암 유형이 200가지가 넘고 각 사례가 개별적으로 다르기 때문에 정밀 종양학 치료법을 개발하려는 지속적인 노력은 여전히 어려운 과제로 남아 있습니다. 암 유발 유전자의 돌연변이를 식별하고 이러한 돌연변이에 대한 적절한 치료법을 식별하기 위한 유전자 검사를 개발하는 데 중점을 두고 있습니다.
그러나 대부분은 아니더라도 많은 암 환자는 이러한 조기 표적 요법으로 큰 혜택을 누리지 못합니다. Nature Cancer에 발표된 새로운 연구에서 제1저자이자 암 분자 치료 프로그램 조교수인 Sanju Sinha 박사는 Sanford Burnham Prebys의 수석 저자인 국립 보건원(National Institutes of Health, NIH) 산하 국립 암 연구소의 Eitan Ruppin, MD, PhD 및 Alejandro Schaffer 박사와 동료들은 환자를 체계적으로 예측하기 위한 독특한 계산 시스템을 설명합니다. 단세포 수준에서 항암제에 대한 반응.
단일 세포 전사 발현을 기반으로 한 종양학의 개인화된 치료 계획(PERCEPTION)이라고 불리는 새로운 인공 지능 기반 접근 방식은 전사 인자, 즉 유전자에 의해 발현되고 번역되는 mRNA 분자에 대한 연구인 전사체학(transcriptomics) 연구를 심층적으로 탐구합니다. DNA 정보가 실제로 작동합니다.
"종양은 복잡하고 끊임없이 변화하는 유기체입니다. 단일 세포 분해능을 사용하면 이 두 가지 문제를 모두 해결할 수 있습니다."라고 Sinha는 말합니다. "PERCEPTION을 사용하면 단일 세포 omexis의 풍부한 정보를 사용하여 종양 클론 구조를 이해하고 저항성의 출현을 모니터링할 수 있습니다." (생물학에서 오멕시스는 세포 내 구성성분의 합을 의미합니다.)
Sinha는 다음과 같이 말합니다. "내성 출현을 모니터링하는 능력은 나에게 가장 흥미로운 부분입니다. 이는 암세포의 진화에 적응하고 치료 전략을 변경할 수도 있는 잠재력을 가지고 있습니다."
Sinha와 동료들은 AI의 한 분야인 전이 학습을 사용하여 PERCEPTION을 만들었습니다.
"클리닉의 제한된 세포 수준 데이터가 우리의 주요 과제였습니다. ChatGPT가 인터넷에서 엄청난 양의 텍스트 데이터가 필요한 것처럼 AI 모델에는 질병을 이해하기 위해 많은 양의 데이터가 필요합니다."라고 Sinha는 설명합니다.
PERCEPTION은 종양에서 공개된 대량 유전자 발현 데이터를 사용하여 모델을 사전 훈련합니다. 다음으로, 제한적이긴 하지만 세포주와 환자의 단일 세포 수준 데이터를 사용하여 모델을 조정했습니다.
PERCEPTION은 다발성 골수종, 유방암 및 폐암에 대한 최근 발표된 독립적인 임상 시험 3건에서 단독 요법과 병용 요법에 대한 반응을 예측하는 데 성공적으로 검증되었습니다. 각 경우에 PERCEPTION은 환자를 반응자와 비반응자로 정확하게 계층화했습니다. 폐암의 경우, 그는 질병이 진행됨에 따라 약물 내성이 발달한다는 사실도 기록했는데, 이는 큰 잠재력을 지닌 중요한 발견입니다.
Sinha는 PERCEPTION이 아직 임상에서 사용될 준비가 되지 않았지만 이 접근 방식을 통해 단일 세포 수준의 정보를 사용하여 치료를 안내할 수 있음을 보여주었다고 말합니다. 그는 임상에서 이 기술을 채택하여 임상용 기술을 더욱 개발하고 개선하는 데 사용할 수 있는 더 많은 데이터를 생성하도록 장려하기를 희망합니다.
Sinha는 “예측의 기반이 되는 데이터의 품질과 양에 따라 예측의 품질이 향상됩니다.”라고 말합니다. "우리의 목표는 개별 암 환자의 치료 반응을 체계적이고 데이터 중심적으로 예측할 수 있는 임상 도구를 만드는 것입니다. 우리는 이러한 발견이 가까운 미래에 더 많은 데이터와 유사한 연구를 자극할 수 있기를 바랍니다."