Erastin, a synthetic lethal compound against cancer expressing an oncogenic RAS, inhibits cystine/glutamate antiporters and causes ferroptosis. However, despite recent evidence for the mechanisms underlying ferroptosis, molecular biomarkers of erastin-dependent ferroptosis have not been identified. Here, we employed isogenic lung cancer cell models to show that a redox imbalance leads to glutathione depletion and ferroptosis. Subsequent transcriptome analysis of pan-cancer cell lines revealed that the activity of transcription factors, including NRF2 and AhR, serve as important markers of erastin resistance. Based on the integrated expression of genes in the nuclear receptor meta-pathway (NRM), we constructed an NRM model and validated its robustness using an independent pharmacogenomics dataset. The NRM model was further evaluated by sensitivity tests on nine cancer cell lines for which erastin sensitivities had not been determined. Our pharmacogenomics approach has the potential to pave the way for the efficient classification of patients for therapeutic intervention using erastin.

Ok-Seon Kwon*, Eun-Ji Kwon, Hyeon-Joon Kong, Jeong-Yoon Choi, Yun-Jeong Kim, Eun-Woo Lee, Wankyu Kim, Haeseung Lee†, Hyuk-Jin Cha†, "Systematic identification of a nuclear receptor-enriched predictive signature for erastin-induced ferroptosis", Redox Biology, doi: 10.1016/j.redox.2020.101719, (2020) IF:9.986

“KMAP은 NGS 기반 약물 유도 전사체 레퍼런스 데이터베이스가 될 것이며, 미국 식품의약국(FDA), 유럽의약품청(EMA)및 일본 승인 약물에 대한 거의 모든 전사체 정보를 제공할 예정이다. 내년 하반기를 목표로, KMAP이 완성되면 이를 통한 신약 재창출, 약물 기전 해석에 응용할 수 있는 플랫폼의 개발도 계획하고 있다."

김완규 카이팜(Kaipharm) 대표는 지난 9일 보건복지부가 주최한 AI Pharma Korea Conference 2020에서 자사의 NGS 기반 전사체 데이터베이스 ‘KMAP’에 대해 소개했다. 카이팜은 인공지능(AI) 기반 신약개발 회사로, 후보물질의 가상탐색과, 대규모 오믹스 데이터 생산을 통한 신약개발 알고리즘 솔루션을 제공한다. 김 대표는 AI기술이 신약개발 및 임상 디자인에 미치는 영향과, 현재 카이팜이 진행중인 'KMAP 프로젝트'에 대해 발표했다.

발표에 따르면 전임상부터 임상 3상까지, 신약 후보물질이 모든 임상을 성공적으로 통과할 확률은 5% 정도다. 이러한 임상 실패의 가장 큰 원인은 임상 초기단계에 보이지 않았으나 임상이 진행되면서 드러나는 안전성 문제다. 후보물질에 관여하는 다수의 Off-target(비표적)으로 인해, 치료 효과의 반감 및 각종 부작용이 유발되고, 결국 임상실패로 이어지게 된다. 김 대표는 “다양한 후보 물질들의 기전들을 방대한 데이터를 통해 정확히 분석하게 되면, 약물의 기전에 대한 포괄적인 접근이 가능하여 Off-target으로 인한 임상 실패 확률을 줄일 수 있다”고 설명했다.

미국 브로드 연구소는 2006년 질병에 대한 시스템적 및 기능적 접근을 위해 'CMAP(Connectivity Map)'이라고 하는 '약물 유도 전사체 데이터셋'을 공개했다. 당시 공개된 CMAP는 첫번째 버전인 V1으로 Microarray 기법을 활용해 4종류의 인간 암 세포에서 1300여개의 의약품에 대한 유전자 발현 프로파일을 분석한 데이터이다. 이후 2017년 버전인 V2는 Microarray보다 분석 효율이 좋고 분석 비용이 저렴한 L1000을 통해 2만종 이상의 의약품에 대한 데이터로 확장되었다.

이렇게 다량의 참고 데이터(Reference data)를 확보해 놓는다면, 임의의 약물 후보물질에 대한 전사체 프로파일링 데이터를 CMAP과 비교 분석함으로써, 알려진 약물의 기전을 통해 새로 선별한 약물에 대한 기전과 효과를 파악할 수 있다. 즉, 좀 더 효과가 좋은 약물을 선별함으로써 임상에 사용되는 시간과 비용을 절감할 수 있으며, 예상치 못한 off-target에 의한 실패 확률을 줄일 수 있게 된다.

김 대표는 CMAP를 가장 적극적으로 활용하는 분야 중 하나가 신약 재창출(Drug repositioning)이라고 말했다. ‘신약 재창출’은 임상에서 효과가 부족하여 실패한 약물, 또는 시판되고 있는 의약품을 다시 평가하여 새로운 약효를 찾는 신약개발 방법이다.

CMAP를 이용한 신약 재창출 메커니즘은 질환 모델에서의 전사체 발현 패턴을 CMAP와 비교 분석하여 질환을 회복시키는 방향으로 발현되는 유전자의 활성화 유도물질을 선별하는 것이다. 이렇게 선별된 후보물질에 대한 효능을 시험함으로써, 임상시험에 드는 시간과 비용을 줄이고, 재창출 약물을 비교적 짧은 시간안에 효율적으로 발굴할 수 있다고 한다.

실제로 카이팜은 2016년, CMAP을 통한 뇌종양 치료제 후보물질 7가지를 선별하였으며(DOI : 10.1371/journal.pone.0150460), 이어 2018년 항암제 내성 저항 후보물질 아토르바스타틴(Atorvastatin, DOI : 10.1038/s41388-020-1316-2), 2020년 암 전이 유전자 억제 후보물질 볼테조밉(Bortezomib, DOI : 10.1186/s12943-018-0924-8) 등 다양한 질환을 대상으로 신약 후보물질을 재장출해냈다.

카이팜이 개발중인 KMAP은 NGS 분석 기법을 사용하여 보다 더 많은 유전자에 대한 높은 퀄리티의 정보를 제공할 수 있는 데이터셋이다. 김 대표는 “CMAP의 V1, V2는 시료의 분석범위가 60%에 그치는 Microarray나 L1000 기술을 사용하는 데 반해, KMAP은 시료의 모든 유전체를 전부 분석할 수 있는 NGS를 사용하기 때문에, 더 포괄적이고 정확한 데이터베이스를 확보할 수 있다”며 "KMAP은 약물 기전(MoA), 신약 재창출, 신약 표적 선정, 실패 약물 및 천연물의 활용 방향 설정, 약물 부작용 및 독성 정보 제공, hit-to-lead 방향 제시 등 신약 개발 프로그램에서 다양한 방향으로 활용될 수 있다"고 설명했다.

카이팜은 작년 8월에 맺은 한국파스퇴르연구소와의 공동연구개발 협약으로 고품질 NGS 기반 약물 유도 전사체 데이터 확보를 위한 KMAP 프로젝트를 진행중이다.

[출처]

바이오인스펙테이터 (서일 기자 il.seo@bios.co.kr)

Despite the continual discovery of promising new cancer targets, drug discovery is often hampered by the poor druggability of these targets. As such, repurposing FDA-approved drugs based on cancer signatures is a useful alternative to cancer precision medicine. Here, we adopted an in silico approach based on large-scale gene expression signatures to identify drug candidates for lung cancer metastasis. Our clinicogenomic analysis identified GALNT14 as a putative driver of lung cancer metastasis, leading to poor survival. To overcome the poor druggability of GALNT14 in the control of metastasis, we utilized the Connectivity Map and identified bortezomib (BTZ) as a potent metastatic inhibitor, bypassing the direct inhibition of the enzymatic activity of GALNT14. The antimetastatic effect of BTZ was verified both in vitro and in vivo. Notably, both BTZ treatment and GALNT14 knockdown attenuated TGFβ-mediated gene expression and suppressed TGFβ-dependent metastatic genes. These results demonstrate that our in silico approach is a viable strategy for the use of undruggable targets in cancer therapies and for revealing the underlying mechanisms of these targets.

Ok-Seon Kwon, Haeseung Lee, Hyeon-Joon Kong, Eun-Ji Kwon, Ji Eun Park, Wooin Lee, Seungmin Kang, Mirang Kim, Wankyu Kim & Hyuk-Jin Cha, “Connectivity map-based drug repositioning of bortezomib to reverse the metastatic effect of GALNT14 in lung cancer”, Oncogene, doi: 10.1038/s41388-020-1316-2 (2020)

Even when targets responsible for chemoresistance are identified, drug development is often hampered due to the poor druggability of these proteins. We systematically analyzed therapy-resistance with a large-scale cancer cell transcriptome and drug-response datasets and predicted the candidate drugs based on the gene expression profile. Our results implicated the epithelial–mesenchymal transition as a common mechanism underlying resistance to chemotherapeutic drugs. Notably, we identified ITGB3, whose expression was abundant in both drug resistance and mesenchymal status, as a promising target to overcome chemoresistance. We also confirmed that depletion of ITGB3 sensitized cancer cells to conventional chemotherapeutic drugs by modulating the NF-κB signaling pathway. Considering the poor druggability of ITGB3 and the lack of feasible drugs to directly inhibit this protein, we took an in silico screening for drugs mimicking the transcriptome-level changes caused by knockdown of ITGB3. This approach successfully identified atorvastatin as a novel candidate for drug repurposing, paving an alternative path to drug screening that is applicable to undruggable targets.

Soon-Ki Hong*, Haeseung Lee*, Ok-Seon Kwon*, Na-Young Song, Hyo-Ju Lee, Seungmin Kan, Jeong-Hwan Kim, Mirang Kim, Wankyu Kim, Hyuk-Jin Cha, Large-scale pharmacogenomics based drug discovery for ITGB3 dependent chemoresistance in mesenchymal lung cancer, Mol. Cancer 17:175. doi: 10.1186/s12943-018-0924-8. (2018) IF: 11.350

An in silico chemical genomics approach is developed to predict drug repositioning (DR) candidates for three types of cancer: glioblastoma, lung cancer, and breast cancer. It is based on a recent large-scale dataset of ~20,000 drug-induced expression profiles in multiple cancer cell lines, which provides i) a global impact of transcriptional perturbation of both known targets and unknown off-targets, and ii) rich information on drug's mode-of-action. First, the drug-induced expression profile is shown more effective than other information, such as the drug structure or known target, using multiple HTS datasets as unbiased benchmarks. Particularly, the utility of our method was robustly demonstrated in identifying novel DR candidates. Second, we predicted 14 high-scoring DR candidates solely based on expression signatures. Eight of the fourteen drugs showed significant anti-proliferative activity against glioblastoma; i.e., ivermectin, trifluridine, astemizole, amlodipine, maprotiline, apomorphine, mometasone, and nortriptyline. Our DR score strongly correlated with that of cell-based experimental results; the top seven DR candidates were positive, corresponding to an approximately 20-fold enrichment compared with conventional HTS. Despite diverse original indications and known targets, the perturbed pathways of active DR candidates show five distinct patterns that form tight clusters together with one or more known cancer drugs, suggesting common transcriptome-level mechanisms of anti-proliferative activity.

Haeseung Lee, Seungmin Kang, Wankyu Kim, “Drug Repositioning for Cancer Therapy Based on Large-scale Drug-induced Transcriptional Signatures”, PLoS One. 11(3):e0150460. doi: 10.1371/journal.pone.0150460 (2016)

지난 4월 1일 카이팜은 이화여대 북아현문에 위치한 산학협력관 건물 1층으로 사무실을 옮겼다.

새로 마련된 사무실은 직원들의 근무 환경과 효율성, 커뮤니케이션 등을 고려하여 세심하게 설계되었다.

먼저 활발하게 소통가능한 커뮤니케이션 공간으로써 세미나 및 화상채팅이 가능한 미팅룸이 꾸며졌다.

또한, 개방적인 분위기로 업무 및 휴식할 수 있는 카페 라운지를 구성하여 직원들의 편의 공간을 갖추었다.

사무실 위치는 서울시 서대문구 북아현로 150 (신촌동, 산학협력관) 102호(대표실), 105-106호(사업개발부 및 연구개발부)이다.

View the full article in BioWorld

View the full article in Mergermarket

인공지능(AI) 빅데이터 기반 신약개발기업 카이팜이 50억원 규모의 시리즈A 투자를 유치했다. 카이팜은 이번 투자유치로 차세대 시퀀싱(NGS) 기반 약물 유도 전사체 표준 데이터베이스를 독자적으로 구축한다는 계획이다.

29일 카이팜에 따르면 이번 투자에는 KB인베스트먼트, 이앤벤처파트너스, 코오롱인베스트먼트, 얼머스인베스트먼트, 피앤아이인베스트먼트, 킹고투자파트너스, 이노폴리스파트너스가 참여했다. 시드, TIPS, pre시리즈A(KB인베스트먼트, 파스퇴르연구소)까지 포함한 누적 투자금은 약 70억원이다.

카이팜은 생명정보분석 전문가인 김완규 이화여대 생명과학과 교수가 2018년 설립한 AI 빅데이터 기반 스타트업이다. 독자적인 생명정보 분석, 빅데이터 마이닝 및 가상탐색 기술을 통한 차세대 신약개발에 도전한다.

카이팜은 특히 이번 투자를 통해 차세대 시퀀싱(NGS) 기반 약물 유도 전사체 표준 데이터베이스를 독자적으로 생산해(KMAP 프로젝트), 약물의 작용 기전 및 작용점 규명, 신약 재창출 및 독성/활성 예측 등 신약개발에 폭넓게 활용할 예정이다. 이를 위해 지난 7월 한국파스퇴르연구소와 'KMAP 프로젝트 공동연구 협약'을 체결했다.

김완규 카이팜 대표는 “이번 투자를 통해 글로벌 최초로 FDA 승인 약물(화합물) 전체를 포함, 약 2000종 약물에 의한 전사체 데이터(KMAP_2K)를 차세대 시퀀싱(NGS) 기반으로 구축하게 된다. 올해 안에 기존 공개 데이터에 비해 정확도, 재현성, 유전자 범위 등 데이터의 질적/양적 수준이 월등하게 우수한 레퍼런스 데이터를 확보하고, 국내외 연구소, 대학 및 제약사와 신약 공동 개발 및 분석 서비스 제공을 추진할 계획"이라고 밝혔다.

카이팜의 TIPS, pre시리즈A 투자부터 참여한 KB인베스트먼트의 신정섭 상무는 “카이팜은 생물학과 정보학에 정통한 인적 역량을 갖추고 기존의 AI 신약개발기업과 차별적인 접근을 하고 있어 글로벌 경쟁력이 기대돼 세번째 투자에 참여하게 됐다"고 말했다.

[출처]

바이오스펙테이터 (장종원 기자 jjw@bios.co.kr)
벤처스퀘어 (이예화 기자 lee99@venturesquare.net)
플래텀(Platum) (김민정 기자 editor@platum.kr)
메디소비자뉴스 (김은지 기자 admin@medisobizanews.com)
약업신문 (이권구 기자 kwon9@yakup.com)
교수신문
이화뉴스

한국파스퇴르연구소와 신생 바이오벤처 카이팜은 7일 NGS(Next Generation Sequencing) 기반 약물유도 전사체 표준 데이터베이스를 구축하는 ‘KMAP 프로젝트’를 위한 공동연구 협약을 체결했다.

약물을 처리하고 세포가 가진 2만여개의 유전자 발현이 어떻게 변화하는지 분석하면 약물의 작용에 대해 많은 정보를 얻을 수 있다. 또한 다양한 약물에 대해 분석하고 표준 데이터베이스화 하면 개발 중인 약물과 기존 약물 간의 유사성을 파악하거나 특정 질병 상태의 패턴과 비교해 새로운 적응증을 발굴하는데 활용할 수 있다.

KMAP 프로젝트는 약물을 처리한 세포의 전체 유전자 발현(전사체)의 패턴 변화를 분석함으로써 약물의 작용기전을 보다 포괄적으로 이해하고 이를 기반으로 새로운 치료제 개발 연구에 활용할 수 있는 약물유도 전사체 표준 데이터베이스를 구축하는 것을 목표로 한다.

한국파스퇴르연구소는 이번 공동연구의 첫 단계로 자동화된 스크리닝 기술을 활용, 미국 FDA 승인약물 등 약 2000종의 약물에 대한 세포 유전자 발현패턴 변화를 초고속·대용량 스크리닝을 진행하고 전사체 빅데이터 생산을 위한 유전자 라이브러리를 생성할 예정이다. 카이팜은 약물유도 전사체 표준 데이터베이스를 구축하고 이를 통해 약물의 작용기전 해석, 약물 타겟 또는 적응증 예측이 가능한 알고리즘을 개발한다.

양 기관은 향후 공동 구축한 표준 데이터베이스를 개발으로 글로벌 기술플랫폼을 확립하고 국내외 제약사들에게 제공할 예정이다.

류왕식 한국파스퇴르연구소장은 “약물 전사체 분석 및 빅데이터 분야의 선도적 기술을 확보하고 있는 카이팜과의 공동연구를 통해 승인 약물의 새로운 작용기전과 작용점을 추가로 발굴하고 이를 혁신신약 개발 후속연구로 연계할 수 있을 것”이라고 말했다.

김완규 카이팜 대표는 “파스퇴르연구소와의 협력과 시너지를 통해 신약개발 연구를 촉진하는 혁신 기술 플랫폼을 제공할 수 있을 것으로 기대한다”고 밝혔다.

[출처]

바이오스펙테이터 (조정민 기자 joungmin.cho@bios.co.kr)
메디컬투데이 (이경호 기자 seddok@mdtoday.co.kr)
메디컬투데이 (박정은 기자 pj9595@mdtoday.co.kr)
약사공론 (이우진 기자 wjlee@kpanews.co.kr)
e-의료정보 (김태완 기자 kmedinfo@hanmail.net)
YTNscience (최소라 기자 csr73@ytn.co.kr)
인더스트리뉴스 (양철승기자 news1@industrynews.co.kr)
뉴스웍스 (문병도 기자 do@newsworks.co.kr)
브릿지경제 (송영두 기자 songzio@viva100.com)