Drug repositioning is re-evaluating approved drugs or experimental drugs to find their novel indications. This repositioning based drug discovery can save total costs and time required for the drug development and significantly reduce risks occurred by safety problems. To support the novel drug repositioning candidates, various prediction methods have been developed including side-effect similarity, chemical similarity, literature mining, drug-target association prediction, drug-disease association prediction, etc. In addition to these methods, large-scale drug response profiles and a differential expression pattern comparison method, which can be used to compare the profiles, were introduced by Connectivity Map. Major application of expression similarity search methods was searching large-scale gene expression experiment repositories with content based manner. After the advent of Connectivity Map data, the application of expression similarity search is extended to the identification of novel drug-drug and drug-disease associations in gene transcriptional level. Various methods have been made to support the analysis of the drug response profile. However, there are not enough studies focused on what kinds of gene signature can represent the drug response profile and systematic performance comparison of different similarity measurement methods.
In this research for the prediction of novel drug-drug similarity, we made comprehensive re-sources for the pharmaceutical research. After construction of the background resources, we identified gene correlation modules from profiles treated with same drug and used the modules to analyze the drug-drug differential expression similarity.
First, we constructed a background resource for the drug discovery and development. First of all, we collected disease associated genes and drug information from various resources and integrate them into a standardized disease term set. The drug response profiles were collected from the Connectivity Map and they are connected to the integrated drug information. The biological pathway information was also collected to analyze the drug mechanism of action. We also constructed comprehensive information of human membrane proteins because they are considered as major therapeutic targets.
Second, we constructed a significantly perturbed pathway signature based drug expression similarity search method. Previous function module based studies tried to measure the similarity by calculating all pathways between two different expression profiles, although all pathways are not significantly affected by the drug treatment. The other method just counts number of significantly correlated modules that were selected by enrichment of differentially expressed genes. Therefore, there was no effective method to measure the overall expression tendency of significantly affected pathways. In this research, we identified significantly affected pathways by considering differential expression of member genes. After the selection, we allocated a pathway activity score of each pathway. These pathway signatures were used to analyze the drug-drug similarity and the perfor-mance of the method was compared to previous methods.
Finally, we implemented a differential expression similarity search method based on gene correlation modules identified from drug response profiles. As a preliminary analysis, we evaluated the performance of previous similarity search method and found that there is no significant perfor-mance difference between them. Based on this result, we concluded that all DEGs, which largely affect the similarity results, not well represent the characteristics of target drug response profiles. Therefore, we needed to identify common gene signatures from each drug. In this research, we identified gene correlation modules that show correlated expression patterns between genes. Using these gene correlation modules, we could compare the similarities between drugs by checking the correlation pattern of the gene module is maintained in other response profiles. By comparing with the performance with previous similarity search methods, we could conclude that the correlation module can fairly well represent common properties of target drugs and are discriminative features compared to other drugs. Using the proposed method, we predicted drug-drug networks to identify the usefulness of gene correlation modules for drug repositioning and analyzed diseased associa-tions of the identified gene correlation modules.
Through this study, we collected various information related with the drug discovery. Based on this comprehensive resource, we proposed a novel pathway based differential expression simi-larity search method. We also identified gene correlation module signature from drug response pro-files. The identified gene correlation module can be used as novel functional gene modules related with drug mechanism of action and characteristics of target drug that are discriminated from other drugs. The correlation modules make us to measure the similarity by using the correlated expres-sion pattern between genes rather than differential expression changes of differentially expressed genes. Our method can be contributed to the drug repositioning researches as a novel way to measure the similarities between drugs.
신약 재창출이란 임상에서 효과가 부족하여 실패한 약물들 또는 시판되고 있는 약물들을 재평가하여 이들의 새로운 약효를 발굴하는 기법을 일컫는다. 신약 재창출을 통한 약물 개발은 개발에 드는 전체적인 비용이나 시간을 줄일 수 있고, 무엇보다 안전성 문제에 의한 개발 실패 확률이 크게 낮아진다는 장점이 있다. 이러한 신약 재창출 분석을 위하여 기존 약물 부작용 유사성, 문헌 마이닝, 화학적 구조 유사성, 약물-타깃 단백질 연관관계 예측, 약물-질병 연관관계 예측 등 다양한 생물정보학 방법론들이 개발되어 왔다. 이러한 방법론들과 더불어 최근 Connectivity Map이라는 대규모 약물 반응 프로파일들과 이들간 발현 패턴을 분석할 수 있는 방법이 소개되었다. 이를 통해 대규모 유전자 발현 프로파일 데이터베이스 내에서 유사한 발현 패턴을 가지는 다른 데이터들을 찾아내는 기존 활용법에서 벗어나 약물-약물, 약물-질병 등의 관계를 유전자 발현 레벨에서 새롭게 밝혀내는 것으로 연구의 확장이 이루어질 수 있었다. 이러한 약물 반응 프로파일 데이터들을 효율적으로 분석하기 위하여 다양한 분석 방법론들이 만들어지고 있지만, Connectivity Map 내 약물들로부터 어떻게 하면 약물 반응을 나타낼 수 있는 효율적인 유전자 시그니처들을 찾아낼 것인가, 기존 개발된 방법들 간의 체계적인 성능측정 등에 대한 분석들이 아직까지 제대로 이루어지지 않고 있다.
본 연구에서는 약물 반응 프로파일 기반 약물-약물 연관관계 예측을 위하여 약물 정보 및 질병 연관 유전자, 생물학적 경로 정보 등을 포괄하는 기반 리소스 정보들을 구축한 후, Connectivity Map내 같은 약물로 여러 번 실험한 프로파일들에서 공통적으로 나타나는 유전자 상관 모듈들을 발굴하여 이들을 기반으로 약물-약물 유사성을 분석하였다.
첫 번째로, 약물 연구에 필요한 기반 리소스들을 구축하였다. 가장 먼저 질병 연관 유전자 및 약물 정보를 수집하고 이들을 하나의 표준화된 질병 용어 셋을 기반으로 통합하였다. 여기에 약물 반응 프로파일 정보를 수집하고 이들 약물을 기존 통합된 약물 정보들과 연결시켰다. 또한 약물의 작용 기작을 설명하기 위해 다양한 데이터베이스들로부터 생물학적 경로 정보들을 수집하였고, 기존 개발된 약물들의 주요 타깃 단백질들로 알려진 인간 막단백질들에 대한 정보 또한 구축하였다.
두 번째로, 유의미하게 발현 변화된 생물학적 경로 시그니처를 기반으로 약물 반응 프로파일들 간의 유사성을 측정할 수 있는 메소드를 구축하였다. 기존 기능 모듈 기반으로 유사성을 측정하는 연구들은 약물에 의해 별다른 반응을 일으키지 않을 것으로 예상되는 모듈들까지 포함한 전체 기능 모듈들을 가지고 유사성을 측정하거나, 유의미하게 발현 변화된 유전자들을 바탕으로 일부 모듈들만을 선택한 후 모듈들의 개별 발현변화 패턴을 측정하여 유의미한 상관관계를 보이는 모듈들의 숫자만을 유사성 측정에 활용함으로써 효과적으로 모듈들의 전체적인 발현변화 양상에 따른 유사성을 측정하기 어려웠다. 해당 연구에서는 구축된 대규모 생물학적 경로 데이터셋을 기반으로 약물에 의해 멤버 유전자들이 유의미하게 발현 변화를 일으키는 모듈들만을 선별하였다. 이렇게 선별된 생물학적 경로 모듈들은 전체 유전자들이 아닌 일부 발현 변화가 큰 유전자들만을 선정한 후 이들을 통해 발현양상 값을 할당하였다. 이렇게 만들어진 생물학적 경로 시그니처를 통해 약물들 간의 유사성을 측정한 후 기존 방법과 성능을 비교하였다.
마지막으로 유전자 상관모듈 기반 약물간 발현변화 유사성을 측정할 수 있는 방법론을 개발하였다. 해당 연구에서는 가장 먼저 기존 메소드들을 이용하여 같은 약물로 실험한 약물 반응 프로파일들 간의 유사성을 측정해 보았고, 이를 통해 메소드들 간에 특별한 성능 차이가 없으며 공통적으로 성능상의 한계가 있음을 확인하였다. 따라서 기존 개별 프로파일들에서 발현 변화량이 큰 유전자들을 전체적으로 활용하는 것이 아닌, 같은 약물로 실험한 여러 프로파일들에서 공통적으로 나타나는 유전자 시그니처를 뽑아낼 필요성이 대두되었다. 해당 연구에서는 대부분의 프로파일들에서 유전자들 간의 공통 발현양상을 보이는 유전자 상관 모듈들을 발굴하였다. 이를 통해 기존 방법들에서처럼 많이 발현되거나 혹은 발현이 줄어든 유전자들이 다른 프로파일들에서도 그대로 유지되는 가를 살펴보는 것이 아닌, 약물에 의해 영향을 받아 공통으로 발현변화를 일으키는 유전자 모듈들이 다른 프로파일 그룹들 내에서도 같은 양상을 보이는가를 통해 유사성을 측정할 수 있도록 하였다. 이렇게 발굴된 유전자 상관 모듈 기반 유사성 측정방식과 기존 방법들과 성능 비교를 통해 해당 모듈이 약물의 공통적인 특징들을 나타내면서 다른 약물들과 구분되는 효과적인 유전자 시그니처임을 확인하였다. 이렇게 발굴된 모듈들을 기반으로 약물들 간의 유사성을 측정하였고 이를 기반으로 선택된 약물들에 대한 약물-약물 네트워크를 구축하고, 해당 방법이 약물 리포지셔닝에도 효과적으로 활용될 수 있음을 확인할 수 있었다. 마지막으로 발굴된 모듈들의 질병 연관성 분석을 통해 전혀 모듈 내 유전자들이 약물이 타깃으로 하는 질병과 밀접하게 연관이 되어 있음을 또한 확인할 수 있었다.
본 연구를 통해 약물 연구와 관련된 다양한 정보들을 집대성하였고, 이를 기반으로 생물학적 경로 모듈을 통해 약물간 유사성을 측정하는 새로운 방법을 제시하였다. 또한 유전자들의 발현 변화량을 기준으로 같은 약물로 실험한 반응 프로파일들이라 하더라도 서로간에 유사성이 없어 보이지만, 이들 내에서 유전자들 간 공통으로 발현변화를 보이는 모듈들이 존재함을 알 수 있었다. 이를 통해 해당 약물의 기작과 관련된 새로운 기능 모듈로써 제안될 수 있고, 또한 해당 약물과 다른 약물들을 구분지을 수 있는 효과적인 시그니처가 될 수 있음을 알 수 있었다. 이러한 유전자 상관 모듈 발굴을 통해 기존 단순 발현 변화량이 큰 유전자들의 발현 패턴을 주로 살펴보는 것이 아닌, 약물에 의해 같은 영향을 받을 것으로 기대되는 모듈들의 공통 발현 패턴을 통해서도 약물간 유사성을 측정할 수 있고 이를 통해 기존 약물반응 프로파일 기반 신약 재창출 연구에도 새로운 방법으로써 기여할 수 있다는 점에서 의의가 있다.
