Multi-omics 빅데이터와 AI를 이용한 한국인 특이적 대장암 예방 바이오마커 발굴 및 진행성 대장 선종 타입에 따른 암 발전 위험도 예측
□ 연구의 최종목표는 multi-omics 빅데이터와 AI를 이용하여 한국인 특이적 대장암 사전 예방 바이오마커 발굴 및 전암성 병변인 대장 선종 타입에 따른 암 발전 위험도 예측을 하는 것임. □ 대장암으로 발전되기 전단계의 전암성 병변인 진행성 대장 선종을 빅데이터와 인공지능을 이용하여 표현형이 아닌 유전자 발현 전사체 데이터, 후성유전체 데이터를 기반...
진행성 대장 선종
생물정보학
다중오믹스
메타클러스터링
대장암예방
2
2021년 2월-2026년 2월
|84,871,000원
Multi-omics 빅데이터와 AI를 이용한 한국인 특이적 대장암 예방 바이오마커 발굴 및 진행성 대장 선종 타입에 따른 암 발전 위험도 예측
□ 연구의 최종목표는 multi-omics 빅데이터와 AI를 이용한 대장암 사전 예방 바이오마커 발굴 및 전암성 병변인 대장 선종 타입에 따른 암 발전 위험도 예측을 하는 것임. □ 대장암으로 발전되기 전단계의 전암성 병변인 진행성 대장 선종을 빅데이터와 인공지능을 이용하여 표현형이 아닌 유전자 발현 전사체 데이터, 후성유전체 데이터를 기반으로 하여 mol...
진행성 대장 선종
생물정보학
다중오믹스
메타클러스터링
대장암예방
3
주관|
2021년 2월-2026년 2월
|139,697,000원
Multi-omics 빅데이터와 AI를 이용한 한국인 특이적 대장암 예방 바이오마커 발굴 및 진행성 대장 선종 타입에 따른 암 발전 위험도 예측
□ 본 연구를 위해서는 진행성 대장 선종 및 분변 샘플 확보, 인공지능 및 데이터 분석, 생물학적인 해석을 아우르는 융합형 연구를 진행하게 됨.
□ 연구를 진행하며 160여건의 진행성 대장 선종, 분변 샘플에 대한 NGS 데이터 및 20여건의 single-cell RNA-seq 데이터를 최종적으로 확보함.
□ 진행성 대장 선종에 대한 공용데이터베이스 상의 데이터와 환자 데이터를 통합한 데이터베이스를 구축하고 이를 교란효과 제거 알고리즘을 이용하여 통합함.
□ 확보된 multi-omics 데이터의 분석을 위해 데이터를 효과적으로 클러스터링 할 수 있는 인공지능의 일종인 메타-클러스터링 방법론을 개발하고 이를 이용하여 진행성 대장 선종의 multi-omics 기반 molecular subtype을 제시함.
□ 구분된 대장 선종 molecular subtype에 따른 한국인 특이적 마커 도출 및 single-cell RNA-seq을 통해 이들의 악성 종양과의 생물학적 관계성을 파악함. 최종적으로 분변에서 검출 가능한 진행성 대장 선종 molecular subtype에 따른 바이오마커를 발굴함.
□ 발굴한 molecular subtype 별 바이오마커의 실제 활용 가능성을 극대화하고 정확도를 향상시키기 위해 마커 별로 정량적 가중치를 설정한 한국인 맞춤형 전암성 병변 진단 모델을 구축함.
Multi-omics 빅데이터와 AI를 이용한 한국인 특이적 대장암 예방 바이오마커 발굴 및 진행성 대장 선종 타입에 따른 암 발전 위험도 예측
□ 본 연구를 위해서는 진행성 대장 선종 및 분변 샘플 확보, 인공지능 및 데이터 분석, 생물학적인 해석을 아우르는 융합형 연구를 진행하게 됨.
□ 연구를 진행하며 160여건의 진행성 대장 선종, 분변 샘플에 대한 NGS 데이터 및 20여건의 single-cell RNA-seq 데이터를 최종적으로 확보함.
□ 진행성 대장 선종에 대한 공용데이터베이스 상의 데이터와 환자 데이터를 통합한 데이터베이스를 구축하고 이를 교란효과 제거 알고리즘을 이용하여 통합함.
□ 확보된 multi-omics 데이터의 분석을 위해 데이터를 효과적으로 클러스터링 할 수 있는 인공지능의 일종인 메타-클러스터링 방법론을 개발하고 이를 이용하여 진행성 대장 선종의 multi-omics 기반 molecular subtype을 제시함.
□ 구분된 대장 선종 molecular subtype에 따른 한국인 특이적 마커 도출 및 single-cell RNA-seq을 통해 이들의 악성 종양과의 생물학적 관계성을 파악함. 최종적으로 분변에서 검출 가능한 진행성 대장 선종 molecular subtype에 따른 바이오마커를 발굴함.
□ 발굴한 molecular subtype 별 바이오마커의 실제 활용 가능성을 극대화하고 정확도를 향상시키기 위해 마커 별로 정량적 가중치를 설정한 한국인 맞춤형 전암성 병변 진단 모델을 구축함.
빅데이터를 이용한 위해성 예측 in silico virtual human model에 관한 연구
1차년도: 환경호르몬의 화학적 빅데이터와 rat와 mouse의 생물학적 빅데이터 통합 및 변형, 통합된 입력데이터 최적화 및 초기 cross-species 모델 구축
？ 환경호르몬의 물리 화학적 특징의 화학적 데이터 통합 (EMBL-EBI ChEMBL)
？ 환경호르몬에 대한 rat과 mouse에 대한 in vivo, in vitro 생물학적 데이터 통합 (TOXNET, CPDB, PubChem)및 데이터 변형
？ 변수들 간의 연관성 분석 및 중요한 변수 선별
？ 비선형성이 낮은 변수들만 선별
？ 기계학습(Machine learning)기법을 이용한 모델 구축 및 feedback을 통한 최적화
？ 계획된 최소한의 실험을 통한 이의 타당성 증명
2차년도: 환경호르몬의 primary target 데이터 통합 및 toxicogenomics 마이크로어레이 분석, 환경호르몬의 secondary target 통합으로 확장된 cross？species 모델 구축
？ DrugBank를 이용한 환경호르몬의 primary target 데이터 통합.
？ 환경호르몬의 Toxicogenomics (Drug matrix: GSE57822)를 활용하여 differentially expressed genes (DEGs) 선정
？ Mouse 와 rat의 toxicogenomics의 cross？species 데이터 추출 및 통합
？ Enrichment pathway analysis 로 통계적으로 유의한 pathway 선정 (secondary target)
？ 계획된 최소한의 실험을 통한 이의 타당성 증명
3차년도: Rat, mouse 그리고 human 데이터를 통합 활용하는 최종적인 virtual human pre-screening 모델 개발
？ Human의 데이터 통합으로 최종적인 모델 구축.
？ Rat과 mouse 데이터 통합에 사용했던 동일한 방법을 사용하여 통합.
？ 직접적인 실험으로 최종적인 모델의 타당성 증명.