KR20110107244A

KR20110107244A - 73 개의 질량분석 시그널을 이용한 위암의 진단 알고리즘

Info

Publication number: KR20110107244A
Application number: KR1020100027045A
Authority: KR
Inventors: 김학균
Original assignee: 김학균
Priority date: 2010-03-24
Filing date: 2010-03-24
Publication date: 2011-09-30

Abstract

[기술분야]

본 발명은 위 생검조직으로부터 질량분석 정보를 얻어 위암을 정상위점막조직과 구분하고자 하는 것이다.

[해결하고자 하는 과제]

위암은 아직 진단을 위한 특이적인 표지자가 임상에서 사용되지 못하고 있어 거의 전적으로 광학현미경 소견에 진단을 의존하고 있는 바, 위생검조직에 포함된 소수의 세포로부터 광학현미경 진단에 도움을 줄 수 있는 분자정보를 얻고자 한다.

[과제의 해결수단]

본 발명은 위암조직에서의 matrix-assisted laser desorption and ionization (MALDI) 질량분석 시그널 73 개를 측정하여 위암을 진단하는 의학적 도구 개발에 관한 것이다. matrix-assisted laser desorption and ionization (MALDI) 는 매우 예민한 검사법으로 인체조직에 직접 이용되기 시작한 것은 극히 최근의 일이지만, sinapinic acid 를 matrix 로 하여 frozen tissue 를 분석하는 경우 암의 진단과 병리학적 분류에 유용한 정보를 제공할 수 있다는 것이 보고되고 있다 (Lancet 2003; 362(9382): 433-449, Cancer Res 2005; 65(17): 7674-7681, Mol Cell Proteomics 2006; 5: 1975-1983). 위암은 아직 진단을 위한 특이적인 표지자가 임상에서 사용되지 못하고 있는 바, 본 발명자는 위암 생검조직에 대해서 국제 최초로 다른 암에서 수행된 방법에 준한 MALDI 분석을 수행하여 위암진단에 유용한 질량분석 시그널 73 개를 동정하였다. 본 발명은 이 73 개의 질량분석 시그널을 이용하여 위암을 진단하는 질량분석 시그널 기반 알고리즘을 그 내용으로 한다.

[효과]

위암은 아직 진단을 위한 특이적인 표지자가 임상에서 사용되지 못하고 있어 거의 전적으로 광학현미경 소견에 진단을 의존하고 있는 바, 위암 생검조직에 대해서 질량분석 시그널 73 개를 분석함으로써, 위암조직과 정상위점막조직을 구분하는데 도움을 받을 수 있다.

국립암센터에서 위내시경을 받은 사람 54 명 (위암 환자 32 명, 정상인 22 명) 을 대상으로 상기 모델을 적용하였을 때 Support Vector Machine 을 기준으로 양성 예측률 (positive predictive values for cancer) 96.8％, 양성 예측률 (negative predictive values for cancer) 91.3％, 민감도 (sensitivity) 93.8％, 특이도 (specificity) 95.5％ 의 결과를 이미 얻은 바 있다.

질량분석, 위암, 진단

Description

73 개의 질량분석 시그널을 이용한 위암의 진단 알고리즘{Algorithm to diagnose gastric cancer}

본 발명은 위암조직에서의 matrix-assisted laser desorption and ionization (MALDI) 질량분석 시그널 73 개를 측정하여 위암을 진단하는 의학적 도구 개발에 관한 것이다.

matrix-assisted laser desorption and ionization (MALDI) 는 매우 예민한 검사법으로 인체조직에 직접 이용되기 시작한 것은 극히 최근의 일이지만, sinapinic acid 를 matrix 로 하여 frozen tissue 를 분석하는 경우 암의 진단과 병리학적 분류에 유용한 정보를 제공할 수 있다는 것이 보고되고 있다 (Lancet 2003; 362(9382): 433-449, Cancer Res 2005; 65(17): 7674-7681, Mol Cell Proteomics 2006; 5: 1975-1983).

위암은 아직 진단을 위한 특이적인 표지자가 임상에서 사용되지 못하고 있는 바, 본 발명자는 위암 생검조직에 대해서 국제 최초로 다른 암에서 수행된 방법에 준한 MALDI 분석을 수행하여 위암진단에 유용한 질량분석 시그널 73 개를 동정하였다. 본 발명은 이 73 개의 질량분석 시그널을 이용하여 위암을 진단하는 질량분석 시그널 기반 알고리즘을 그 내용으로 한다.

.

위생검조직을 cryosection (전형적으로 12 μm) 한 후, sinapinic (전형적으로 20mg/ml in 50％ Acetonitrile/0.1％ trifluoroacetic acid) 를 epithelial cell 에 deposit 하고 여기에 MALDI 를 시행, TOF 로 2-40kDa 의 readout 를 얻어, 아래에 제시하는 73 개의 discriminatory signal 질량분석 데이터를 얻고 이를 baseline subtraction, binning 한 후 database 에 있는 106 개의 sample data 와 함께 total current-based normalization 을 시행하여 알고리즘에 대입하면 위암 또는 정상을 예측해 주는 알고리즘으로 되어 있다.

Table 1. Discrimanatory signals and their respective t-values

다시 정리하면 본 발명은 위에서 열거된 peak 와 그 t-value 를 기본으로 하여 Compound Covariate Predictor, Diagonal Linear Discriminant Analysis, Nearest Neighbor Predictor, Nearest Centroid Predictor, and Support Vector Machine Predictor 의 계산법에 의해 정상 또는 위암 어느 쪽에 가까운지 예측하는 알고리즘으로 되어있다.

이 중 compound covariate predictor 의 경우, 다음과 같은 식으로 정리할 수 있다.

즉, 위암 검체의 CCP 값의 평균과 정상 검체의 CCP 값의 평균, 어느 쪽에 가까운가에 따라 새로운 검체가 위암 또는 정상 어느 쪽에 가까운지 판정하는 위암 진단 알고리즘이다.

국립암센터에서 위내시경을 받은 사람 54 명 (위암 환자 32 명, 정상인 22 명) 을 대상으로 상기 모델을 test 한 경우 Support Vector Machine 을 기준으로 하였을 때 positive predictive values for cancer=96.8％; negative predictive values for cancer=91.3％; sensitivity=93.8％; specificity=95.5％ 의 결과를 얻었다.

위에 제시한 peak 중 일부는 identification 정보가 아래 Fig 1 에 제시되어 있다.

Fig 1. Identification information

새로운 환자가 위암여부를 진단하기 위하여 내시경 조직검사를 시행받았다고 할 때 병리학적 소견상 확진이 어려운 경우, 동결조직검사절편에 대하여 sinapinic acid 를 matrix 로 하여 direct tissue MALDI MS 를 시행하여 73 개의 binned peak 의 area 를 측정, 앞서 제시한 Table 에 열거된 peak 와 그 t-value 를 기본으로 하여 Compound Covariate Predictor, Diagonal Linear Discriminant Analysis, Nearest Neighbor Predictor, Nearest Centroid Predictor, and Support Vector Machine Predictor 의 알고리즘에 의해 database 에 있는 106 개의 검체 데이터를 기반으로 한 prediction 이 이루어져 정상 또는 위암 어느 쪽에 가까운지 예측할 수 있다.

조금 더 구체적으로 질량분석 데이터 생성에 대한 예를 든다면, 동결절편은 전형적으로 12 μm 로 만들고 이때 2 개의 연속 절편을 제작하여 하나는 H/E 염색을 한 후 digital imaging 을 실시하고, 다른 하나는 MALDI slide 또는 plate 위에 위치시킨다. MALDI slide 또는 plate 위에 위치된 동결절편은 dessicator에서 바로 건조된 후 70％, 90％, 95％ 에탄올로 각 30초간 washing 후 다시 건조되어 이동된다.

이동된 절편은 epithelial compartment 에 sinapininc acid (20 mg/ml solution in 50:50 acetonitrile: 0.1％ trifluoroacetic acid) 로 도포되는 데, 전형적으로 13 drops/spot cycle 로 10 Hz / 6 cycles 도포되어 ∼9 nL / ∼200 μm 직경의 spot 을 형성하게 된다.

이후 MALDI 를 smart beam laser (Nd:YAG, 355 nm, Bruker) 장착하여 2-40kDa에서 최적화된 linear mode mass spec 을 시행하게 된다.

분석은 다음과 같이 이루어진다. Table 에 제시된 73 개의 peak 를 기본으로 하여 Compound Covariate Predictor, Diagonal Linear Discriminant Analysis, Nearest Neighbor Predictor, Nearest Centroid Predictor, and Support Vector Machine Predictor 의 알고리즘에 의해 정상 또는 위암 어느 쪽에 가까운지 예측할 수 있다.

예를 들어 compound covariate predictor 를 이용하는 경우, 73 개 각 peak 의 normalized signal * (t-value) 의 합을 구한 후, 이것을 63 개의 종양조직과 43 개의 정상조직의 값 어느쪽에 가까운지를 평가함으로써 위암인지 아닌지를 진단하게 된다.

Claims

인체 조직에서 획득한 73 개의 질량분석 시그널을 상기 기술한 알고리즘으로 분석하는 단계; 및 상기 결과에 따라 정상 또는 위암의 어느 것에 가까운지 여부를 예측하는 단계를 포함하는 위암 진단법
청구항 1에 있어서, 인체 조직에서의 73 개 질량분석 시그널의 일부분을 상기 기술한 알고리즘으로 분석하는 단계; 및 상기 결과에 따라 정상 또는 위암의 어느 것에 가까운지 여부를 예측하는 단계를 포함하는 위암 진단법
청구항 1에 있어서, 인체 조직에서의 73 개 질량분석 시그널의 전체 또는 부분을 무한대의 가중치로 하여 조합하여 분석하는 알고리즘; 및 상기 결과에 따라 정상 또는 위암의 어느 것에 가까운지 여부를 예측하는 단계를 포함하는 위암 진단법
청구항 3 에 있어서 인체 조직에서의 73 개 MALDI 시그널의 전체 또는 부분을 무한대 가중치로 하여 조합하여 분석하는 알고리즘; 및 상기 결과에 따라 정상 또는 위암의 어느 것에 가까운지 여부를 예측하는 단계를 포함하는 위암진단법
제 1 항에 있어서, 상기 73 개 질량분석 시그널의 전체 또는 부분을 무한대 가중치로 하여 조합하여 전임상병변과 위암을 구분하는 진단법
복수나 혈액에서의 얻은 상기 73 개 질량분석 시그널의 전체 또는 부분을 무한대 가중치로 하여 조합하여 분석하는 알고리즘; 및 상기 결과에 따라 정상 또는 위암의 어느 것에 가까운지 여부를 예측하는 단계를 포함하는 위암 진단법