Mechanism interpretation for cancer risk and molecular phenotypes with knowledge graphs and epigenetics
연구 내용
유전자 조절 기전을 설명 가능한 지식그래프 및 경로 어텐션으로 모델링하여 유방암 위험도와 아형 차이를 예측하고 에피제네틱 조절의 생물학적 의미를 도출하는 연구
유방암을 포함한 암의 임상 예측은 다중 유전자 패널과 전사체 신호에 의존하지만, 어떤 경로와 하위경로가 위험도 차이를 만드는지 설명력이 제한되는 문제가 있습니다. 본 연구는 다층 지식그래프와 attention 기반 그래프 신경망을 이용해 경로 수준 기전을 매개로 예측을 수행하고, attention 가중치를 통해 전사 하위경로의 기여도를 해석합니다. 또한 경로-유전자 네트워크에서의 전파로 아형별 차이가 나타나는 이유를 모델링합니다. 더 나아가 DNMT1의 에피제네틱 기능과 미토콘드리아 다이내믹스 연계를 생물학적 관점에서 검증하여 조절 계층을 연결하는 차별성을 확보하고 있습니다.
관련 연구 성과
관련 논문
3편
관련 특허
0건
관련 프로젝트
0건
연구 흐름
초기 연구에서는 KEGG 경로를 기반으로 아형 분류를 수행하되, 경로 단위 그래프 합성곱과 다중 어텐션 앙상블을 통해 해석 가능성을 갖추는 방향으로 진행되었습니다. 이어 2020년대에는 경로 파편화와 제한된 유전자 커버리지를 완화하기 위해 경로-유전자 네트워크 전파를 결합하여 서브타입별 발현 차이를 설명하는 모델로 확장했습니다. 이후 2024년에는 다층 지식그래프를 구성해 다중 유전자 어세이의 규제 경로를 통합적으로 해석하고, 위험 예측에 기여하는 전사 하위경로의 임상적 관련성을 attention 분석으로 확인하는 연구로 심화되었습니다. 한편 2021년에는 에피제네틱 조절이 지방세포의 미토콘드리아 역학과 대사 건강에 미치는 역할을 규명하며 조절 기전의 생물학적 기반을 확장했습니다.
활용 가능성
활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.
관련 논문
구분
제목
Multi-layered knowledge graph neural network reveals pathway-level agreement of three breast cancer multi-gene assays
Cancer subtype classification and modeling by pathway attention and propagation
DNMT1 maintains metabolic fitness of adipocytes through acting as an epigenetic safeguard of mitochondrial dynamics