Cancer is one of the main causes of death in Korea and requires early detection and treatment. Accordingly, cancer immunotherapy using individual immune responses is emerging as a new treatment. In this study, we predicted clinical responses to immunotherapy largely based on genetic and epigenetic alterations. First, we constructed a convolutional neural network (CNN) based DeepNeo model to discover neoantigens that not only bind to major histocompatibility complexes (MHCs) but also react with T cells. As a result of predicting clinical responses to immunotherapy in multiple cancer types, it was confirmed that DeepNeo outperforms the previous prediction markers and consequently, we can expect a more accurate prediction with our model. Next, to predict responses based on methylation level, one of epigenetic changes, it was confirmed a high predictive power with selected 10 LINE-1 regions in tumor tissue samples. In addition, there was a substantial correlation between methylation levels of a cell free DNA (cfDNA) and of a tumor tissue. Finally, we suggested the probability that a cfDNA can be a non-invasive and simple prediction marker of cancer immunotherapy as an alternative for a tumor tissue.
암은 국내 사망원인 1순위로 조기발견 및 치료법이 필요한 질병이다. 이에 개인의 면역반응을 이용한 항암면역치료법이 새로운 치료법으로 떠오르고 있다. 본 연구에서는 크게 유전적, 후성유전적 변이에 기반하여 항암면역치료에 대한 반응성을 예측하였다. 먼저, 합성곱신경망 기반의 DeepNeo 모델을 구축하여 주조직적합복합체와 결합할 뿐만 아니라 T 세포와도 반응하는 신생항원을 발굴하였다. 이 후 여러 암종에서 항암면역치료의 임상 반응성을 예측해본 결과, DeeppNeo로 발굴한 신생항원이 기존의 예측 마커들보다 향상된 성능을 가졌으며 우리의 모델로 더 정확한 반응성 예측이 기대되었다. 다음으로, 후성적 변이 중 하나인 메틸화 수준에 기반한 임상 반응성을 예측하기 위해 선정된 10개의 대표적인 LINE-1 지역에서 조직 검체로 임상 반응성을 예측해본 결과 유의한 성능을 보였으며, 세포유리 DNA과 같은 액체 생검에서의 메틸화 수준이 조직 검체의 값과 높은 연관성을 가지는 것을 확인했다. 이에 세포유리 DNA에서의 메틸화 수준이 항암면역치료에 대한 반응에 대한 더 비침습적이고 간단한 예측 마커로써 가능성을 가짐을 제시하였다.
