R&D

DEEPOMICS®

인공지능 기반 개인맞춤 분석 플랫폼

테라젠바이오는 10년 이상의 유전체 분석 경험과 연구 역량을 바탕으로 인공지능 연구 역량을 융합하여 고유의 유전체 분석 방법인 DEEPOMICS® 플랫폼을 보유하고 있습니다.

인공지능 기반 개인맞춤 분석 플랫폼

DEEPOMICS® NEO

DEEPOMICS® NEO 는 환자의 암 조직 내 존재하는 체세포 변이를 동정하고,
환자 개인별 MHC에 맞춤형 신항원을 예측하고 선별하여 제공합니다.

DeepOmicsNeo
환자 특이적
돌연변이 동정
차세대 염기서열 분석
(NGS)
환자 면역
적합성 예측
인공지능 플랫폼 기반 환자
특이적 신생항원예측
신생항원
Vaccination
신생항원을 환자에게
주입하여 APC에 전달
신생항원에 의한
면역 활성
신생항원에 의한
면역 시스템 활성화
암 세포
사멸
T 세포 활성에 따른
암세포 사멸

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.

DEEPOMICS® NEO 성과

면역원성 예측도를 세계 최고 수준으로 향상시킨 혁신 기술

인공지능 (AI) 기반의 암 조직 및 세포에서 발현되는 HLA 타입에 맞는 신항원을 예측하는 획기적인 기술로,
테라젠바이오는 등록 특허 3 건을 보유하고 있습니다.

HLA ClassⅠ

HLA ClassⅠ
예측

Patent 1. HLA ClassⅠ 예측

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)

HLA ClassⅡ

HLA ClassⅡ
예측

Patent 2. HLA ClassⅡ예측

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

Rare HLA

Rare HLA
해결

Patent 3. Rare HLA와 다양한 펩타이드 길이 해결

HLA 데이터의 부족을 극복하기 위한 모델링 적용

동아시안 HLA에 대한 불안정한 예측값 도출 극복; 기존에는 서구인의 HLA에 주로 집중

DEEPOMICS® NEO기반
디자인 암백신 효능 비교 평가

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.

Rare HLA

DEEPOMICS® MARKER

DEEPOMICS® MARKER는 자동으로 질병의 아형을 발굴하고 분류하는 플랫폼입니다.

환자 세부 분류 바이오 마커

  • Patient Classification
  • Biomarker
  • CDx
환자 세부 분류 바이오 마커
분자 아형 분류
대상 질환에 대한 서로 다른 특징을 가진
분자 아형을 자동 분류
질환 전사체
정상 대조군이 없어도 대상 질환의
전사체 데이터로부터 주요 특징 산출
분자 아형별 특징
질환 전사체 기반 각 분자 아형별
특이적 주요 유전자 및 시그니처 발굴
딥러닝 기반 분류 모델
발굴된 주요 시그니처 기반
딥러닝 분류 모델 제시

기존 분자아형 분류법 대비 임상적용성이 우수하고 자세한 분류를 하여 궁극적으로 DEEPOMICS® NETWORK 및 DEEPOMICS® TARGET과 연계되어 치료표적 자동 제시함

적용범위

  • 약제 반응성에 대한 환자 분류 가능
  • 약제 반응에 유효한 주요 시그니처 및 유전자 제안

인풋(Input) 가공 방식

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.

DEEPOMICS® FFPE

Deep Neural Network 기반 AI Model

FFPE 유래 Artifact를 최대한 제거하여 체세포 변이를 최대한 보존하는 딥러닝 모델

* FFPE(포르말린 고정 파라핀 조직 단면) 란?

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.

DEEPOMICS® FFPE

Deep Neural Network 기반 AI Model
[그림1] FFPE 샘플
[그림2] 암종별 Artifact
기존 기술 대비 월등히 좋은 기술력

DEEPOMICS® FFPE
Workflow

  • Fastq files
  • 1Quality Control
    Quality Control
    FastQC
  • 2Align to Reference
    Align to Reference
    BWA
  • 3Local realignment Base quality recalibration
    Local realignment
    Base quality recalibration
    GATK
  • 4
    Variant Calling
    (SNPs and InDels)
    MuTect2
  • SnpEff annotation
  • DEEPOMICS® FFPE
검색 닫기