다중오믹스 통합분석 기반 신경내분비종양

최근 몇 년 동안, 높은 처리량 시퀀싱 기술의 혁신은 분자 수준에서 질병 메커니즘에 대한 이해를 크게 촉진했습니다. 임상적으로 동일한 병리학적 유형과 병기를 가진 종양의 예후에 큰 차이가 있다는 것은 부인할 수 없는 사실입니다. 많은 연구에서 예후의 차이가 종양의 이질성과 밀접한 관련이 있음이 입증되었습니다. 지난 몇 년 동안 개별화된 정밀 치료는 환자의 예후를 크게 향상시킬 수 있습니다. 연구에 따르면 TCGA 데이터베이스에서 체세포 돌연변이 및 신호 경로 활성화를 기반으로 대장암을 하위 그룹으로 분류하면 진단의 정확도와 치료 효과가 크게 향상되었습니다. Lehmann의 팀은 샘플을 삼중음성 유방암의 유전자 발현 프로필에 따라 면역조절형, 중간엽형, 중간엽 줄기형, 안드로겐 수용체형 및 2개의 기저형과 같은 6가지 유형으로 나누었습니다. 이 타이핑 방법은 종양 미세 환경에서 정상적인 기질과 면역 세포 전사 수준의 역할을 결합하고 다양한 하위 유형에 따라 임상 특성과 치료 전략을 탐구합니다. 그러나 단일 omics만으로는 종양의 복잡한 병인을 밝히기에 충분하지 않습니다. 따라서 다중 omics의 통합 분석은 종양의 병인을 밝히고 잠재적인 약물 치료 대상을 발견하는 데 도움이 되는 개발 추세입니다. 표현형 데이터와 분자 오믹스 데이터의 상호 작용 분석은 생물학적 표현형과 분자 표현형 간의 상관관계를 분석하는 데 도움이 될 뿐만 아니라 거시생물학적 표현형의 미시적 분자 메커니즘을 이해할 수 있게 해줍니다. 예를 들어, CT 및 MRI를 기반으로 하는 이미징 표현형은 이와 관련된 중요한 단백질 마커를 탐색하는 데 사용할 수 있으며, 이는 향후 임상 약물 표적 치료 및 약물 내성 메커니즘 연구를 안내하기 위한 실험적 및 이론적 기반을 제공합니다. 더 흥미로운 것은 분자 오믹스에 기반한 종양의 분자 분류와 이미징 오믹스와 같은 표현형 인식 모델의 확립 사이의 관계가 이미징 오믹스와 같은 표현형이 표적 종양 치료의 지침이 될 수 있다는 것입니다. 중요한 방법. 따라서 이질성이 높은 신경내분비종양에 대해서는 다중오믹스 관점에서 분석하는 것이 매우 필요하다. 그러나 현재 공개 데이터베이스인 TCGA와 GEO에는 NEN만의 유전체학 데이터가 극히 드물고 proteomics, epiomics, metabolomics, Imagingomics 등의 데이터가 거의 없다. 따라서 신경내분비종양의 발생과 발생 기전을 종합적이고 심층적으로 연구하기 위해서는 NEN만의 다중오믹스 빅데이터 분석이 시급하다.

본 프로젝트는 다중오믹스 분석을 기반으로 NEN의 분자생물학적 특성을 분석하고 NEN만의 다중오믹스 빅데이터 플랫폼을 개발하여 분자 아형을 수행하고자 합니다. 본 연구를 통해 NEN 재발 및 전이의 분자적 기전과 잠재적 중재 대상을 찾고 임상의에게 안전하고 효과적인 치료 전략을 제공하여 신경내분비종양의 치료 효과를 향상시킬 수 있기를 바랍니다.