Metabolites in the human body are biomolecules that are most related to cellular functions and phenotypes compared with genes and proteins, and can provide information useful for disease mechanism and drug development. Studies have been carried out to discover disease-related metabolites through metabolomics, but there are limits that the range of metabolites identified is sparse. In recent years, studies are underway to deduce disease-related biomolecules on networks using multi-omics information. In this thesis, I will discuss how to integrate multi-biomolecule networks using multi-omics information and lung cancer metabolite analysis results from metabolomics experimental data, and use the network score propagation method using the random walk with restart algorithm. AUC performance increased from 0.7071 to 0.7120 when assessing the effect of integration of metabolite analysis results, based on performance against a lung cancer target antimetabolite assays set.
인체 내의 대사 물질은 세포 기능, 표현형에 대해 유전자, 단백질과 비교해 가장 연관이 있는 생체 분자로서 질병의 기전과 약물 개발 등에 유용한 정보를 제공할 수 있다. 대사체학을 통한 질병 연관 대사 물질을 발굴하려는 연구들이 진행되고 있었으나, 확인되는 대사 물질의 범위가 상이 하다는 한계가 있었다. 최근들어, 멀티오믹스 정보를 활용한 네트워크 상에서의 질병 연관 생체 분자를 추론하려는 연구가 진행되고 있다. 본 학위논문에서는 멀티 오믹스 정보를 이용한 다중 생체 분자 네트워크와 폐암 관련 대사체 분석 결과를 통합하는 방법에 대해 고찰하고, 재시작을 허용하는 랜덤 워크 알고리즘을 이용한 네트워크 점수 전파 방법을 사용하여 질병 연관 대사 물질을 추론하고자 한다. 폐암 표적 항대사물질을 이용한 검증 세트에 대한 성능을 기준으로 대사체 분석 결과의 통합 효과를 평가해 봤을 때, AUC 성능이 0.7071에서 0.7120으로 높아지는 것을 확인했다.
