PARP 억제재 반응성의 대표적 마커인 signature3가 후기 대장암에서 발견됐다는 점과 일부 대장암이 PARP 억제재에 민감하게 반응한다는 보고를 근거로 후기 대장암 PARP 억제재 반응성 예측 모델을 구축하고자 합니다.

Genomic scar와 Signature3 의 median 값을 이용하여 샘플들을 gHRD(+) 와 g(HRD(-) 로 구분하여 데이터를 준비합니다. gHRD 여부를 예측하는 머신러닝 모델을 구축하기 위해 유전자의 isoform 정보를 반영하는 transcript usage (TU)라는 수치를 사용하고 두 그룹 사이에서 통계적으로 유의미하게 차이 나는 유전자들의 TU만 취합니다. 이후, 환자 데이터를 이용해 머신러닝 모델 학습을 진행한 후 세포주 약물 반응성 데이터를 이용해 모델의 성능을 검증하고자 합니다. 

Figure 1 PARP 억제재 반응성 예측을 위한 gHRD와 transcript usage

더불어 대장암에서 잘 알려지지 않은 signature3를 whole genome, whole transcriptome 등의 데이터로 생물학적 분석을 진행할 계획입니다.