전 세계적으로 수백만 건의 방광암(BC) 사례가 있으므로 이 상태를 적시에 진단할 수 있는 도구의 필요성은 놀랍습니다. 최근 과학자들은 질병 발생에 관여하는 것으로 알려진 미토콘드리아 관련 유전자(MRG)를 이용해 머신러닝(ML)을 활용한 새로운 진단 모델을 구축했다.
결과는 다음과 같이 출판되었습니다. 과학 보고서이는 이 모델의 잠재력이 추가 검증을 기다리고 있음을 나타냅니다.
체류: 방광암 환자를 위한 미토콘드리아 관련 유전자를 활용한 새로운 진단 모델의 머신러닝 예측. 이미지 출처: mi_viri/Shutterstock.com
방광암
방광암은 여성보다 남성에게 3~4배 더 많이 발생하며, 남성 암의 6번째 원인입니다. 이 질병은 주로 흡연과 특정 산업용 화학물질에 대한 노출로 인해 발생하며 일반적으로 중년 및 노년층 남성에게 영향을 미칩니다.
방광암은 선진국 인구에서 더 많이 발생하지만, 의학적 발전에도 불구하고 예후는 상대적으로 좋지 않습니다. 이로 인해 더 나은 진단 도구, 진단 모델 및 더 나은 치료 접근법이 개발되었습니다.
에너지 생산을 담당하는 세포 내 소기관인 미토콘드리아는 세포 대사를 조절하고 세포사멸, 신호 전달, 칼슘 이온 수준과 같은 주요 세포 과정을 조절합니다.
많은 에너지를 필요로 하는 암세포는 최대 15배 더 많은 에너지를 생산할 수 있는 더 효율적인 호기성 경로인 산화적 인산화에 의존하는 정상 세포와 달리 덜 효율적인 혐기성 경로인 해당과정을 주로 사용합니다.
에너지 생산의 이러한 차이는 비정상적인 미토콘드리아 기능이 암세포의 대사 변화를 초래하는 “바르부르크 효과”의 일부입니다. 예를 들어, 미토콘드리아 기능 장애는 암세포가 세포사멸을 겪는 것을 방지하여 암세포가 생존하고 확산되도록 할 수 있습니다.
또한 미토콘드리아 이상은 DNA 및 단백질과 같은 세포 구성 요소에 산화 스트레스를 유발하여 암 위험을 증가시키고 암 치료에 대한 저항성을 부여하며 종양 성장을 촉진할 수 있습니다.
“BC 발달에서 MRG가 수행하는 중요한 역할을 고려할 때, BC 환자에 대해 MRG를 기반으로 한 새로운 바이오마커를 선별하는 것이 중요합니다.“.
기계 학습은 자세한 지침을 제공하지 않고 원시 데이터에서 패턴과 지식을 식별하는 인공 지능(AI) 무기고의 일부를 구성합니다.
이를 통해 시스템은 종양 관련 전사 패턴을 포함할 수 있는 추세를 예측, 분류 및 인식할 수 있습니다. 현재 연구에서 연구자들은 MRG를 기반으로 BC에 대한 새로운 진단 모델을 구축하기 위해 전사체학에 대한 기계 학습의 힘을 활용하려고 했습니다.
연구 결과는 무엇을 보여주나요?
연구진은 미토콘드리아 관련 유전자(MRG)의 차등 발현을 연구하기 위해 165개의 방광암(BC) 샘플과 67개의 대조 샘플을 분석했습니다. 그들은 752개의 차별적으로 발현된 MRG를 확인했으며, 그 중 440개는 발현이 증가했고 나머지는 상향 조절되었습니다.
이들 유전자는 배아 발생, 세포 운명, 전사 조절, 신경퇴행성 질환 및 근육 조직 장애와 관련된 세포 경로에 크게 관여해 왔습니다.
분석을 통해 출생과 관련된 약 50가지 특성이 확인되었으며 관심 유전자는 13개로 제한되었습니다. 이 중 TRAF3 상호작용 단백질 3(TRAF3IP3), 산화 스트레스 유발 미토콘드리아 성장 억제제(OXSM), N-미리스토일트랜스퍼라제 1(NMT1), 글루타레독신 2(GLRX2)가 주요 표적으로 밝혀졌습니다. 특히 GLRX2는 미토콘드리아 내의 산화환원 항상성을 유지하는 데 중요하며, 산화 손상 없이 정상적인 세포 과정이 계속되도록 돕습니다.
GLRX2, NMT1, OXSM 및 TRAF3IP3의 발현 패턴은 BC 샘플과 대조군 사이에 명백한 차이를 보여 90% 분화 효능을 달성했습니다. GLRX2, NMT1 및 OXSM은 BC에서 크게 상향 조절된 반면 TRAF3IP3은 크게 하향 조절되었습니다.
이러한 결과는 두 개의 추가 데이터 세트에서 일관되게 나타났으며, 이는 이 모델이 개별 유전적 바이오마커보다 BC를 대조군 샘플과 더 효과적으로 구별한다는 것을 보여줍니다.
또한, 이 연구에서는 이러한 유전자가 주로 발현되는 곳을 조사했으며, 종양 미세 환경의 다양한 면역 경로와 세포가 유전자 조절의 변화에 차별적으로 반응한다는 사실을 발견했습니다. 예를 들어, 활성화된 자연 살해자(NK) 및 형질 세포의 수준이 높을수록 GLRX2 발현 증가와 관련이 있습니다.
여러 BC 세포주에서 상당히 상향 조절되는 NMT1 발현은 단백질 변형 및 신호 전달에 중요한 단백질을 암호화하며, 이는 암 전이의 핵심 과정인 세포외 기질과 암세포의 상호 작용을 향상시킬 수 있습니다. 놀랍게도 NMT1의 억제는 BC 세포의 성장을 제한하여 BC 진행에서 NMT1의 역할을 암시합니다.
결론
종양 진단 모델에서 전사체학 및 기계 학습의 출현은 침습적이고 고통스러운 생검 없이도 BC의 정확하고 조기 진단을 찾는 데 추진력을 제공했습니다. 이 기계 학습 접근 방식은 바이오마커 선택을 기반으로 개인화된 진단 및 치료 계획을 수립하는 데 도움이 될 수 있습니다.
또한 효율성이 향상되어 결정 속도가 빨라질 수 있습니다. 마지막으로, 종양의 기본 생물학에 대한 통찰력을 제공하여 종양 발달 과정을 이해하는 데 도움이 될 수 있습니다.
현재 연구에서는 BC 진단을 위한 4가지 유전자(GLRX2, NMT1, OXSM 및 TRAF3IP3)를 확인했습니다. 이는 진단 모델에 통합되어 있습니다. 그들은 또한 BC의 발전에 중요한 역할을 하는 것으로 밝혀졌습니다. 보다 다양한 표본에서 이러한 결과를 확인하려면 추가 연구가 필요합니다.
“우리의 연구 결과는 BC 진단의 정확성과 신뢰성을 향상시켜 향후 환자를 위한 보다 개인화되고 효과적인 의료 개입에 기여할 수 있습니다.“.
"트위터를 통해 다양한 주제에 대한 생각을 나누는 아 동율은 정신적으로 깊이 있습니다. 그는 맥주를 사랑하지만, 때로는 그의 무관심함이 돋보입니다. 그러나 그의 음악에 대한 열정은 누구보다도 진실합니다."