[보고서]머신러닝을 활용한 우리나라 주요 암종별 세포대사 조절 마커 유전자의 상호작용 기반 맞춤형 식이 패턴 분류 및 예측 알고리즘 개발

김지미

머신러닝을 활용한 우리나라 주요 암종별 세포대사 조절 마커 유전자의 상호작용 기반 맞춤형 식이 패턴 분류 및 예측 알고리즘 개발
Machine learning approaches to personalize dietary patterns with marker genes based on cell metabolism for common cancer types 원문보기

보고서 정보
주관연구기관	국립암센터국제암대학원대학교 National cancer Center Graduate School of Cancer Science and Policy
연구책임자	김지미
보고서유형	최종보고서
발행국가	대한민국
언어	한국어
발행년월	2022-05
과제시작연도	2022
주관부처	교육부 Ministry of Education
등록번호	TRKO202300006558
과제고유번호	1345348379
사업명	이공학학술연구기반구축
DB 구축일자	2023-09-13
키워드	머신러닝.식이 패턴.세포대사 조절 마커 유전자.주요 암종.알고리즘.Machine learning.Dietary pattern.Marker genes of cell metabolism.Common cancer types.Algorithm.

초록 ▼

□ 연구개발 목표 및 내용
◼ 최종 목표
우리나라 주요 암종별 세포대사 작용 기전의 마커 유전자 발현에 관여하는 주요 식이 패턴 요인을 발굴함. 머신러닝 기술을 활용하여 암종별 맞춤 식이 패턴 분류 및 예측 알고리즘을 개발하고 고위험군의 최적 예방과 암 환자의 효율적인 식이요법 관리를 위한 실용적인 자료를 구축함

◼ 전체 내용
암 종류에 따라 세포대사(탄수화물/단백질/지질/핵산)에 관여하는 마커유전자의 종류 및 기능은 특이성과 다양성을 나타냄. 단일 식품과 영양소는 서로 상호 연관되어 있고, 강력한 식이 전체의 효과 추정치와 결과를 얻기 위해 식이 패턴으로 전체적인 식사의 질 평가에 접근할 수 있음. 머신러닝 기술을 접목한 마커 유전자 기반 식이 패턴 모형은 비선형 구조의 데이터를 분석하여 기존 통계법의 제한점을 극복하고, 내재된 패턴을 찾아 맞춤형 식이 패턴 분류 및 예측에 활용될 수 있음

◼ 1단계
❏ 목표
주요 암종별 관련 식이 패턴 구성요인 및 세부 작용 기전별마커 유전자 정보 탐색
❏ 내용
• 역학연구 설계에 따른 암종별 식이 패턴 구성요인 및 종양 이질성에 영향을 미치는 위험요인 탐색
• 선행연구 문헌 검토를 통해 암종별 관련 유전자 및 단백질 정보를 수집하고 상호작용 네트워크 생성을 통해 마커 유전자 탐색
• 한국인 특이 유전자를 중심으로 암종별 세부 대사 분류에 따른 마커 유전자의 다형성 분석

◼ 2단계
❏ 목표
암종별 주요 세포대사 작용 기전에 따른 마커 유전자와 식이 패턴의 상호작용 분석 및 머신러닝 학습을 위한 데이터베이스 구축
❏ 내용
• 전통적 통계 방법을 이용한 암종별 주요 세포대사 조절 마커 후보 유전자와 기존의 식이 패턴 방법에 따른 상호작용 분석 및 관련 주요 요인 발굴
• 머신러닝 학습을 위한 작용 기전별 마커 유전자 및 식이 패턴 요인 통합 데이터베이스 구축
• 머신러닝 접근법을 활용하여 주요 암종에 대한 유전적 배경과 관련된 암세포 대사에 따른 주요 식이 구성요인 분류 및 식이 패턴 예측 모델 학습

□ 연구개발성과
• 국립암센터의 환자-대조군 연구 데이터를 활용하여 일반사항, 식이 영양 정보를 포함한 생활습관, 암검진 여부, 가족력 등의 항목을 조사하고, 대장암 및 위암을 중심으로 식이 패턴 구성요인 및 위험 요인과의 관련성 연구를 위해 데이터를 정제하고 구축함
• 위암 발생과 산화 균형(Oxidative balance score) 식이 패턴과의 연관성 연구를 통해 anti-oxidants 관련 식이 및 생활습관 요인들이 위암 발생을 유의하게 감소시킴을 나타냄
• 인슐린 저항성에 영향을 미치는 식이 및 생활습관 패턴과 Glyoxylate metabolism에 관여하는 Hydroxyacid oxidase1 rs2423279 대장암 감수성 유전자와의 상호작용 연구를 통해 인슐린 저항성에 영향을 미치는 식이 및 생활습관이 rs2423279의 C allele 유전자를 가진 그룹에서 대장암 발생 증가에 대한 유의한 상호작용을 나타냄
• 머신러닝 기법을 활용한 메틸기(-CH3) 공여체 영양소 및 생활습관 요인과 대장암 발생 예측 연구를 통해 일반사항, 생활습관, 영양소, 기여식품을 모두 고려했을 때 LightGBM 모델이 가장 높은 성능을 나타냈고, 이는 대장암 발생의 이질적 특성을 바탕으로 식이 및 생활습관을 포함한 다양한 위험 요인이 고려되어야 함을 제시함

□ 연구개발성과 활용계획 및 기대 효과
• 한국인 유전적 배경을 바탕으로 지역 환경과 식문화적 특성을 반영하여 맞춤형식이 패턴 분류 모델 및 알고리즘을 통해 암종별 고위험군을 선별할 수 있는 유용한 수단으로 활용될 수 있음
• 개인의 유전적 요인과 식이 패턴의 연관성 연구는 실제 임상 영양 연구에서 암종별 합리적인 식이요법을 제시할 수 있는 판단의 근거와 기반자료로 활용이 될 수 있음
• 머신러닝 기술을 접목시킨 분류 및 예측 모델은 과학적 정확성과 안전성을 확보한 수단으로 맞춤형 암 예방 및 예후 관리를 위한 식이 지침을 제시하고 종양으로 인한 발병률 및 사망률을 줄이는데 기여할 수 있음
• 개인 맞춤형 식이 패턴을 제시하는 것은 암종별 식이요법의 정확성과 타당성을 향상시켜 실제 임상 영양 분야의 과제를 보완하고, 관련된 다른 만성 질환 연구의 기초 자료로도 활용이 가능할 것으로 기대함

(출처 : 요약문 2p)

목차 Contents

표지 ... 1
요약문 ... 2
목차 ... 4
1. 연구개발과제의 개요 ... 5
1) 연구개발의 필요성 ... 5
2) 연구개발과제의 최종 목표 ... 5
3) 연구개발과제의 내용 ... 5
2. 연구개발과제의 수행 과정 및 수행 내용 ... 6
2-1) 역학연구 설계에 따른 연구 대상자 선정 및 데이터 구축 ... 6
2-2) 암종별 식이 패턴 구성요인 및 위험요인 탐색과 연관성 연구 ... 6
3. 연구개발과제의 수행 결과 및 목표 달성 정도 ... 9
1) 연구수행 결과 ... 9
2) 목표 달성 수준 ... 9
4. 연구개발성과의 관련 분야에 대한 기여 정도 ... 9
5. 연구개발성과 및 활용 계획 ... 10
1) 연구성과 ... 10
2) 연구성과 활용계획 ... 10
6. 참고문헌 ... 11
끝페이지 ... 11

표/그림 (2)

표 Overall performance of the models on test set. Receiver operating characteristics curves and precision-recall curves of the models with an entire set of selected variables (A, B), those with demographics and lifestyle variables (C, D), and those with nutrients and food variables (E, F). Solid lines and shades represent mean curves and 95% confidence interval areas, respectively. Only for baseline model (logistic regression, "LogReg"), confidence intervals are represented with a polka dot pattern. A, C, E, An asterisk (*) indicates significantly higher the area under the receiver operating characteristics curve than the baseline model (P < 0.05, Benjamini-Hochberg corrected)
표 Importance of the selected variables. Individual influences of every value and overall contributions to the model prediction of each variable are represented as a dot in the right and as a bar in the left, respectively. In the right plot, red dots indicate high feature values in continuous/ordinal variables or affirmative responses in binary variables. Positive and negative SHAP values indicate positive contributions resulting in increasing prediction score and negative contributions resulting in lowering prediction score, respectively. Abbreviations: BMI, body mass index; FHCC, family history of colorectal cancer

과제명(ProjectTitle) :	-
연구책임자(Manager) :	-
과제기간(DetailSeriesProject) :	-
총연구비 (DetailSeriesProject) :	-
키워드(keyword) :	-
과제수행기간(LeadAgency) :	-
연구목표(Goal) :	-
연구내용(Abstract) :	-
기대효과(Effect) :	-

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 제목(한글), 저자명(한글), 발행일자, 전자원문, 초록(한글), 초록(영문) 관리번호, 제목(한글), 제목(영문), 저자명(한글), 저자명(영문), 주관연구기관(한글), 주관연구기관(영문), 발행일자, 총페이지수, 주관부처명, 과제시작일, 보고서번호, 과제종료일, 주제분류, 키워드(한글), 전자원문, 키워드(영문), 입수제어번호, 초록(한글), 초록(영문), 목차
저장형식	Text(ASCII format) Excel format
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증

초록 ▼

목차 Contents

표/그림 (2)

표/그림 (2)

참고문헌 (25)

연구과제 타임라인

관련 콘텐츠

원문 보기

이 보고서와 함께 이용한 콘텐츠

연관된 기능

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

초록 ▼

목차 Contents

표/그림 (2)

표/그림 (2)

참고문헌 (25)

연구과제 타임라인

전체(0) 논문(0) 특허(0) 보고서(0)

전체(0) 논문(0) 특허(0) 보고서(0)

관련 콘텐츠

원문 보기

이 보고서와 함께 이용한 콘텐츠

연관된 기능

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트