 적용함으로써 예후 예측 연구의 확장 가능성을 측정할 예정임.
● 본 연구과정에서 개발한 딥러닝 기반 위암 아형 분석모델을 이용해 조기위암에서 림프절 전이 예측을 할 예정임.
● 딥러닝 기반 위암 아형 분석모델을 대장암 아형 분석에도 적용할 예정임.
● 대장직장암 전이암에 대해 Oligo- and poly- metastatic progression군을 유전체 및 이미지 분석을 통해 예측하여 각 군에 맞는 올바른 치료방침을 결정함으로써 생존율 향상 및 정밀의학의 발전에 이바지할 수 있겠음.

(출처 : 연구결과 요약문 2p)

목차 Contents

• 표지 ... 1
• 연구결과 요약문 ... 2
• 목차 ... 3
• 1. 연구개발과제의 개요 ... 4
• 2. 연구개발과제의 수행 과정 및 수행 내용 ... 5
• I. Oligo vs polymeta in colorectal ca using miRNA ... 5
• II. Mutational landscape of CRC using targeted deep sequencing ... 8
• III. Oligo vs polymeta in colorectal ca using WES ... 9
• IV. Deep learning pathology image analysis ... 10
• 3. 연구개발과제의 수행 결과 및 목표 달성 수준 ... 14
• 1) 정성적 연구개발성과(연구개발결과) ... 14
• 2) 세부 정량적 연구개발성과 ... 15
• 3) 목표 달성 수준 ... 15
• 4) 목표 미달 시 원인 분석 ... 15
• 4. 연구개발성과의 관련 분야에 대한 기여 정도(연구개발결과의 중요성) ... 16
• 5. 연구개발성과의 관리 및 활용 계획 ... 16
• 6. 참고문헌 ... 17
• [붙임1] 세부 정량적 연구개발성과 ... 18
• [붙임2] 연구책임자 대표적 연구실적 및 증빙(요약문 및 사본) ... 19
• 끝페이지 ... 32