테라젠바이오는 10년 이상의 유전체 분석 경험과 연구 역량을 바탕으로 인공지능 연구 역량을 융합하여 고유의 유전체 분석 방법인 DEEPOMICS® 플랫폼을 보유하고 있습니다.
DEEPOMICS® NEO 는 환자의 암 조직 내 존재하는 체세포 변이를 동정하고,
환자 개인별 MHC에 맞춤형 신항원을 예측하고 선별하여 제공합니다.
동아시안 특이적인 희귀 MHC에도 예측이 가능한 동시에, MHC와 신항원의 결합만을 주로 고려하던 기존 방법론과 다르게
T세포의 활성까지도 고려한 딥러닝 모델로 타 방법론 대비 뛰어난 성능을 나타냅니다.
인공지능 (AI) 기반의 암 조직 및 세포에서 발현되는 HLA 타입에 맞는 신항원을 예측하는 획기적인 기술로,
테라젠바이오는 등록 특허 3 건을 보유하고 있습니다.
기존의 알고리즘들이 집중한 HLA와 펩타이드 간의 ‘결합’과 결합 후 T 세포를 자극하는 ‘면역원성’을 딥러닝으로 학습한 모델
2가지 측면의 ‘면역원성’ 모두 딥러닝으로 학습(펩타이드 내 아미노산 조합으로 발생하는 면역원성과 펩타이드와 결합한 MHC(pMHC)를 T 세포가 인지하고 활성화되는 면역원성)
알파 체인과 베타 체인의 조합이 발생하는 HLA Class II에 결합하는 신항원을 예측하며 Class I과 Class II 모두를 반영한 최종 SLP (Synthetic Long Peptide) 신항원 후보 도출
환자의 CD8+ T세포 뿐만 아니라 CD4+ T세포의 활성을 유도하여 효과적인 치료 효과 확인
HLA 데이터의 부족을 극복하기 위한 모델링 적용
동아시안 HLA에 대한 불안정한 예측값 도출 극복; 기존에는 서구인의 HLA에 주로 집중
B6F10 멜라노마 종양모델에서 mRNA 기반 암백신 효능 평가 DEEPOMICS® NEO 를 이용하여 디자인된 암백신 처리군 (Theragen Bio vaccine)에서 암 억제 효능이 기존 방법에 비해 우수함을 확인하였습니다.
DEEPOMICS® MARKER는 자동으로 질병의 아형을 발굴하고 분류하는 플랫폼입니다.
기존 분자아형 분류법 대비 임상적용성이 우수하고 자세한 분류를 하여 궁극적으로 DEEPOMICS® NETWORK 및 DEEPOMICS® TARGET과 연계되어 치료표적 자동 제시함
DEEPOMICS® MAKER는 이전의 RNA-seq 분석법과는 전혀 다른 테라젠바이오 고유의 데이터 전처리 과정을 사용합니다 (등록 특허 번호 제10-2385483호). 암세포주는 기존 방법으로 분석하면 각 세포주의 유래 암종의 성격을 잘 대표하지 못하지만,방법으로 분석하면 유래 암종의 성격을 잘 대표합니다.
Deep Neural Network 기반 AI Model
단백질, 핵산 및 전체 구조를 안정화시키는 조직보관 방법인 FFPE은
많은 암 조직 샘플을 보관하는 방법으로 널리 알려져 있습니다.
질병연구를 위해 중요한 여러 정보를 제공하지만 조직을 고정하고 처리하는 과정에서
불필요한 핵산변이를 유발하고 RNA 핵산이 조각나게 됩니다. 때문에 분석이 어렵고 까다롭지만
표적치료제 처방을 위한 동반진단 검사에 주로 사용되는 검체입니다.