Stefan Thurner는 생물 학자가 아닌 물리학 자입니다. 그러나 얼마 전 오스트리아 국립 보건 보험 소개 하우스 (National Health Insurance Clearinghouse)는 비엔나 의과 대학의 Thurner와 그의 동료들에게 몇 가지 데이터를 조사 해달라고 요청했습니다. 이 데이터는 익명화 된 의료 청구 기록 (모든 진단, 모든 치료, 모든 치료)으로, 약 8 백만 명이 이루어졌습니다. 문제는 최근 그리스에서 발생했듯이 자금 조달의 3 분의 1이 증발했다면 동일한 치료 표준이 계속 될 수 있는지 여부였습니다. 그러나 Thurner는 데이터가 대답 할 수있는 다른 더 깊은 질문이 있다고 생각했습니다.
Thurner와 그의 동료 인 Peter Klimek과 Anna Chmiel은 새로운 Journal of Physics의 최근 논문에서 전체 인구에서 1,055 개의 질병의 유병률을 살펴보기 시작했습니다. 그들은 두 가지 질병에 걸릴 위험을 발견하기 위해 통계적 분석을 실시하여 질병이 상관 관계가없는 경우 예상보다 높은 질병의 쌍을 식별했습니다. 즉, 한 질병을 가진 환자는 평범한 사람이 다른 사람을 가질 가능성이 높았습니다. 그들은 진단의 오류가 그러한 분석에서 확대 될 것이기 때문에 매우 희귀하고 매우 일반적인 질병 사이에 잘못된 연결을 유발할 위험을 줄이기 위해 통계 수정을 적용했습니다. 마지막으로, 팀은 결과를 함께 발생하는 경향이있을 때 질병이 서로 연결되는 노드 인 네트워크로 결과를 표시했습니다.
분석 스타일은 예기치 않은 링크를 발견했습니다. Scientific Preprint 사이트 arxiv.org에 발표 된 다른 논문에서 Thurner 팀은 당뇨병과 파킨슨 병 사이의 논란의 여지가있는 것뿐만 아니라 당뇨병 환자가 고혈압을 개발할 때의 독특한 패턴을 확인했습니다. New Journal of Physics의 논문은 더 조사하기를 희망하는 추가 연결을 생성했습니다.
결국, Thurner와 점점 더 많은 다른 연구자들은 이러한 질병 네트워크를 사용하여 질병이 분자 수준에서 어떻게 작동하는지에 대한 가설을 생성하기를 희망합니다. "이 질병은 유전자로 인한 것입니까?" Thurner가 말했다. “대사 네트워크의 결함으로 인해 발생합니까? 특정 유전자에 영향을 미치는 환경에 기인합니까? 이런 것들. 이것이 목표입니다.”
이 작업은 의학에서 정의 된 질병이 깔끔하고 독특한 실체처럼 들리지만 실제로는 더 지저분하다는 실현에 의해 주도되고 있습니다. 질병은 증상으로 정의되는 경향이 있습니다. 그러나 질병의 분자 뿌리는 현재의 이해를 훨씬 뛰어 넘는 생물학적 영향을 미칠 수 있습니다. 특정 질병은 다른 질병을 겪거나 동반 질환이 높은 경향이 있지만, 이유는 확실하지 않지만 관련 생물학적 결함으로 인해 발생하기 때문일 수 있습니다.
“아이디어는 세포 수준의 연결이 인구 수준에서 증폭되고 동반 질환으로 나타납니다. 연구원은 질병 네트워크를 사용하여 생물 학자들이 질병 1과 2 사이에 공유되는 새로운 질병 유전자를 찾는 것으로 제안 할 수 있습니다. 예를 들어 강한 연결이있는 것처럼 보입니다.
생물 학자들은 일반적으로 유전자 마커를 질병과 통계적으로 연관시키는 게놈 전체 연관 연구를 사용하여 유전자 연결을 찾습니다. 그러나 하버드 의과 대학에서 다른 연구팀은 매우 다른 종류의 네트워크를 매핑하여 동일한 연결을 찾으려고 시도하고 있습니다.
삶의 네트워크
세포 내부는 작은 분자, 거대한 단백질 및 DNA 가닥이 서로의 사업에 대해 서로 주위로 씻기 때문에 활성을 보게됩니다. 각 배우의 사업은 다른 행위자 세트입니다. 예를 들어, 단백질은 다른 단백질, 주위의 페리 분자 또는 DNA 제조를 시작할 수 있습니다. 그것은 다른 배우들로부터 신호를 받아 더 빨리 또는 더 천천히 작동하게하거나 필요한 곳의 먼 지역으로 보낼 수 있습니다.
.이 분자 소셜 네트워크의 단일 구성원조차도 이상하게 행동하기 시작하면 세포의 기능은 매우 다른 특성을 취할 수 있습니다. 얼마 지나지 않아 효과는 초기 결함에서 바깥쪽으로 파열되어 유기체 수준에서 질병 (질병)을 유발합니다. 질병은 어떤 의미 에서이 사회 구조의 근본적인 역학의 표현 일뿐입니다. Thurner는 그의 질병 네트워크가 결국 이러한 결함을 발견하는 데 도움이되기를 희망합니다.
그리고 하버드 의과 대학 교수이자 오랜 Barabási 's의 공동 작업자 인 조셉 로스 칼조 (Joseph Loscalzo)가 자신의 네트워크를 매핑하고있는 하위 측면의 끝에 있습니다. 그와 그의 팀은 단백질이 서로 상호 작용하는 수많은 데이터베이스에서 데이터를 수집하는 것으로 시작합니다. 그런 다음 컴퓨터 모델을 사용하여 평균 세포 내에서 소셜 네트워크를 스케치하여 개별 유전자와 단백질을 상호 작용할 경우 서로 연결합니다. Loscalzo 팀은 13,460 개의 단백질 노드와 141,296 개의 링크가있는 다이어그램을 구축했습니다. Loscalzo는 이러한 상호 작용은 전체의 약 20 ~ 25 %를 차지할 것입니다. 그러나 시작이라고 Loscalzo는 말합니다. 그런 다음 주어진 질병과 통계적으로 연결된 노드 만 분리합니다. 그들은이 노드 세트를 질병 모듈이라고 부릅니다.
그들이 연구 한 질병 모듈 중 하나는 폐 고혈압 - 폐의 고혈압으로 심부전을 유발할 수 있습니다. 그들은 게놈 전체 연관 연구가 제안한 모든 분자 경로를 보았다. 그런 다음 동물 모델과 폐 고혈압 환자에서 스트레스를받는 경로가 더 활성화되는 경로를 연구했습니다. 이들의 질병 모듈은 이전에 일부 형태의 질병에 연결된 두 단백질이 동일한 분자 경로의 일부였으며, 이들은 세포 증식에 오류를 일으키기 위해 함께 작용하며, 이는 질병의 증상과 관련이있을 수 있음을 밝혀냈다. 연구원들은 Purmonary 순환 저널에 그들의 발견을 발표했습니다.
다른 모듈은 제 2 형 당뇨병을 살펴 봅니다. 연구자들은 게놈 전체 연관 연구를 통해 당뇨병을 게놈에서 약 200 개의 지점과 연결했습니다. Loscalzo는“처음 18 개 정도는 매우 중요하지만 마지막 182 명 정도는 마진에 달려 있습니다. 그러나 질병 모듈에서, 182 개의 유전자 중 일부는 소셜 네트워크에서 고도로 연결된 허브였으며, 게놈 전체 연관 연구만으로는 공개 할 수없는 상황입니다. "우리는 현재 [유전자] 중 세 가지를 탐구했으며, 그들은 당뇨병과 관련이 있다고 생각되었지만 신중한 방식으로는 결코 입증되지 않은 경로를 강조합니다."
.Loscalzo의 분자 네트워크를 Thurner와 Barabási 's Diseaste Network와 결합하면 상관 관계와 메커니즘 사이의 브리지를 만드는 데 도움이됩니다. 동반 질환이 겹치는 분자 네트워크를 공유한다면, 연구원들은 네트워크를 사용하여 그 뒤에있는 생화학 적 메커니즘을 이해할 수 있습니다. 이 두 종류의 네트워크는 구축 방식이 매우 다릅니다. 데이터는 그렇지 않으면 눈에 띄지 않는 연결을 드러낼 수 있다는 생각에 의해서만 통합됩니다. 그러나 함께이 네트워크는 질병 연구에서 새로운 문을 열 가능성이 있습니다.
Thurner는“네트워크를 그린 후에는 종이에 가설을 그리는 것입니다. “당신은 이렇게 말합니다.‘와, 봐요,이 두 가지가 관련이라는 것을 몰랐습니다. 왜 그들이 될 수 있습니까? 아니면 통계적 임계 값이 시작되지 않았습니까?””네트워크 분석에서 먼저 사람들이 공부하는 시스템에서 이미 식별 한 연결을 재현한지 확인하여 분석을 검증합니다. 그 후 Thurner는 다음과 같이 말했습니다 :“이전에 존재하지 않은 사람들은 새로운 가설입니다. 그런 다음 작업이 실제로 시작됩니다.”
두 기술 모두 여전히 비교적 새롭다는 것을 기억할 가치가 있습니다. Loscalzo는 그의 결과에 결함이있을 수있는 방법을 제거 할 수 있습니다. 단백질-단백질 상호 작용에 대한 데이터의 불완전 성은 주요 관심사이지만, 현재 가능한 가장 좋지만 완벽하지 않은 데이터를 수집하는 데 사용되는 방법도 마찬가지입니다. 그리고 Thurner와 그의 학생들은 여전히 가설을 테스트 할 수있는 생물학에서 공동 작업자를 모으고 있습니다. Thurner는 몇 년 전 데이터베이스에서 첫 번째 결과를 발표 한 후“우리는 우리가 사무실에 100 명이 앉아있을 것이라고 생각했다”고 말했다. 지금까지 응답은 더 많은 부분이었습니다.
시카고 대학교의 유전학 교수 인 Andrey Rzhetsky는 동반 질환 네트워크에 출판 한 수학적 생물학에 대한 배경 지식을 가진“비난은 아닙니다. "어떤 사람들은 대규모 분석의 결과를 받아들이는 것을 거부하는 광신적 거부의 시점까지는 빅 데이터 세트에 대해 매우 강하게 느낍니다." 그는 논쟁은 큰 데이터 세트에 알려지지 않은 편견이 있다고 주장했다. Thurner 's와 같은 데이터베이스의 경우, 이러한 편견은 의사가 의료 기록에 정보를 입력하는 방식, 민족성이 설명되는 방식 등과 비슷합니다. Rzhetsky는 편견의 위험을 인정하지만 연구자들이 해석에주의를 기울이면 데이터의 유용성을 제거하지는 않는다고 생각합니다. "나는 그것이 미래의 방향이라고 생각하지만 해결 된 문제와는 거리가 멀다"고 그는 말했다. 그는 새로운 Journal of Physics의 기사에 흥미를 느꼈습니다. "모델은 매우 간단하지만 방향은 훌륭합니다."그는 이메일로 썼습니다.
Loscalzo는 동료의 조사를 알고 있습니다. “네트워크 의학에 대한 이야기를 할 때 세 종류의 응답을 받았습니다. 스펙트럼의 한쪽 끝에는 일반적으로 젊은이들이 있습니다… … 스펙트럼의 다른 쪽 끝에는 나이가 많은 사람들이 다음과 같이 말합니다. 저는 National Academy의 회원이며이 모든 것이 감소주의 생물학을 기반으로합니다. 전략을 바꾸지 않을 것입니다.”그러면 중간에 건강한 회의론을 가지고 있으며 이러한 개념이 우리에게 새로운 통찰력을 줄 수 있다는 증거가 있기를 원하는이 광범위한 사람들이 있습니다. 그것이 우리가 작업 한 것입니다.”
