Bio big data analysis plays an important role in studies on drug development by mitigating the constraints posed by their costly and time-consuming nature. Nowadays, the increasing amount of data and the advances in computational analysis methods have facilitated the development of drug research. However, it remains challenging to prepare well-curated datasets with sufficient volume and quality, as well as finding suitable methods to analyze these big data. In the first part of this study, a machine learning model was developed that predicts the pharmacological effects of administering multiple drugs, namely polypharmacy. To address the limitations of existing drug-drug interaction (DDI) prediction models that do not reflect the actual medical state of patients, a gold standard dataset that encompasses patient information, prescription history, and laboratory test results from a publicly accessible clinical database, MIMIC-IV, was first generated. Relevant datasets were systematically preprocessed, and subjected to a suite of machine learning classifiers to predict adverse drug reaction (ADR) signals. In the second part of this study, autoimmune disease drugs, which appeared to be clinically effective for the treatment of COVID-19, were systematically studied for streamlined drug repositioning. Transcriptome data were obtained from patients with COVID-19 and an autoimmune disease, systemic lupus erythematosus (SLE), and were analyzed to identify genes that could be commonly regulated in both diseases. The approaches and insights reaped from this study are anticipated to lay the ground for further drug-related studies.
바이오 빅데이터 분석은 실험 기반의 약물 연구에서 발생하는 비용과 시간에 대한 제약을 완화하는 데 중요한 역할을 한다. 최근에는 데이터 양이 증가하고 분석 방법이 발전함에 따라 약물 연구가 진보하였다. 그러나 목적에 맞는 고품질의 빅데이터를 확보하고 적절한 방법론을 구축하는 것은 여전히 어려운 과제이며, 이는 약물 연구의 핵심이다. 본 연구에서는 두 가지 목적으로 바이오 빅데이터를 활용하였다. 첫째, 기존의 약물 상호작용 예측 모델과는 달리 실제 환자의 의료 상태를 반영하여 약물 반응을 예측하고자 하였다. 이를 위해 의료 빅데이터인 MIMIC-IV로부터 환자 정보, 처방 내역 및 진단 검사 결과 정보를 포함하는 데이터를 확보 및 전처리하고, 이를 기계학습 모델에 적용함으로써 약물이상반응 발생 가능성 여부를 예측하였다. 둘째, 자가면역질환 치료제가 코로나19 치료에 임상적으로 효과가 있음이 발견되어, 보다 체계적인 약물 재창출을 위한 과학적 근거를 탐색하였다. 자가면역질환인 전신성 홍반성 루푸스와 코로나19에 공통적으로 연관된 약물 표적을 찾기 위해 관련 전사체 데이터를 확보하여 일관된 발현조절을 보이는 유전자들을 분석하였다. 본 연구의 접근 방식은 다양한 약물 관련 연구에 활용될 수 있을 것으로 기대된다.