팀명
장한
팀원 명단
장한, 김대민, 정성훈
지도교수
이규철 교수님
작품 배경 및 목적
본 연구는 Ensemble Heterogeneous Graph Attention Networks (HAN)을 사용하여 간세포암(HCC)을 예측하고, circRNA 데이터를 분석하는 새로운 접근 방식을 제시합니다. 기존의 HCC 진단 방법은 대개 고비용과 침습적인 절차를 포함하여 환자에게 큰 부담을 주는 반면, circRNA 기반의 예측 모델은 비침습적이고 상대적으로 저렴한 비용으로 높은 정확도를 제공할 수 있습니다. 이는 HCC를 조기에 진단할 수 있는 가능성을 높여, 환자들이 조기에 치료를 시작할 수 있도록 돕습니다. 또한, Ensemble HAN 모델은 다양한 특징들을 효과적으로 통합하여 HCC 예측의 정확성을 높이며, 이는 HCC 진단의 신뢰성을 크게 향상시킵니다. 비침습적인 circRNA 진단 방법은 환자에게 부담을 주지 않으면서도 반복적인 샘플링과 모니터링을 가능하게 하여 환자의 상태를 지속적으로 추적하고, 질병의 진행을 모니터링하는 데 유용할 것입니다. HAN 모델을 통해 얻은 attention weights와 임베딩은 circRNA와 그 호스트 유전자 간의 복잡한 생물학적 상호작용을 이해하는 데 중요한 통찰을 제공하며, 이는 HCC와 관련된 주요 circRNA와 유전자를 식별하고 암의 발생과 진행 과정에서 이들이 어떤 역할을 하는지 이해하는 데 도움이 됩니다. 이러한 이해는 새로운 치료 타겟을 발견하고, 더 효과적인 치료 전략을 개발하는 데 기여할 수 있습니다. 본 연구에서 제시된 방법론은 HCC뿐만 아니라 다른 암 유형의 진단과 예측에도 적용 가능할 것으로 기대되며, 다양한 암 유형에서도 circRNA는 중요한 바이오마커로서의 역할을 할 수 있음을 보여줍니다. 이는 암 진단의 범위를 확장하고, 더 많은 환자들에게 혜택을 줄 수 있는 잠재력을 가집니다. 연구에서 개발된 예측 모델은 의료진이 데이터 기반의 의사결정을 내리는 데 중요한 도구로 사용될 수 있으며, 진단과 치료 계획 수립에 중요한 정보를 제공하여 의료진이 환자의 상태를 보다 정확하게 평가하고 최적의 치료 방법을 선택하는 데 도움을 줄 것입니다. 이는 궁극적으로 환자의 치료 결과를 향상시키는 데 기여할 것입니다. 학술적으로는 HCC 예측과 관련된 새로운 연구 방향을 제시하며, 관련 분야의 연구자들에게 중요한 참고자료가 될 것입니다. 산업적으로는 새로운 진단 기술의 개발과 상용화에 기여할 수 있는 잠재력을 가지며, 진단 키트나 의료 소프트웨어의 형태로 상용화될 수 있어 의료 산업의 발전에 기여할 것입니다. 예측 모델을 통해 각 환자에게 맞춤형 치료 전략을 개발하는 데 중요한 정보를 제공하여, 각 환자의 circRNA 프로파일을 기반으로 HCC 발생 위험을 평가하고 이에 맞춘 개인화된 치료 계획을 수립할 수 있습니다. 이는 환자의 특성에 맞춘 최적의 치료 방법을 선택하여 치료 효과를 극대화하는 데 도움을 줄 것입니다. 이와 같은 기대효과들은 본 연구가 HCC 진단과 치료에 있어 중요한 기여를 할 수 있음을 보여줍니다. 앞으로 더 많은 연구와 개발을 통해 이러한 기대효과들이 실제 임상에서 구현될 수 있기를 기대합니다.
작품 내용
순환 RNA(이하 circRNA)는 인간 조직에서의 안정성과 풍부함으로 인해 주목받고 있는 비암호화 RNA의 한 종류이다. circRNA는 폐쇄된 고리 구조를 가지며, 이는 일반적인 선형 RNA와 달리 분해 효소에 저항성을 가지게 한다. 이러한 특성으로 인해 circRNA는 생물학적 샘플에서 상대적으로 안정하게 존재할 수 있으며, 이는 진단 및 치료 바이오마커로서의 잠재력을 높인다.
최근 연구에 따르면 circRNA는 암의 발생과 진행에서 중요한 역할을 한다. 예를 들어, 일부 circRNA는 암세포의 증식, 침윤, 전이 및 약물 저항성과 관련된 경로에 직접 관여한다. 이는 circRNA가 암의 주요 바이오마커로서의 가능성을 보여주며, 특히 비침습적 방식으로 암을 조기에 진단하고 예측하는 데 유용할 수 있음을 시사한다.
간세포암(HCC)은 간암 중 가장 흔하며, 특히 가장 치명적인 유형으로 전 세계적으로 주요 사망 원인 중 하나로 꼽힌다. HCC의 높은 치사율은 조기 발견과 정확한 진단의 어려움에서 기인한다. 전통적인 영상의학적 진단 방법은 HCC를 초기 단계에서 발견하지 못하는 경우가 많아 높은 사망률을 초래한다. 또한, 이러한 방법들은 고비용과 침습적인 절차를 포함하여 환자에게 큰 부담을 준다. 따라서 조기 진단과 치료 전략을 향상시키기 위한 비침습적이고 비용 효율적인 새로운 바이오마커와 예측 모델의 필요성이 절실하다.
circRNA는 혈액, 소변 등 체액에서도 쉽게 검출될 수 있어 비침습적인 진단 도구로서의 강력한 잠재력을 가지고 있다. 이는 환자에게 부담을 주지 않으면서도 반복적인 샘플링과 모니터링을 가능하게 한다. 특히, circRNA는 종양의 특정 상태와 관련된 유전자 발현 변화를 반영할 수 있어, 종양의 존재 여부뿐만 아니라 그 진행 상태까지도 파악할 수 있다.이러한 이유로 본 연구에서는 circRNA 데이터를 이용하여 HCC를 예측하는 방법을 탐구하였다.
circRNA와 그 호스트 유전자 사이의 복잡한 상호작용을 효과적으로 모델링하기 위해 Heterogeneous Attention Network (HAN)를 사용하였으며, 임베딩된 노드 표현을 이용해 XGBoost를 적용하여 예측 성능을 향상시켰다. HAN 모델을 통해 얻어진 임베딩은 XGBoost와 결합하여 높은 예측 정확도를 달성하였으며, 이는 HCC 예측을 위한 새로운 비침습적 접근 방식을 제시한다. 이러한 방법론은 HCC뿐만 아니라 다른 유형의 암 진단에도 유용할 수 있을 것이다.
Commentaires