KR102259349B1 - 병원성 유전자 변이 발생률 정보를 활용한 신약후보물질 안전성 예측 시스템 - Google Patents
병원성 유전자 변이 발생률 정보를 활용한 신약후보물질 안전성 예측 시스템 Download PDFInfo
- Publication number
- KR102259349B1 KR102259349B1 KR1020200185184A KR20200185184A KR102259349B1 KR 102259349 B1 KR102259349 B1 KR 102259349B1 KR 1020200185184 A KR1020200185184 A KR 1020200185184A KR 20200185184 A KR20200185184 A KR 20200185184A KR 102259349 B1 KR102259349 B1 KR 102259349B1
- Authority
- KR
- South Korea
- Prior art keywords
- new drug
- safety
- pathogenic
- drug candidate
- patients
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 239000002547 new drug Substances 0.000 title claims abstract description 77
- 229940000406 drug candidate Drugs 0.000 title claims abstract description 67
- 230000001717 pathogenic effect Effects 0.000 title claims abstract description 57
- 108090000623 proteins and genes Proteins 0.000 claims abstract description 62
- 208000024891 symptom Diseases 0.000 claims abstract description 41
- 206010064571 Gene mutation Diseases 0.000 claims abstract description 40
- 239000000463 material Substances 0.000 claims abstract description 31
- 238000000034 method Methods 0.000 claims description 10
- 230000035772 mutation Effects 0.000 claims description 9
- 239000002773 nucleotide Substances 0.000 claims description 9
- 125000003729 nucleotide group Chemical group 0.000 claims description 9
- 239000000126 substance Substances 0.000 claims description 8
- 238000000926 separation method Methods 0.000 claims description 3
- 230000007918 pathogenicity Effects 0.000 claims 1
- 239000003814 drug Substances 0.000 description 9
- 229940079593 drug Drugs 0.000 description 9
- 238000010586 diagram Methods 0.000 description 6
- 238000009509 drug development Methods 0.000 description 6
- 238000011076 safety test Methods 0.000 description 6
- 238000012360 testing method Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 208000030453 Drug-Related Side Effects and Adverse reaction Diseases 0.000 description 2
- 230000001747 exhibiting effect Effects 0.000 description 2
- 206010069754 Acquired gene mutation Diseases 0.000 description 1
- 208000026350 Inborn Genetic disease Diseases 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 210000000349 chromosome Anatomy 0.000 description 1
- 238000011109 contamination Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000012362 drug development process Methods 0.000 description 1
- 208000016361 genetic disease Diseases 0.000 description 1
- 239000003112 inhibitor Substances 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 229910052698 phosphorus Inorganic materials 0.000 description 1
- 239000011574 phosphorus Substances 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000037439 somatic mutation Effects 0.000 description 1
- 230000008685 targeting Effects 0.000 description 1
- 230000001988 toxicity Effects 0.000 description 1
- 231100000419 toxicity Toxicity 0.000 description 1
- 231100000041 toxicology testing Toxicity 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/50—Molecular design, e.g. of drugs
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B20/00—ICT specially adapted for functional genomics or proteomics, e.g. genotype-phenotype associations
- G16B20/20—Allele or variant detection, e.g. single nucleotide polymorphism [SNP] detection
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B30/00—ICT specially adapted for sequence analysis involving nucleotides or amino acids
- G16B30/10—Sequence alignment; Homology search
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B40/00—ICT specially adapted for biostatistics; ICT specially adapted for bioinformatics-related machine learning or data mining, e.g. knowledge discovery or pattern finding
- G16B40/20—Supervised data analysis
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/30—Prediction of properties of chemical compounds, compositions or mixtures
Landscapes
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Theoretical Computer Science (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Biology (AREA)
- Biotechnology (AREA)
- Biophysics (AREA)
- Crystallography & Structural Chemistry (AREA)
- Data Mining & Analysis (AREA)
- Proteomics, Peptides & Aminoacids (AREA)
- Analytical Chemistry (AREA)
- Computing Systems (AREA)
- Bioethics (AREA)
- Molecular Biology (AREA)
- Artificial Intelligence (AREA)
- Genetics & Genomics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Databases & Information Systems (AREA)
- Epidemiology (AREA)
- Evolutionary Computation (AREA)
- Public Health (AREA)
- Software Systems (AREA)
- Medicinal Chemistry (AREA)
- Pharmacology & Pharmacy (AREA)
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
Abstract
본 발명은 안전성을 판단하고자 하는 신약후보물질의 타겟 유전자(Gi)에 대해서, 특정 증상(Sk)이 발현되는 환자들로 구성된 실험군의 전체 환자(n1) 중 상기 타겟 유전자(Gi)에 대한 병원성 유전자 변이 발생률과 건강한 일반인으로 구성된 대조군의 전체 일반인(n2) 중 상기 타겟 유전자(Gi)에 대한 병원성 유전자 변이 발생률을 비교하여 상기 신약후보물질의 안전성을 판단하는 신약후보물질 안전성 예측 시스템을 제공한다.
Description
본 발명은 신약후보물질의 인체 내 약물 안전성을 판단하는 신약후보물질 안전성 예측 시스템에 관한 것이다.
신약 하나를 개발하려면 평균 10년 이상의 시간과 1조원 이상의 막대한 비용 투자가 필요하다. 그럼에도 불구하고 성공확률은 매우 낮은 편이다.
현재 사용중인 모든 약은 우선 약물의 효능이 증명되어야 하며, 약효가 있다고 하더라도 안전해야 한다.
신약의 사용허가를 위해서는 그 약의 효과와 안전성을 증명하는 과정이 필수적이고, 이 과정을 임상시험이라고 한다.
신약 개발단계는 신약후보물질을 발굴하여 전임상 단계 후 임상시험계획(IND, Investigational New Drug)을 제출한 뒤 1상, 2상, 3상 임상시험을 거쳐 신약승인신청(NDA, New Drug Application)을 제출하여 허가당국(식약처, FDA 등)의 승인을 받은 뒤 시판을 하게 된다.
특히, 전임상 단계인 동물 실험, 실험실 수준의 독성 실험을 통과하더라도, 실제로 인간의 몸에서 어떤 문제를 일으킬지 명확히 확인하기 어렵기에 인간의 몸에 최초로 적용되는 임상 1상에서 대략 50%가 안전성 검사를 통과하지 못해 탈락하게 된다.
임상 1상까지는 수 백억원에서 수 천억원의 비용이 이미 신약 개발에 소요된 상태로, 신약개발과정의 효율성을 높이기 위해서 신약개발 초기 단계에 미리 약물의 안전성을 예측할 수 있다면, 신약개발 비용과 시간을 획기적으로 절감할 수 있다.
본 발명이 이루고자 하는 기술적 과제는 신약후보물질을 인체에 직접 투입하지 않고도 인체 내 약물 안전성을 높은 정확도로 미리 검정할 수 있는 신약후보물질 안전성 예측 시스템을 제공하고자 한다.
이러한 과제를 해결하기 위하여 본 발명의 실시예에 따른 신약후보물질 안전성 예측 시스템은 안전성을 판단하고자 하는 신약후보물질의 타겟 유전자(Gi)에 대해서, 특정 증상(Sk)이 발현되는 환자들로 구성된 실험군의 전체 환자(n1) 중 상기 타겟 유전자(Gi)에 대한 병원성 유전자 변이 발생률과 건강한 일반인으로 구성된 대조군의 전체 일반인(n2) 중 상기 타겟 유전자(Gi)에 대한 병원성 유전자 변이 발생률을 비교하여 상기 신약후보물질의 안전성을 판단한다.
상기 신약후보물질의 타겟이 되는 상기 타겟 유전자(Gi)를 특정하는 유전자 특정부; 특정 증상(Sk)이 발현되는 환자들로 구성된 상기 실험군과 건강한 일반인으로 구성된 상기 대조군을 구분하는 분리부; 상기 실험군의 전체 환자(n1) 중에서 상기 타겟 유전자(Gi)에 대한 병원성 유전자 변이(pathogenic variant)를 가지고 있는 환자의 개수(m1)와, 상기 대조군의 전체 일반인(n2) 중에서 상기 타겟 유전자(Gi)에 대한 병원성 유전자 변이(pathogenic variant)를 가지고 있는 일반인의 개수(m2)를 계산하는 계산부; 및 상기 실험군에서의 병원성 유전자 변이 발생률과 상기 대조군에서의 병원성 유전자 변이 발생률을 비교하여 상기 신약후보물질의 안전성을 판단하는 안정성 판단부를 포함할 수 있다.
상기 판단부는 상기 실험군에서의 병원성 유전자 변이 발생률(dP1)을 하기 식1과 같이 계산하고, 상기 대조군에서의 병원성 유전자 변이 발생률(dP2)을 하기 식2와 같이 계산할 수 있다.
식 1
(여기서, n1은 상기 실험군의 전체 환자 수이고, m1은 상기 실험군의 전체 환자(n1) 중에서 상기 타겟 유전자(Gi)에 대한 병원성 유전자 변이(pathogenic variant)를 가지고 있는 환자의 개수이고, L은 상기 타겟 유전자(Gi)의 염기서열 길이이다)
식 2
(여기서, n2는 상기 대조군의 전체 일반인 수이고, m2는 상기 대조군의 전체 일반인(n2) 중에서 상기 타겟 유전자(Gi)에 대한 병원성 유전자 변이(pathogenic variant)를 가지고 있는 환자의 개수이고, L은 상기 타겟 유전자(Gi)의 염기서열 길이이다)
상기 판단부는 상기 신약후보물질의 안전성을 하기 식3을 기준으로, E(Sk)가 미리 설정한 문턱치보다 크면 부적합하고, E(Sk)가 미리 설정한 문턱치 이하이면 적합한 것으로 판단할 수 있다.
식 3
(여기서, dP1은 상기 실험군에서의 병원성 유전자 변이 발생률이고, dP2는 상기 대조군에서의 병원성 유전자 변이 발생률이고, E(Sk)는 상기 타겟 유전자(Gi)에 대한 특정 증상(Sk)의 enrichment score이다)
상기 문턱치는 전체 신약후보물질의 임상 1단계 실패율에 따라 달라질 수 있다.
상기 타겟 유전자(Gi)에 대한 병원성 유전자 변이에 의해 유발되어 안전성 부적합 판정의 이유가 되는 증상을 특정하는 증상 특정부를 더 포함할 수 있다.
상기 신약후보물질의 안전성이 적합 판정 되더라도 상기 문턱치에 가까운 증상을 가지는 환자군을 미리 특정하는 환자군 특정부를 더 포함할 수 있다.
위에서 언급된 본 발명의 기술적 과제 외에도, 본 발명의 다른 특징 및 이점들이 이하에서 기술되거나, 그러한 기술 및 설명으로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
이상과 같은 본 발명에 따르면 다음과 같은 효과가 있다.
본 발명은 신약후보물질을 인체 내에 투입하기 전에 미리 인체 내 약물 안전성을 검정해 볼 수 있어 신약개발 비용과 시간을 획기적으로 절감할 수 있다.
또한, 본 발명은 타겟 유전자에 대한 병원성 유전자 변이에 의해 유발되어 안전성 부적합 판정의 이유가 되는 증상을 미리 특정함으로써, 실제 임상 1상 단계에서 특정 증상을 가지는 환자군을 배제하고 시험하여 임상 1상의 안전성 통과 가능성을 높일 수 있다.
또한, 본 발명은 신약후보물질을 인체 내에 투입하기 전에 안전성 적합 판정되더라도 문턱치에 가까운 증상을 가지는 환자군을 미리 특정함으로써, 안전성에는 문제가 없지만 해당 신약후보물질의 약물 부작용이 있는 특정 환자군을 예상할 수 있어, 신약 시판 과정에서의 부작용으로 인한 문제들을 사전에 예방할 수 있다.
이 밖에도, 본 발명의 실시 예들을 통해 본 발명의 또 다른 특징 및 이점들이 새롭게 파악될 수도 있을 것이다.
도 1은 본 발명의 일 실시예에 따른 신약후보물질 안전성 예측 시스템의 구성도이다.
도 2는 본 발명에 따른 신약후보물질의 안전성 판단을 설명하기 위한 도면이다.
도 3은 본 발명의 다른 실시예에 따른 신약후보물질 안전성 예측 시스템의 구성도이다.
도 4는 본 발명의 또 다른 실시예에 따른 신약후보물질 안전성 예측 시스템의 구성도이다.
도 2는 본 발명에 따른 신약후보물질의 안전성 판단을 설명하기 위한 도면이다.
도 3은 본 발명의 다른 실시예에 따른 신약후보물질 안전성 예측 시스템의 구성도이다.
도 4는 본 발명의 또 다른 실시예에 따른 신약후보물질 안전성 예측 시스템의 구성도이다.
본 명세서에서 각 도면의 구성요소들에 참조번호를 부가함에 있어서 동일한 구성 요소들에 한해서는 비록 다른 도면상에 표시되더라도 가능한 한 동일한 번호를 가지도록 하고 있음에 유의하여야 한다.
한편, 본 명세서에서 서술되는 용어의 의미는 다음과 같이 이해되어야 할 것이다.
"포함하다" 또는 "가지다" 등의 용어는 하나 또는 그 이상의 다른 특징이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
또한, 본 명세서 해석의 명확함을 위해서, 이하에서는 본 명세서에서 사용되는 용어들을 정의하기로 한다.
본 명세서에서 사용되는 용어, "유전자 변이"는 여러 가지 요인으로 인해, 염색체에서 일어나는 염기서열의 변이를 의미할 수 있다. 예를 들어, 유전자변이는 체성 돌연변이, 샘플의 오염으로 인한 염기서열의 변이 및 유전병으로 인한 염기서열의 변이일 수 있다. 그러나 유전자 변이는 전술한 것에 제한되는 것은 아니다.
또한 본 명세서에서 사용되는 용어, "병원성 유전자 변이"는 유전자의 기능을 손실시켜 환자의 질병 또는 증상을 유발시키는 유전자 변이를 의미할 수 있다.
이하, 첨부되는 도면을 참고하여 상기 문제점을 해결하기 위해 고안된 본 발명의 바람직한 실시예들에 대해 상세히 설명한다.
도 1은 본 발명의 일 실시예에 따른 신약후보물질 안전성 예측 시스템의 구성도이고, 도 2는 본 발명에 따른 신약후보물질의 안전성 판단을 설명하기 위한 도면이다.
도 1을 참조하면, 본 발명의 일 실시예에 따른 신약후보물질 안전성 예측 시스템(1000)은 유전자 특정부(100), 분리부(300), 계산부(500), 및 판단부(700)를 포함한다.
본 발명의 일 실시예에 따른 신약후보물질 안전성 예측 시스템(1000)은 인 신약후보물질을 인체 내에 투입하기 전에 미리 인체 내 안전성을 판단할 수 있다.
일반적으로 임상 1상 단계에서 신약후보물질의 약물을 인체 내에 투입하여 인체에 심각한 증상을 유발하면 안전성 검정을 통과하지 못하게 된다.
임상 1상까지 수 백억원에서 수 천억원의 비용이 신약 개발에 소요되므로, 임상 1상 단계의 안전성 검정을 통과하지 못하면 그동안의 많은 비용과 시간을 낭비하게 된다.
본 발명은 안전성을 판단하고자 하는 신약후보물질의 타겟 유전자(Gi)에 대해서, 특정 증상(Sk)이 발현되는 환자들로 구성된 실험군의 전체 환자(n1) 중 타겟 유전자(Gi)에 대한 병원성 유전자 변이 발생률과 건강한 일반인으로 구성된 대조군의 전체 일반인(n2) 중 타겟 유전자(Gi)에 대한 병원성 유전자 변이 발생률을 비교함으로써, 신약후보물질의 실제 임상 1상을 진행하지 않고도 미리 신약후보물질의 신체 내 안전성을 검정할 수 있다.
유전자 특정부(100)는 신약후보물질의 타겟이 되는 타겟 유전자(Gi)를 특정할 수 있다.
타겟 유전자(Gi)에 대해 병원성 유전자 변이(pathogenic variant)가 발생되면 타겟 유전자(Gi)의 기능이 손실되고, 이러한 병원성 유전자 변이를 가지는 환자는 타겟 유전자(Gi)의 기능 손실로 인해 증상이 발생되게 된다.
즉, 유전자(Gi)의 기능 손실로 인해 발생하는 증상이 생명을 위협하는 심각한 증상인 경우에는, 유전자(Gi)를 타겟으로 하는 신약후보물질을 인체 내 투입하면 심각한 증상 유발로 인하여 임상 1상 단계의 안전성 검정을 통과하지 못할 것으로 예상할 수 있다.
분리부(300)는 특정 증상(Sk)이 발현되는 환자들로 구성된 실험군과 건강한 일반인으로 구성된 대조군을 구분하여 분리할 수 있다.
유전자(Gi)의 기능 손실을 유발하는 병원성 유전자 변이(pathogenic variant)가 특정 증상(Sk)이 발현되는 환자들의 실험군을 제외한 건강한 일반인들에게도 동등한 수준으로 빈번하게 발생된다면, 유전자(Gi)의 기능 손실이 특정 증상(Sk)을 유발한다고 추정하기 어렵다. 반대로 유전자(Gi)의 기능 손실을 유발하는 병원성 유전자 변이(pathogenic variant)가 건강한 일반인으로 구성된 대조군에서 보다 특정 증상(Sk)이 발현되는 환자들의 실험군에서 더 빈번하게 발생된다면, 유전자(Gi)의 기능 손실이 특정 증상(Sk)을 유발한다는 명확한 근거가 된다.
계산부(500)는 실험군의 전체 환자(n1) 중에서 신약후보물질의 타겟 유전자(Gi)에 대한 병원성 유전자 변이(pathogenic variant)를 가지고 있는 환자의 개수(m1)와, 대조군의 전체 일반인(n2) 중에서 신약후보물질의 타겟 유전자(Gi)에 대한 병원성 유전자 변이(pathogenic variant)를 가지고 있는 일반인의 개수(m2)를 계산할 수 있다.
판단부(700)는 실험군에서의 병원성 유전자 변이 발생률과 대조군에서의 병원성 유전자 변이 발생률을 비교하여 신약후보물질의 안전성을 판단할 수 있다.
도 2를 참조하면, 판단부(700)는 실험군에서의 병원성 유전자 변이 발생률(dP1)을 하기 식1과 같이 계산하고, 대조군에서의 병원성 유전자 변이 발생률(dP2)을 하기 식2와 같이 계산할 수 있다.
식 1
여기서, n1은 상기 실험군의 전체 환자 수(10)이고, m1은 상기 실험군의 전체 환자(n1) 중에서 상기 타겟 유전자(Gi)에 대한 병원성 유전자 변이(pathogenic variant, 30)를 가지고 있는 환자의 개수이고, L은 상기 타겟 유전자(Gi)의 염기서열 길이이다.
식 2
여기서, n2는 상기 대조군의 전체 일반인 수(20)이고, m2는 상기 대조군의 전체 일반인(n2) 중에서 타겟 유전자(Gi)에 대한 병원성 유전자 변이(pathogenic variant, 30)를 가지고 있는 환자의 개수이고, L은 상기 타겟 유전자(Gi)의 염기서열 길이이다.
또한, 판단부(700)는 신약후보물질(Inhibitors)의 안전성을 하기 식3을 기준으로, E(Sk)가 미리 설정한 문턱치(T)보다 크면 부적합하고, E(Sk)가 미리 설정한 문턱치(T) 이하이면 적합한 것으로 판단할 수 있다.
식 3
여기서, dP1은 실험군에서의 병원성 유전자 변이 발생률이고, dP2는 대조군에서의 병원성 유전자 변이 발생률이고, E(Sk)는 타겟 유전자(Gi)에 대한 특정 증상(Sk)의 enrichment score 이다.
예를 들어, 신약후보물질 ①의 타겟 유전자가 Gm이고, 특정 증상(Sk)이 발현되는 환자들로 구성된 실험군의 전체 환자(10) 8명 중에서 타겟 유전자(Gm)에 대한 병원성 유전자 변이(30)를 가지는 환자는 5명이므로, 실험군에서의 병원성 유전자 변이 발생률(dP1)은 5/(8*L)이다. 또한, 대조군의 전체 일반인(20) 5명 중에서 타겟 유전자(Gm)에 대한 병원성 유전자 변이(30)를 가지는 환자는 0명이므로 대조군에서의 병원성 유전자 변이 발생률(dP2)은 0/(5*L)이다.
그러므로, 이때 E(Sk)는 무한대이므로, 임의의 문턱치(T)보다 커서 안전성 검정은 부적합 판정된다.
다른 예로, 신약후보물질 ②의 타겟 유전자가 Gn이고, 특정 증상(Sk)이 발현되는 환자들로 구성된 실험군의 전체 환자(10) 8명 중에서 타겟 유전자(Gn)에 대한 병원성 유전자 변이(30)를 가지는 환자는 3명이므로, 실험군에서의 병원성 유전자 변이 발생률(dP1)은 3/(8*L)이다. 또한, 대조군의 전체 일반인(20) 5명 중에서 타겟 유전자(Gn)에 대한 병원성 유전자 변이(30)를 가지는 환자는 3명이므로 대조군에서의 병원성 유전자 변이 발생률(dP2)은 3/(5*L)이다.
그러므로, 이때 E(Sk)는 5/8가 되고, 임의의 문턱치(T) 이하라면 안전성 검정은 적합 판정된다.
이때, 문턱치(T)는 미리 설정된 값이다. 문턱치(T)는 다양한 기준에 의해 미리 설정될 수 있는데, 일 예로 전체 신약후보물질의 임상 1단계 실패율에 따라 달라질 수 있다.
이와 같이, 본 발명의 일 실시예에 따른 신약후보물질 안전성 예측 시스템(1000)은 실험군과 대조군에서 신약후보물질의 타겟 유전자에 대한 병원성 유전자 변이 발생률을 서로 비교함으로써, 신약후보물질을 인체 내에 투입하기 전에 미리 인체 내 약물 안전성을 검정해 볼 수 있어 신약개발 비용과 시간을 획기적으로 절감할 수 있다.
이하에서는, 각각의 구성에 있어서 반복되는 부분에 대한 중복 설명은 생략하기로 한다.
도 3은 본 발명의 다른 실시예에 따른 신약후보물질 안전성 예측 시스템의 구성도로서, 증상 특정부(800)를 더 포함한 것을 제외하고는 전술한 도 1에 따른 신약후보물질 안전성 예측 시스템과 동일하다. 따라서, 동일한 구성에 대해서는 동일한 도면부호를 부여하였고, 동일한 구성에 대한 반복 설명은 생략하기로 한다.
본 발명의 다른 실시예에 따른 신약후보물질 안전성 예측 시스템(1000)은 증상 특정부(800)를 더 포함할 수 있다.
증상 특정부(800)는 신약후보물질의 타겟 유전자에 대한 병원성 유전자 변이에 의해 유발되어 안전성 부적합 판정의 이유가 되는 증상을 미리 특정할 수 있다.
증상 특정부(800)는 E(Sk)가 문턱치보다 큰 경우의 증상들을 미리 특정함으로써, 실제 임상 1상 단계에서 특정된 증상들을 가지는 환자군을 배제하고 시험하여 임상 1상의 안정성 통과 가능성을 높일 수 있다.
도 4는 본 발명의 또 다른 실시예에 따른 신약후보물질 안전성 예측 시스템의 구성도로서, 환자군 특정부(900)를 더 포함한 것을 제외하고는 전술한 도 1에 따른 신약후보물질 안전성 예측 시스템과 동일하다. 따라서, 동일한 구성에 대해서는 동일한 도면부호를 부여하였고, 동일한 구성에 대한 반복 설명은 생략하기로 한다.
환자군 특정부(900)는 신약후보물질의 안전성이 적합 판정되더라도 문턱치에 가까운 증상을 가지는 환자군을 미리 특정할 수 있다.
판단부(700)는 E(Sk)가 문턱치 이하이면 안정성 부적합 판정하게 되는데, 이때 환자군 특정부(900)는 이미 설정된 문턱치 이하이면서 임의로 설정된 최하 값보다 큰 범위에 있는 증상을 가지는 환자군을 미리 특정할 수 있다.
E(Sk)가 문턱치 이하이므로 안정성에는 문제가 없을 정도로 독성은 약하지만 신약후보물질의 약물 부작용이 있을 정도의 값을 최하 값으로 설정할 수 있다.
이와 같이, 본 발명은 신약후보물질을 인체 내에 투입하기 전에 안전성 적합 판정되더라도 문턱치에 가까운 증상을 가지는 환자군을 미리 특정함으로써, 안전성에는 문제가 없지만 해당 신약후보물질의 약물 부작용이 있는 특정 환자군을 예상할 수 있어, 신약 시판 과정에서의 부작용으로 인한 문제들을 사전에 예방할 수 있다.
이상과 같이 실시예들이 비록 한정된 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기를 기초로 다양한 기술적 수정 및 변형을 적용할 수 있다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
100: 유전자 특정부 300: 분리부
500: 계산부 700: 판단부
800: 증상 특정부 900: 환자군 특정부
1000: 신약후보물질 안전성 예측 시스템
500: 계산부 700: 판단부
800: 증상 특정부 900: 환자군 특정부
1000: 신약후보물질 안전성 예측 시스템
Claims (7)
- 안전성을 판단하고자 하는 신약후보물질의 타겟 유전자(Gi)에 대해서, 특정 증상(Sk)이 발현되는 환자들로 구성된 실험군의 전체 환자(n1) 중 상기 타겟 유전자(Gi)에 대한 병원성 유전자 변이 발생률과 건강한 일반인으로 구성된 대조군의 전체 일반인(n2) 중 상기 타겟 유전자(Gi)에 대한 병원성 유전자 변이 발생률을 비교하여 상기 신약후보물질의 안전성을 판단하되,
상기 신약후보물질의 타겟이 되는 상기 타겟 유전자(Gi)를 특정하는 유전자 특정부;
특정 증상(Sk)이 발현되는 환자들로 구성된 상기 실험군과 건강한 일반인으로 구성된 상기 대조군을 구분하는 분리부;
상기 실험군의 전체 환자(n1) 중에서 상기 타겟 유전자(Gi)에 대한 병원성 유전자 변이(pathogenic variant)를 가지고 있는 환자의 개수(m1)와, 상기 대조군의 전체 일반인(n2) 중에서 상기 타겟 유전자(Gi)에 대한 병원성 유전자 변이(pathogenic variant)를 가지고 있는 일반인의 개수(m2)를 계산하는 계산부; 및
상기 실험군에서의 병원성 유전자 변이 발생률과 상기 대조군에서의 병원성 유전자 변이 발생률을 비교하여 상기 신약후보물질의 안전성을 판단하는 안정성 판단부를 포함하고,
상기 판단부는 상기 실험군에서의 병원성 유전자 변이 발생률(dP1)을 하기 식1과 같이 계산하고, 상기 대조군에서의 병원성 유전자 변이 발생률(dP2)을 하기 식2와 같이 계산하는 것을 특징으로 하는 신약후보물질 안전성 예측 시스템.
식 1
(여기서, n1은 상기 실험군의 전체 환자 수이고, m1은 상기 실험군의 전체 환자(n1) 중에서 상기 타겟 유전자(Gi)에 대한 병원성 유전자 변이(pathogenic variant)를 가지고 있는 환자의 개수이고, L은 상기 타겟 유전자(Gi)의 염기서열 길이이다)
식 2
(여기서, n2는 상기 대조군의 전체 일반인 수이고, m2는 상기 대조군의 전체 일반인(n2) 중에서 상기 타겟 유전자(Gi)에 대한 병원성 유전자 변이(pathogenic variant)를 가지고 있는 환자의 개수이고, L은 상기 타겟 유전자(Gi)의 염기서열 길이이다) - 삭제
- 삭제
- 제1항에 있어서,
상기 판단부는 상기 신약후보물질의 안전성을 하기 식3을 기준으로, E(Sk)가 미리 설정한 문턱치보다 크면 부적합하고, E(Sk)가 미리 설정한 문턱치 이하이면 적합한 것으로 판단하는 것을 특징으로 하는 신약후보물질 안전성 예측 시스템.
식 3
(여기서, dP1은 상기 실험군에서의 병원성 유전자 변이 발생률이고, dP2는 상기 대조군에서의 병원성 유전자 변이 발생률이고, E(Sk)는 상기 타겟 유전자(Gi)에 대한 특정 증상(Sk)의 enrichment score이다) - 삭제
- 제1항에 있어서,
상기 타겟 유전자(Gi)에 대한 병원성 유전자 변이에 의해 유발되어 안전성 부적합 판정의 이유가 되는 증상을 미리 특정하는 증상 특정부를 더 포함하는 것을 특징으로 하는 신약후보물질 안전성 예측 시스템. - 제4항에 있어서,
상기 신약후보물질의 안전성이 적합 판정 되더라도 상기 문턱치에 가까운 증상을 가지는 환자군을 미리 특정하는 환자군 특정부를 더 포함하는 것을 특징으로 하는 신약후보물질 안전성 예측 시스템.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200185184A KR102259349B1 (ko) | 2020-12-28 | 2020-12-28 | 병원성 유전자 변이 발생률 정보를 활용한 신약후보물질 안전성 예측 시스템 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200185184A KR102259349B1 (ko) | 2020-12-28 | 2020-12-28 | 병원성 유전자 변이 발생률 정보를 활용한 신약후보물질 안전성 예측 시스템 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102259349B1 true KR102259349B1 (ko) | 2021-06-01 |
Family
ID=76376124
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020200185184A Active KR102259349B1 (ko) | 2020-12-28 | 2020-12-28 | 병원성 유전자 변이 발생률 정보를 활용한 신약후보물질 안전성 예측 시스템 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102259349B1 (ko) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20120059594A1 (en) * | 2010-08-02 | 2012-03-08 | Population Diagnostics, Inc. | Compositions and methods for discovery of causative mutations in genetic disorders |
| KR20180124840A (ko) * | 2015-12-12 | 2018-11-21 | 싸이퍼롬, 인코퍼레이티드 | 컴퓨터로-구현된 집단에 대한 약물 안전성의 평가 |
| KR102026871B1 (ko) | 2018-12-24 | 2019-11-04 | 주식회사 메디리타 | 신약 후보 물질의 효과 및 안전성 예측을 위한 데이터 처리 장치 및 방법 |
-
2020
- 2020-12-28 KR KR1020200185184A patent/KR102259349B1/ko active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20120059594A1 (en) * | 2010-08-02 | 2012-03-08 | Population Diagnostics, Inc. | Compositions and methods for discovery of causative mutations in genetic disorders |
| KR20180124840A (ko) * | 2015-12-12 | 2018-11-21 | 싸이퍼롬, 인코퍼레이티드 | 컴퓨터로-구현된 집단에 대한 약물 안전성의 평가 |
| KR102026871B1 (ko) | 2018-12-24 | 2019-11-04 | 주식회사 메디리타 | 신약 후보 물질의 효과 및 안전성 예측을 위한 데이터 처리 장치 및 방법 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Batiuk et al. | Upper cortical layer–driven network impairment in schizophrenia | |
| Irwin et al. | Healthy aging and dementia: two roads diverging in midlife? | |
| Obi-Nagata et al. | Synaptic functions and their disruption in schizophrenia: From clinical evidence to synaptic optogenetics in an animal model | |
| Ducat et al. | Endothelial cell dysfunction and cardiac hypertrophy in the STOX1 model of preeclampsia | |
| Soto et al. | APOE stabilization by exercise prevents aging neurovascular dysfunction and complement induction | |
| Liu et al. | Substance P is expressed in hippocampal principal neurons during status epilepticus and plays a critical role in the maintenance of status epilepticus | |
| Maras et al. | Sculpting the hippocampus from within: stress, spines, and CRH | |
| Yasumatsu et al. | Principles of long-term dynamics of dendritic spines | |
| Adams et al. | Hippocampal dependent learning ability correlates with N‐methyl‐D‐aspartate (NMDA) receptor levels in CA3 neurons of young and aged rats | |
| Sanhueza et al. | Network analyses reveal novel aspects of ALS pathogenesis | |
| Sidana et al. | Impact of minimal residual negativity using next generation flow cytometry on outcomes in light chain amyloidosis | |
| Pereira et al. | Influenza A virus NS1 protein promotes efficient nuclear export of unspliced viral M1 mRNA | |
| Gregory et al. | Spatial transcriptomics identifies spatially dysregulated expression of GRM3 and USP47 in amyotrophic lateral sclerosis | |
| Petruccelli et al. | Alcohol causes lasting differential transcription in Drosophila mushroom body neurons | |
| Smith et al. | Postreplication roles of the Brucella VirB type IV secretion system uncovered via conditional expression of the VirB11 ATPase | |
| Kehrmann et al. | Depletion of Foxp3+ regulatory T cells is accompanied by an increase in the relative abundance of Firmicutes in the murine gut microbiome | |
| Čopíková et al. | Expanding the phenotype spectrum associated with pathogenic variants in the COL2A1 and COL11A1 genes | |
| Tie et al. | Transcriptome‐wide study of the response of human trabecular meshwork cells to the substrate stiffness increase | |
| Gerber et al. | Specific proteomes of hippocampal regions CA2 and CA1 reveal proteins linked to the unique physiology of area CA2 | |
| Bliim et al. | Early transcriptome changes in response to chemical long-term potentiation induced via activation of synaptic NMDA receptors in mouse hippocampal neurons | |
| KR102259349B1 (ko) | 병원성 유전자 변이 발생률 정보를 활용한 신약후보물질 안전성 예측 시스템 | |
| Moya et al. | Unique molecular features and cellular responses differentiate two populations of motor cortical layer 5b neurons in a preclinical model of ALS | |
| Bramel et al. | Postnatal Smad3 inactivation in murine smooth muscle cells elicits a temporally and regionally distinct transcriptional response | |
| Ryu et al. | Multiple cis-acting signals, some weak by necessity, collectively direct robust transport of oskar mRNA to the oocyte | |
| Beckley et al. | Phenotype‐dependent inhibition of glutamatergic transmission on nucleus accumbens medium spiny neurons by the abused inhalant toluene |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PA0109 | Patent application |
Patent event code: PA01091R01D Comment text: Patent Application Patent event date: 20201228 |
|
| PA0201 | Request for examination | ||
| PA0302 | Request for accelerated examination |
Patent event date: 20210106 Patent event code: PA03022R01D Comment text: Request for Accelerated Examination Patent event date: 20201228 Patent event code: PA03021R01I Comment text: Patent Application |
|
| PE0902 | Notice of grounds for rejection |
Comment text: Notification of reason for refusal Patent event date: 20210210 Patent event code: PE09021S01D |
|
| E701 | Decision to grant or registration of patent right | ||
| PE0701 | Decision of registration |
Patent event code: PE07011S01D Comment text: Decision to Grant Registration Patent event date: 20210525 |
|
| GRNT | Written decision to grant | ||
| PR0701 | Registration of establishment |
Comment text: Registration of Establishment Patent event date: 20210526 Patent event code: PR07011E01D |
|
| PR1002 | Payment of registration fee |
Payment date: 20210526 End annual number: 3 Start annual number: 1 |
|
| PG1601 | Publication of registration | ||
| PR1001 | Payment of annual fee |
Payment date: 20240320 Start annual number: 4 End annual number: 4 |
|
| PR1001 | Payment of annual fee |
Payment date: 20250331 Start annual number: 5 End annual number: 5 |