Different types of treatments are applied to early breast cancer patients according to molecular subtypes. Chemotherapy is widely used before surgery for most subtypes except some subtypes. However, since chemotherapy is applied not only to cancer cells but also to cells of active cell division, it causes serious side effects such as hair loss, neuralgia and immune weakness. Therefore, it is important to predict the patient's chemotherapy response before choosing chemotherapy. In this dissertation, we collect breast tissue transcriptome data of breast cancer patients before chemotherapy treatment, and then construct various patient subgroup- specific classifiers and predict chemotherapy responses using the subgroup-specific classifier for each patient. This results in improved positive predictive value and specificity compared with the previously suggested breast cancer chemotherapy prediction methods, and confirms the mechanisms of the subgroup-specific classifiers for further research on the relationship between chemotherapy and the confirmed mechanisms.
초기 유방암 환자에게는 분자 아류형에 따라 여러가지 치료법이 적용되는데 그 중, 화학요법은 일부 아류형 외에, 대부분의 아류형에 대해서 수술 전 널리 사용되는 요법이다. 하지만 화학요법은 암 세포뿐만 아니라 세포분열이 활발한 조직의 세포에 대해서도 적용되기 때문에, 머리 빠짐, 신경통 및 면역 약화등의 심각한 부작용을 야기한다. 따라서 화학요법을 선택하기에 앞서 환자의 화학요법 반응성을 예측하는 것은 중요하다. 본 학위논문에서는 화학요법 처리 전 유방암 환자의 유방조직 전사체 데이터를 기반으로, 다양한 환자 하위군 특이 판별기를 구성하고 환자 각각에 해당하는 판별기를 이용하여 화학요법 반응을 예측하는 모델을 구축한다. 이를 통하여 기존에 제시된 유방암 화학요법 예측 방법들에 비해 향상된 정밀성 및 특이도를 도출하며, 구축된 환자 하위군 특이 판별기들의 기전을 확인함으로서 화학요법 연관 기전들에대한 추가 연구 가능성을 제시한다.
