In last decade, investment in drug research and development(R&D) has steadily increased. However, the number of new drug entities which have been approved by US FDA(Food and Drug Administration) is not proportional to that, because 90% of new drug candidates have been failed in safety test. In this situation, many researchers are taking interests in repurposing or repositioning strategies that is aimed towards finding new indications for existing drugs.
Approaches for identifying new drug indications are divided into two major categories which consist of target-based and effect-based approach. However, two approaches contain limitations such as translational and partial problems. In this research, therefore, we present a novel computational framework that consists of three steps to overcome the limitations and suggest reasonable drug candidates for disease.
First, disease-specific pathological traits are extracted from large-scale clinical infor-mation(PHRs). Second, PubMed abstracts are used to make drug profiles for disease-specific pathological traits. Finally, we suggest new drug candidates for disease by scoring drug profiles. In order to show how our method works in action, we selected asthma as a case study and inferred 1,225 drug candidates for asthma.
We evaluated our inferred results by comparison with previous method(CoPub Discovery Method) on test sets which consist of literature based and CTD set. In comparison with two test set, our method outperforms AUC, Precision, Recall of other method. From this assessment, we may say that disease-specific pathological traits can be considered as features to infer new indications of existing drugs.
Therefore, we expect that our method, which is based on clinical information can help infer new and novel candidate for drug repositioning.
전통적인 방식의 신약 개발은 약 15년의 시간과 10억달러 이상의 비용이 필요하다고 알려져 있다. 하지만 이러한 많은 시간과 노력, 그리고 비용에도 불구하고 신약이 개발의 생산성은 이에 미치지 못하고 있다. 이는 신약 후보군들의 90%이상이 약물의 독성 및 안정성 그리고 효능 검사 단계에서 실패하고 있기 때문이다. 이러한 관점에서 볼 때, 신약재창출(Drug repositioning) 즉, 기존 약물의 새로운 치료효과를 개발하는 것은 인간에 대한 약물의 독성 및 안정성 검사를 거치지 않아도 된다는 점에서 큰 장점을 가지고 있다. 따라서 지난 10여년간 신약재창출에 대한 연구가 활발이 진행되어 왔다.
신약재창출을 기존의 연구는 목표물 기반(Target-based)과 효과기반(Effect-based) 접근방식으로 나누어 진다. 하지만 이 접근방식은 Translational 및 Partial 문제라는 한계점을 가지고 있다. 따라서 우리 연구에서는 이러한 한계점을 극복하고 보다 합리적인 신약재창출 후보군을 제안하기 위한 computational framework를 제시한다.
이 연구에서는 첫 번째로 대규모의 임상정보(PHR)을 통해 질병에 대한 유의미한 병리학적 요소(Pathological traits)를 찾아내고, 두 번째로 기존 논문(PubMed)들을 바탕으로 한 문헌정보 마이닝을 통해 병리학적 요소에 대한 각각의 약물의 프로파일(Profile)을 만든다. 마지막으로 이 정보를 이용하여 질병에 대한 새로운 약물 후보군을 추론하게 된다. 우리는 많은 질병들 중 케이스 스터디로서 천식을 선택하였고, 최종적으로 천식에 대한 1,225개의 재창출 후보 약물을 얻을 수 있었다.
결과를 평가하기 위해 기존에 연구 되었던 유전자 정보 기반의CoPub Discovery 방법과 비교 하였고, ROC 커브의 AUC과 Precision, Recall에서 우리의 방법은 2가지 Test set에 대해서 CoPub 방법보다 모두 우수한 성능을 보이는 것을 확인할 수 있었다.
이를 통해 임상정보 기반의 신약 재창출 방법은 기존의 분자단 정보를 이용하는 것 보다 우수한 성능을 보이는 것을 알 수 있었고, 특히 질병에 대한 병리학적 요소가 신약재창출을 위한 중요요소가 될 수 있다는 것을 확인 할 수 있었다.
따라서 우리가 개발한 임상정보 기반 접근방식은 새로운 약물 후보군을 제안하는데 있어 많은 가능성을 보인다고 판단한다.
