전이성 대장암 표적 발굴을 위한 다층 단백체유전체 프레임워크

종양 특이적 세포 표면 표적 식별은 방사성 리간드 및 항체 기반 치료제를 포함한 정밀 종양학 치료법 개발에 필수적입니다. 그러나 기존 전략은 단일 계층 분석에 의존하며 단백체, 유전체 및 임상 메타데이터의 체계적인 통합이 부족한 실정입니다. 본 연구는 이러한 한계를 극복하고자 정량적 단백체 데이터와 단백질 국소화, 정상 조직 발현, 약물 가능성에 대한 메타데이터를 통합하는 다층 단백체유전체 필터링 프레임워크를 개발했습니다. 연구팀은 11가지 상호 보완적인 필터링 전략을 적용한 후, 세포외 접근성 및 단백질 순위, 국소화, 임상적 관련성을 기반으로 한 복합 점수화를 통해 수동 큐레이션을 수행했습니다. 이 파이프라인을 전이성 대장암(mCRC)에 적용하여 GPRC5A, SLC2A1, CD47, DPEP1, IFITM1을 포함한 여러 고신뢰성 후보 표적을 식별했습니다. 필터링 전략 간의 평균 중복률은 0.11로 낮아, 각 접근 방식이 상호 보완적인 표적 식별에 기여함을 시사했습니다. 특히, 여러 전략에 의해 검출된 후보들은 확립된 바이오마커(FAP, CEACAM5, ITGAV, ITGB4)에 대해 유의미하게 농축되어 있었으며(10.3% vs. 0%; Fisher’s exact test, p = 0.0064), 이는 중복 기반 우선순위 지정이 생물학적 및 번역적 관련성의 지표임을 뒷받침합니다. 복합 점수화는 GPRC5A를 선도 후보로 추가적으로 우선순위화했습니다. 이 연구는 전이성 대장암을 개념 증명으로 사용하여 세포 표면 치료 표적의 우선순위를 정하기 위한 확장 가능한 프레임워크를 제시합니다. 여러 데이터 계층을 통합하고 발견 과정 초기에 번역적 기준을 통합함으로써, 이 접근 방식은 치료 표적의 보다 효율적인 식별을 촉진할 수 있습니다.