서울시보라매병원은 박성배 신경외과 교수가 유방암 전이와 관련한 유전자 네트워크를 규명하고, 이를 기반으로 개발한 기계학습(머신러닝) 모델의 유방암 전이 예측 효과성을 입증한 내용의 연구결과를 최근 발표했다고 16일 밝혔다..
박성배 교수팀은 기존 미국국립생물정보센터(NCBI)에 보고된 4건의 유방암 전이 연구데이터를 활용, 유방암 전이와 관련이 있을 것으로 추정되는 1467개의 유전자 발현 데이터를 추출한 뒤, 해당 유전자 데이터를 기반으로 유방암 전이 위험을 예측하는 기계학습모델을 개발했다.
이후 연구팀은 기존 연구에 참여한 365명의 임상 데이터를 기계학습모델에 적용해 비전이성 유방암을 가진 대조군과 달리 유방암 전이 환자에서 나타나는 유전자 네트워크적 특성을 비교 분석했다.
전체 참가자 중 30%에 해당하는 110명에게서 뼈와 뇌‧폐 부위에 유방암 전이가 발생한 것으로 나타났는데, 이들의 유전자를 분석한 결과 유방암의 전이 부위별로 유전자 발현 형태에 차이가 나타나는 것으로 확인됐다.
골 전이가 나타난 환자의 경우 체내 POLR2JA, SPTLC1, ILK, ALDH3B1 유전자 및 에스트로겐 수용체의 발현이 유의하게 증가하였으며, PDE6A 및 NR2E1 유전자의 발현은 뇌 전이 발생과의 인과관계가 확인됐다. 또한 폐 전이 발생에는 HEY1, KCNF1, UVRAG 유전자와 에스트로겐 및 프로게스테론 수용체의 발현이 영향을 미치는 것으로 나타났다.
이러한 유전자 데이터를 기반으로 개발한 기계학습모델의 유방암 전이 예측 성능을 분석한 결과, 뼈와 뇌‧폐 전이 모두를 예측하는 데에 75% 이상의 성능 값이 확인돼 유방암 환자에서 다양한 형태의 암세포 전이 위험을 예측하는 데에 유의한 효과를 가진 것으로 판단됐다.
이에 대해 박성배 교수는 “이번 연구를 통해 유방암의 전이가 발생한 환자에서 나타나는 유전자 네트워크의 특징을 규명하고, 이를 바탕으로 유방암 환자의 전이 위험을 효과적으로 예측할 수 있는 기계학습모델을 개발했다”며 “이번 연구내용의 실제 임상 적용 가능성을 입증하기 위한 추가적인 후속 연구를 진행해나갈 계획”이라고 밝혔다.
이번 연구결과는 미국 전이연구학회 학술지인 ‘전이의 임상과 실험(Clinical & Experimental Metastasis )’ 2020년 12월호에 게재됐다.
목록
