RNA 가공 및 전사 후 조절 조절자 기반 기전 규명과 스플라이싱 시그니처 학습

Mechanistic study of RNA processing regulators and learning of splicing signatures

연구 내용

문헌 마이닝과 기계학습으로 대체 스플라이싱 시그니처를 구축하고, THO 복합체- Nrd1 매개 노화 관련 유전자 조절 기전을 규명하는 연구

대체 스플라이싱이 암 경로 조절에 기여하는 양상을 해석하기 위해, PubMed 문헌에서 얻은 스플라이싱 시그니처와 다중 암종 전사체 프로파일을 결합하는 데이터베이스를 구축합니다. 자연어 처리 기반 문헌 마이닝과 기계학습 모델을 사용하여 스플라이싱 프로파일로부터 경로 활성도를 분류하고, 중요도 기반 시그니처를 경로별로 도출합니다. 동시에 THO 복합체의 구성요소가 Nrd1과의 상호작용을 통해 노화 관련 유전자 발현을 조절하는 기전을 유전학과 전장유전체 결합 분석으로 확인합니다. 이러한 접근을 통해 전사 후 조절 조절자를 기능 연구의 우선순위로 연결하는 전략을 확보하고 있습니다.

관련 프로젝트

0건

연구 흐름

초기에는 문헌 기반 스플라이싱 정보와 암 전사체 데이터를 통합해 경로별 스플라이싱 시그니처를 안정적으로 도출하는 방법을 정립하였습니다. 이후 모델 성능 평가와 외부 데이터 비교를 통해 무작위 포레스트 기반 시그니처를 선택하고, 생존·분자 아형·종양 미세환경과의 연관성을 데이터베이스 형태로 정리하는 단계로 확장되었습니다. 병행 연구로는 THO 복합체 구성요소의 결핍이 노화 관련 유전자 조절에 미치는 영향을 Nrd1 결합 양상과 유전학적 상호작용 관점에서 규명하였습니다. 최근에는 스플라이싱과 RNA 가공 조절이라는 공통 주제를 통해 전사체 조절 기전과 계산 시그니처를 연결하는 연구 궤적을 강화하고 있습니다.

활용 가능성

활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.

경로 활성도 분류용 스플라이싱 패널
스플라이싱 인자 기반 치료 표적 탐색
예후 예측 시그니처 도출
종양 미세환경 연관 스플라이싱 마커
노화 관련 전사 조절 바이오마커
문헌-데이터 결합 자동화 파이프라인
pan-cancer 스플라이싱 atlas 구축
외부 검증 기반 시그니처 재현성 평가
실험 설계 우선순위 선정
전사 후 조절 기전 연구 프레임 제공