[DEBUG-WINDOW 처리영역 보기]
즐겨찾기  |  뉴스레터  |  오늘의 정보 회원가입   로그인
BRIC홈 한국을 빛내는 사람들
엑소좀플러스
배너광고안내
이전
다음
스폰서배너광고 안내  배너1 배너2 배너3 배너4
BioLab 최인희 교수
전체보기 추천논문 상위피인용논문 인터뷰 그이후 한빛사통계
공정호
공정호 (JungHo Kong) 저자 이메일 보기
POSTECH
저자CV 보기
62 KB
  CV updated 2020-11-02 14:19
  인터뷰보기 
조회 1214  인쇄하기 주소복사 트위터 공유 페이스북 공유 
Network-based machine learning in colorectal and bladder organoid models predicts anti-cancer drug efficacy in patients
열기 Authors and Affiliations

Abstract

Cancer patient classification using predictive biomarkers for anti-cancer drug responses is essential for improving therapeutic outcomes. However, current machine-learning-based predictions of drug response often fail to identify robust translational biomarkers from preclinical models. Here, we present a machine-learning framework to identify robust drug biomarkers by taking advantage of network-based analyses using pharmacogenomic data derived from three-dimensional organoid culture models. The biomarkers identified by our approach accurately predict the drug responses of 114 colorectal cancer patients treated with 5-fluorouracil and 77 bladder cancer patients treated with cisplatin. We further confirm our biomarkers using external transcriptomic datasets of drug-sensitive and -resistant isogenic cancer cell lines. Finally, concordance analysis between the transcriptomic biomarkers and independent somatic mutation-based biomarkers further validate our method. This work presents a method to predict cancer patient drug responses using pharmacogenomic data derived from organoid models by combining the application of gene modules and network-based approaches.

논문정보
TOP5
2020년 후보
- 형식: Research article
- 게재일: 2020년 10월 (BRIC 등록일 2020-11-02)
- 연구진: 국내연구진태극기
- 분야: Genetics, Bioinformatics, Cancer Biology/Oncology
관련 인터뷰
1. 논문관련 분야의 소개, 동향, 전망을 설명, 연구과정에서 생긴 에피소드 같은 암을 앓는 환자라도 항암제의 효과가 매우 다르게 나타나기 때문에, 항암제의 효과를 미리 알 수 있는 기술이 매우 중요한 상황입니다. 이를 위해, 기계 학습 모델을 이용하여 환자의 전사체 정보를 토대로 항암제의 효과를 예측하려는 노력들이 진행되고 있습니다. 하지만, 기존의 기계 학습 모델들은 상대적으로 확보하기 쉬운 동물 모델을 주로 이용하였는데, 환자와 동물간의 생물학적 차이...
관련 보도자료
항암제 치료효과 예측하는 머신러닝 기술 개발
약물유전체학의 등장으로 기존에 축적된 다양한 약물반응데이터를 토대로 자체적인 알고리즘을 도출, 사람마다 다른 약물 반응성을 예측하는 머신러닝 연구가 활발하다. 사람의 생체반응을 최대한 반영할 수 있는 양질의 학...
수리 모델을 이용한 초파리 생체시계 뉴런의 역설적 성질 규명 [Proc. Natl. Acad. Sci. USA.]
정의민
발표: 정의민 (KAIST)
일자: 2022년 7월 6일 (수) 오후 02시 (한국시간)
언어: 한국어
참석자 접수신청하기
정밀 의학 구현을 위한 간암의 통합적 분자 아형 분류 [Hepatology]
이성환
발표: 이성환 (차의과학대학교 분당차병원)
일자: 2022년 7월 8일 (금) 오전 10시 (한국시간)
언어: 한국어
참석자 접수신청하기
PICASSO 기술을 활용한 초다중 (ultra-multiplexed) 단백질 동시 이미징 [Nat. Commun.]
장재범
발표: 장재범 (한국과학기술원)
일자: 2022년 7월 15일 (금) 오전 10시 (한국시간)
언어: 한국어
참석자 접수신청하기
비만 지방세포 노화유발 기전 및 영향력 연구 [Cell Metab.]
이궁
발표: 이궁 (서울대학교)
일자: 2022년 7월 21일 (목) 오전 10시 (한국시간)
언어: 한국어
참석자 접수신청하기

  댓글 0
등록
 
목록
관련링크
공정호 님 전체논문보기 >
관련인물
관련분야 논문보기
Genetics

Bioinformatics

Cancer Biology/Oncology

외부링크
Google Scholar
PubMed
프리미엄 Bio일정 Bio일정 프리미엄 안내
[교육비 전액무료] 7월 재직자 직무능력 향상교육 과정 교육생 모집
[교육비 전액무료] 7월 재직자 직무능력 향상교육 과정 교육생 모집
날짜: 2022.06.28~12.31
장소: 충북 청주시 흥덕구 오송생명1로 194-25, 청주SB플라자
Immunology at Work 2022 (All about Flow Cytometry)
Immunology at Work 2022 (All about Flow Cytometry)
날짜: 2022.07.13~20
Online 개최
[필코리아테크놀로지] Azure biosystems, "Beyond the fluorescent glass slide" 웨비나에 초대합니다.
제1회 가톨릭 첨단재생의료 국제심포지엄
제1회 가톨릭 첨단재생의료 국제심포지엄
사전접수: ~2022.06.30
날짜: 2022.07.08
장소: 가톨릭대학교 서울성모병원 옴니버스파크 B3 플렌티 컨벤션 (L)
[싸이티바 웨비나] ÄKTA™ 사용자를 위한 원데이 클래스
[필코리아테크놀로지] 다가올 미래의 전염병에 대비하는 연구자들의  노력에 NEB는 함께 합니다.
2022 한국실험동물학회 국제학술대회 (2022 KALAS International Symposium)
2022 한국실험동물학회 국제학술대회 (2022 KALAS International Symposium)
초록접수: ~2022.06.20
사전접수: ~2022.06.30
날짜: 2022.07.20~22
장소: 제주 국제컨벤션센터(ICC JEJU)
바이러스 연구 포럼 (Virus Research Forum)
바이러스 연구 포럼 (Virus Research Forum)
날짜: 2022.07.05~06
장소: 대전광역시 유성구 엑스포로 55 기초과학연구원 과학문화센터 2F 강당
2022년 아산융합의학원(AMIST) 썸머스쿨
2022년 아산융합의학원(AMIST) 썸머스쿨
날짜: 2022.07.11~08.19
장소: 서울 송파구 올림픽로43길 88 서울아산병원
바이오의약품 전문인력양성 3차 기초과정 신청접수 안내
바이오의약품 전문인력양성 3차 기초과정 신청접수 안내
날짜: 2022.05.23~08.05
장소: 오송첨단의료산업진흥재단 한국바이오인력개발센터 (충북 오송)
위로가기
한빛사 홈  |  한빛사FAQ
 |  BRIC소개  |  이용안내  |  이용약관  |  개인정보처리방침  |  이메일무단수집거부
Copyright © BRIC. All rights reserved.  |  문의
트위터 트위터    페이스북 페이스북   유튜브 유튜브    RSS서비스 RSS
진스크립트 광고