Cells coordinate their metabolism, proliferation, and cellular communication according to environmental cues through signal transduction. Since signal transduction has a primary role in cellular processes, many experimental techniques and approaches have emerged to discover their molecular components and dynamics dependent on cellular contexts. Especially, recent advances in mass spectrometry and proteomics have permitted a global assessment of the protein and lipid modification and these have led to the beginning of signaling networks for a replacement of signal transduction pathways. A signaling network paradigm is a new model responded to emerging technologies that suggest a very different view of signal transduction and the pathophysiology of disease. This new model shows the possible ways to overcome the limitation of the present canonical pathway paradigm.
In this study, we identified two signaling networks according to two different purposes. First, we designed an approach constructing signaling networks as a general framework for revealing the relationships between genes in association with a specific disease. Applied to asthma, we identified a protein interaction network associated with asthma which has a power-law connectivity distribution as many other biological networks have. The hub nodes and skeleton substructure of the result network are consistent with the prior knowledge about asthma pathways, and also suggest unknown candidate target genes associated with asthma, including GNB2L1, BRCA1, CBL, and VAV1. In particular, GNB2L1 appears to play a very important role in the asthma network through frequent interactions with key proteins in cellular signaling. This network-based approach represents an alternative method for analyzing the complex effects of candidate genes associated with complex diseases and suggesting a list of gene drug targets.
Second, to mine inter-pathway cross-communication dependent on cellular contexts, we designed a new omics approach for discovering signal transduction pathways regulated by transcription and transcriptional regulations between then in signaling networks. We applied this approach to two contexts: dendritic cells treated with lipopolysaccharide and ovarian cancers. Applied to dendritic cells treated with lipopolysaccharide, our analysis well depicted how dendritic cells respond to the treatment through transcriptional regulations between signal transduction pathways for dendritic cell maturation and T cell activation.
Applied to serous ovarian cancer expression profiles, it identified transcriptional regulation between signaling pathways which affect on cancer metastasis. Especially, we found important transcriptional regulations activating the mRNA expression of VEGFA, a prognostic factor of ovarian cancer. The newly suggested relations like transcriptional activation of VEGFA by a potassium calcium channel are necessary to study its role in ovarian cancer. Therefore, this new approach helps to understand the underlying biological phenomena of expression data (e.g. complex diseases like cancers) by providing a graphical network which shows transcriptional regulations between signal transduction pathways.
Our new omics approach has three advantages. First, it discovers more known knowledge than the previous approaches do. Second, it can overcome the limitation of canonical pathways by reorganizing canonical pathways in each gene level according to cellular contexts. Last, it helps to understand the underlying biological phenomena of cellular contexts by providing a graphical network which shows transcriptional mediated mechanisms of inter-pathway cross-communication and dynamics of signaling pathways.
세포 신호전달 (Signal transduction)은 세포가 외부 환경에 반응하여 대사, 성장, 교신 등을 하도록 만드는 세포 내의 가장 주요한 과정으로, 주로 세포신호전달경로 (cell signaling pathways)를 통해서 일어납니다. 최근 세포신호전달경로에 대한 연구가 많이 진행됨에 따라 더 이상 세포신호전달경로는 독립적인 것들이 아니라 전체의 큰 생물학적 네트워크의 일부분임을 알게 되었고, 대량 생산 데이터로 인해서 세포신호전달경로에 영향을 주는 인자들의 수가 수천 개에 달할 수도 있다는 사실을 알게 되었습니다. 실제 생물체 안에서 일어나는 생물현상은 한 두 개의 세포신호전달경로들이 활성화되거나 억제되어서 일어난다기 보다는 여러 개의 세포신호전달경로들이 서로에게 영향을 주거나 상호작용을 하면서 복잡한 생물현상을 일으키는 것입니다. 그러므로 복잡한 생물현상을 제대로 이해하기 위해서, 게놈 또는 프로테옴 수준에서 그리고 생물현상에 관련 있는 여러 개의 세포신호전달경로 사이의 상호작용에 대해서 연구를 진행하였습니다.
세포신호전달경로간 상호작용을 시스템 수준에서 발굴하는 연구를 수행하기 위해서는 두 가지 단계가 필요했습니다. 첫 번째로는 복잡한 생물현상을 이해하기 위해서 알려진 지식뿐만 아니라 거짓양성 (false positive)데이터가 포함되더라도 게놈이나 프로테옴 수준에서의 관련성을 볼 수 있는 오믹스데이터를 이용해서 신호전달 네트워크 (signaling networks)를 구축하는 것이 필요했습니다. 신호전달 네트워크의 정의는 세포신호전달경로이거나 세포신호전달경로에 영향을 주거나 경로들을 연결해 주는 노드나 링크로 구성된 네트워크입니다. 신호전달 네트워크를 구성하는 방법은 천식데이터에 적용하여보았습니다. 천식환자와 정상인의 유전자 발현데이터에서 윌콕스 순위비교검정 방법으로 유의하게 발현이 달라진 유전자들 그리고 대표적인 문헌데이터베이스인 OMIM에서 천식과 관련 있는 유전자들을 선별하여 네트워크의 노드로 선정한 뒤, 이 노드들 사이에 단백질 상호작용이 존재하면 연결해 주어서 신호전달 네트워크를 구성하였습니다. 네트워크를 구성한 뒤에는 네트워크 분석방법을 통하여 천식과 관련이 높은 7개의 후보 유전자를 선정하였고, 이들을 문헌에서 관련성을 조사하여 보니 천식의 약물대상과 상호작용하거나 직접 천식과 관련성이 있는 것들이 있어서 이 방법이 유용하다는 것을 알 수 있었습니다.
둘째, 신호전달 네트워크를 구성한 이후에 그 네트워크 안에서 일어나는 신호전달경로들 사이의 상호작용에 대해서 연구를 수행하였습니다. 세포신호전달경로 사이의 상호작용들 중에서도 전사조절 관계에 주목하여 연구하였습니다. 발현데이터 (Expression profiles)가 보여주는 메신전 RNA (mRNA) 변화를 설명하는 데 가장 중요한 상호작용이 전사조절 (Transcriptional regulation)이기 때문입니다. 첫 번째 방법과는 조금 다르지만, 발현데이터와 오믹스데이터를 이용해서 세포신호전달 네트워크를 구성한 뒤에 그 안에서 존재하는 세포신호전달경로간 전사조절관계를 발굴하였습니다. 특정한 상황에서 전사조절을 받는 세포신호전달경로 간의 전사조절 관계를 찾는 이 방법은 두 가지 장점이 있습니다. 첫 번째는 특정 상황에 관련이 있는 부분 네트워크 (sub-network)을 찾는 기존의 알고리즘보다 그 상황에 관련성이 높고 알려진 지식을 더 잘 찾아내 줍니다. 그리고 두 번째는 세포신호전달경로 간의 전사조절 관계를 직관적으로 보여줌으로써, 생물학 현상을 설명하는 분자생물학적 메커니즘을 찾는 데 도움을 줄 수 있습니다. 실제로 난소암환자와 정상인의 발현데이터에 적용해 보았을 때, 난소암의 진단인자인 VEGFA를 전사 조절하는 세포신호전달경로들을 찾아낼 수 있었습니다.
