암세포와 항암제 연결해 정보 얻어
정확도 93%...암 환자에 적합한 약물 제안하고, 맞춤 치료 가속화될 것
(내외방송=정지원 과학전문 기자) 앞으로 암 환자별로 '맞춤형 항암제 효과'를 미리 알 수 있게 된다.
UNIST(울산과학기술원)은 19일 '내외방송'에 보낸 자료에서 "이세민 바이오메디컬공학과 교수 연구팀과 정원기 고려대 교수 연구팀, 서지원 한양대 교수 연구팀과 공동으로 '다중 오믹스 데이터 기반 환자 맞춤형 항암제 반응성 예측을 위한 기계학습 모델'을 개발했다"고 밝혔다.
연구팀이 개발한 기술은 대규모 항암제 반응성 데이터와 다중 오믹스 데이터를 활용해 기존 항암제 반응성 예측 모델보다 훨씬 우수한 성능을 띠었다.
다중 오믹스는 ▲유전체 ▲전사체 ▲단백체 ▲대사체 ▲후성유전체 ▲지질체 등 다양한 분자 수준에서 생성된 여러 데이터를 동시 분석해 종합적으로 질병을 진단하고 예측하는 기술이다.
연구팀은 '네트워크 임베딩 기술'을 적용해 다차원 데이터 간의 상관관계를 효과적으로 반영했으며 기계학습 모델의 정확도를 높였다.
암세포에서 파생된 세포주(세포 집단)와 항암제, 유전자를 노드(연결점)로 삼아 연결한 후 엣지(연결선)을 만들어 항암제 반응성과 유전자 변이, 단백질 상호작용에 대한 정보를 얻을 수 있게 된 것이다.
이번 연구의 핵심은 노드와 엣지로 형성된 네트워크 세트들의 상관관계를 반영한 '임베딩 벡터'의 추출이다.
임베딩 벡터는 네트워크 데이터 세트의 노드를 각각 일정한 크기의 벡터들로 표현해 네트워크 내부 구조를 이해하기 위해 사용된다.
서로 연결된 노드들을 임베딩 벡터 간 유사도가 높아지도록 학습해 노드 간 관련성을 학습시키는 것이다.
연구팀은 임베딩 벡터를 AI 기법인 심층신경망(복잡한 신경망 데이터를 처리하기 위해 정교한 수학 모델링을 사용)으로 학습시켜 환자맞춤형 항암제 효능을 도출했다.
제1저자인 이강근 고려대 박사는 "새 모델(RAMP)의 항암제 반응성 예측 성능은 기존 모델보다 크게 향상됐으며 93%의 정확도를 보였다"고 말했다.
공동 제1저자인 조동빈 한양대 연구원은 "고차원 다중 오믹스 데이터에 존재하는 요소끼리 상호작용을 효과적으로 추출하는 네트워크 임베딩 기술을 비롯한 심층신경망 등을 통해 우수한 성능을 달성했다"고 덧붙였다.
이 기술은 암 환자에게 적합한 약물 후보를 제안하면서 맞춤 치료도 가속화할 수 있을 것으로 기대된다.
이 연구는 한국연구재단 등의 지원을 받아 수행됐으며 생명정보학 분야 국제학술지인 '브리핑스 인 바이오인포메틱스(Briefings in Bioinformatics)'에 최근 공개됐다.(논문명: RAMP: response-aware multi-task learning with contrastive regularization for cancer drug response prediction).
