기계 학습 기반의 프로테오제노믹스 데이터 모델링을 통한 폐암 조기 검출을 위한 순환 혈장 바이오마커 식별

유전적 이상은 폐암의 주요 원인 중 하나입니다. 특히, 인구 수준에서 잠재적 진단 바이오마커를 특성화하기 위한 목적 하에 유전 변이가 단백질체 이상에 미치는 영향에 대한 추가 연구가 필요합니다. 이러한 프로테오제노믹 상호작용 모델링은 초기 단계의 생물학적 교란을 이해하여 바이오마커 발견, 성공적인 임상 시험, 효과적인 치료제 개발에 중요한 역할을 합니다. 저희는 폐암 위험의 두 가지 보완적 측면을 조사했습니다. 첫째, 인구 규모의 데이터셋을 활용하여 폐암에 대한 전장유전체 연관분석을 수행하고, UK Biobank Pharma Proteomics Project 데이터를 통해 폐암 위험 연관 변이가 혈장 단백질 수준에 영향을 미치는지 검토했습니다. 둘째, 무증상 및 증상이 있는 환자에서 혈장 단백질체의 이상을 확인하고, 기계 학습 방법을 활용하여 진단 바이오마커를 특정하는 것을 목표로 했습니다. 식별된 단백질을 이용한 기계 학습 모델은 진단 0-4년 전 0.85–0.88, 5-9년 전 0.81–0.84, 0-9년 전 0.80–0.86의 중앙 교차 검증 AUC를 달성했습니다. 5-9년 전 그룹 내 생존 분석에서 CALCB, PLAUR, CD74 등 8개 단백질의 높은 수준이 낮은 생존율과 유의하게 관련이 있음을 발견했습니다. 폐암과 관련된 22개 단백질을 확인했으며, 이 중 14개는 CEACAM5, CXCL17, GDF15, WFDC2 등을 포함해 폐암과 이전에 연관된 바가 있고 8개는 새로운 단백질입니다. 이 단백질들은 사이토카인 신호전달, 인터루킨 조절, 호중구 탈과립, 폐 섬유증과 관련된 경로에 풍부하게 포함되어 있습니다. 이 발견은 기전적 인과성을 입증하지는 않지만, 진단 전에 일어나는 전신 변화를 반영하는 단백질체 변화를 강조합니다. 본 연구는 폐암에서의 유전체-단백질체 관계 이해에 기여하며, 스크리닝과 위험 계층화에 유망한 조기 바이오마커로서 추가 조사가 필요한 순환 단백질을 규명합니다. 폐암은 전 세계적으로 암 관련 사망 원인 1위이며, 치료 효과가 낮은 진행된 단계에서 진단되는 경우가 많습니다. 조기 검출은 필수적이지만, 증상은 보통 병의 후기 단계에서만 나타나 어려운 과제입니다. 본 연구에서는 폐암 진단 수년 전에 수집된 유전 데이터와 혈액 내 단백질을 분석했습니다. 폐암 발병 수년 전부터 변화하는 22개 단백질을 확인했으며, 이들은 면역계, 염증 및 폐 조직 변화와 관련됩니다. 우리의 발견은 혈액 기반의 마커가 폐암 조기 검출 및 위험 평가를 지원할 수 있음을 시사하며, 향후 질병 모니터링 및 예방 전략 수립에 기여할 수 있습니다. Johnson 등은 폐암 위험과 연관된 유전 변이와 향후 진단을 예측하는 혈장 단백질을 조사했습니다. 질병 발병 9년 전까지 혈액 내 단백질 수준이 변하며, 면역 신호 전달, 염증 및 폐 섬유증에 관여하는 22개의 단백질이 도출되었습니다.