KR20110088264A - 혈액으로부터 직접 폐암 진단 및 폐암의 서브타입 진단이 가능한 마커를 선별하는 시스템 생물학적 방법 및 이로부터 선별된 혈액으로부터 직접 폐암 진단 및 폐암 서브타입 진단이 가능한 마커 - Google Patents

혈액으로부터 직접 폐암 진단 및 폐암의 서브타입 진단이 가능한 마커를 선별하는 시스템 생물학적 방법 및 이로부터 선별된 혈액으로부터 직접 폐암 진단 및 폐암 서브타입 진단이 가능한 마커 Download PDF

Info

Publication number
KR20110088264A
KR20110088264A KR1020100008095A KR20100008095A KR20110088264A KR 20110088264 A KR20110088264 A KR 20110088264A KR 1020100008095 A KR1020100008095 A KR 1020100008095A KR 20100008095 A KR20100008095 A KR 20100008095A KR 20110088264 A KR20110088264 A KR 20110088264A
Authority
KR
South Korea
Prior art keywords
entrez
lung cancer
blood
marker
selecting
Prior art date
Application number
KR1020100008095A
Other languages
English (en)
Other versions
KR101378919B1 (ko
Inventor
김현기
노상철
황대희
박건욱
이영미
윤소정
유성용
Original Assignee
(주) 더바이오
포항공과대학교 산학협력단
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by (주) 더바이오, 포항공과대학교 산학협력단 filed Critical (주) 더바이오
Priority to KR1020100008095A priority Critical patent/KR101378919B1/ko
Priority to PCT/KR2011/000629 priority patent/WO2011093675A2/ko
Publication of KR20110088264A publication Critical patent/KR20110088264A/ko
Application granted granted Critical
Publication of KR101378919B1 publication Critical patent/KR101378919B1/ko

Links

Images

Classifications

    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
    • C12Q1/00—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions
    • C12Q1/68—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions involving nucleic acids
    • C12Q1/6876—Nucleic acid products used in the analysis of nucleic acids, e.g. primers or probes
    • C12Q1/6883—Nucleic acid products used in the analysis of nucleic acids, e.g. primers or probes for diseases caused by alterations of genetic material
    • C12Q1/6886—Nucleic acid products used in the analysis of nucleic acids, e.g. primers or probes for diseases caused by alterations of genetic material for cancer
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Z—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS, NOT OTHERWISE PROVIDED FOR
    • G16Z99/00—Subject matter not provided for in other main groups of this subclass
    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
    • C12Q2600/00—Oligonucleotides characterized by their use
    • C12Q2600/112—Disease subtyping, staging or classification
    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
    • C12Q2600/00—Oligonucleotides characterized by their use
    • C12Q2600/158—Expression markers

Landscapes

  • Chemical & Material Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Organic Chemistry (AREA)
  • Proteomics, Peptides & Aminoacids (AREA)
  • Engineering & Computer Science (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Analytical Chemistry (AREA)
  • Zoology (AREA)
  • Wood Science & Technology (AREA)
  • Genetics & Genomics (AREA)
  • Hospice & Palliative Care (AREA)
  • Biochemistry (AREA)
  • Microbiology (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Physics & Mathematics (AREA)
  • Oncology (AREA)
  • Biotechnology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
  • Investigating Or Analysing Biological Materials (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

본 발명은 혈액으로부터 직접 폐암 및 폐암의 서브타입 진단이 가능한 마커를 선별하는 시스템 생물학적 방법 및 이에 의하여 선별된 혈액으로부터 직접 폐암 진단 및 폐암 서브타입의 진단이 가능한 마커에 관한 것이다.

Description

혈액으로부터 직접 폐암 진단 및 폐암의 서브타입 진단이 가능한 마커를 선별하는 시스템 생물학적 방법 및 이로부터 선별된 혈액으로부터 직접 폐암 진단 및 폐암 서브타입 진단이 가능한 마커{SYSTEM BIOLOGICAL METHOD OF BIOMARKER SELECTION FOR DIAGNOSIS OF LUNG CANCER, SUBTYPE OF LUNG CANCER, AND BIOMARKER SELECTED BY THE SAME}
본 발명은 혈액으로부터 직접 폐암 및 폐암의 서브타입 진단이 가능한 마커를 선별하는 시스템 생물학적 방법 및 이에 의하여 선별된 혈액으로부터 직접 폐암 및 폐암의 서브타입의 진단이 가능한 마커에 관한 것이다.
폐암은 발병률 2위, 사망률 1위, 사망증가율 1위인 (2002, 2005년 국립암센터 보고서) 암으로서 가장 치명적인 암이다. 폐암은 소세포 폐암(small cell lung cancer)과 비소세포폐암(Non-small cell lung cancer)으로 나누어진다. 그 중에서 비소 세포 폐암은 폐암의 약 80%에 해당하는 가장 대표적인 암이다 (Society, A. C. Cancer Facts and Figures 2001, 2001). 비소 세포 폐암은 선암(adenocarcinoma), 편평상피세포암(squamous cell carcinoma) 및 대세포 폐암(large cell carcinoma)으로 구분된다.
상기 비소세포암의 경우, 최근 다방면 요법(multi-modality therapy)의 발전에도 불구하고 전체 10 년 생존률은 10% 정도로 낮은 편이다(Fry,W. A. , Phillips, J. L. , and Menck, H. R. Ten-year survey of lung cancer treatment and survival in hospitals in the United States: a national cancer data base report, Cancer.86 : 1867-76., 1999). 주된 이유는 NSCLC의 진단이 대부분 늦게 이루어지는 것도 있지만, 폐암 환자들에 있어 비-소세포성 폐암의 서브타입인 선암과 편평상피세포암에 대한 구분에 있어 정확성이 떨어져서 효율적인 항암치료가 이루어지지 못하기 때문이다.
따라서, 폐암의 서브타입 진단의 정확성을 높여 환자의 생존율을 증가시킬 수 있는 마커의 개발이 필요하다. 많은 연구들이 NSCLC 관련 유전자들의 (EGFR, RAS 등) 유전적 소인을 찾는 것에 집중해왔다. 이러한 유전적 변이는 전이, 치료 예후를 예측의 가능성은 보고 된 바 있다. 하지만, 비-소세포성 폐암의 서브타입의 진단에 대한 유용한 정보인지는 large-scale 실험에서 검증된 바는 없다(Mitsudomi et al., Clin Cancer Res 6: 4055-63 (2000); Niklinski etal., Lung Cancer. 34 Suppl 2:S53-8(2001); Watine, Bmj 320:379-80(2000)).
최근, 보다 향상된 폐암의 진단 및 치료를 위한 유전자 또는 단백질 바이오마커 동정하기 위해서, 정상조직과 질병조직 자체를 비교 분석하는 지노믹스 및 프로테오믹스 분석을 이용한 연구가 많이 수행되고 있다. 그러나, 이러한 접근법은 과잉의 분자 정보를 생산하여 이들을 체계적으로 정리, 통합하여 대량 정보로부터 유용한 조직 및 혈액 마커 후보들을 정리하는 방법에 있어 어려움이 있다. 최근 이들 정보를 네트워크 모델로 체계적으로 통합하고, 모델의 분석을 통해서 고신뢰성 바이오마커를 선별하는 시스템 생물학적 방법들이 대두되고 있다.
또한, 이들 대부분의 지노믹스 및 프로테오믹스 연구들은 다량의 조직 진단 마커 후보군들을 제시하는데 초점을 맞추고 있다. 하지만 이들 조직 마커들은 특정 조직을 얻기 위해 내시경 및 수술 등을 통하여 침습적으로 (invasive) 조직을 얻는 것을 요구한다. 이는 건강검진을 위해 찾아온 환자에게 적용되어 생존률을 높이기에는 어려움이 있다. 따라서 혈액, 소변 등과 같은 생체액을 (biofluids) 대상으로 하는 비침습적 (non-invasive) 바이오마커 개발이 필요하다.
현재 20-30 가지의 혈액 마커들이 의료현장에서 사용되고 있지만, 이들 혈액 바이오마커들은 (CEA, CA antigens 등) 암의 공통적 특성 때문에 특정 암 또는 염증성 질환에 대한 진단 특이성이 낮다. 이는 암에서 동반되는 유사한 세포기작 변화에 의해 증가/감소한 단백질들이 혈액으로 유출되면서 정보들이 중첩되어, 특정 암에 대한 구분하는 것이 어렵기 때문이다. 따라서 혈액에서 폐암 진단 정확성을 높이기 위해서는 폐 특이적으로 발현하는 유전자들에 국한하여 혈액 마커를 선별하는 것이 필요하다.
이러한 다량의 데이터의 체계적 통합하여 네트워크 모델링 및 분석을 수행하고, 또한 조직 특이성을 반영하여 조직 데이터로부터 고신뢰성의 혈액 마커를 선별하는 일련의 방법을 통합한 시스템 생물학적 방법(Frame work)의 개발이 절실히 요구되고 있는 실정이다.
본 발명은 혈액으로부터 직접 폐암 및 폐암의 서브타입의 진단이 가능한 폐암 진단용 마커를 선별하는 방법 및 이에 의해 선별된 폐암 및 폐암의 서브타입의 진단이 가능한 폐암 진단용 마커를 제공하는 것을 목적으로 한다.
본 발명은 상기와 같은 목적을 달성하기 위하여,
비-소세포성 폐암(NSCLC, non-small cell lung cancer) 중 주요 서브타입인 선암(adenocarcinoma, ACC)과 편평상피세포암(squamous cell carcinoma, SCC)의 전사체 데이터를 문헌으로부터 확보하는 제 1 단계;
상기 제 1 단계에서 얻어진 전사체 데이터를 분석하여 1)서브 타입인 ADC 와 SCC 에서 발현양의 차이가 있으며, 또한 2) NSCLC 와 정상 폐 세포에서도 발현양의 차이가 있는 유전자를 선별하는 제 2 단계;
상기 제 2 단계에서 얻어진 마커 유전자 후보군 중에서 폐에서 특이적으로 발현하는 유전자를 선별하는 제 3 단계;
상기 제 3 단계에서 얻어진 폐 특이적 ACC/SCC 서브 타입의 진단이 가능한 마커 유전자 중에서 혈액으로 분비가능성이 있는 단백질을 선별하는 제 4 단계;
상기 제 4 단계에서는 얻어진 단백질을 이용하여 네트워크 모델을 구축하고 분석하여 폐 특이적 혈액 기능성 마커 후보를 선별하는 제 5 단계: 및
상기 제 5 단계에서 얻어진 후보 물질을 bioplex 및 ELISA 시스템으로 검증하는 제 6 단계로 구성되는 것을 특징으로 하는 혈액으로부터 직접 폐암 진단 및 폐암의 서브 타입의 진단이 가능한 마커를 선별하는 시스템생물학적 방법을 제공한다.
본 발명에 있어서, 상기 제 1 단계에서는 비-소세포성 폐암(NSCLC)의 주요 서브타입인 ACC, SCC 과 정상 폐 세포에 대해 기존 문헌으로부터 데이터를 확보하는 단계로 구성된다. 데이터를 확보하기 위해 사용되는 데이터베이스는 특별히 제한되지 않으며, 비-소세포성 폐암과 정상 폐 세포에 대한 차이에 대해 언급하거나, 비-소세포성 폐암의 주요 서브타입인 ACC, SCC 간의 차이에 대해 언급하고 있는 데이터를 포함하는 데이터베이스라면 모두 사용가능하다고 할 것이다.
본 발명에 있어서, 상기 제 2 단계에서는 상기 제 1 단계에서 얻어진 데이터베이스에서 NSCLC 세포와 정상 세포에서 발현양의 변화를 보이면서 선암(adenocarcinoma)과 편평상피세포암(squamous cell carcinoma)에서 통계적으로 유의미하게 발현 차이를 보이는 단백질을 선별하기 위해 통계 처리를 수행한다.
상기 제 2 단계의 ACC 과 SCC 및 비-소세포성 폐암(NSCLC)과 정상 세포에서 차이가 있는 유전자를 선별하기 위한 통계처리 방법은 T-검정 (Student's t-test), median test, 윌콕슨 순위 검정 (Wilcoxon rank sum test)을 적용하고 이들 결과를 (p-value) 메타분석법을 (Stouffer's method) 이용하여 통합 p-value 를 계산하는 통합 통계 검정 (integrative statistical testing) 방법을 사용할 수 있다.
본 발명에 있어서, 상기 제 3 단계에서는 상기 제 2 단계에서 얻어진 유전자 후보군 중에서 다른 조직 대비 폐 조직에서 발현양이 높은 유전자를 (폐 특이적 유전자) 선별한다. 폐 조직과 다른 조직에서의 발현양의 비교는 상기된 통합 통계 검정 기법을 이용할 수 있으며, Novartis gene expression atlas 의 정보를 이용하여 다른 조직 대비 폐 조직에서 발현양이 높은 유전자를 (폐 특이적 유전자) 선별할 수 있다.
본 발명에 있어서, 상기 제 4 단계에서는 유전자 온톨로지에 관한 정보 (Gene Ontology Cellular Component: plasma membrane 및 extracellular space) 및 peptide atlas (혈액에서 측정된 단백질을 모아둔 DB) 를 이용하여 혈액에서 측정 가능한 단백질은 세포 외 공간(extracellular space)로 secretion 되거나 혈액에서 측정된 유전자를 선별하는 방법으로 혈액에서 측정 가능한 단백질을 선별한다.
본 발명에 있어서, 상기 제 5 단계에서는 상기 제 4 단계에서 얻어진 폐 특이적 혈액 마커 후보군을 이용하여 네트워크 모델을 구축하고, 구축된 네트워크 모델로부터 혈액 마커를 결정한다.
네트워크 모델에서는 상기 제 4 단계에서 얻어진 폐 특이적 혈액 마커 후보군을 기능 모듈화 분석을 통하여 각 기능 모듈을 대표하면서 발현양이 많고, 항체가 존재하는 단백질로, 혈액에서 모니터링 가능한 고신뢰성 폐암 (ACC & SCC) 관련 혈액 마커 후보를 결정한다.
본 발명에 있어서, 상기 제 6 단계에서는, 선별된 마커 후보군을 bioplex 및 ELISA 를 이용하여 검증한다.
본 발명은 또한, 상기 방법의 제 1 단계 내지 제 4 단계에 따라 선별되는 혈액으로부터 직접 진단이 가능한 폐암 진단용 마커를 제공하며, 구체적으로 상기 폐암 진단용 마커는 SFN(ENTREZ ID 2810), MUC1(ENTREZ ID 4582), JUP(ENTREZ ID 3728), IGFBP3(ENTREZ ID 3486), SLC9A3R1(ENTREZ ID 9368), MST1R(ENTREZ ID 4486), MDK(ENTREZ ID 4192), ACTL6A(ENTREZ ID 86), EPHB3(ENTREZ ID 2049), SLC2A1(ENTREZ ID 6513), CASK(ENTREZ ID 8573), SERPINB5(ENTREZ ID 5268), PERP(ENTREZ ID 64065), MMP9(ENTREZ ID 4318), LAD1(ENTREZ ID 3898), GOLM1(ENTREZ ID 51280), CEACAM1(ENTREZ ID 634), AGR2(ENTREZ ID 10551), DSC2(ENTREZ ID 1824), DSG2(ENTREZ ID 1829), SERPINE2(ENTREZ ID 5270), CLDN4(ENTREZ ID 1364), CLDN3(ENTREZ ID 2810), CEACAM5(ENTREZ ID 1048), CEACAM5(ENTREZ ID 1048), WFDC2(ENTREZ ID 10406), CFB(ENTREZ ID 629), CP(ENTREZ ID 1356), SLC7A5(ENTREZ ID 8140), DPP4(ENTREZ ID 1803), CEACAM6(ENTREZ ID 4680), RAMP1(ENTREZ ID 10267), MMP12(ENTREZ ID 4321), SORD(ENTREZ ID 6652), SPINK1(ENTREZ ID 6690), ST14(ENTREZ ID 6768), KCNK5(ENTREZ ID 8645), ABCC3(ENTREZ ID 8714), GGH(ENTREZ ID 8836), GDF15(ENTREZ ID 9518), GPR87(ENTREZ ID 53836), FERMT1(ENTREZ ID 55612), SLC38A1(ENTREZ ID 81539) 로 구성된다.
본 발명은 또한, 상기 방법의 제 1 단계 내지 제 6 단계에 따라 선별된 혈액에서 직접 진단이 가능한 고신뢰성 폐암 (ACC & SCC) 관련 혈액 마커 후보를 제공한다. 상기 고신뢰성 마커는 MUC1(ENTREZ ID 4582), IGFBP3(ENTREZ ID 3486), MDK(ENTREZ ID 4192), DPP4(ENTREZ ID 1803), SERPINE2(ENTREZ ID 5270), SORD(ENTREZ ID 6652), GDF15(ENTREZ ID 9518) 로 구성된다.
본 발명에 의할 경우, 정상인에 대비해서 비-소세포성 폐암에서 발현양의 차이를 보이며 동시에 선암(adenocarcinoma)과 편평상피세포암(squamous cell carcinoma)에서 발현양의 차이가 있을 뿐만 아니라 혈액 내로 분비가 잘 되는 혈액 단백질 마커를 제공하기 때문에, 이들을 일반 건강검진에 적용한다면 폐암의 조기진단 및 ACC 와 SCC 를 정확히 진단하여 효과적인 항암 치료를 선도할 수 있다.
또한 폐암에 적용된 시스템생물학적 혈액 마커 선별법은 다른 질환에 폭넓게 적용되어 고신뢰성 혈액 진단 마커 선별에도 크게 공헌할 것이다.
도 1 은 본 발명의 시스템 생물학적 방법을 전체적으로 나타내는 도면이다.
도 2 는 본 발명에 따라 구축된 단백질 네트워크를 나타내는 도면이다.
도 3a 는 DPP4에 대한 ELISA 분석 결과를 나타내는 도면이다.
도 3b 는 MDK 에 대한 ELISA 분석 결과를 나타내는 도면이다.
이하, 본 발명에서 개발한 시스템 생물학적 방법을 실시예에 기초하여 상세히 설명한다.
도 1은 본 발명에 따른 시스템 생물학적 방법을 전체적으로 나타낸다.
본 실시예에서는 제 1 단계로 비-소세포성 폐암(NSCLC)의 서브 타입(ACC 과 SCC) 및 정상 폐 세포에 대해 다음 여덟 개의 large-scale 실험으로부터 얻어진 일 천개 이상의 마이크로어레이 데이터를 확보하였다.
1)Bhattacharjee et al ., Classification of human lung carcinomas by mRNA expression profiling reveals distinct adenocarcinoma subclasses., PNAS., 2001. (data are available at http://www.broadinstitute.org/mpr/lung/).
2)Bild et al ., Oncogenic pathway signatures in human cancers as a guide to targeted therapies., Nature., 2006. (data are available at http://data.cgt.duke.edu/oncogene.php and on GEO)
3)Borczuk et al ., Molecular Signatures in Biopsy Specimens of Lung Cancer., Am J Respir Crit Care Med., 2004. (data available online at http://hora.cpmc.columbia.edu/dept/pulmonary/5ResearchPages/Laboratories/Powell%20Lab.htm)
4)Kim et al ., Prediction of Recurrence-Free Survival in Postoperative Non-Small Cell Lung Cancer Patients by Using an Integrated Model of Clinical Information and Gene Expression., Clin Cancer Res., 2008. (data are available online at GEO; GSE8894)
5)Lu et al . A Gene Expression Signature Predicts Survival of Patients with Stage I Non-Small Cell Lung Cancer., PLoS Medicine., 2006. (data available online at GEO; GSE3141)
6)Bhattacharjee et al ., Classification of human lung carcinomas by mRNA expression profiling reveals distinct adenocarcinoma subclasses., PNAS., 2001. (data are available at http://www.broadinstitute.org/mpr/lung/).
7)Su et al ., Selection of DDX5 as a novel internal control for Q-RT-PCR from microarray data using a block bootstrap re-sampling scheme., BMC Genomics., 2007. (data available online at GEO; GSE7670)
8)Landi et al ., Gene Expression Signature of Cigarette Smoking and Its Role in Lung Adenocarcinoma Development and Survival., PLoS One., 2008. (data available online at GEO; GSE10072)
제 2 단계에서는 상기 얻어진 데이터 베이스에서 NSCLC 세포와 정상 세포에서 발현양의 변화를 보이면서 선암(adenocarcinoma)과 편평상피세포암(squamous cell carcinoma)에서 통계적으로 유의미하게 발현 차이를 보이는 단백질을 선별하기 위해 통계 처리를 수행하였다.
구체적으로는 ACC 과 SCC 및 NSCLC 과 정상 세포에서 차이가 있는 유전자 선별 방법은 T-검정 (Student's t-test), median test, 윌콕슨 순위 검정 (Wilcoxon rank sum test)을 적용하고 이들 결과를 (p-value) 메타분석법을 (Stouffer's method) 이용하여 통합 p-value 를 계산하는 통합 통계 검정 (integrative statistical testing) 방법을 사용하였다.
통합 통계 검정시 p-value = 0.01 값을 이용하여 ACC 와 SCC의 발현양의 유의한 차이를 나타내는 963 개의 유전자를, 이 963개의 유전자 중에 비-소세포성 폐암(NSCLC)과 정상 세포의 비교에서도 발현양의 차이를 보이는 166 개의 유전자들을 후보 유전자로 선별하였다.
다음 제 3 단계로서, 상기 선별된 166개의 유전자 중에서 상기 제 3 단계에서는 상기 제 2 단계에서 얻어진 유전자 후보군 중에서, Novartis gene expression atlas 의 정보를 이용하여 다른 조직 대비 폐 조직에서 발현양이 높은 85개 유전자를 (폐 특이적 유전자) 선별하였다. 구체적으로는 폐 조직과 40여 가지의 다른 조직에서의 발현양의 비교는 상기된 통합 통계 검정 기법을 이용하였으며, 통합 p-value cutoff 값은 0.01 로 하였다.
다음 제 4 단계로서, 상기 제 3 단계에서 선별된 85개의 단백질에 대해서 유전자 온톨로지에 관한 정보 (Gene Ontology Cellular Component; GOCC) 및 peptide atlas (혈액에서 측정된 단백질을 모아둔 DB) 를 이용하여 extracellular space 로 secretion 되거나 혈액에서 측정된 유전자를 선별하여 혈액에서 측정 가능한 단백질을 선별하였다. 구체적으로는 GOCC에서 plasma membrane 또는 extracellular space 라는 용어를 포함하고 있거나 peptide atlas serum proteome DB에 들어있는 단백질 42개를 폐암 특이적 혈액 진단용 마커롤 선별하였다. 선별된 마커는 다음 표 1과 같았다.
Figure pat00001
다음 제 5 단계에서, 상기 42개의 폐 특이적 혈액 마커 후보군을 이용하여 네트워크 모델을 구축하였고, 구축된 네크워크 모델에서 기능 모듈화 분석을 통하여 각 기능 모듈을 대표하는 단백질들을 고신뢰성 마커로 선별하였다.
본 실시예에서 구축된 단백질 네트워크를 도 2에 나타내었다. 도 2에서 주요 네트워크 기능 모듈(inflammation, cell adhesion 관련 기능 모듈)에 대해서 각 기능 모듈을 대표하면서 발현양이 많고, 항체가 존재하는 단백질로 혈액에서 모니터링 가능한 고신뢰성 폐암 (ACC & SCC) 관련 혈액 마커 후보를 결정하였다. 선별된 고신뢰성 마커는 다음 [표 2]와 같았다.
Figure pat00002
다음 6단계에서는, 상기 제1 단계 내지 제 5 단계를 통해 선별된 고신뢰성 7개의 마커에 대해 ELISA 를 이용하여 검증하였다.
[표 3]에 나타난 바와 같이 계명 인체생명자원 은행으로부터 2008-2009년까지 수집된 50세 이상의 26 명의 폐암환자의 혈청을 인수받았으며, 이러한 혈청 샘플에 대해 상기 제1 단계 내지 제 5 단계를 통해 선별된 고신뢰성 마커 후보 7개를 적용하여, ELISA 분석함으로써 마커로서의 민감도를 검증하였다.
Figure pat00003
도 3A 는 DPP4 에 대한 ELISA 검증 결과를 나타내며, 도 3B 는 MDK 에 대한 ELISA 검증 결과를 나타낸다. 통계 분석 결과 DPP4 는 p = 0.101, MDK의 경우 p = 0.085 를 나타내었다.

Claims (8)

  1. 비-소세포성 폐암(non-small cell lung cancer (NSCLC)) 중 주요 서브타입인 선암(adenocarcinoma, ACC)과 편평상피세포암(squamous cell carcinoma, SCC)의 전사체 데이터를 문헌으로부터 확보하는 제 1 단계;
    상기 제 1 단계에서 얻어진 전사체 데이터를 분석하여 i)비-소세포성 폐암의 서브타입인 ADC 와 SCC 에서 발현양의 차이가 있으며, 또한 ii) 비-소세포성 폐암과 정상 폐 세포에서도 발현양의 차이가 있는 유전자를 선별하는 제 2 단계;
    상기 제 2 단계에서 얻어진 마커 유전자 후보군 중에서 폐에서 특이적으로 발현하는 유전자를 선별하는 제 3 단계;
    상기 제 3 단계에서 얻어진 폐 특이적 ACC/SCC 서브 타입의 진단이 가능한 마커 유전자 중에서 혈액으로 분비가능성이 있는 단백질을 선별하는 제 4 단계;
    상기 제 4 단계에서는 얻어진 단백질을 이용하여 네트워크 모델을 구축하고, 분석하여 혈액으로부터 직접 폐암 진단 및 폐암의 서브타입의 진단이 가능한 마커 후보를 선별하는 제 5 단계: 및
    상기 제 5 단계에서 얻어진 후보 물질을 ELISA 시스템으로 검증하는 제 6 단계로 구성되는 것을 특징으로 하는 혈액으로부터 직접 폐암 진단 및 폐암의 서브타입의 진단이 가능한 마커를 선별하는 시스템생물학적 방법.
  2. 제 1항에 있어서,
    상기 제 2 단계에서는 상기 제 1 단계에서 얻어진 데이터에 대해 T-검정 (Student's t-test), median test, 또는 윌콕슨 순위 검정 (Wilcoxon rank sum test)을 적용하고, 적용한 결과를 (p-value) 메타분석법(Stouffer's method)를 이용하여 통합 p-value 를 계산하는 통합 통계 검정 (integrative statistical testing)을 적용하여, i) ADC 와 SCC 에서 발현양의 차이가 있으며, ii) 비-소세포성 폐암(NSCLC)와 정상 폐 세포에서도 발현양의 차이가 있는 유전자 선별하는 것을 특징으로 하는 혈액으로부터 직접 폐암 진단 및 폐암의 서브타입의 진단이 가능한 마커를 선별하는 시스템생물학적 방법.
  3. 제 1 항에 있어서,
    상기 제 3 단계에서는 폐암 서브타입을 진단하는 마커 유전자 후보군 중에서 폐에서 특이적으로 발현하는 유전자를 선별하기 위해 Novartis gene expression atlas 의 정보를 이용하여 다른 조직 대비 폐 조직에서 발현양이 높은 폐 특이적 유전자를 선별하는 것을 특징으로 하는 혈액으로부터 직접 폐암 진단 및 폐암의 ㅅ서브타입의 진단이 가능한 마커를 선별하는 시스템생물학적 방법.
  4. 제 1 항에 있어서,
    상기 제 4 단계에서는 폐암 특이적 ACC/SCC 서브타입의 진단이 가능한 마커 유전자 중에서 혈액으로 분비가능성이 있는 단백질을 선별하기 위해 유전자 온톨로지에 관한 정보(Gene Ontology Cellular Component; GOCC) 및 peptide atlas (혈액에서 측정된 단백질을 모아둔 DB) 를 이용하여 extracellular space 로 secretion 되거나 혈액에서 측정된 유전자를 선별하는 것을 특징으로 하는 혈액으로부터 직접 폐암 진단 및 폐암의 서브 타입의 진단이 가능한 마커를 선별하는 시스템생물학적 방법.
  5. 제 1 항에 있어서,
    상기 제 5 단계에서는 상기 제 4 단계에서 선별된 폐암 특이적 혈액 마커 후보 단백질을 이용하여 네트워크 모델을 구축하고, 상기 네트워크 모델의 네트워크 기능 모듈에 대해서 발현양이 많고, 항체가 존재하며, 혈액에서 모니터링 가능한 단백질을 고신뢰성 폐암 관련 혈액 마커로서 선별하는 것을 특징으로 하는 혈액으로부터 직접 폐암 진단 및 폐암의 서브 타입의 진단이 가능한 마커를 선별하는 시스템생물학적 방법.
  6. 제 1 항 내지 제 5항에 의한 방법으로 선별된 폐암 마커로서, SFN(ENTREZ ID 2810), MUC1(ENTREZ ID 4582), JUP(ENTREZ ID 3728), IGFBP3(ENTREZ ID 3486), SLC9A3R1(ENTREZ ID 9368), MST1R(ENTREZ ID 4486), MDK(ENTREZ ID 4192), ACTL6A(ENTREZ ID 86), EPHB3(ENTREZ ID 2049), SLC2A1(ENTREZ ID 6513), CASK(ENTREZ ID 8573), SERPINB5(ENTREZ ID 5268), PERP(ENTREZ ID 64065), MMP9(ENTREZ ID 4318), LAD1(ENTREZ ID 3898), GOLM1(ENTREZ ID 51280), CEACAM1(ENTREZ ID 634), AGR2(ENTREZ ID 10551), DSC2(ENTREZ ID 1824), DSG2(ENTREZ ID 1829), SERPINE2(ENTREZ ID 5270), CLDN4(ENTREZ ID 1364), CLDN3(ENTREZ ID 2810), CEACAM5(ENTREZ ID 1048), CEACAM5(ENTREZ ID 1048), WFDC2(ENTREZ ID 10406), CFB(ENTREZ ID 629), CP(ENTREZ ID 1356), SLC7A5(ENTREZ ID 8140), DPP4(ENTREZ ID 1803), CEACAM6(ENTREZ ID 4680), RAMP1(ENTREZ ID 10267), MMP12(ENTREZ ID 4321), SORD(ENTREZ ID 6652), SPINK1(ENTREZ ID 6690), ST14(ENTREZ ID 6768), KCNK5(ENTREZ ID 8645), ABCC3(ENTREZ ID 8714), GGH(ENTREZ ID 8836), GDF15(ENTREZ ID 9518), GPR87(ENTREZ ID 53836), FERMT1(ENTREZ ID 55612), SLC38A1(ENTREZ ID 81539) 으로 구성되는 것인 혈액으로부터 직접 폐암 진단 및 폐암의 서브 타입의 진단이 가능한 마커.
  7. 제 1 항 내지 제 5항에 의한 방법으로 선별된 폐암 마커로서, MUC1(ENTREZ ID 4582), IGFBP3(ENTREZ ID 3486), MDK(ENTREZ ID 4192), SERPINE2(ENTREZ ID 5270), DPP4(ENTREZ ID 1803), SORD(ENTREZ ID 6652), 및 GDF15(ENTREZ ID 9518)으로 구성되는 것인 혈액으로부터 직접 폐암 진단 및 폐암의 서브 타입의 진단이 가능한 마커.
  8. 제 1 항 내지 제 5항에 의한 방법으로 선별된 폐암 마커로서, MDK(ENTREZ ID 4192), DPP4(ENTREZ ID 1803) 로 구성되는 것인 혈액으로부터 직접 폐암 진단 및 폐암의 서브 타입의 진단이 가능한 마커.
KR1020100008095A 2010-01-28 2010-01-28 혈액으로부터 직접 폐암 진단 및 폐암의 서브타입 진단이 가능한 마커를 선별하는 시스템 생물학적 방법 및 이로부터 선별된 혈액으로부터 직접 폐암 진단 및 폐암 서브타입 진단이 가능한 마커 KR101378919B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020100008095A KR101378919B1 (ko) 2010-01-28 2010-01-28 혈액으로부터 직접 폐암 진단 및 폐암의 서브타입 진단이 가능한 마커를 선별하는 시스템 생물학적 방법 및 이로부터 선별된 혈액으로부터 직접 폐암 진단 및 폐암 서브타입 진단이 가능한 마커
PCT/KR2011/000629 WO2011093675A2 (ko) 2010-01-28 2011-01-28 혈액으로부터 직접 폐암 진단 및 폐암의 서브타입 진단이 가능한 마커를 선별하는 시스템 생물학적 방법 및 이로부터 선별된 혈액으로부터 직접 폐암 진단 및 폐암 서브타입 진단이 가능한 마커

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020100008095A KR101378919B1 (ko) 2010-01-28 2010-01-28 혈액으로부터 직접 폐암 진단 및 폐암의 서브타입 진단이 가능한 마커를 선별하는 시스템 생물학적 방법 및 이로부터 선별된 혈액으로부터 직접 폐암 진단 및 폐암 서브타입 진단이 가능한 마커

Publications (2)

Publication Number Publication Date
KR20110088264A true KR20110088264A (ko) 2011-08-03
KR101378919B1 KR101378919B1 (ko) 2014-04-14

Family

ID=44320007

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020100008095A KR101378919B1 (ko) 2010-01-28 2010-01-28 혈액으로부터 직접 폐암 진단 및 폐암의 서브타입 진단이 가능한 마커를 선별하는 시스템 생물학적 방법 및 이로부터 선별된 혈액으로부터 직접 폐암 진단 및 폐암 서브타입 진단이 가능한 마커

Country Status (2)

Country Link
KR (1) KR101378919B1 (ko)
WO (1) WO2011093675A2 (ko)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103336915A (zh) * 2013-05-31 2013-10-02 中国人民解放军国防科学技术大学 基于质谱数据获取生物标志物的方法及装置
KR20200048296A (ko) * 2018-10-29 2020-05-08 사회복지법인 삼성생명공익재단 폐암의 분자 아형 결정을 위한 바이오마커 패널 및 이의 용도
KR20220148447A (ko) * 2021-04-29 2022-11-07 연세대학교 산학협력단 암의 진단용 조성물

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI819228B (zh) * 2013-08-05 2023-10-21 德商伊瑪提克斯生物科技有限公司 新穎肽類，細胞及其用於治療多種腫瘤的用途，其製造方法及包含其等之醫藥組成物（八）
CA3036983A1 (en) 2016-11-21 2018-05-24 Cureab Gmbh Anti-gp73 antibodies and immunoconjugates
AU2020329191A1 (en) 2019-08-12 2022-03-31 Regeneron Pharmaceuticals, Inc. Macrophage stimulating 1 receptor (MST1R) variants and uses thereof
WO2022043517A2 (en) 2020-08-27 2022-03-03 Cureab Gmbh Anti-golph2 antibodies for macrophage and dendritic cell differentiation
CN114032309A (zh) * 2021-11-24 2022-02-11 湖州市中心医院 Mdk基因或mdk蛋白作为生物标志物在肺癌诊断中的应用
CN114878820A (zh) * 2022-05-30 2022-08-09 湛江中心人民医院 肺腺癌病理诊断标志物及其应用

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1771563A2 (en) * 2004-05-28 2007-04-11 Ambion, Inc. METHODS AND COMPOSITIONS INVOLVING MicroRNA
EP1882475A1 (en) * 2006-07-26 2008-01-30 Novartis AG Method of treating disorders mediated by the fibroblast growth factor receptor

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103336915A (zh) * 2013-05-31 2013-10-02 中国人民解放军国防科学技术大学 基于质谱数据获取生物标志物的方法及装置
KR20200048296A (ko) * 2018-10-29 2020-05-08 사회복지법인 삼성생명공익재단 폐암의 분자 아형 결정을 위한 바이오마커 패널 및 이의 용도
KR20220148447A (ko) * 2021-04-29 2022-11-07 연세대학교 산학협력단 암의 진단용 조성물

Also Published As

Publication number Publication date
KR101378919B1 (ko) 2014-04-14
WO2011093675A2 (ko) 2011-08-04
WO2011093675A3 (ko) 2012-02-02

Similar Documents

Publication Publication Date Title
KR101378919B1 (ko) 혈액으로부터 직접 폐암 진단 및 폐암의 서브타입 진단이 가능한 마커를 선별하는 시스템 생물학적 방법 및 이로부터 선별된 혈액으로부터 직접 폐암 진단 및 폐암 서브타입 진단이 가능한 마커
US20230393150A1 (en) Methods and algorithms for aiding in the detection of cancer
AU2012358246B2 (en) Methods for diagnosis of lung cancer
WO2016094330A2 (en) Methods and machine learning systems for predicting the liklihood or risk of having cancer
Wang et al. Identification of the prognostic value of immune gene signature and infiltrating immune cells for esophageal cancer patients
CN116030880A (zh) 用于结直肠癌预后风险预测的生物标志物、模型及其应用
Cristaudo et al. Serum mesothelin and other biomarkers: what have we learned in the last decade?
CN115410713A (zh) 一种基于免疫相关基因的肝细胞癌预后风险预测模型构建
KR20230080442A (ko) 폐암의 검출 및 치료를 위한 방법
Wang et al. A novel nine apoptosis-related genes signature predicting overall survival for kidney renal clear cell carcinoma and its associations with immune infiltration
Vardy et al. Prognostic indices of inflammatory markers, cognitive function and fatigue for survival in patients with localised colorectal cancer
Zhan et al. Development and validation of a prognostic gene signature in clear cell renal cell carcinoma
Liu et al. Albumin‐to‐alkaline phosphatase ratio: A novel prognostic index for patients with driver mutation‐negative advanced non‐small cell lung cancer
Zheng et al. Development of a seven-gene tumor immune microenvironment prognostic signature for high-risk grade III endometrial cancer
Chen et al. Identification of a five-immune gene model as an independent prognostic factor in hepatocellular carcinoma
Ghosh et al. AI-assisted discovery of an ethnicity-influenced driver of cell transformation in esophageal and gastroesophageal junction adenocarcinomas
Chen et al. Nomogram prediction of chronic postsurgical pain in patients with lung adenocarcinoma after video-assisted thoracoscopic surgery: a prospective study
Wang et al. Transcriptomic analysis of cutaneous squamous cell carcinoma reveals a multigene prognostic signature associated with metastasis
Mao et al. A model based on adipose and muscle-related indicators evaluated by CT images for predicting microvascular invasion in HCC patients
Su et al. Th2 cells infiltrating high-grade serous ovarian cancer: a feature that may account for the poor prognosis
Chen et al. The predictive effect of immune therapy and chemotherapy under T cell-related gene prognostic index for Gastric cancer
Tian et al. A predictive model with a risk-classification system for cancer-specific survival in patients with primary osteosarcoma of long bone
Liu et al. Identification and validation of a novel tumor driver gene signature for diagnosis and prognosis of head and neck squamous cell carcinoma
Suri et al. Recent Advances in Minimally Invasive Biomarkers of OSCC: From generalized to personalized approach.
KR102450582B1 (ko) 바이오마커의 추출방법, 췌장암 진단용 바이오마커 및 이를 이용한 췌장암의 진단 방법

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
FPAY Annual fee payment

Payment date: 20170324

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20180327

Year of fee payment: 5

FPAY Annual fee payment

Payment date: 20190327

Year of fee payment: 6