KR102225231B1

KR102225231B1 - 엑소좀 miRNA를 기준으로 암 환자를 판별하는 방법 및 장치

Info

Publication number: KR102225231B1
Application number: KR1020180050721A
Authority: KR
Inventors: 류성호; 백무준; 배윤위; 최철원
Original assignee: 순천향대학교 산학협력단
Priority date: 2018-05-02
Filing date: 2018-05-02
Publication date: 2021-03-09
Also published as: KR20190126606A

Abstract

엑소좀 miRNA를 기준으로 암 환자를 판별하는 방법은 컴퓨터 장치가 타깃 엑소좀에서 분리한 miRNA 집합의 타깃 발현데이터를 입력받는 단계, 상기 컴퓨터 장치가 상기 타깃 발현데이터의 차원을 축소하는 단계 및 상기 컴퓨터 장치가 상기 차원축소된 타깃 발현데이터와 사전에 마련된 참조 발현데이터의 유사도를 결정하는 단계를 포함한다. 상기 참조 발현데이터는 환자 및 정상인 중 적어도 하나의 엑소좀에서 분리한 miRNA 집합에 대한 데이터이다.

Description

엑소좀 miRNA를 기준으로 암 환자를 판별하는 방법 및 장치{IDENTIFYING METHOD FOR TUMOR PATIENT BASED ON miRNA IN EXOSOME AND APPARATUS FOR THE SAME}

이하 설명하는 기술은 엑소좀 miRNA 발현데이터를 이용하여 암 환자 여부를 판별하는 기법에 관한 것이다.

최근 암 조직에 대한 조직검사 대신 반복적으로 얻을 수 있는 혈액 내에서 종양과 관련된 유전자 정보를 얻는 액체 생검(liquid biopsy)이 주목받고 있다. 특히 microRNA(miRNA)와 같이 RNA 상태에서 기능을 수행하는 비암호화 RNA(functional noncoding RNA)에 대한 관심이 높다. 특히 암세포에서 만들어져 혈청내로 분비되는 엑소좀(exosome)에 대한 연구가 활발하다.

국제공개특허 WO2015-190586 (2015.12.17.)

엑소좀의 miRNA는 종양과 같은 질환에 대한 마커로 연구되기도 한다. 다만 종래 연구는 특정 질환에 대한 특정 miRNA를 마커로 발굴하는 연구에 그치고 있다. 이하 설명하는 기술은 엑소좀의 전체 miRNA에 대한 발현데이터를 기준으로 암 발병 여부를 확인하는 기법을 제공하고자 한다.

엑소좀 miRNA를 기준으로 암 환자를 판별하는 장치는 타깃의 엑소좀에서 분리한 miRNA 집합의 타깃 발현데이터를 입력받는 입력 장치, 사전에 마련된 참조 발현데이터를 저장하고, 상기 타깃 발현데이터 및 상기 참조 발현데이터의 유사도를 결정하는 프로그램을 저장하는 저장 장치 및 상기 프로그램을 사용하여 상기 타깃 발현데이터의 차원을 축소하고, 상기 유사도를 연산하는 연산 장치를 포함한다. 상기 참조 발현데이터는 환자 및 정상인 중 적어도 하나의 엑소좀에서 분리한 miRNA 집합에 대한 데이터이고, 상기 miRNA 집합은 엑소좀에서 분리되는 모든 miRNA를 포함한다.

이하 설명하는 기술은 엑소좀 miRNA 전체를 분석하여 특정한 miRNA를 분리하지 않고도 간단하게 발병 여부를 판단한다. 이하 설명하는 기술은 참조 데이터와의 유사성을 기준으로 식별이 용이한 판단 기준을 제공한다.

도 1은 샘플 엑소좀 miRNA에 대한 필터링 예이다.
도 2는 샘플 엑소좀 miRNA 발현데이터를 처리하는 과정에 대한 예이다.
도 3은 샘플 엑소좀 miRNA 발현데이터에 대한 계층적 군집화한 예이다.
도 4는 샘플 엑소좀 miRNA 발현데이터에 대한 다차원 척도법 수행한 예이다.
도 5는 엑소좀 miRNA 데이터를 기준으로 암 환자를 판별하는 방법에 대한 순서도의 예이다.
도 6은 타깃 miRNA 집합에 대한 다차원 척도법 수행한 예이다.
도 7은 엑소좀 miRNA 데이터를 기준으로 암 환자를 판별하는 컴퓨터 장치에 대한 예이다.

이하 설명하는 기술은 다양한 변경을 가할 수 있고 여러 가지 실시례를 가질 수 있는 바, 특정 실시례들을 도면에 예시하고 상세하게 설명하고자 한다. 그러나, 이는 이하 설명하는 기술을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 이하 설명하는 기술의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.

제1, 제2, A, B 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 해당 구성요소들은 상기 용어들에 의해 한정되지는 않으며, 단지 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 이하 설명하는 기술의 권리 범위를 벗어나지 않으면서 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다. 및/또는 이라는 용어는 복수의 관련된 기재된 항목들의 조합 또는 복수의 관련된 기재된 항목들 중의 어느 항목을 포함한다.

본 명세서에서 사용되는 용어에서 단수의 표현은 문맥상 명백하게 다르게 해석되지 않는 한 복수의 표현을 포함하는 것으로 이해되어야 하고, "포함한다" 등의 용어는 설시된 특징, 개수, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함을 의미하는 것이지, 하나 또는 그 이상의 다른 특징들이나 개수, 단계 동작 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 배제하지 않는 것으로 이해되어야 한다.

도면에 대한 상세한 설명을 하기에 앞서, 본 명세서에서의 구성부들에 대한 구분은 각 구성부가 담당하는 주기능 별로 구분한 것에 불과함을 명확히 하고자 한다. 즉, 이하에서 설명할 2개 이상의 구성부가 하나의 구성부로 합쳐지거나 또는 하나의 구성부가 보다 세분화된 기능별로 2개 이상으로 분화되어 구비될 수도 있다. 그리고 이하에서 설명할 구성부 각각은 자신이 담당하는 주기능 이외에도 다른 구성부가 담당하는 기능 중 일부 또는 전부의 기능을 추가적으로 수행할 수도 있으며, 구성부 각각이 담당하는 주기능 중 일부 기능이 다른 구성부에 의해 전담되어 수행될 수도 있음은 물론이다.

또, 방법 또는 동작 방법을 수행함에 있어서, 상기 방법을 이루는 각 과정들은 문맥상 명백하게 특정 순서를 기재하지 않은 이상 명기된 순서와 다르게 일어날 수 있다. 즉, 각 과정들은 명기된 순서와 동일하게 일어날 수도 있고 실질적으로 동시에 수행될 수도 있으며 반대의 순서대로 수행될 수도 있다.

엑소좀은 진핵생물체에서 세포간 정보교환을 위해 분비하는 나노 소포체에 해당한다. 엑소좀은 세포가 세포 외부로 방출하는 소낭(세포외소낭)의 일종이다. 엑소좀은 20~100nm 정도의 직경을 갖는 소낭성 입자이다. 엑소좀은 인테그린, MHC 분자, 세포골격 단백질 등을 수송하는 기능을 하기도 한다. 이와 같이 엑소좀은 여러 종류의 단백질을 함유하여 바이오마커로 연구되고 있다.

miRNA는 동물, 식물, 바이러스에서 발현되는 코딩되지 않는 작은 시퀀스로 약 22개 정도의 뉴클레오타이드로 이루어진 RNA 시퀀스이다. miRNA는 mRNA의 번역을 억제하여 진핵 생물의 유전자 발현을 직접 제어하는 역할을 하기도 한다. miRNA는 식물과 동물 모두에서 잘 보존되며, 다수의 mRAN 기작을 제어하는 것으로 밝혀지고 있다.

엑소좀과 미소낭포는 mRNA와 miRNA를 기원 세포(공여세포)에서 수여세포로 전달할 수 있고, 이로 인해 단백질 발현 혹은 단백질 발현 억제 기능을 통하여 수여세포의 기능에 영향을 미칠 수 있다. mRNA와 miRNA를 함유하고 있는 엑소좀과 미소낭포는 세포들 간의 거리에 관계없이 세포 간의 의사전달을 가능하게 할 수 있다. 이러한 엑소좀과 미소낭포와 연관된 mRNA와 miRNA는 질환 특이적 발병 요인을 나타내기도 한다. 엑소좀이 함유하는 miRNA는 mRNA와 miRNA의 대사질환에서의 바이오마커로 작용할 수 있다.

이하 설명하는 기술은 샘플 데이터를 분석하여 암 발병 여부를 예측 내지 진단하는 기법이다. 이하 설명하는 기술은 엑소좀의 miRNA를 분석하여 질환의 발병 여부를 판단한다. 엑소좀 miRNA(exosomal miRNA)의 발현 정도를 분석한다.

현재는 차세대 염기서열 분석 기술(next generation sequencing, NGS)을 이용하여 주로 RNA의 발현 정도를 확인한다. NGS는 보통 100개 정도의 염기로 구성된 짧은 서열 조각인 리드(read)를 생성하여 염기서열을 해독한다. NGS는 해독한 염기서열을 일반적으로 FASTQ 형식의 파일로 저장한다. 이를 보통 원시(raw) 데이터라고 명명한다.

NGS 리드의 길이는 약 100 bp 정도로 기존 Sanger 타입의 500-1,000 bp에 비하여 길이가 짧고, 시퀀싱 오류가 상대적으로 크며, 플랫폼에 의존하는 오류도 포함될 수 있다. NGS 플랫폼들이 생성하는 FASTQ 파일은 기존의 DNA 염기서열을 나타내는 텍스트 기반의 표준 염기 데이터 형식인 FASTA 형식에 해독한 염기의 정확도(quality score 혹은 error rate)를 포함시킨 것이다.

먼저 이하 설명하는 기술을 도출하게 된 실험을 설명하고자 한다. 도 1 내지 도 4와 관련된 설명이 실험에 관련된다. 실험은 89개의 샘플을 대상으로 수행하였다. 샘플은 정상 샘플(Control) 33개와 대장암 환자의 샘플(Test) 56개로 구성된다.

시료(혈청 등)에서 엑소좀을 분리하는 과정 및 엑소좀에서 miRNA를 분리(동정)하는 과정을 전제로 한다. 엑소좀 및 miRNA 분리는 다양한 기법을 이용할 수 있고, 상용 키트(kit)를 사용하여 분리할 수도 잇다. 엑소좀에서 전체 2,588개의 mature miRNA를 분리하였다.

샘플 엑소좀의 miRNA에 대한 발현데이터를 이용하였다. 샘플 엑소좀의 특정miRNA가 아니고, 전체 miRNA에 대한 발현데이터를 이용하였다. miRNA에 대한 발현데이터는 NGS 분석을 통해 도출할 수 있다. NGS 분석 결과는 컴퓨터가 읽을 수 있는 파일 형태이다. 따라서 miRNA 발현데이터에 대한 처리 과정은 컴퓨터 장치에서 수행된다.

발현데이터는 다양한 기준으로 표현될 수 있다. RPKM (Reads per kilo base per million mapped reads), RPM(Reads per million mapped reads) 등을 기준으로 분석을 수행할 수 있다. RPM은 주로 miRNA의 발현량을 정규화할 때 사용된다. RPM은 RPKM과 달리 유전자 길이를 고려하지 않는다. miRNA의 크기는 대체적으로 비슷한 20~25 사이에 있기 때문이다.

먼저 원시 데이터를 전처리할 수 있다.

전처리는 분석에 도움이 되지 않은 데이터를 필터링하는 과정을 포함할 수 있다. 컴퓨터 장치는 mature miRNA에서 일부 miRNA를 제거할 수 있다. 전체 샘플에서 RPM이 0인 miRNA를 찾는다. 컴퓨터 장치는 전체 샘플 중 기준 %이상의 샘플이 0(zero)인 RPM을 갖는 miRNA를 제외할 수 있다. 예컨대, 전체 샘플 중 50% 이상이 0인 RPM을 갖는 miRNA를 분석에서 제외할 수 있다.

도 1은 샘플 엑소좀 miRNA에 대한 필터링 예이다. 도 1은 전체 샘플 중 50% 이상이 0인 RPM을 갖는 miRNA를 필터링하는 예이다. 엑소좀에 포함된 2,588개의 mature miRNA 중에서 2,390개를 필터링하였다. 이후 198개의 mature miRNA를 대상으로 분석을 진행한다. 도 1에서 붉은색으로 표시한 부분이 제거된 miRNA를 나타낸다. 물론 도 1과 달리 RPM이 0인 값을 기준으로 하지 않고, RPM이 특정 기준값 이하인 샘플을 제거할 수도 있다.

일반적으로 발현값이 낮은 miRNA는 질환에 연관성이 낮다고 할 수 있다. 따라서 필터링 과정을 거치는 것이 조속한 분석에 유리할 수 있다. 다만 필터링 과정은 필수적이지 않다. 경우에 따라서 발현되지 miRNA 패턴도 특정 질환 분석에 유용할 가능성도 있다.

샘플 miRNA의 발현데이터는 복수의 miRNA에 대한 각각의 발현값을 포함한다. 컴퓨터 장치는 발현데이터의 차원을 줄이기 위한 처리를 할 수 있다. 다차원 데이터 분석에서 차원 축소 기법은 다양하다. 따라서 이 과정에서도 다양한 차원 축소 기법 중 어느 하나를 사용할 수 있다. 또 컴퓨터 장치는 발현데이터에 대한 정규화를 수행할 수도 있다.

도 2는 샘플 엑소좀 miRNA 발현데이터를 처리하는 과정에 대한 예이다. 도 2는 샘플 엑소좀 miRNA 발현데이터에 대한 차원 축소 및 정규화 과정에 대한 예이다.

도 2(A)는 샘플 엑소좀 miRNA의 발현데이터에 대한 RPM을 도시한 예이다. 도 2(A)는 일부 발현 데이터에 대한 예이다. 도 2(A)는 원시(raw) 데이터에 대한 예이다. 도 2(A)는 도 1에서 필터링된 샘플 엑소좀 miRNA의 발현데이터에 대한 예일 수 있다.

컴퓨터 장치는 샘플 엑소좀 miRNA의 발현데이터에 차원을 축소할 수 있다. 예컨대, 아래와 같은 수학식 1을 사용하여 데이터 처리를 할 수 있다. 수학식 1은 RPM에 로그(log₂)를 취하여 차원을 축소한다. 차원 축소한 값은 RPM_log라고 표시한다. 원시 데이터 값이 넓은 범위에 걸쳐 분포해 있으면서, 상대적으로 낮은 값에 분포가 치우쳐 있는 경우 로그를 취하면 데이터 값의 범위를 축소하고, 전체적으로 데이터의 분산을 고르게 하여 데이터 확인을 용이하게 할 수 있다.

수학식 1에서 우변에 있는 RPM은 엑소좀 miRNA의 발현데이터의 초기값이다. 수학식 1은 RPM에 1을 더한 값에 로그를 취한 것이다. 이는 RPM이 0인 데이터가 있을 수 있기 때문이다.

도 2(B)는 도 2(A)의 miRNA 발현데이터에 로그를 취한 결과를 도시한 예이다. 도 2(B)에서 발현 데이터의 값을 시각적으로 나타내는 그래프는 최소값과 최대값의 범위를 갖는 막대 형태이다. 막대에서 검은색 실선으로 표시된 부분은 해당 샘플의 중앙값(평균값)에 해당한다.

나아가 컴퓨터 장치는 샘플 엑소좀 miRNA의 발현데이터에 대한 정규화를 수행할 수 있다. NGS 분석 결과는 분석 시료나 시스템 환경에 따라 서로 다른 값이 나올 수 있어서, 발현데이터에 대한 일정한 정규화가 바람직하다. 컴퓨터 장치는 다양한 정규화 기법을 사용하여 데이터를 처리할 수 있다. 예컨대, 컴퓨터 장치는 변위치 정규화(quantile normalization)를 수행할 수 있다. 변위치 정규화 중 하나를 설명하면, 컴퓨터 장치는 서로 다른 데이터 세트에서 일정한 기준(오름 차순 또는 내림 차순)으로 데이터를 정렬하고, 정렬된 데이터 세트에서 동일한 순서에 있는 데이터의 값을 동일하게 변경한다. 예컨대, 두 개의 값의 평균으로 데이터의 값을 변경할 수 있다. 이를 통해 컴퓨터 장치는 서로 분포가 다른 데이터 세트를 일정하게 정규화할 수 있다. 경우에 따라서 컴퓨터 장치는 상위 몇 %의 값만을 기준으로 이후 분석을 수행할 수도 있다. 도 2(C)는 도 2(B)의 데이터에 변위치 정규화를 수행한 예이다. 도 2(C)를 살펴보면, 샘플 데이터의 중앙값이 일정하게 유지되는 것을 알 수 있다.

이제 컴퓨터 장치는 전처리된 데이터에 대한 분석을 수행한다. 컴퓨터 장치는 다수의 객체에 대한 정보를 포함하는 데이터에 대한 분석을 수행한다.

컴퓨터 장치는 소위 군집분석을 수행할 수 있다. 군집분석은 범주에 대한 사전 정보가 없고, 개체의 유사성을 기준으로 유상성이 높은 개체를 군집으로 분류하는 기법이다. 컴퓨터 장치는 계층적 군집화(hierarchical clustering)를 통해 샘플 엑소좀 miRNA 발현데이터를 분류할 수 있다.

계층적 군집화는 개체 간의 유사성을 측정하여, 유사성이 높은 개체를 하나의 그룹으로 분류한다. 계층적 군집화를 위한 다양한 알고리즘이 존재한다. 계층적 군집화에 대하여 간략하게 설명한다. 계층적 군집화는 하나의 군집으로 출발하여 유사성을 기준으로 군집에 속한 개체를 복수의 그룹으로 분할한다.

개체의 유사도는 거리(distance)로 정의한다. 거리는 개체 사이의 비유사성에 대한 척도라고 할 수 있다. 컴퓨터 장치는 다양한 거리를 이용할 수 있다. 예컨대, 유클리드(Euclidean) 거리, 맨하탄(Manhattan) 거리, 피어슨(Pearson) 거리 등을 사용할 수 있다. 유클리드 거리는 두 개의 개체 사이의 최단 거리에 해당한다. 피어슨 거리는 거리를 변수 분산으로 나누어 일정하게 정규화한 값이다.

특정 그룹(집단)과 개체의 유사도는 연결(linkage)로 정의한다. 컴퓨터 장치는 다양한 연결을 사용할 수 있다. 예컨대, 단일 연결, 완전 연결, 중심 연결, 평균 연경 등을 사용할 수 있다. 단일 연결은 두 군집의 개체 중 가장 가까이 있는 개체의 거리를 의미한다. 완전 연결은 두 군집의 개체 중 서로 가장 멀리 있는 개체의 거리를 의미한다. 중심 연결은 군집의 평균값 사이의 거리를 의미한다. 평균 연결은 하나의 군집 개체와 다른 군집 개체들의 각 거리의 평균을 의미한다.

도 3은 샘플 엑소좀 miRNA 발현데이터에 대한 계층적 군집화한 예이다. 도 3은 유클리드 거리와 완전 연결을 사용하여 계층적 군집화를 수행한 예이다. 도 3은 전술한 RPM_log값을 기준으로 계층적 군집화를 수행한 예이다. 도 3에서 정상 샘플(Control)은 붉은색으로 표시하였고, 환자 샘플(Test)은 파란색으로 표시하였다. 도 3의 결과를 살펴보면, 환자 샘플과 정상 샘플이 서로 다른 그룹으로 분류되는 것을 알 수 있다. 컴퓨터 장치는 샘플 엑소좀 miRNA 발현데이터에 대한 계층적 군집화 결과를 저장한다. 저장한 계층적 군집화 결과를 참조 군집이라고 명명한다. 이후 컴퓨터 장치는 참조 군집을 기준으로 새롭게 입력되는 데이터에 대한 분석을 할 수 있다. 즉, 엑소좀 miRNA 발현데이터를 분석하여, 특정 샘플이 환자인지 또는 정상인지 판단할 수 있다.

컴퓨터 장치는 샘플 엑소좀 miRNA 발현데이터에 다른 분석을 수행할 수도 있다. 예컨대, 컴퓨터 장치는 다차원 척도법(Multi-Dimensional Scaling, MDS)을 수행할 수 있다. 다차원 척도법은 군집 분석에서와 마찬가지로 자료에 내재된 구조를 찾아내어 자료를 함축적으로 표현하고자 하는 자료 축약 형 다변량 분석 기법이다. 다차원 척도법에서는 개체들 사이의 유사성 또는 비유사성을 평가하는데 사용될 수 있는 기준을 찾아내어 각 기준에 대하여 각 개체를 다차원 공간상에 시각적으로 표현하게 된다. 다차원 척도법도 다양한 기법이 존재한다. 예컨대, 전통적인 다차원 척도법, 계량형 다차원 척도법(metric MDS), 비계량형 다차원 척도법(non-metric MSD) 등이 있다.

다차원 척도법은 개체의 특정 값을 기준으로 유사성 내지 비유사성을 연산하여 다차원(2차원 또는 3차원) 공간에 점으로 표현한다. 컴퓨터 장치는 전술한 RPM_log값을 기준으로 샘플 사이의 유사성 내지 비유사성을 결정할 수 있다. 비유사성은 전술한 거리(예컨대, 유클리드 거리)를 기준으로 정의할 수 있다. 다차원 척도법은 결정한 개체 사이의 거리에 대한 적합도를 연산할 수 있다. 보통 스트레스(stress) 척도를 사용한다. 컴퓨터 장치는 스트레스를 작게 할 수 있는 새로운 좌표를 구하여 개체의 위치를 조정하는 최적화 과정을 반복할 수 있다. 다차원 척도법에 대해서는 널리 알려진 다양한 알고리즘이 있으므로, 자세한 설명은 생략한다.

도 4는 샘플 엑소좀 miRNA 발현데이터에 대한 다차원 척도법 수행한 예이다. 도 4는 전술한 RPM_log값을 기준으로 다차원 척도법을 수행한 예이다. 도 4는 샘플 간 유사성 정도를 전체 데이터의 분산성을 제일 잘 설명하는 2개의 요소(component 1 및 component 2)를 이용하여 2차원 공간에 좌표로 표현하였다. 여기서 요소는 분산성을 나타내기 위한 차원에 해당한다. 도 4에서 정상 샘플(Control)은 붉은색으로 표시하였고, 환자 샘플(Test)은 파란색으로 표시하였다. 도 4를 살펴보면, 환자 샘플과 정상 샘플이 서로 다른 패턴을 갖는 것을 알 수 있다.

컴퓨터 장치는 샘플 엑소좀 miRNA 발현데이터에 대한 다차원 척도법 결과를 저장한다. 저장한 다차원 척도법 결과를 참조 패턴이라고 명명한다. 이후 컴퓨터 장치는 참조 패턴을 기준으로 새롭게 입력되는 데이터에 대한 분석을 할 수 있다. 즉, 엑소좀 miRNA 발현데이터를 분석하여, 특정 샘플이 환자인지 또는 정상인지 판단할 수 있다.

전술한 설명은 대장암 환자에 대한 데이터를 분석하는 과정과 분석 결과이다. 다만 상기 과정에 따른 분석이 반드시 대장암에 국한되는 것은 아니다. 엑소좀 전체 miRNA의 발현량을 기준으로 특정 질환의 발병 여부를 판단할 수도 있을 것ㅇ이다.

도 5는 엑소좀 miRNA 데이터를 기준으로 암 환자를 판별하는 방법(100)에 대한 순서도의 예이다. 암 환자를 판별하는 방법(100)은 컴퓨터 장치에서 수행된다. 컴퓨터 장치는 먼저 샘플 엑소좀 miRNA 데이터를 분석하여 참조 데이터를 마련한다(110). 한편 샘플 엑소좀 miRNA 데이터를 샘플 데이터라고 명명한다. 전술한 바와 같이 샘플들 엑소좀의 miRNA 발현 데이터를 분석한다. 컴퓨터 장치는 전술한 과정을 통해 샘플의 유사성 내지 비유사성을 기준으로 계층적 군집화를 수행하여 참조 군집을 마련할 수 있다. 또 컴퓨터 장치는 샘플의 유사성 내지 비유사성을 기준으로 다차원 척도법을 이용하여 참조 패턴을 마련할 수 있다. 참조 데이터는 참조 군집 및 참조 패턴 중 적어도 하나를 포함할 수 있다. 참조 데이터는 특정 샘플이 환자인지 또는 정상인지에 대한 식별자를 포함할 수 있다.

컴퓨터 장치는 이제 분석을 수행할 타깃 시료에 대한 데이터를 획득한다. 타깃 시료에 대한 데이터를 타깃 데이터라고 명명한다. 타깃 데이터는 타깃의 엑소좀 전체의 miRNA에 대한 발현 데이터를 포함한다. 따라서 타깃 데이터는 복수의 miRNA에 대한 데이터를 포함한다. 복수의 miRNA를 타깃 miRNA 집합이라고 명명한다.

컴퓨터 장치는 타깃 엑소좀 miRNA의 발현데이터(타깃 데이터)를 전처리한다(120). 컴퓨터 장치는 전술한 바와 같이 필터링, 정규화와 같은 전처리를 수행할 수 있다.

컴퓨터 장치는 샘플 데이터와 타깃 데이터의 유사성을 분석한다(130). 유사성은 수학식 1에서 설명한 RPM_log를 기준으로 결정될 수 있다. 컴퓨터 장치는 샘플 데이터와 타깃 데이터의 유클리드 거리를 기준으로 유사성(내지 비유사성)을 판단할 수 있다.

컴퓨터 장치는 샘플 데이터와 타깃 데이터의 유사성을 기준으로 일정한 분석 결과를 생성한다(140). 컴퓨터 장치는 샘플 데이터와 타깃 데이터에 대한 계층적 군집화를 수행할 수 있다. 또는 컴퓨터 장치는 샘플 데이터와 타깃 데이터에 대한 다차원 척도법을 수행할 수 있다.

컴퓨터 장치는 분석 결과를 기준으로 타깃에 대한 진단을 할 수 있다(150). 한편 이 과정은 별도의 전문가가 컴퓨터 장치가 140 과정에서 생성한 분석 결과를 이용하여 수행할 수도 있다. 컴퓨터 장치는 도 3과 같은 참조 군집에서 타깃 데이터가 속하는 군집을 기준으로 진단을 수행할 수 있다. 예컨대, 타깃 데이터가 도 3에서 파란색으로 표시한 군집에 속하는 경우, 타깃은 암 환자라고 진단할 수 있다.

도 6은 타깃 miRNA 집합에 대한 다차원 척도법 수행한 예이다. 도 6은 컴퓨터 장치가 샘플 데이터와 타깃 데이터를 이용하여 다차원 척도법을 수행한 결과에 해당한다. 분석 결과 타깃 miRNA의 위치가 환자 샘플의 위치에 일치하거나, 환자 샘플의 위치에 근접하다면, 컴퓨터 장치는 타깃은 암 환자라고 진단할 수 있다. 반대로 분석 결과 타깃 miRNA의 위치가 정상 샘플의 위치에 일치하거나, 정상 샘플의 위치에 더 근접하다면, 컴퓨터 장치는 타깃은 암 환자라고 진단할 수 있다.

이때 컴퓨터 장치는 다양한 기준으로 복수의 환자 샘플의 위치와 타깃의 위치를 비교 분석할 수 있다. 예컨대, 컴퓨터 장치는 환자 샘플의 평균 위치와 타깃의 위치의 거리 또는 정상 샘플의 평균 위치와 타깃의 위치의 거리를 비교하여 진단을 할 수 있다. 컴퓨터 장치는 타깃의 위치가 환자의 평균 위치에 더 가깝다면, 타깃을 환자라고 판단할 수 있다.

또는 컴퓨터 장치는 복수의 환자 샘플의 위치와 타깃의 위치 사이의 거리를 누적한 값과 복수의 정상 샘플의 위치와 타깃의 위치 사이의 거리를 누적한 값을 비교하여 진단할 수도 있다. 컴퓨터 장치는 환자와의 누적 거리가 더 작은 타깃에 대하여 환자라고 판단할 수 있다.

또한, 상술한 바와 같은 엑소좀 miRNA 데이터를 기준으로 암 환자를 판별하는 방법은 컴퓨터에서 실행될 수 있는 실행가능한 알고리즘을 포함하는 프로그램(또는 어플리케이션)으로 구현될 수 있다. 상기 프로그램은 비일시적 판독 가능 매체(non-transitory computer readable medium)에 저장되어 제공될 수 있다.

비일시적 판독 가능 매체란 레지스터, 캐쉬, 메모리 등과 같이 짧은 순간 동안 데이터를 저장하는 매체가 아니라 반영구적으로 데이터를 저장하며, 기기에 의해 판독(reading)이 가능한 매체를 의미한다. 구체적으로는, 상술한 다양한 어플리케이션 또는 프로그램들은 CD, DVD, 하드 디스크, 블루레이 디스크, USB, 메모리카드, ROM 등과 같은 비일시적 판독 가능 매체에 저장되어 제공될 수 있다.

도 7은 엑소좀 miRNA 데이터를 기준으로 암 환자를 판별하는 컴퓨터 장치에 대한 예이다. 도 7은 전술한 컴퓨터 장치에 대한 예이다.

도 7(A)는 PC와 같은 컴퓨터 장치(100)가 암 환자를 판별하는 예이다. 컴퓨터 장치(200)는 유전자 DB(50)로부터 분석을 위한 데이터를 수신한다. 유전자 DB(50)는 전술한 샘플 데이터 및 타깃 데이터에 대한 NGS 분석 결과를 보유한다. 유전자 DB(50)는 엑소좀 miRNA에 대한 발현데이터를 보유한다. 컴퓨터 장치(200)는 샘플에 대한 발현데이터를 분석하여, 참조 모델을 수립한다. 참조 모델은 전술한 계층적 군집화에 기반한 참조 군집 및 전술한 다차원 척도법에 기반한 참조 패턴 중 적어도 하나를 포함한다. 컴퓨터 장치(200)는 타깃 데이터에 대한 전처리를 수행하고, 샘플 데이터와의 유사성을 기준으로 계층적 군집화 및/또는 다차원 척도법을 수행한다. 컴퓨터 장치(200)는 유사성 분석 결과를 기준으로 타깃에 대한 진단을 할 수 있다. 자세한 과정은 전술한 바와 같다.

도 7(B)는 네트워크상의 서버와 같은 컴퓨터 장치(300)가 암 환자를 판별하는 예이다. 컴퓨터 장치(300)는 클라이언트 장치(80)로부터 분석을 위한 데이터를 수신한다. 클라이언트 장치(80)는 개인 PC, NGS 분석 장치 등일 수 있다. 클라이언트 장치(80)는 전술한 샘플 데이터 및 타깃 데이터에 대한 NGS 분석 결과를 보유한다. 클라이언트 장치(80)는 엑소좀 miRNA에 대한 발현데이터를 보유한다. 컴퓨터 장치(300)는 샘플에 대한 발현데이터를 분석하여, 참조 모델을 수립한다. 참조 모델은 전술한 계층적 군집화에 기반한 참조 군집 및 전술한 다차원 척도법에 기반한 참조 패턴 중 적어도 하나를 포함한다. 컴퓨터 장치(300)는 타깃 데이터에 대한 전처리를 수행하고, 샘플 데이터와의 유사성을 기준으로 계층적 군집화 및/또는 다차원 척도법을 수행한다. 컴퓨터 장치(300)는 유사성 분석 결과를 기준으로 타깃에 대한 진단을 할 수 있다. 자세한 과정은 전술한 바와 같다. 컴퓨터 장치(300)는 분석 결과 및 진단 결과를 클라이언트 장치에 전송할 수 있다.

도 7(C)는 컴퓨터 장치(400)의 구성을 도시한 블록도의 예이다. 컴퓨터 장치(400)는 전술한 컴퓨터 장치(200) 또는 컴퓨터 장치(300)에 해당한다. 컴퓨터 장치(400)는 입력 장치(410), 연산장치(420), 저장장치(430) 및 출력장치(440)를 포함한다.

입력장치(410)는 분석을 위한 데이터를 수신한다. 수신하는 데이터는 샘플 데이터 및 타깃 데이터에 대한 NGS 분석 결과를 포함할 수 있다. 수신하는 데이터는 엑소좀 miRNA에 대한 발현데이터를 포함한다. 입력장치(410)는 키보드, 마우스, 터치패드와 같은 물리적인 인터페이스 장치일 수 있다. 또는 입력장치(410)는 외부 저장매체(USB 등)로부터 저장된 유전자 발현데이터를 전달받은 장치일 수도 있다. 또는 입력장치(410)는 외부 네트워크로부터 유전자 발현데이터를 수신하는 통신 모듈일 수도 있다.

저장장치(430)는 전술한 엑소좀 miRNA의 발현데이터를 분석하여 암 발병 여부를 진단하는 프로그램을 저장한다. 저장장치(430)에 저장되는 프로그램은 전술한 설명에 따라 엑소좀 miRNA의 발현데이터를 분석하기 위한 소스 코드를 저장할 수 있다. 저장장치(430)는 샘플 데이터를 분석하여 마련한 참조 모델을 저장할 수 있다.

연산장치(420)는 입력되는 샘플 데이터/ 타깃 데이터와 저장장치(430)에 저장된 프로그램을 이용하여 타깃 데이터에 대한 전처리를 수행하고, 샘플 데이터와의 유사성을 기준으로 계층적 군집화 및/또는 다차원 척도법을 수행한다. 연산장치(420)는 참조 모델과 유사성 분석 결과를 비교하여 타깃에 대한 진단을 할 수 있다. 연산 장치(420)는 CPU, AP(Application processor) 등과 같이 프로그램을 통해 특정한 연산을 처리하는 프로세서 장치를 의미한다.

출력장치(440)는 샘플 데이터 및 타깃 데이터에 대한 분석 결과를 출력하는 장치이다. 출력장치(440)는 영상을 출력하는 디스플레이 장치, 텍스트를 출력하는 프린터 등일 수 있다. 나아가 출력장치(440)는 분석한 결과를 다른 장치에 전달하는 통신 모듈일 수도 있다.

본 실시례 및 본 명세서에 첨부된 도면은 전술한 기술에 포함되는 기술적 사상의 일부를 명확하게 나타내고 있는 것에 불과하며, 전술한 기술의 명세서 및 도면에 포함된 기술적 사상의 범위 내에서 당업자가 용이하게 유추할 수 있는 변형 예와 구체적인 실시례는 모두 전술한 기술의 권리범위에 포함되는 것이 자명하다고 할 것이다.

50 : 유전자 DB
80 : 클라이언트 장치
200 : 컴퓨터 장치
300 : 컴퓨터 장치
400 : 컴퓨터 장치
410 : 입력장치
420 : 연산장치
430 : 저장장치
440 : 출력장치

Claims

컴퓨터 장치가 샘플들의 타깃 엑소좀에서 분리한 전체 miRNA 집합의 타깃 발현데이터를 입력받는 단계;
상기 컴퓨터 장치가 상기 타깃 발현데이터의 차원을 축소하는 단계; 및
상기 컴퓨터 장치가 상기 차원이 축소된 타깃 발현데이터와 사전에 마련된 참조 발현데이터의 유사도를 결정하는 단계를 포함하되,
상기 타깃 발현 데이터는 상기 컴퓨터 장치가 성숙한 miRNA(mature miRNA)에서 상기 샘플들 중 50% 이상의 샘플에서 RPM(Reads per million mapped reads)이 0(zero)인 miRNA의 데이터를 제거하고 남은 발현 데이터이고,
상기 참조 발현데이터는 대장암 환자의 엑소좀에서 분리한 전체 miRNA 집합에 대한 데이터이고,
상기 컴퓨터 장치는 아래 수식과 같이 상기 타깃 발현데이터의 RPM에 1을 더한 값에 로그를 취하여 차원을 축소하고,

상기 컴퓨터 장치는 상기 타깃 발현데이터와 상기 참조 발현데이터에 대한 2차원 공간에서의 다차원 척도법(Multi-Dimensional Scaling)을 수행하고,
상기 컴퓨터 장치는 상기 차원이 축소된 발현 데이터 RPM_log를 기준으로 상기 다차원 척도법을 수행하고,
상기 타깃 발현데이터에 대한 상기 다차원 척도법의 패턴 정보와 상기 참조 발현데이터에 대한 상기 다차원 척도법의 패턴 정보를 비교하여 상기 유사도를 결정하는 엑소좀 miRNA를 기준으로 암 환자를 판별하는 방법.
삭제
삭제
삭제
삭제
삭제
삭제
삭제
삭제
삭제
삭제
삭제
삭제
삭제
삭제