韓国科学技術大学校(KAIST)バイオ及び脳工学科のチョ・グァンヒョン教授研究チームが人工知能とシステム生物学を融合し、がん細胞の薬物反応の予測及びメカニズムの分析を同時に行える新しい概念の「グレーボックス」技術を開発しました。

韓国における死亡原因1位のがん治療のための研究にもかかわらず、患者によってがん発生の原因となる遺伝子の突然変異と、それによる遺伝子ネットワークの変形が互いに異なり、伝統的な生物学実験による接近だけで標的治療を適用するには本質的な限界がありました。一方、ディープラーニングのようないわゆるブラックボックス方式の人工知能技術を活用して実験を代替し、データ学習を通じて薬物反応を予測することができますが、これに対する生物学的根拠を説明することができず、結果を信頼するのが困難でした。

チョ・グァンヒョン教授の研究チームは、高い予測性能を見せていますが、その根拠が分からず、ブラックボックスと呼ばれるディープラーニングと予測性能に限界がありますが、予測の結果に対する詳細な根拠を提示することができ、ホワイトボックスと呼ばれるシステム生物学技術を融合することで、二つの技術の限界を同時に克服できる、いわゆる「グレーボックス」技術に着目しました。

研究チームは、様々ながん腫の突然変異及び標的抗がん剤ターゲット遺伝子情報を集大成し、分子調節ネットワークモデルを構築することで、様々ながん腫と抗がん剤の薬物反応の予測に活用できる汎用的骨格モデルをまず確立しました。特に、様々ながん腫で突然変異が頻繁に発生する遺伝子を中心に、汎がん(pan-cancer)遺伝子ネットワークを製作し、標的抗がん剤別薬物反応に関連した突然変異及び関連遺伝子で構成された部分ネットワーク(sub-network)を抽出することにより、薬物反応を予測するためのシステム生物学モデルを製作しました。

今回の研究成果は、学習によるシミュレーションモデルの最適化を通じて、ブラックボックスモデルである人工知能技術の高い予測力とホワイトボックスモデルであるシステム生物学技術の解析力を同時に達成した新しい薬物反応予測技術の開発なので、その意味が大きいです。特に、発生原因が異質で複雑なネットワーク疾患であるがんに対して、汎用的に活用可能な薬物反応予測固有技術なので、今後の技術高度化を通じて様々な種類のがん腫及び患者カスタマイズ治療戦略の提示に活用できると期待されます。

チョ・グァンヒョン教授は、「人工知能技術の高い予測力とシステム生物学技術の優れた解析力を同時に備えた新しい融合固有技術として、今後、高度化を通じて新薬開発産業の活用が期待される」と述べました。