Cancer is a complex disease associated with various genomic mutations that influence the dynamics of molecular interaction network, leading to heterogenous properties of cancer cells. The inherent heterogeneous properties of cancer often result in variable anti-cancer drug resistance. One of the essential tumor suppressors, p53 has been an attractive cancer therapeutic target and also considered to be a major determinant of such drug resistance Despite the pivotal role of p53 and the recent progress of targeted cancer therapy, its regulatory mechanism and the underlying mechanism of variable drug resistance remains unclear and need to be investigated.
To tackle this problem in view of p53 regulation, in our first study we used Boolean network model-ing and attractor landscape analysis to analyze the state transition dynamics of a simplified p53 network for which particular combinations of activation states of the molecules corresponded to specific cellular out-comes. Our results identified five critical interactions in the network that determined the cellular response to DNA damage, and simulations lacking any of these interactions produced states associated with sustained p53 activity, which corresponded to a cell death response. Attractor landscape analysis of the cellular response to DNA damage of the breast cancer cell line MCF7 and the effect of the Mdm2 inhibitor nutlin-3 indicated that nutlin-3 would exhibit limited efficacy in triggering cell death. It also suggested that combining nutlin-3 with inhibition of Wip1 would synergize to stimulate a sustained increase in p53 activity and promote p53-mediated cell death. We validated this synergistic effect in stimulating p53 activity and triggering cell death with single-cell imaging of a fluorescent p53 reporter in MCF7 cells. Thus, attractor landscape analysis of p53 network dynamics can identify potential therapeutic strategies for treating cancer.
In our second study, we have reconstructed differential p53 networks by mapping p53 network from cancer genomics data and analyzed their state transition dynamics for various anti-cancer drug treatments. We could categorize heterogeneous cancer cell types into three groups: sensitive, moderate, or resistant to drugs. For each group, we found distinct p53 network dynamics on the basis of attractor landscape analysis. From combinatorial perturbation analysis, we identified an optimal drug combination that can maximize p53-mediated cell death regardless of heterogeneous cancer cell types. Our study shows that the attractor landscape analysis of p53 network dynamics can unravel the hidden mechanism underlying individual variation in drug responses and provide a new therapeutic strategy that can overcome variable drug resistance.
암은 세포내 생체분자 네트워크의 동역학에 영향을 미치는 다양한 유전적 변이를 포함하는 복잡계 질환이다. 이러한 암세포내의 유전적 복합성은 약물에 대한 내성의 원인이 되기도 한다. 대표적인 암 억제 단백질인 p53은 복잡한 신호전달 네트워크 속에서 다수의 피드백에 의해 조절되면서 세포의 이상증식을 억제하고 암세포 사멸을 촉진하는 것으로 알려져 있기 때문에 약제 내성의 주요 원인 및 암 치료의 주요 타겟으로 간주되고 있다. 하지만 최근의 발전된 치료 방법에도 불구하고 실제 p53의 조절 메커니즘이나 약제 내성에 대한 메커니즘은 확실히 밝혀진 바가 없다.
이러한 문제를 p53의 조절 관점에서 해결하기 위해, 본 연구에서는 p53과 관련된 모든 실험 데이터를 집대성하여 복잡하게 얽힌 많은 피드백 루프로 구성된 p53 조절 네트워크의 회로도를 구축하고 이에 대한 상태끌개분석에 기반한 수학모형을 개발하였다. 수많은 피드백으로 복잡하게 얽혀 있는 p53 조절 네트워크의 다양한 변이 조건에 대한 대규모 컴퓨터 시뮬레이션을 수행한 결과, 정상세포에서 p53의 동역학 특성을 결정하는 핵심 분자회로를 규명하였으며, 이 핵심회로를 조절함에 따라 세포의 운명(증식 또는 사멸)이 결정됨을 발견하였다. 이러한 분석결과를 토대로 유방암세포의 변이정보를 반영한 p53 조절 네트워크의 상태끌개분석과 단일세포검증실험을 통해 기존 약물인 뉴트린(nutlin-3)의 효과가 제한된 세포사멸을 유도하지만 분석 결과로부터 찾아낸 핵심회로의 일부인 Wip1을 함께 억제하였을 때 시너지 효과와 함께 강력한 세포사멸을 유도할 수 있음을 발견하였다. 본 연구를 통해 암세포의 조절과정을 네트워크 차원에서 분석한 상태끌개분석을 통해 새로운 치료법을 개발할 수 있음을 제안하였다.
이러한 상태끌개분석 연구는 네트워크 기반의 암 세포주 분류 및 암세포의 유전적 복합성에 따른 약물 저항성에 대한 근본적인 원인을 규명하기 위해, 대규모 암 세포주들을 대상으로 확장되었다. 암 세포주들의 유전체정보가 반영된 서로 다른 다양한 p53 네트워크들의 동역학 및 상태끌개 분석을 수행하여, 약물반응의 민감도에 따라 암 세포주들을 크게 세 그룹으로 분류하였다. 그리고 네트워크 동역학 관점에서 약물 반응을 결정하는 암 세포주의 유전적 변이의 탐색을 통해 약물 저항성에 대한 주요 메커니즘을 규명하였다. 더 나아가 세포 사멸 유도에 시너지 효과를 보이는 약물 조합 및 약물 저항성을 극복하고 효과적으로 세포 사멸을 유도할 수 있는 약물 조합을 제시하였다. 본 연구에서 수행된 네트워크의 상태끌개 분석을 기반으로 하는 약물 반응에 대한 예측 및 분류, 약물 반응의 다양성을 결정하는 유전적 변이 탐색은 개인별 맞춤의학을 실현하기 위한 핵심 단서를 제공하며, 최적의 약물 조합 연구에 응용될 수 있다.
