There has been a growing interest in precision medicine that diagnoses diseases and prescribes drug treatment on the basis of personal profiles. Precision medicine can help improve efficacy of drug treatment and prevent adverse effects. Recently, numerous of computational models have been developed for the advancement of precision medicine system. However, there still are some critical factors that can change drug responses but that have never been considered yet in previous computational models. In this thesis, we study key properties that need to be considered in precision medicine. First, we deal with hormones that can have major changes due to diverse genetic or environmental factors and cause changes in drug responses. Second, we deal with drug resistance that occurs due to diverse causes depending on individuals, and then we discover sensitizers to overcome resistance against anti-cancer drugs. A major strategy for this is to utilize large-scale biological networks to understand biological phenomena from a gradual point of view, from molecular development to cell function. The two models developed in this paper are the first computer models to predict drug efficacy in consideration of hormone or drug resistance. It demonstrates the usefulness of the model by showing outstanding performance in several case studies and by performing cell laboratory validation.
개인의 상황에 따른 질병 예측 및 약물 치료를 하는 정밀 의학이 큰 주목을 받고 있다. 정밀 의학은 효과적인 약물 치료뿐 아니라 부작용 예방 측면에서 매우 큰 장점을 가진다. 최근에는, 개인의 건강 정보에 대한 빅데이터 분석을 수행하는 여러 인공지능 모델들이 개발되어 왔다. 하지만 기존 모델들이 고려하지 않은 매우 중요한 요소들이 있다. 본 학위논문에서는 정밀 의학 시스템에서 반드시 고려되어야 할 개인 특성들에 대해 고찰하고자 한다. 우선, 유전적 또는 다양한 환경적 요인에 의해 영향을 받는 호르몬이 약물 반응에 미치는 영향을 다루고자 한다. 그리고 장기간의 약물 치료에서 개인 마다 다른 원인에 의해 발생하는 약물 내성과 이를 해결하기 위해 필요한 민감제의 관계를 다루고자 한다. 이를 위한 주된 전략으로, 분자 현상으로부터 세포 기능에 이르는 점진적인 관점에서 생물 현상을 이해하기 위해 대규모의 생물학적 네트워크를 활용한다. 본 논문에서 개발한 두 가지 모델은 처음으로 호르몬 또는 약물 내성을 고려하여 약물 효능을 예측하는 컴퓨터 모델이다. 여러 사례 연구에서 우수한 성능을 보이고 세포 실험 검증을 수행함으로써, 모델의 유용성을 입증한다.
