KR20190088037A - 류마티스관절염 예후 예측용 snp 마커 세트 - Google Patents

류마티스관절염 예후 예측용 snp 마커 세트 Download PDF

Info

Publication number
KR20190088037A
KR20190088037A KR1020190086003A KR20190086003A KR20190088037A KR 20190088037 A KR20190088037 A KR 20190088037A KR 1020190086003 A KR1020190086003 A KR 1020190086003A KR 20190086003 A KR20190086003 A KR 20190086003A KR 20190088037 A KR20190088037 A KR 20190088037A
Authority
KR
South Korea
Prior art keywords
snp
gene marker
rheumatoid arthritis
prognosis
snp gene
Prior art date
Application number
KR1020190086003A
Other languages
English (en)
Other versions
KR102042823B1 (ko
Inventor
이관수
김율
배상철
주영빈
이혜순
Original Assignee
한국과학기술원
한양대학교 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 한국과학기술원, 한양대학교 산학협력단 filed Critical 한국과학기술원
Priority to KR1020190086003A priority Critical patent/KR102042823B1/ko
Publication of KR20190088037A publication Critical patent/KR20190088037A/ko
Application granted granted Critical
Publication of KR102042823B1 publication Critical patent/KR102042823B1/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
    • 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
    • C12Q2600/118—Prognosis of disease development
    • 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
    • C12Q2600/136—Screening for pharmacological compounds
    • 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
    • C12Q2600/156—Polymorphic or mutational markers

Landscapes

  • Chemical & Material Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Proteomics, Peptides & Aminoacids (AREA)
  • Health & Medical Sciences (AREA)
  • Organic Chemistry (AREA)
  • Wood Science & Technology (AREA)
  • Analytical Chemistry (AREA)
  • Zoology (AREA)
  • Genetics & Genomics (AREA)
  • Engineering & Computer Science (AREA)
  • Pathology (AREA)
  • Immunology (AREA)
  • Microbiology (AREA)
  • Molecular Biology (AREA)
  • Biotechnology (AREA)
  • Biophysics (AREA)
  • Physics & Mathematics (AREA)
  • Biochemistry (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)

Abstract

본 발명은 류마티스관절염의 예후 예측을 위한 단일염기다형성 (SNP) 마커 세트 및 상기 마커 세트를 이용한 류마티스관절염 예후 예측의 정보를 제공하는 방법에 관한 것이다.

Description

류마티스관절염 예후 예측용 SNP 마커 세트 {SNP marker set for predicting of prognosis of rheumatoid arthritis}
본 발명은 류마티스관절염의 예후 예측을 위한 단일염기다형성 (SNP) 마커 세트 및 상기 마커 세트를 이용한 류마티스관절염 예후 예측의 정보를 제공하는 방법에 관한 것이다.
류마티스관절염은 주로 관절을 침범하는 대표적인 전신성 만성 자가면역질환이다. 류마티스관절염의 발병은 유전적-환경적 인자가 작용하며, 유전적인 요인이 대략 60% 정도 기여하는 것으로 알려져 있다. 류마티스관절염은 질병활성도가 조절되지 않으면 시간 경과에 따라 비가역적 관절변형과 장애가 발생하며 이를 조절하기 위한 면역억제제 및 생물학적 제제 등에 대한 약물반응 정도에 따라 관절파괴가 영향을 받는다.
이러한 류마티스관절염의 치료에 있어 현재는 개인별 차이를 반영하지 못하고 경험적 치료에 의존하고 있으나 향후 질병의 예후 및 치료약제 반응을 미리 예측(prediction)하여 맞춤의료를 선택하는 것으로 패러다임이 변화할 것으로 예상된다. 특히 류마티스관절염을 포함한 자가면역질환의 경우, 맞춤의료를 통한 치료를 받을 수 있는 환자의 비중이 50%에 달하며, 이로 인한 비용절감 효과도 68억 달러(한화 7조원 이상)에 이를 것으로 추정되고 있어 단일 질환군으로는 가장 큰 비용절감 효과를 기대할 수 있는 질병군이다.
이러한 맞춤의학을 위해서는 류마티스관절염으로 진단받은 환자의 치료방침을 결정하기 위해 그 환자가 좋은 예후를 보일지 불량한 예후를 보일지를 예측하는 것이 매우 중요하다.
최근 류마티스관절염 예후 예측을 위한 유전자를 발굴하려는 시도가 전 세계적으로 활발하게 진행되고 있으나 아직까지 류마티스관절염 예후 예측을 위한 유전자는 밝혀지지 않은 실정이다.
또한, 현재까지 이러한 유전인자에 관한 연구는 주로 외국 인종에 대해 진행중이나 발병 유전인자 및 예후 결정 인자 들은 인종마다 유전적 배경이 매우 다르므로 한국인 고유의 유전학 연구를 통한 위험인자 발굴 및 바이오마커 발굴이 필수적이라고 할 수 있다.
따라서, 류마티스관절염 예후 예측의 정확성을 높이기 위한 마커의 개발이 시급한 실정이다.
이에, 본 발명의 하나의 목적은 류마티스관절염 예후 예측의 높은 정확성을 갖는, 류머티즘관절염의 예후 예측을 위한 단일염기다형성 (SNP) 마커 세트를 제공하는 것이다.
본 발명의 목적은 피검자의 유전자 시료를 증폭하여, 상기 류머티즘 관절염의 예후 예측을 위한 SNP 마커의 증폭물을 얻는 단계,
상기 SNP 마커의 단일염기다형성 부위의 뉴클레오타이드 서열을 분석하는 단계, 및
상기 분석한 SNP 마커의 뉴클레오타이드 서열정보와 상기 피검자의 임상정보를 류마티스관절염 예후 예측 모델 함수에 적용하여 얻어진 P-값에 따라 류마티스관절염 예후를 예측하는 단계를 포함하는 류마티스관절염 예후 예측의 정보를 제공하는 방법을 제공하는 것이다.
본 발명의 또 다른 하나의 목적은 피검자의 시료에 후보 화합물을 접촉시키는 단계,
피검자의 유전자 시료를 증폭하여, 상기 류머티즘 관절염의 예후 예측을 위한 SNP 마커의 증폭물을 얻는 단계,
상기 SNP 마커의 단일염기다형성 부위의 뉴클레오타이드 서열을 분석하는 단계,
상기 분석한 SNP 마커의 뉴클레오타이드 서열정보와 상기 피검자의 임상정보를 류마티스관절염 예후 예측 모델 함수에 적용하여 얻어진 P-값에 따라 류마티스관절염 예후를 예측하는 단계, 및
상기 후보 화합물을 류마티스관절염 치료제로 결정하는 단계를 포함하는 류마티스관절염 치료제를 스크리닝하는 방법을 제공하는 것이다.
본 발명은, 류마티스관절염 환자로부터 류마티스관절염 예후 예측을 위한 단일염기다형성 (SNP) 마커를 선별하고, 상기 마커를 이용한 류마티스관절염 예후 예측의 정보를 제공하는 방법에 관한 것이다.
본 발명의 일예는 하기 SNP 유전자 마커로 이루어지는 군에서 선택된 1종 이상의 SNP 유전자 마커를 포함하는, 류머티즘관절염의 예후 예측을 위한 단일염기다형성 (SNP) 마커 세트에 관한 것이다:
rs1837 SNP 유전자 마커, rs411337 SNP 유전자 마커, rs9263800 SNP 유전자 마커, rs2071543 SNP 유전자 마커, rs9357155 SNP 유전자 마커, rs2044102 SNP 유전자 마커, rs12722588 SNP 유전자 마커, rs3130100 SNP 유전자 마커, rs17409828 SNP 유전자 마커, rs32490 SNP 유전자 마커, rs10065841 SNP 유전자 마커, rs10045084 SNP 유전자 마커, rs154828 SNP 유전자 마커, rs4699912 SNP 유전자 마커, rs2929660 SNP 유전자 마커, rs17030 SNP 유전자 마커, rs2039223 SNP 유전자 마커, rs2523537 SNP 유전자 마커, rs12118313 SNP 유전자 마커, rs12129787 SNP 유전자 마커, rs7323390 SNP 유전자 마커, rs2281091 SNP 유전자 마커, rs2235325 SNP 유전자 마커, rs3132935 SNP 유전자 마커, rs9263719 SNP 유전자 마커, rs16822604 SNP 유전자 마커, rs213204 SNP 유전자 마커, rs3788368 SNP 유전자 마커, rs10192014 SNP 유전자 마커, rs315919 SNP 유전자 마커, rs3130014 SNP 유전자 마커, rs804267 SNP 유전자 마커, rs982764 SNP 유전자 마커, rs4406737 SNP 유전자 마커, rs4934433 SNP 유전자 마커, rs213210 SNP 유전자 마커, rs2072634 SNP 유전자 마커, rs4421085 SNP 유전자 마커, rs10858282 SNP 유전자 마커, rs4766453 SNP 유전자 마커, rs9889953 SNP 유전자 마커, rs1256341 SNP 유전자 마커, rs6583823 SNP 유전자 마커, rs3824735 SNP 유전자 마커, rs6602820 SNP 유전자 마커, rs7255742 SNP 유전자 마커, rs10754328 SNP 유전자 마커, rs10932017 SNP 유전자 마커, rs2834679 SNP 유전자 마커, rs2280234 SNP 유전자 마커, rs11894425 SNP 유전자 마커, rs2066804 SNP 유전자 마커, rs3771300 SNP 유전자 마커, rs12629751 SNP 유전자 마커, rs7615916 SNP 유전자 마커, rs5748470 SNP 유전자 마커, rs16930094 SNP 유전자 마커, rs12596236 SNP 유전자 마커, rs478829 SNP 유전자 마커, rs10828375 SNP 유전자 마커, rs2229495 SNP 유전자 마커, rs1996913 SNP 유전자 마커, rs4475472 SNP 유전자 마커, rs4739053 SNP 유전자 마커, rs9358028 SNP 유전자 마커, rs12677559 SNP 유전자 마커, rs17722057 SNP 유전자 마커, rs4920110 SNP 유전자 마커, rs7595037 SNP 유전자 마커, rs6723149 SNP 유전자 마커, rs1558722 SNP 유전자 마커, rs6818128 SNP 유전자 마커, rs7671350 SNP 유전자 마커, rs8109559 SNP 유전자 마커, rs10169393 SNP 유전자 마커, rs10185087 SNP 유전자 마커, rs897477 SNP 유전자 마커, rs375288 SNP 유전자 마커, rs245478 SNP 유전자 마커, rs2040623 SNP 유전자 마커, rs9639288 SNP 유전자 마커, rs6597642 SNP 유전자 마커, rs7604115 SNP 유전자 마커, rs7901986 SNP 유전자 마커, 및 rs12777437.
본 발명의 또 다른 일예는 피검자의 유전자 시료를 증폭하여, 상기 류머티즘 관절염의 예후 예측을 위한 SNP 마커의 증폭물을 얻는 단계,
상기 SNP 마커의 단일염기다형성 부위의 뉴클레오타이드 서열을 분석하는 단계, 및
상기 분석한 SNP 마커의 뉴클레오타이드 서열정보와 상기 피검자의 임상정보를 류마티스관절염 예후 예측 모델 함수에 적용하여 얻어진 P-값에 따라 류마티스관절염 예후를 예측하는 단계를 포함하는, 류마티스관절염 예후 예측의 정보를 제공하는 방법에 관한 것이다.
본 발명의 또 다른 일예는 피검자의 시료에 후보 화합물을 접촉시키는 단계,
피검자의 유전자 시료를 증폭하여, 제1항에 따른 류머티즘 관절염의 예후 예측을 위한 SNP 마커의 증폭물을 얻는 단계,
상기 SNP 마커의 단일염기다형성 부위의 뉴클레오타이드 서열을 분석하는 단계,
상기 분석한 SNP 마커의 뉴클레오타이드 서열정보와 상기 피검자의 임상정보를 류마티스관절염 예후 예측 모델 함수에 적용하여 얻어진 P-값에 따라 류마티스관절염 예후를 예측하는 단계, 및
상기 후보 화합물을 류마티스관절염 치료제로 결정하는 단계를 포함하는 류마티스관절염 치료제를 스크리닝하는 방법에 관한 것이다.
이하 본 발명을 더욱 자세히 설명하고자 한다.
본 발명은 류마티스관절염 환자로부터 선별한 류마티스관절염 예후 예측을 위한 단일염기다형성 (SNP) 마커에 관한 것이다.
용어 "단일염기다형성 (Single nucleotide polymorphism, SNP)"는 개인과 개인간의 DNA에 존재하는 한 염기쌍 (single base-pair variation)의 차이를 의미하며, DNA 서열 다형성 (polymorphism) 중에서 가장 많이 존재하는 형태로 알려져 있다. SNP는 인간의 경우 약 1,000bp 마다 1회의 빈도 (약 1개/1kb)로 발생하는 것으로 알려져 있다. 이들 SNP가 질병과 같은 표현형에 영향을 미치는 경우, 상기 SNP를 포함하는 폴리뉴클레오티드는 상기 질병을 진단하는 데에 사용될 수 있다.
용어 "류마티스 관절염 (Rheumatoid arthritis, RA)"은 관절을 포함한 전신에 만성 염증을 일으키는 자가 면역성 질환으로, 남성보다 여성에게 더 많이 발병하고 있고, 그 원인에 대해서는 아직까지 명확하게 밝혀진 것이 없으며, 다만 유전적 요인과 환경적 요인 등에 의해 유발되는 것으로 추측되고 있을 뿐이다.
용어 “예후 (prognosis)”는 류마티스관절염 발병 후 관절의 변형 정도 (관절의 손상), 또는 류마티스관절염에 의한 관절파괴의 진행속도, 즉, 류마티스 관절염의 중증도의 증가 및 감소를 나타낸다.
본 명세서에서 사용되는 용어인 "rs 넘버(rs number)" 또는 "SNP(single nucleotide polymorphism) rs 넘버"란 레퍼런스 SNP 클러스터 ID 데이터 베이스에 새로운 SNP를 발견했다고 보고할 경우 부여받게 되는 고유 SNP(single nucleotide polymorphism) 레퍼런스 번호로서 이 고유 번호를 통해 SNP 클러스터 ID 데이터 베이스에 접근하여 해당 SNP의 염기서열과 SNP 부위 및 변이를 확인할 수 있다. 따라서, SNP(single nucleotide polymorphism) rs 넘버의 특정에 의해 당업자라면 해당 SNP가 존재하는 염색체 번호, 유전자좌, 염기서열, SNP 부위 및 변이 염기를 확인할 수 있으므로, 본 명세서에서는 이러한 SNP rs 넘버를 사용하여 류마티스관절염의 예후 예측을 위한 단일염기다형성 (single nucleotide polymorphism; SNP) 마커를 특정한다.
본 발명의 일실시예의 류마티스관절염의 예후 예측을 위한 단일염기다형성 마커는, SNP (single nucleotide polymorphism) rs 넘버로 정의된 rs1837 SNP 유전자 마커, rs411337 SNP 유전자 마커, rs9263800 SNP 유전자 마커, rs2071543 SNP 유전자 마커, rs9357155 SNP 유전자 마커, rs2044102 SNP 유전자 마커, rs12722588 SNP 유전자 마커, rs3130100 SNP 유전자 마커, rs17409828 SNP 유전자 마커, rs32490 SNP 유전자 마커, rs10065841 SNP 유전자 마커, rs10045084 SNP 유전자 마커, rs154828 SNP 유전자 마커, rs4699912 SNP 유전자 마커, rs2929660 SNP 유전자 마커, rs17030 SNP 유전자 마커, rs2039223 SNP 유전자 마커, rs2523537 SNP 유전자 마커, rs12118313 SNP 유전자 마커, rs12129787 SNP 유전자 마커, rs7323390 SNP 유전자 마커, rs2281091 SNP 유전자 마커, rs2235325 SNP 유전자 마커, rs3132935 SNP 유전자 마커, rs9263719 SNP 유전자 마커, rs16822604 SNP 유전자 마커, rs213204 SNP 유전자 마커, rs3788368 SNP 유전자 마커, rs10192014 SNP 유전자 마커, rs315919 SNP 유전자 마커, rs3130014 SNP 유전자 마커, rs804267 SNP 유전자 마커, rs982764 SNP 유전자 마커, rs4406737 SNP 유전자 마커, rs4934433 SNP 유전자 마커, rs213210 SNP 유전자 마커, rs2072634 SNP 유전자 마커, rs4421085 SNP 유전자 마커, rs10858282 SNP 유전자 마커, rs4766453 SNP 유전자 마커, rs9889953 SNP 유전자 마커, rs1256341 SNP 유전자 마커, rs6583823 SNP 유전자 마커, rs3824735 SNP 유전자 마커, rs6602820 SNP 유전자 마커, rs7255742 SNP 유전자 마커, rs10754328 SNP 유전자 마커, rs10932017 SNP 유전자 마커, rs2834679 SNP 유전자 마커, rs2280234 SNP 유전자 마커, rs11894425 SNP 유전자 마커, rs2066804 SNP 유전자 마커, rs3771300 SNP 유전자 마커, rs12629751 SNP 유전자 마커, rs7615916 SNP 유전자 마커, rs5748470 SNP 유전자 마커, rs16930094 SNP 유전자 마커, rs12596236 SNP 유전자 마커, rs478829 SNP 유전자 마커, rs10828375 SNP 유전자 마커, rs2229495 SNP 유전자 마커, rs1996913 SNP 유전자 마커, rs4475472 SNP 유전자 마커, rs4739053 SNP 유전자 마커, rs9358028 SNP 유전자 마커, rs12677559 SNP 유전자 마커, rs17722057 SNP 유전자 마커, rs4920110 SNP 유전자 마커, rs7595037 SNP 유전자 마커, rs6723149 SNP 유전자 마커, rs1558722 SNP 유전자 마커, rs6818128 SNP 유전자 마커, rs7671350 SNP 유전자 마커, rs8109559 SNP 유전자 마커, rs10169393 SNP 유전자 마커, rs10185087 SNP 유전자 마커, rs897477 SNP 유전자 마커, rs375288 SNP 유전자 마커, rs245478 SNP 유전자 마커, rs2040623 SNP 유전자 마커, rs9639288 SNP 유전자 마커, rs6597642 SNP 유전자 마커, rs7604115 SNP 유전자 마커, rs7901986 SNP 유전자 마커, 및 rs12777437 SNP 유전자 마커로 구성된 군으로부터 선택된 적어도 하나의 SNP 유전자 마커이다 (표 1a 내지 i).
하기 표 1a 내지 i에서 염색체 번호는 SNP가 존재하는 염색체 번호, 염기서열 위치는 SNP가 존재하는 염기서열의 위치, 변경된 염기서열은 각 SNP rs 넘버에 대한 SNP의 치환된 염기를 나타내며 변형된 염기서열의 가장 앞의 염기서열은 다수대립유전자 (Major allel)이고, 가장 앞의 염기서열을 제외한 나머지 염기서열은 소수대립유전자 (Minor allel)라고 하며, 가장 가까운 유전자란 SNP의 위치에서 서열상 가장 가까운 곳에 위치하는 인간 유전자를 의미하고, 기능적인 유전자란 SNP가 위치하는 경우 발현, 3차 구조 등에 영향을 받는 유전자를 의미한다.
[표 1a]
Figure pat00001
[표 1b]
Figure pat00002
[표 1c]
Figure pat00003
[표 1d]
Figure pat00004
[표 1e]
Figure pat00005
[표 1f]
Figure pat00006
[표 1g]
*
Figure pat00007
[표 1h]
Figure pat00008
[표 1i]
Figure pat00009
본 발명의 일실시예의 류마티스관절염의 예후 예측을 위한 단일염기다형성 마커는, 한양대 류마티스관절염 병원으로부터 수집된 유병기간 2년 이내의 한국인 코호트 250명의 유전정보에서 PLINK (다변량 조건부 로지스틱 모형 (multivariate conditional logistic models))를 이용하여 2,551,841 SNP GWAS (Genome-wide association study) 중 35,926개의 SNP를 선별하고, 기존에 류마티스관절염과 연관이 있는 질병 유전자 정보를 수집하기 위하여 DisGeNet에서 수집한 유전자-질병 연관 정보 및 MimMiner에서 수집한 질병-질병 연관 정보를 기반으로 류마티스관절염 예후 예측 목표 유전자를 수집하였고, 상기 수집한 류마티스관절염 관련 유전자 부위에 속하는 85개의 SNP를 최종 류마티스관절염 예후 예측용 SNP 마커 세트로 선별하였다
상기 코호트 250명중 류마티스관절염 예후가 좋은 환자의 숫자는 125명이고, 류마티스관절염 예후가 나쁜 환자의 숫자는 125명이다.
본 발명에서 '류마티스관절염 예후가 좋다'는 의미는 류마티스관절염 발병 후 관절의 변형 정도 (관절의 손상)를 나타내는 Sharp-van der Heijde (SHS) score의 년 당 변화량 값이 (ΔSHS/년) 적은 33%의 환자를 의미하고, '류마티스관절염 예후가 나쁘다'는 ΔSHS/년 값이 상위 33%인 환자를 의미한다.
상기 선별한 SNP 마커 세트를 이용하여, SNP 마커의 뉴클레오타이드 서열정보와 피검자의 임상정보를 류마티스관절염 예후 예측 모델 함수에 적용하여 얻어진 P-값에 따라 류마티스관절염 예후를 예측하는데 사용할 수 있다.
본 발명은 피검자의 유전자 시료를 증폭하여, 상기 류머티즘관절염의 예후 예측을 위한 SNP 마커의 증폭물을 얻는 단계,
상기 SNP 마커의 단일염기다형성 부위의 뉴클레오타이드 서열을 분석하는 단계, 및
상기 분석한 SNP 마커의 뉴클레오타이드 서열정보와 피검자의 임상정보를 류마티스관절염 예후 예측 모델 함수에 적용하여 얻어진 P-값에 따라 류마티스관절염 예후를 예측하는 단계를 포함하는 류마티스관절염 예후 예측의 정보를 제공하는 방법에 관한 것이다.
본 발명에서 사용되는 “진단”이라는 용어는 질병 예후의 예측 및 질병 중증도를 결정하거나 도출시키는데 사용되는 모든 유형의 분석을 포함할 수 있다.
상기 류머티즘관절염의 예후 예측을 위한 SNP 마커는 상기 선별한 85개의 SNP 조합을 의미할 수 있다.
본 발명에서 사용되는 "P 값"이라는 용어는 연구자가 구축한 예후 예측 모델 함수에 적용하였을 때 예후가 나쁜 확률값을 의미한다. 산출된 P 값이 0.5 이상일 경우 해당 환자는 예후가 나쁜 것으로 예측하며, 0.5 미만일 경우 예후가 좋은 것으로 예측한다.
본 발명의 일 실시예에서 SNP 마커 및 임상정보를 이용하여 류마티스관절염 예후를 예측하기 위해서, (1) SNP 마커를 이용한 류마티스관절염 예후 예측 모델을 구축하고 (2) 임상정보를 이용한 류마티스관절염 예후 예측 모델을 구축하며 (3) 상기 구축한 SNP 마커를 이용한 류마티스관절염 예후 예측 모델 및 임상정보를 이용한 류마티스관절염 예후 예측 모델을 통합하였다.
상기 임상정보는 항-CCP 항체의 수치값, ESR (Erythrocyte sedimentation rate), BMI (Body mass index), HAQ (Health Assessment Questionnaire), Baseline SHS (Sharp-van der Heijde Score　), 및 질병 기간 (년도)으로 구성된 군으로부터 선택된 적어도 하나일 수 있으나, 이에 제한되는 것은 아니다.
본 발명의 일 실시예에서 상기 (1) SNP 마커를 이용한 류마티스관절염 예후 예측 모델을 구축하기 위해서, 한양대 류마티스관절염 병원으로부터 수집된 유병기간 2년 이내의 한국인 코호트 250명 유전체의 상기 선별한 85개의 SNP 각각과 동일한 위치의 염기서열에서, 해당 SNP가 동형이고, 다수대립유전자 (Major allel)일 경우 (AA) 0, 이형일 경우(Aa) 1, 동형이고, 소수대립유전자 (Minor allel)일 경우 (aa) 2의 값으로 변환하여 해당 값을 류마티스관절염 예후 예측 모델 함수에 적용하여 SNP 마커를 이용한 류마티스관절염 예후 예측 모델을 구축하였으며, 바람직하게는 상기 류마티스관절염 예후 예측 모델 함수는 SVM 함수를 사용하여 구체적으로 R 프로그램 내 e1071 패키지에서 제공하는 SVM 함수에 상기 변환하여 얻은 값을 입력하여 류마티스관절염 예후 예측 모델을 구축하였으며, 이때 사용가능한 다양한 커널 함수 중 일반적으로 성능이 가장 좋다고 알려진 radial basis function 커널을 이용하기 위하여 "kernel=radial" 옵션을 사용하였다.
상기 구축한 SNP 마커를 이용한 류마티스관절염 예후 예측 모델의 류마티스관절염 예후 예측의 정확도를 검증하기 위해서 교차 검증 (Cross-validation) 분석을 수행하였고, 그 결과 상기 구축한 SNP 마커를 이용한 류마티스관절염 예후 예측 모델은 0.6015의 류마티스관절염 예후 예측의 정확도를 나타냄을 확인하였다.
상기 류마티스관절염 예후 예측 모델 함수는 SVM (Support vector machine), Neural Network, Random Forest, 또는 Discriminant Analysis일 수 있고, 바람직하게는 SVM 함수 일 수 있으나, 이에 제한되는 것은 아니다.
상기 구축한 SNP 마커를 이용한 류마티스관절염 예후 예측 모델에 피검자의 선별한 85개의 SNP 각각과 동일한 위치의 염기서열에서, 해당 SNP가 동형이고, 다수대립유전자 (Major allel)일 경우 (AA) 0, 이형일 경우(Aa) 1, 동형이고, 소수대립유전자 (Minor allel)일 경우 (aa) 2의 값으로 변환하여 해당 값을 입력할 경우 나오는 값을 PSNP이라고 한다.
상기 SVM은 라그랑주 최적화 이론(Lagrangian optimization theory)에 기반하여 주어진 조건을 만족하는 함수를 추정하는 알고리즘으로, 이 중에서 최대 마진 분류자 (Maximum margin classifier)를 사용하는 분류분석 방법을 적용하는 경우를 서포트 벡터 분류 (Support Vector Classification, SVC)라 한다.
본 발명의 일 실시예에서 상기 구축한 SNP 마커를 이용한 류마티스관절염 예후 예측 모델을 검증하기 위해서 한양대 류마티스관절염 병원으로부터 수집된 유병기간 2년 이내의 한국인 코호트 250명을 25명씩 10개의 그룹으로 나누고, 상기 10개의 그룹 중 한 개의 그룹을 임으로 선택 (Test set)하고, 나머지 9개의 그룹을 합친 (Training set)후에, 상기 9개의 그룹을 합친 Training set의 SNP 존재 여부 정보를 상기와 같은 방법으로 SVM 모델에 대입하여 SVM 모델 분석을 수행하여 SNP 마커를 이용한 류마티스관절염 예후 예측 모델 함수를 구축하고, 상기 임으로 선택 (Test set)한 25명의 환자의 SNP 존재 여부 정보를 상기 구축한 SNP 마커를 이용한 류마티스관절염 예후 예측 모델 함수에 대입하여 그 값을 산출하였으며, 교차 검증 (Cross-validation)을 위해서 상기 10개의 그룹 중 한 개의 그룹을 임의로 선택하고 나머지 9개의 그룹으로 류마티스관절염 예후 예측 모델 함수를 구축하고, 선택한 한 개의 그룹으로 상기 구축한 류마티스관절염 예후 예측 모델 함수의 정확성을 검증하는 과정을 10차례 수행하여 상기 구축한 SVM 모델의 류마티스관절염 환자의 예후 예측의 평균 정확도를 수치로 나타내었고, 그 결과 본 발명의 일 실시예에서 상기 구축한 SNP 마커를 이용한 류마티스관절염 예후 예측 모델은 류마티스관절염 예후 예측의 정확성이 0.6015임을 알 수 있었다.
본 발명의 일 실시예에서 상기 (2) 임상정보를 이용한 류마티스관절염 예후 예측 모델을 구축하기 위해서, 한양대 류마티스관절염 병원에서 임상정보를 입수하여 SVM (Support Vector Machine)에 입력하여 임상정보를 이용한 류마티스관절염 예후 예측 모델을 구축하였다.
상기 임상정보를 이용한 류마티스관절염 예후 예측 모델을 구축하는 단계에서는 SNP 마커를 이용한 류마티스관절염 예후 예측 모델을 구축하는 방법과 동일한 방법으로 상기 임상정보의 수치값을 SVM 함수에 입력하여 류마티스관절염 예후 예측 모델을 구축하였다.
상기 임상정보는 항-CCP 항체의 수치값, ESR (Erythrocyte sedimentation rate), BMI (Body mass index), HAQ (Health Assessment Questionnaire), Baseline SHS (Sharp-van der Heijde Score　), 및 질병 기간 (년도)으로 구성된 군으로부터 선택된 적어도 하나일 수 있으며, 상기 ESR (Erythrocyte sedimentation rate), BMI (Body mass index), HAQ (Health Assessment Questionnaire), Baseline SHS (Sharp-van der Heijde Score　), 및 질병 기간 (년도)은 공지된 방법을 사용하여 얻을 수 있고, 상기 항-CCP 항체의 수치화를 위해서 상기 코호트 250명에서 추출한 혈액을 항-CCP kit (CCPlus®IMMUNOSCAN, Uro Diagnostica)에 적용하고, Enzyme immunoassay (Triturus system, Grifols)를 이용하여 결과값을 얻은 후에, 해당 결과값이 25이상이면 1의 수치를 할당하고, 25 미만이면 0의 수치를 할당하여 얻을 수 있다.
상기 구축한 임상정보를 이용한 류마티스관절염 예후 예측 모델에 피검자의 임상정보의 수치값을 입력할 경우 나오는 값을 Pclinic이라고 한다.
상기 구축한 임상정보를 이용한 류마티스관절염 예후 예측 모델의 류마티스관절염 예후 예측의 정확도를 검증하기 위해서 상기 SNP 마커를 이용한 류마티스관절염 예후 예측 모델의 류마티스관절염 예후 예측의 정확도를 검증하기 위해서 수행한 교차 검증 분석과 동일하게 실험을 수행하였고, 그 결과 상기 구축한 임상정보를 이용한 류마티스관절염 예후 예측 모델은 0.7의 류마티스관절염 예후 예측의 정확도를 나타냄을 확인하였다.
본 발명의 일 실시예에서 (3) 상기 구축한 SNP 마커를 이용한 류마티스관절염 예후 예측 모델 및 임상정보를 이용한 류마티스관절염 예후 예측 모델을 통합하기 위해서, 각각의 SVM 알고리즘 값을 더할 때 사용하는 가중치 상수 (α)는 한양대 류마티스관절염 병원으로부터 수집된 유병기간 2년 이내의 한국인 코호트 250명 의 유전체의 상기 선별한 85개의 SNP 각각과 동일한 위치의 염기서열에서, 해당 SNP가 동형이고, 다수대립유전자 (Major allel)일 경우 (AA) 0, 이형일 경우(Aa) 1, 동형이고, 소수대립유전자 (Minor allel)일 경우 (aa) 2의 값으로 변환하여 해당 값을 상기 구축한 (1) SNP 마커를 이용한 류마티스관절염 예후 예측 모델에 대입하여 PSNP 값을 얻고, 상기 구축한 (2) 임상정보를 이용한 류마티스관절염 예후 예측 모델에 피검자의 임상정보의 수치값을 입력할 경우 나오는 값을 PClinic을 얻은 후에, 상기 두 개의 확률값에 다른 가중치를 두어 더하는 가중치 합 (Weight sum) 방법을 하기 수학식 1과 같이 적용하여 Psum값을 얻을 수 있고, 상기 Psum값이 0.5 내지 1의 값일 경우 해당 환자의 류마티스관절염 예후가 나쁜것으로 판정하고, 상기 Psum 이 0.5 미만의 값이 나올 경우 해당 환자의 류마티스관절염 예후가 좋은 것으로 판정하는 모델을 구축하였으며, 그리고 나서 상기 구축한 모델에 대하여 하기 수하식 1의 가중치인 α를 0.3에서 0.6까지 0.01 씩 증가시키면서, 상기 기재한 교차 분석과 동일한 방식으로 실험을 수행하여 가장 정확한 경우의 가중치인 α값을 구했다.
상기 가중치인 α값을 구하는 과정에서 결정한 가장 류마티스관절염 예후 예측의 정확성이 가장 높을 때의 가중치인 α 값은 0.40이다.
[수학식 1]
Psum = αPSNP + (1-α)PClinic
상기 수학식 1에서,
PSNP는 SNP 마커의 뉴클레오타이드 서열정보를 류마티스관절염 예후 예측 모델 함수에 적용하여 얻어진 P-값이고,
Pclinic은 피검자의 임상정보를 류마티스관절염 예후 예측 모델 함수에 적용하여 얻어진 P-값이며,
Psum은 상기 PSNP값 및 Pclinic값을 가중치 합하여 얻은 P-값이고,
α는 상기 PSNP값 및 Pclinic값을 가중치 합할 때 사용하는 상수이다.
본 발명의 일 실시예에서 상기 구축한 SNP 마커 및 임상정보를 이용한 류마티스관절염 예후 예측 모델을 검증하기 위해서 상기와 같은 방법으로 교차 검증 (Cross-validation)을 수행, 상기 구축한 SNP 마커 및 임상정보를 이용한 류마티스관절염 예후 예측 모델을 이용하여 류마티스관절염 예후 예측하는 경우 SNP 마커를 이용한 류마티스관절염 예후 예측 모델을 이용하여 류마티스관절염 예후 예측하는 경우에 비해서 류마티스관절염 예후 예측의 정확도가 131% 향상되었고, 임상정보를 이용한 류마티스관절염 예후 예측 모델을 이용하여 류마티스관절염 예후 예측하는 경우에 비해서 류마티스관절염 예후 예측의 정확도가 113% 향상되었음을 확인하였다.
상기 구한 상수, 상기 구축한 SNP 마커를 이용한 류마티스관절염 예후 예측 모델에 피검자의 상기 선별한 85개의 SNP 각각과 동일한 위치의 염기서열에서 해당 SNP가 동형이고, 다수대립유전자 (Major allel)일 경우 (AA) 0, 이형일 경우(Aa) 1, 동형이고, 소수대립유전자 (Minor allel)일 경우 (aa) 2의 값으로 변환하여 해당 값을 대입하여 얻은 값 (PSNP), 및 상기 구축한 임상정보를 이용한 류마티스관절염 예후 예측 모델에 피검자의 임상정보 수치를 대입하여 얻은 값(Pclinic)을 이용하여 Psum을 구할 수 있다.
상기 구축한 SNP 마커 및 임상정보를 이용한 류마티스관절염 예후 예측 모델에서 상기 수학식 1의 Psum값의 수치가 0.5 내지 1일 경우 피검자의 류마티스관절염 예후는 나쁜 것으로 판단될 수 있고, 상기 구축한 SNP 마커 및 임상정보를 이용한 류마티스관절염 예후 예측 모델에서 상기 수학식 1의 Psum값의 수치가 0.5 미만일 경우 피검자의 류마티스관절염 예후는 좋은 것으로 판단될 수 있다.
본 발명은 피검자의 시료에 후보 화합물을 접촉시키는 단계, 상기 시료로부터 상기 류머티즘관절염의 예후 예측을 위한 SNP 마커를 증폭시키는 단계, 상기 마커의 단일염기다형성 부위의 뉴클레오타이드 서열을 분석하는 단계, 상기 분석한 뉴클레오타이드 서열정보와 상기 피검자의 임상정보를 류마티스관절염 예후 예측 모델 함수에 적용하는 단계, 및 상기 후보 화합물을 류마티스관절염 치료제로 결정하는 단계를 포함하는 류마티스관절염 치료제를 스크리닝하는 방법에 관한 것이다.
상기 류마티스관절염 환자로부터 선별한 류마티스관절염 예후 예측을 위한 SNP 마커는 본 발명의 일 실시예에서 선별한 85개의 류마티스관절염의 예후 예측을 위한 단일염기다형성 마커의 조합일 수 있다.
본 발명에서 류마티스관절염 환자에 대하여 미지의 후보 화합물을 처리한 후에, 상기 류마티스관절염 환자로부터 선별한 류마티스관절염 예후 예측을 위한 단일염기다형성 (SNP) 마커를 이용하여 구축한 SNP 마커 및 임상정보를 이용한 류마티스관절염 예후 예측 모델을 이용하여 상기 후보 화합물을 접촉시킨 환자의 류마티스관절염 예후가 상기 후보 화합물을 접촉시키지 않은 환자의 류마티스관절염 예후보다 좋은 경우, 상기 후보 화합물을 류마티스관절염 치료제로 결정할 수 있다.
상기 후보 화합물을 접촉시킨 환자의 류마티스관절염 예후가 상기 후보 화합물을 접촉시키지 않은 환자의 류마티스관절염 예후보다 좋은 경우의 의미는 류마티스관절염 환자에 대하여 미지의 후보 화합물을 처리한 후에 SNP 마커 및 임상정보를 이용한 류마티스관절염 예후 예측 모델의 수학식 1의 값 의 Psum값의 수치가 0.5 미만일 경우를 의미할 수 있다.
본 발명은 류마티스관절염의 예후 예측을 위한 단일염기다형성 (SNP) 마커 세트 및 상기 마커 세트를 이용한 류마티스관절염 예후 예측의 정보를 제공하는 방법에 관한 것으로서, 본 발명의 류마티스관절염의 예후 예측을 위한 단일염기다형성 마커 세트를 이용하여 류마티스관절염의 예후를 예측하는데 활용이 가능하다.
도 1은 본 발명의 실시예에 따라서 85개의 류마티스관절염의 85개 예후 예측 SNP 마커와 기존 임상정보를 통합하여 구성된 최종 류마티스관절염 예측 모델에 대한 모식도이다.
도 2는 본 발명의 실시예에 따라서 SNP 마커를 이용한 류마티스관절염 예후 예측 모델을 검증한 것을 나타내는 그림이다.
도 3은 본 발명의 실시예에 따라서 최적의 가중치인 α를 확인한 것을 나타내는 그림이다.
도 4는 본 발명의 실시예에 따라서 SNP 마커 및 임상정보를 이용한 류마티스관절염 예후 예측 모델을 검증한 것을 나타내는 그림이다.
이하, 본 발명을 하기의 실시예에 의하여 더욱 상세히 설명한다. 그러나, 이들 실시예는 본 발명을 예시하기 위한 것일 뿐이며, 본 발명의 범위가 이들 실시예에 의하여 한정되는 것은 아니다.
실시예 1. 한류마티스관절염 예후 예측용 SNP 마커 선별
류마티스관절염 예후 예측에 사용하기 위한 SNP 마커를 하기와 같은 방법을 이용하여 선별하였다.
구체적으로, 한양대 류마티스관절염 병원으로부터 수집된 유병기간 2년 이내의 한국인 코호트 250명의 혈액을 추출하고, 상기 혈액에서 유전체 DNA를 추출하여 상기 유전체 DNA를 다변량 조건부 로지스틱 모형 (multivariate conditional logistic models)을 사용한 PLINK 프로그램에 적용하여 2,551,841 SNP GWAS (Genome-wide association study) 중 류마티스관절염의 예후가 좋은 환자와 예후가 나쁜 환자에서 나타나는 통계적으로 유의한 35,926개의 SNP를 선별하고, 기존에 류마티스관절염과 연관이 있는 질병 유전자 정보를 수집하기 위하여 DisGeNet에서 수집한 유전자-질병 연관 정보 및 MimMiner에서 수집한 질병-질병 연관 정보를 기반으로 류마티스관절염 예후 예측 목표 유전자를 수집하였고, 상기 수집한 류마티스관절염 관련 유전자 부위에 속하는 85개의 SNP를 최종 한국인 류마티스관절염 예후 예측용 SNP 마커로 선별하였다.
상기 방법으로 선별한 류마티스관절염 예후 예측용 SNP 마커 85개는 상기 표 1a 내지 i에 기재하였다. 상기 표 1a 내지 i에서 염색체 번호는 SNP가 존재하는 염색체 번호, 염기서열 위치는 SNP가 존재하는 염기서열의 위치, 변경된 염기서열은 각 SNP rs 넘버에 대한 SNP의 위치 및 치환된 염기를 나타내고, 가장 가까운 유전자란 SNP의 위치에서 서열상 가장 가까운 곳에 위치하는 인간 유전자를 의미하고, 기능적인 유전자란 SNP가 위치하는 경우 발현, 3차 구조 등에 영향을 받는 유전자를 의미한다.
상기 코호트 250명중 류마티스관절염 예후가 좋은 환자의 숫자는 125명이고, 류마티스관절염 예후가 나쁜 환자의 숫자는 125명이다. '류마티스관절염 예후가 좋다'는 의미는 류마티스관절염 발병 후 관절의 변형 정도 (관절의 손상)를 나타내는 Sharp-van der Heijde (SHS) score의 년 당 변화량 값이 (ΔSHS/년) 적은 33%의 환자를 의미하고, 류마티스관절염 예후가 나쁘다'는 ΔSHS/년 값이 상위 33%인 환자를 의미한다.
상기 코호트의 특징은 하기 표 2에 나타냈다.
[표 2]
Figure pat00010
실시예 2. SNP 마커를 이용한 류마티스관절염 예후 예측 방법
2-1. SNP 마커를 이용한 류마티스관절염 예후 예측 모델 구축
선별한 SNP 마커를 이용하여 류마티스관절염 예후 예측 모델을 구축하기 위해서, 실시에 1에서 선별한 85개의 SNP 세트를 이용한 SVM (Support Vector Machine) 모델 분석을 수행하였다.
구체적으로, 실시예 1에서 사용한 코호트 250명 유전체의 실시에 1에서 선별한 85개의 SNP 각각과 동일한 위치의 염기서열에서, 해당 SNP가 동형이고, 다수대립유전자 (Major allel)일 경우 (AA) 0, 이형일 경우(Aa) 1, 동형이고, 소수대립유전자 (Minor allel)일 경우 (aa) 2의 값으로 변환하여 해당 값을 R 프로그램 내 e1071 패키지에서 제공하는 SVM 함수에 입력하여 류마티스관절염 예후 예측 모델을 구축하였으며, 이때 사용가능한 다양한 커널 함수 중 일반적으로 성능이 가장 좋다고 알려진 radial basis function 커널을 이용하기 위하여 "kernel=radial" 옵션을 사용하였다.
2-2. SNP 마커를 이용한 류마티스관절염 예후 예측 모델의 검증
실시예 2-1에서 구축한 SNP 마커를 이용한 류마티스관절염 예후 예측 모델 함수의 정확성을 검증하기 위해서 하기와 같은 실험을 수행하였다.
구체적으로, 실시예 1에서 사용한 코호트 250명을 25명씩 10개의 그룹으로 나누고, 상기 10개의 그룹 중 한 개의 그룹을 임으로 선택 (Test set)하고, 나머지 9개의 그룹을 합친 (Training set)후에, 상기 9개의 그룹을 합친 Training set의 SNP 존재 여부 정보를 실시예 2-1과 같은 방법으로 SVM 모델에 대입하여 SVM 모델 분석을 수행하여 SNP 마커를 이용한 류마티스관절염 예후 예측 모델 함수를 구축하고, 상기 임으로 선택 (Test set)한 25명의 환자의 SNP 존재 여부 정보를 상기 구축한 SNP 마커를 이용한 류마티스관절염 예후 예측 모델 함수에 대입하여 그 값을 산출하였으며, 교차 검증 (Cross-validation)을 위해서 상기 10개의 그룹 중 한 개의 그룹을 임의로 선택하고 나머지 9개의 그룹으로 류마티스관절염 예후 예측 모델 함수를 구축하고, 선택한 한 개의 그룹으로 상기 구축한 류마티스관절염 예후 예측 모델 함수의 정확성을 검증하는 과정을 10차례 수행하여 상기 구축한 SVM 모델의 류마티스관절염 환자의 예후 예측의 평균 정확도를 수치로 나타냈다.
그 결과는 도 2에 나타나 있다.
도 2에 나타난 것과 같이, 상기 임으로 선택한 한 그룹을 교차 검증한 경우 0.6015의 류마티스관절염 예후 예측의 정확도를 나타냈다. 상기 결과를 통해서 실시예 2-1에서 구축한 모델은 새로운 샘플이 들어왔을 경우에도 일정 수준 이상의 높은 확률로 환자의 예후 예측이 가능함을 알 수 있었다.
실시예 3. 임상정보를 이용한 류마티스관절염 예후 예측 방법
3-1. 임상정보를 이용한 류마티스관절염 예후 예측 모델 구축
임상정보를 이용하여 류마티스관절염 예후 예측 모델을 구축하기 위해서, 한양대 류마티스관절염 병원에서 하기 6개 인자의 임상정보를 입수하여 SVM 모델 분석을 수행하였다.
구체적으로, 실시예 1에서 사용한 한양대 류마티스관절염 병원으로부터 수집된 유병기간 2년 이내의 한국인 코호트 250명에 대하여 공지된 방법을 이용하여 수치화한 ESR (Erythrocyte sedimentation rate), BMI (Body mass index), HAQ (Health Assessment Questionnaire), Baseline SHS (Sharp-van der Heijde Score　), 및 질병 기간 (년도)의 임상정보를 한양대 류마티스관절염 병원에서 입수하였고, 항-CCP 항체의 수치화를 위해서 상기 코호트 250명에서 추출한 혈액을 항-CCP kit (CCPlus®IMMUNOSCAN, Uro Diagnostica)에 적용하고, Enzyme immunoassay (Triturus system, Grifols)를 이용하여 결과값을 얻은 후에, 해당 결과값이 25이상이면 1의 수치를 할당하고, 25 미만이면 0의 수치를 할당하였고, 상기 수치화한 6개 인자의 임상정보 수치값을 실시예 2-1과 같은 방법으로 SVM 함수에 입력하여 류마티스관절염 예후 예측 모델을 구축하였다.
3-2. 임상정보를 이용한 류마티스관절염 예후 예측 모델의 검증
실시예 3-1에서 구축한 임상정보를 이용한 류마티스관절염 예후 예측 모델 함수의 정확성을 검증하기 위해서 하기와 같은 실험을 수행하였다.
구체적으로, 실시예 2-2와 같은 방법을 사용하여 실시예 3-1의 방법으로 구축한 임상정보를 이용한 류마티스관절염 예후 예측 모델의 교차 검증 (Cross-validation)을 수행하였다.
그 결과는 도 4의 왼쪽 끝에 나타나 있다 (Clinical Only).
도 3의 왼쪽에 나타난 것과 같이, 6개의 임상정보를 이용하여 구축한 모델을 이용할 경우 0.7의 류마티스관절염 예후 예측의 정확도가 나타남을 확인할 수 있었다.
실시예 4. SNP 마커 및 임상정보를 이용한 류마티스관절염 예후 예측
4-1. SNP 마커 및 임상정보를 이용한 류마티스관절염 예후 예측 모델 구축
실시예 2-1에서 구축한 SNP 마커를 이용한 류마티스관절염 예후 예측 모델과 실시예 3-1에서 구축한 임상정보를 이용한 류마티스관절염 예후 예측 모델을 융합하여 SNP 마커 및 임상정보를 이용한 류마티스관절염 예후 예측 모델을 구축하기 위해서 하기와 같은 방법을 사용하였다.
구체적으로, 상기 각각의 SVM 알고리즘 값을 더할 때 사용하는 가중치 상수 (α)를 구하기 위해서 실시예 1에서 사용한 코호트 250명의 유전체의 실시에 1에서 선별한 85개의 SNP 각각과 동일한 위치의 염기서열에서, 해당 SNP가 동형이고, 다수대립유전자 (Major allel)일 경우 (AA) 0, 이형일 경우(Aa) 1, 동형이고, 소수대립유전자 (Minor allel)일 경우 (aa) 2의 값으로 변환하여 해당 값을 실시예 2-1에서 구축한 SNP 마커를 이용한 류마티스관절염 예후 예측 모델에 대입하여 PSNP 값을 얻고, 실시예 3-1에서 사용한 한국인 코호트 250명의 임상정보 수치값을 실시예 3-1에서 구축한 임상정보를 이용한 류마티스관절염 예후 예측 모델에 대입하여 PClinic 값을 얻은 후에, 상기 두 개의 확률값에 다른 가중치를 두어 더하는 가중치 합 (Weight sum) 방법을 하기 수학식 1과 같이 적용하여 Psum 값을 나타냈고, 상기 Psum 값이 0.5 내지 1의 값일 경우 해당 환자의 류마티스관절염 예후가 나쁜것으로 판정하고, 상기 Psum 값이 0.5 미만의 값이 나올 경우 해당 환자의 류마티스관절염 예후가 좋은 것으로 판정하는 모델을 구축하였으며, 그리고 나서 상기 구축한 모델에 대하여 하기 수하식 1의 가중치인 α를 0.3에서 0.6까지 0.01 씩 증가시키면서, 실시예 2-2와 같은 방법으로 교차 분석을 수행하여 가장 정확한 경우의 가중치인 α 값을 구했다.
상기 가중치인 α값을 구하는 과정에서 결정한 가장 류마티스관절염 예후 예측의 정확성이 가장 높을 때의 가중치인 α값은 0.40이다.
상기 결과는 도 3에 나타나 있다.
[수학식 1]
Psum = αPSNP + (1-α)PClinic
4-2. SNP 마커 및 임상정보를 이용한 류마티스관절염 예후 예측 모델의 검증
실시예 4-1에서 구축한 SNP 마커 및 임상정보를 이용한 류마티스관절염 예후 예측 모델 함수의 정확성을 검증하기 위해서 하기와 같은 실험을 수행하였다.
구체적으로, 실시예 2-2와 같은 방법을 사용하여 실시예 4-1의 방법으로 구축한 SNP 마커 및 임상정보를 이용한 류마티스관절염 예후 예측 모델의 교차 검증 (Cross-validation)을 수행하였다. 그 결과는 도 4에 나타나 있다.
도 4에 나타난 것과 같이, SNP 마커를 이용한 류마티스관절염 예후 예측 모델을 이용하여 류마티스관절염 예후 예측하는 경우에 비해서 류마티스관절염 예후 예측의 정확도가 131% 향상되었고, 임상정보를 이용한 류마티스관절염 예후 예측 모델을 이용하여 류마티스관절염 예후 예측하는 경우에 비해서 류마티스관절염 예후 예측의 정확도가 113% 향상되었음을 확인할 수 있었다.

Claims (9)

  1. 류마티스 관절염의 예후 예측을 위한 단일염기다형성 (SNP) 유전자 마커 세트를 검출할 수 있는 제제를 포함하는, 류마티스 관절염의 예후 예측용 조성물로서,
    상기 SNP 유전자 마커 세트는, rs1837 SNP 유전자 마커, rs411337 SNP 유전자 마커, rs9263800 SNP 유전자 마커, rs2071543 SNP 유전자 마커, rs9357155 SNP 유전자 마커, rs2044102 SNP 유전자 마커, rs12722588 SNP 유전자 마커, rs3130100 SNP 유전자 마커, rs17409828 SNP 유전자 마커, 및 rs32490 SNP 유전자 마커를 포함하는 것인, 류마티스 관절염의 예후 예측용 조성물.
  2. 제1항에 있어서, 상기 SNP 유전자 마커 세트는, SNP 유전자 마커 세트의 뉴클레오타이드 서열정보와 피검자의 임상정보를 류마티스관절염 예후 예측 모델 함수에 적용하여 얻어진 P-값에 따라 류마티스관절염 예후를 예측하는데 사용되는 것인, 조성물.
  3. 제2항에 있어서, 상기 P-값을 하기 수학식에 적용하여 얻어진 Psum 이 0 내지 0.5 미만인 경우 류마티스관절염 예후가 좋은 것으로 결정하는 것인, 조성물:
    [수학식 1]
    Psum = αPSNP + (1-α)PClinic
    상기 수학식 1에서,
    PSNP는 SNP 유전자 마커 세트의 뉴클레오타이드 서열정보를 류마티스관절염 예후 예측 모델 함수에 적용하여 얻어진 P-값이고,
    Pclinic은 피검자의 임상정보를 류마티스관절염 예후 예측 모델 함수에 적용하여 얻어진 P-값이며,
    Psum은 상기 PSNP값 및 Pclinic값을 가중치 합하여 얻은 P-값이고,
    α는 상기 PSNP값 및 Pclinic값을 가중치 합할 때 사용하는 상수.
  4. 피검자의 유전자 시료를 증폭하여, 류마티스 관절염의 예후 예측을 위한 SNP 유전자 마커 세트의 증폭물을 얻는 단계,
    상기 SNP 유전자 마커 세트의 단일염기다형성 부위의 뉴클레오타이드 서열을 분석하는 단계, 및
    상기 분석한 SNP 유전자 마커 세트의 뉴클레오타이드 서열정보와 상기 피검자의 임상정보를 류마티스 관절염 예후 예측 모델 함수에 적용하여 얻어진 P-값에 따라 류마티스 관절염 예후를 예측하는 단계를 포함하는, 류마티스관절염 예후 예측의 정보를 제공하는 방법으로서,
    상기 류마티스 관절염의 예후 예측을 위한 SNP 유전자 마커 세트는 rs1837 SNP 유전자 마커, rs411337 SNP 유전자 마커, rs9263800 SNP 유전자 마커, rs2071543 SNP 유전자 마커, rs9357155 SNP 유전자 마커, rs2044102 SNP 유전자 마커, rs12722588 SNP 유전자 마커, rs3130100 SNP 유전자 마커, rs17409828 SNP 유전자 마커, 및 rs32490 SNP 유전자 마커를 포함하는 것인, 류마티스관절염 예후 예측의 정보를 제공하는 방법.
  5. 제4항에 있어서, 상기 임상정보는 항-CCP 항체의 수치값, ESR (Erythrocyte sedimentation rate), BMI (Body mass index), HAQ (Health Assessment Questionnaire), Baseline SHS (Sharp-van der Heijde Score), 및 질병 기간으로 구성된 군으로부터 선택된 하나 이상인, 류마티스관절염 예후 예측의 정보를 제공하는 방법.
  6. 제4항에 있어서, 상기 SNP 유전자 마커 세트의 뉴클레오타이드 서열정보와 상기 피검자의 임상정보를 류마티스관절염 예후 예측 모델 함수에 적용하여 얻어진 P-값을 하기 수학식 1에 적용하여 얻어진 Psum 이 0 내지 0.5 미만인 경우 류마티스관절염 예후가 좋은 것으로 결정하는 것인, 류마티스관절염 예후 예측의 정보를 제공하는 방법:
    [수학식 1]
    Psum = αPSNP + (1-α)PClinic
    상기 수학식 1에서,
    PSNP는 SNP 유전자 마커 세트의 뉴클레오타이드 서열정보를 류마티스관절염 예후 예측 모델 함수에 적용하여 얻어진 P-값이고,
    Pclinic은 피검자의 임상정보를 류마티스관절염 예후 예측 모델 함수에 적용하여 얻어진 P-값이며,
    Psum은 상기 PSNP값 및 Pclinic값을 가중치 합하여 얻은 P-값이고,
    α는 상기 PSNP값 및 Pclinic값을 가중치 합할 때 사용하는 상수.
  7. 제6항에 있어서, 상기 PSNP는 피험자의 상기 SNP 유전자 마커 세트에 포함된 10개의 SNP 마커 각각과 동일한 위치의 염기서열에서 해당 SNP가 동형이고, 다수대립유전자 (Major allel)일 경우 (AA) 0, 이형일 경우(Aa) 1, 동형이고, 소수대립유전자 (Minor allel)일 경우 (aa) 2의 값으로 변환하여 해당 값을 상기 구축한 SNP 마커세트를 이용한 류마티스관절염 예후 예측 모델에 대입하여 얻은 값인, 방법.
  8. 제4항에 있어서, 상기 류마티스관절염 예후 예측 모델 함수는 SVM (Support vector machine), Neural Network, Random Forest, 또는 Discriminant Analysis 인, 류마티스관절염 예후 예측의 정보를 제공하는 방법.
  9. 피검자의 시료에 후보 화합물을 접촉시키는 단계,
    피검자의 유전자 시료를 증폭하여, 류마티스 관절염의 예후 예측을 위한 SNP 유전자 마커 세트의 증폭물을 얻는 단계,
    상기 SNP 유전자 마커 세트의 단일염기다형성 부위의 뉴클레오타이드 서열을 분석하는 단계,
    상기 분석한 SNP 유전자 마커 세트의 뉴클레오타이드 서열정보와 상기 피검자의 임상정보를 류마티스 관절염 예후 예측 모델 함수에 적용하여 얻어진 P-값에 따라 류마티스관절염 예후를 예측하는 단계, 및
    상기 후보 화합물을 류마티스 관절염 치료제로 결정하는 단계를 포함하는 류마티스관절염 치료제를 스크리닝하는 방법으로서,
    상기 류마티스 관절염의 예후 예측을 위한 SNP 유전자 마커 세트는, rs1837 SNP 유전자 마커, rs411337 SNP 유전자 마커, rs9263800 SNP 유전자 마커, rs2071543 SNP 유전자 마커, rs9357155 SNP 유전자 마커, rs2044102 SNP 유전자 마커, rs12722588 SNP 유전자 마커, rs3130100 SNP 유전자 마커, rs17409828 SNP 유전자 마커, 및 rs32490 SNP 유전자 마커를 포함하는 것인, 류마티스관절염 치료제를 스크리닝하는 방법.
KR1020190086003A 2019-07-16 2019-07-16 류마티스관절염 예후 예측용 snp 마커 세트 KR102042823B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020190086003A KR102042823B1 (ko) 2019-07-16 2019-07-16 류마티스관절염 예후 예측용 snp 마커 세트

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190086003A KR102042823B1 (ko) 2019-07-16 2019-07-16 류마티스관절염 예후 예측용 snp 마커 세트

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
KR1020170079278A Division KR102042824B1 (ko) 2017-06-22 2017-06-22 류마티스관절염 예후 예측용 snp 마커 세트

Publications (2)

Publication Number Publication Date
KR20190088037A true KR20190088037A (ko) 2019-07-25
KR102042823B1 KR102042823B1 (ko) 2019-11-08

Family

ID=67468839

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190086003A KR102042823B1 (ko) 2019-07-16 2019-07-16 류마티스관절염 예후 예측용 snp 마커 세트

Country Status (1)

Country Link
KR (1) KR102042823B1 (ko)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20220063522A (ko) * 2020-11-10 2022-05-17 주식회사 지씨지놈 구절초 추출물의 골관절 질환 치료효과 및 예후 예측을 위한 유전자 마커

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20090037212A (ko) * 2007-10-11 2009-04-15 경북대학교 산학협력단 Ｄｎａ-메틸전이효소-3ｂ를 이용한 류마티스 관절염 예후진단용 마커 및 이를 이용한 류마티스 관절염 중증도 예측및 판단 방법
KR20140014861A (ko) * 2012-07-26 2014-02-06 한국과학기술원 류마티스 관절염 감수성 진단 방법
KR20160044179A (ko) * 2014-10-15 2016-04-25 한양대학교 산학협력단 류머티즘의 조기 진단 및 발병 예측을 위한 단일염기다형성 마커와 이를 이용한 류머티즘에 특이적인 대립유전자형 분석방법
US20170145503A1 (en) * 2007-09-05 2017-05-25 Celera Corporation Genetic polymorphisms associated with rheumatoid arthritis, metods of detection and uses thereof

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170145503A1 (en) * 2007-09-05 2017-05-25 Celera Corporation Genetic polymorphisms associated with rheumatoid arthritis, metods of detection and uses thereof
KR20090037212A (ko) * 2007-10-11 2009-04-15 경북대학교 산학협력단 Ｄｎａ-메틸전이효소-3ｂ를 이용한 류마티스 관절염 예후진단용 마커 및 이를 이용한 류마티스 관절염 중증도 예측및 판단 방법
KR20140014861A (ko) * 2012-07-26 2014-02-06 한국과학기술원 류마티스 관절염 감수성 진단 방법
KR20160044179A (ko) * 2014-10-15 2016-04-25 한양대학교 산학협력단 류머티즘의 조기 진단 및 발병 예측을 위한 단일염기다형성 마커와 이를 이용한 류머티즘에 특이적인 대립유전자형 분석방법

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
PLoS Genetics, 4(6):e1000107 (2008)* *
PLoS Medicine, 4(9):e278 (2007) *
주영빈, 임상 및 유전체 데이터를 이용한 류마티스관절염 환자의 예후예측 연구, 박사학위논문, 한양대학교 대학원 (2016) *

Also Published As

Publication number Publication date
KR102042823B1 (ko) 2019-11-08

Similar Documents

Publication Publication Date Title
US10704100B2 (en) Biomarkers for heart failure
Weis et al. Quality control for microarray analysis of human brain samples: The impact of postmortem factors, RNA characteristics, and histopathology
US11649488B2 (en) Determination of JAK-STAT1/2 pathway activity using unique combination of target genes
Duan et al. Gene expression profiling reveals a downregulation in immune-associated genes in patients with AS
EP3314014A1 (en) Epigenetic chromosome interactions
Fawzy et al. Association of MIR-499a expression and seed region variant (rs3746444) with cardiovascular disease in Egyptian patients
KR20190000212A (ko) 류마티스관절염 예후 예측용 snp 마커 세트
JP2012501181A (ja) バイオマーカー・プロファイルを測定するためのシステムおよび方法
González-Velasco et al. Transcriptomic landscape, gene signatures and regulatory profile of aging in the human brain
KR20170047037A (ko) 임상 및 바이오 정보 통합 질병 예후예측 시스템 및 방법
US20220367063A1 (en) Polygenic risk score for in vitro fertilization
KR20190119859A (ko) 알츠하이머성 치매가 발병될 가능성 평가방법
Camastra et al. Statistical and computational methods for genetic diseases: an overview
US20150100242A1 (en) Method, kit and array for biomarker validation and clinical use
CN114317724A (zh) 一组用于中国汉族人群静脉血栓栓塞症遗传风险预测的生物标志物、试剂盒及其应用
CN116287204A (zh) 检测特征基因的突变情况在制备静脉血栓栓塞症风险检测产品中的应用
CN118460695A (zh) 用于阿尔茨海默氏病的小rna预测因子
US20170145501A1 (en) Apparatus and methods of using of biomarkers for predicting tnf-inhibitor response
KR20190088037A (ko) 류마티스관절염 예후 예측용 snp 마커 세트
Gamache et al. Integrative single-nucleus multi-omics analysis prioritizes candidate cis and trans regulatory networks and their target genes in Alzheimer’s disease brains
WO2022221283A1 (en) Profiling cell types in circulating nucleic acid liquid biopsy
CN109402256B (zh) 利用多个免疫调控点分子的表达量评价胶质瘤临床预后的系统
JP7161443B2 (ja) 尿管結石及び／又は腎結石のリスクを判定する方法
Li et al. An evaluation of noncoding genome annotation tools through enrichment analysis of 15 genome-wide association studies
WO2018025521A1 (ja) 落屑症候群又は落屑緑内障の発症リスクの判定方法

Legal Events

Date Code Title Description
A107 Divisional application of patent
A201 Request for examination
E701 Decision to grant or registration of patent right
GRNT Written decision to grant