다중 omics 접근법을사용한생물학연구방식의진화 애질런트의통합생물학 (Integrated Biology) 솔루션

생물학적연구는인체와같은복잡한체계도판독할수있을정도로그영역을넓히고있습니다. 이러한연구는다양하고보완적인 omics 데이터를통합하여사용함과동시에기존의생물학적원리에대한정보를활용함으로써가능하게되었습니다. 1 TREY IDEKER 박사, 미국캘리포니아주샌디에이고 LA JOLLA 에위치한 UNIVERSITY OF CALIFORNIA 의 INSTITUTE FOR GENOMIC MEDICINE, DEPARTMENTS OF MEDICINE AND BIOENGINEERING

노이즈상관관계의미분석 새로운통합분석을이용한생물학적복잡성판독 Omics 접근법 1 을활용하는연구자에게도생물학적복잡성을밝혀내는것은어려운 문제입니다. 업계와학계모두에서 Genomics, Transcriptomics, Proteomics 및 Metabolomics 를다양하게활용해실험하고있지만, 이들의단독연구결과만으로는 omics 실험에서발생하는높은수준의백그라운드노이즈에서유의한상관관계를식별하기에는통계적검증력이부족합니다. 예를들어, 일반적인전장유전체연관성분석 (genome-wide association study) 2 에서발견되는수백만개의 SNV(single-nucleotide variant) 중에서어떤 SNV 가질병의진짜원인인지식별하기는상당히어려운문제입니다. 1 4

이러한문제를해결할수있는방법을제시하는최근문헌에서, Ideker, et al, 1 는 omics 연구에서신호대노이즈 (S/N) 비를높이는수단으로다음두가지방법을제안하고있습니다. (1) 상호작용과경로등의이미알려진생물학적체계에대한기존정보를통합하는방법과 (2) Genome, Transcriptome, Proteome, Metabolome 및 Interactome 데이터의 보완층 (complementary layer) 을통합하는방법입니다. 또한이논문에서저자는어떤방법으로이러한통합분석이기존의생물학적지식을활용하여획기적인정보를만들어낼수있는지를집중적으로조명했습니다. 애질런트는통합다중 omics 접근법이생물학연구자를위한강력하고중요한도구라는점에동의하고있습니다. 따라서애질런트는통합생물학솔루션 (Integrated Biology Solution), 통합생물학지원프로그램 (Integrated Biology Grant Program) 을통해서이같은다중 omics 통합연구를지원하고있으며, 또한 Cytoscape(www.cytoscape.org) 와같은오픈소스프로젝트의파트너로서후원을하고있습니다. 애질런트는 4 개의주요 omics 즉, Genomics, Transcriptomics, Proteomics 및 Metabolomics 에서분석제품을출시하고있으며, 통합다중 omics 접근법을통해생명과학업계에있어서독보적인위치를확보하고있습니다. 최신 GeneSpring Bioinformatics 소프트웨어제품군은애질런트의 omics 플랫폼에서만들어지는어떠한 1 차데이터라도완전하게통합된경로 (Pathway) 수준의분석이가능합니다. 또한기존의데이터세트, 경로맵 (pathway map), 상호작용맵 (interaction map) 등의기존정보들을활용해다중 omics 실험에서강력한분석능력을보장합니다. 이문서에서는애질런트의통합생물학솔루션을소개하며저명한연구자들이애질런트의기술을활용하여암생물학, 전염병및시스템독성학문제를해결하는방법을설명합니다. 물론, 통합다중 omics 접근법은이러한분야에만국한되지않고, 식물, 인간, 미생물, 유기체모델및비유기체모델을포함한전체생물학적시스템연구에확장적용할수있습니다. 애질런트의통합생물학비전에대한자세한내용은이문서및애질런트웹사이트 3 를참조하거나애질런트담당자에게문의하십시오. 단일 omics 접근법 통합다중 omics 접근법 NOISE (N) 다중 omics 접근법으로기존정보, 필터링기능및통합기능을사용하여노이즈를감소시킬수있습니다. Probability (t) FDR = AN/AS+N FDR = A N /A S+N Power A S SIGNAL (S) A S A N Power 0 t cutoff 0 t cutoff Test Statistic (t) (1) 보완적인데이터세트와 (2) 생물학적시스템에대한기존정보를통합하여노이즈를감소시키는 Bioinformatics 방식을사용하면 omics 실험에서통계적검증력을향상시킬수있습니다 ( 예 : 동일한경로 (Pathway) 에속하는물질의측정치집계 ). 이를통해특정통계적 cutoff 에서 FDR(False Discovery Rate) 을효율적으로감소시키거나동일한 FDR 을같은수준으로유지하면서 cutoff 만을감소시킬수있습니다. 5

통합접근법적용 Discovery 에서경로 (Pathway) 위주의검증단계로정확하고신속하게이행 Omics 실험에서는많은생물학적측정결과가산출되므로어느경우에특이적질병이나표현형 (phenotype) 과상관관계가있는지식별하기는쉽지않습니다. 하지만시스템에대한기존정보를활용하면노이즈속에서질병과직접연관이있는시그널을쉽게식별하고, 최초실험결과의유효성을검증하여다음실험에적합한경로 (Pathway) 를선택할수있습니다. Baylor College of Medicine 에근무하고있는 Arun Sreekumar 박사는췌장암의바이오마커연구작업 (pancreatic duct adenocarcinoma, PDAC) 을진행하고있으며, 이연구작업은경로 (Pathway) 중심프로세스의모범사례를제시하고있습니다. 4 Sreekumar 박사팀의작업은다음세가지단계로구성되어있습니다. (1) 가설 - 질병과상관관계가있는단백질과관련된모든유전자의검색, (2) 보완적방법을통해단백질관련유전자의분석및유효성검증, (3) 의심스러운단백질과관련된생물학적경로에대해기존지식을활용하도록디자인된 Orthogonal Targeted Metabolomics 접근법을사용하는유효성검증실험 ANALYTE PARENT IONS (m/z) PRODUCT IONS (m/z) 1 Adenine 136.6 119.0 2 Adenosine 268.1 136.0 3 Guanine 152.0 135.0 4 Guanosine 284.1 152.0 5 Xanthine 153.0 110.0 6 Hypoxanthine 137.0 110.0 8 7 8 Inosine Thymine-D4 269.1 131.0 137.0 113.9 4 7 2 3 5 6 1 Sreekumar 박사팀은 Nucleoside Phosphorylase(NP) 가 PDAC 와관련이있다는가설을테스트하여 NP 기질이나생성물 (1~7) 인 7 개의대사체와컨트롤로서작용하는하나의외곽업스트림대사체를식별해냈습니다 (8). 4 6

단계 1: Discovery 를위한 Proteomic 프로파일링 Sreekumar 박사팀은양성조직 (n=7), PDAC(n=16) 과암이발병되기전의조직 (carcinoma in situ(cis), n=2) 의췌액시료의연구를통해차등발현이 3 개그룹중 1 개의그룹과상관관계를갖는단백질군인클래스별단백질발현관련유전자 (signature) 를발견하고자했습니다. 그리하여마침내이팀은 FDR(False Discovery Rate) 보정과관련된양측성 t- 테스트 (two-sided t-test) 를이용하여 MS 데이터를표준화하고분석한뒤, 양성시료와비교하여 PDAC(p 0.05, FDR 12%) 에서현저하게 upregulate 된 56 개 (431 개중 ) 의단백질을식별할수있었습니다. 단계 2: 클래스별단백질관련유전자유효성검증 Sreekumar 박사팀은 Proteomics 실험결과에특정질병과의차이가생물학적으로정확하게반영되었는지검증하기위해조직마이크로어레이 (tissue microarray) 분석과면역블롯 (immunoblot) 분석을사용하여클래스별하위세트단백질발현에대한실험을진행했습니다. 단계 3: 경로위주의 Targeted Metabolomics 를 통한단백질바이오마커검증 Sreekumar 박사팀은단백질발현데이터의유효성을검증한후 Purine Nucleoside Phosphorylase(NP) 가포함된단백질세트를선택해서추가로유효성검증을실시했습니다. 종양은 Purine 재생경로 (salvage pathway) 의구성요소인 NP 를사용해 Nucleotide Pool 을보충합니다. Sreekumar 박사팀은 purine 대사체경로 (Pathway) 를조사하여 7 개의 대사체 (NP 기질또는생성물 ) 와 1 개의외곽업스트림대사체를식별했습니다. 이팀은또한 Targeted LC/MS/MS Metabolomics 접근법을사용하여해당대사체의농도를측정했고, 높은통계적정확도 (p = 0.00025, one-sided Fisher s exact test) 로 2 개의시료클래스 ( 즉, 양성과 PDAC) 를구별할수있는바이오마커패널을만들었습니다. Arun Sreekumar 박사팀은이번작업을통해 omics 연구에기존지식을통합해유의미한상관관계를발견하는방법을제시했습니다. NP 를바이오마커로선택할시고려해야할핵심사항은특이적세포경로의 NP 기능에대한기존지식을활용하는것입니다. Sreekumar 박사팀은 NP 가관련된경로 (Pathway) 분석을통해 Targeted 경로위주의 Metabolomics 접근법을사용하여유효성검증실험을신속히체계화할수있었습니다. 애질런트통합생물학 (Integrated Biology) 소프트웨어인 GeneSpring-IB 는경로분석 (Pathway Architect, PA) 모듈을사용하여이러한유형의접근법을단순화할수있습니다. GeneSpring-IB 는 Genomics, Transcriptomics, Proteomics 및 Metabolomics 연구에서한번에 2 개의 omics 의원시데이터 (raw data) 를처리합니다. 그리고해당경로에차등발현된물질을매핑합니다. 이정보는 PA 에전달되며, 사용자는다중 omics 데이터세트의통합분석시증가한생물학적경로를직관적으로신속히검색, 검증하여발견할수있습니다. 기존에존재하던데이터를통합하고다중 omics 접근법을사용하면발견 (discovery) 과정보수준에서유효성검증과응용분석의단계로향하는경로 (Pathway) 를신속하게찾을수있습니다. 췌장암 낮음 상대레벨 높음 양성 클러스터 1 클러스터 2 클러스터 3 Inosine Guanosine Xanthine Hypoxanthine Adenine Guanine Adenosine Thyroid Goiter 13 5 Colon / Sessile Polyp 40 8 Chromic Pancreatitis 27 25 7 72 26 2 50 48 29 3 55 Breast Reduction 38 46 45 2 Colon / Tubular Adenoma 39 Colon / Tubular Adenoma 42 Kidney Infectious Disease 15 1 43 Pancreas Adenoma 12 59 60 57 58 56 4 Colon / Tubular Adenoma 41 47 Thyroid Goiter 14 61 49 21 16 51 19 17 52 53 6 54 Pancreas Adenoma 11 18 20 NP 대사체패널의계층적클러스터링 (Hierarchical Clustering) 을활용하면양성시료와 PDAC 시료를명확하게식별할수있습니다. 4 7

상호보완적인 omics 통합접근법 Discovery 효율성향상 단일 omics 접근법으로는통계적으로유의미한대상물질의이산집합 (discrete set) 을식별할수있을만큼충분한시그널을제공할수없는경우가종종발생합니다. 하지만다중 omics 의데이터를통합하면충분한조절을통해 FDR 을현저하게줄일수있습니다. GeneSpring 의 PA 모듈을사용하면단일 omics 분석또는다중 omics 통합분석중선택이가능하며, 신뢰할수있는결과를신속하고정확하게얻을수있습니다. 신뢰성높은결과를도출하기위한통합분석 - 사례연구 Johns Hopkins University 의 Akhilesh Pandey 의학박사팀은최근 Transcriptomic 데이터와 Proteomic 프로파일링을결합시켜유방암의잠재적화학방어물질 (Chemopreventative) 인 Sulforaphane(SFN) 에대한작용메커니즘을밝혀냈고, 잠재적인약역학적 (pharmacodynamic) 바이오마커를식별해냈습니다. 5 Kelch-like ECH-Associated Protein 1(KEAP1) 은 SFN 의알려진 target 입니다. SFN 을 KEAP1 에결합시키면 KEAP1 의억제기능이비활성화되어해독및산화방지효소를유도해낼수있습니다. Pandey 박사팀은 SFN 처리된세포나 KEAP1 녹다운 (knockdown) 처리된세포에서유전자발현과단백질발현을모두조사했습니다. 그리하여유전자발현분석을통해 SFN 으로조절되는 6,378 개의유전자목록과 KEAP1 녹다운 (knockdown) 으로조절되는 1,710 개의유전자목록을밝혀냈으며, 이중 879 개의유전자목록이중복되었습니다. Proteomics 실험에서 SFN 처리를통해조절상승된 96 개의단백질과조절하강된 26 개의단백질을검출했습니다. 한편, KEAP1 녹다운 (knockdown) 에서는조절상승된 50 개의단백질과조절하향된 76 개의단백질이검출되었습니다. 이중차등조절된 29 개의단백질이일치되었습니다. Pandey 박사팀은 4 가지주요 omics 유형실험을결합하여공통적으로영향을받는경로, 생체이물질대사, 산화방지제, 글루타티온대사 (glutathione metabolism), 당질대사및 NADH/NADPH 재생성, 단일단백질군, aldo-keto reductase 군구성원인 AKR1B10, AKR1C1, AKR1C2 및 AKR1C3 그리고 NQO1 과 ALDH3A1 를식별해냈습니다. NQO1 과 ALDH3A1 의경우, SFN 처리된세포와 KEAP1 녹다운세포모두에서조절상승된유전자와단백질을모두지니고있었습니다. Pandey 박사팀은 2 개의서로다른 omics 기술을사용하여 2 개의서로다른조건을실험함으로써 FDR 을감소시키고, 잠재적인바이오마이커세트를 1000 개에서몇개의중요한 target 으로좁힐수있었습니다. Pandey 박사팀은모든데이터를수동으로분석및통합했지만 GeneSpring-IB 를사용하면통합분석을신속하고간편하게실시할수있고, 적은노력으로도통계적으로유의미한결과를얻을수있었습니다. SFN KEAP1 (knockdown) TRANSCRIPTOMICS 6, 378 1,710 879 PROTEOMICS 122 126 29 Pandey 박사팀은서로다른 2 개의 omics 기술과서로다른 2 개의조건에서얻은데이터를통합하여 FDR 을감소시키고가능성이가장높은바이오마커후보를식별해냈습니다. 5 8

수동분석법 AGILENT GENESPRING-IB 를사용한통합분석 TRANSCRIPTOMICS/PROTEOMICS TRANSCRIPTOMICS/PROTEOMICS 실험 A 실험 B 실험 C 실험 D 통합분석 분석 A 분석 B 분석 C 분석 D 영향받는경로 경로에매핑 경로에매핑 경로에매핑 경로에매핑 경로 (PATHWAY) 에영향을받은정보통합 영향받는경로 GeneSpring-IB 를사용하면 omics 데이터를간편하게통합분석할수있습니다. 9

암바이오마커 DISCOVERY 이외의성과 다중 omics 접근법을활용하는전염병과독성학연구자 통합다중 omics 접근법은연구자가복잡한생물학적체계를이해할수있도록도와주며세포과정에서발생하는백그라운드노이즈에서의미있는시그널을식별하는데도움을주는강력한방법입니다. 여러 omics 를통합하는도구의사용이간편해짐에따라각분야의연구자들이연구과제에대한해답을찾기위해통합연구에점차주목하고있습니다. 시스템독성학 애질런트는현재독성학관련경로 (Pathway) 의연구에 Transcriptomics 와 Metabolomics 를사용한접근법을접목한 Hamner Institutes for Health Sciences 의 Russell Thomas 박사의연구를지원하고있습니다. 6 최근유럽 각국과미국정부가일반독성스크리닝대상화합물의수를대폭증가시키는계획을발표했습니다. 7 이같은정책으로현재독성테스트방법의처리량은제한되었고, 실험에사용하는동물의수또한제한되었습니다. 그리하여 Russell Thomas 박사와 Johns Hopkins Bloomberg School of Public Health 의의학박사인 Thomas Hartung 등의독성학자는 in vitro 세포기반테스트에사용할수있는독성바이오마커를식별하기위해통합테스트및다중 omics 접근법을개발하고있습니다. 이러한테스트는독성효과를내는화합물의스크리닝을높은처리량으로수행하는동시에, 현재의동물기반접근법보다인체에대한정확한독성평가를제공할수있습니다. 연구자는 [omics] 기술을활용하면특이적독성효과에대해새로운생물학적마커를 찾아 낼수있을뿐만아니라일부독성효과의특정패턴 ( 또는특징 ) 에대해많은추정이가능합니다. 그리고 Bioinformatics 와 in silico modelling 과같은강력한기술을바탕으로얻어진정보들은다른생명과학분야의정보와통합할수있습니다. 7 THOMAS HARTUNG 의학박사, Bloomberg School of Public Health, Johns Hopkins University, Baltimore, Maryland, USA 10

전염병연구 애질런트는저명한폐결핵연구자인 Weill Cornell Medical College 의 Kyu Rhee 의학박사를지원하고있습니다. Kyu Rhee 박사는자신의 Metabolomics 접근법에 Transcriptomics 분석을추가했습니다. 8 Rhee 박사팀은결핵균 (M. tuberculosis) 이다른박테리아와는달리다양한탄소원에서대사를일으키는새로운방식을규명하기위해 Targeted 와 Discovery Metabolomics 접근법모두를사용하고있습니다. M. tuberculosis 는동시에여러탄소원에서대사를일으킬수있어서단일대사경로만을대상으로하는의약품은아직까지완벽하게효과적이지않다는것을의미합니다. Rhee 박사와그동료들은 Transcriptomics 접근법과 Metabolomics 접근법을결합하여이러한신종전염병의생물학적정보를구축하고새롭고효율적인치료법을개발하여널리알릴수있기를희망하고있습니다. 다중 omics 연구실현 애질런트의전문응용분석연구자는모든주요 omics 제품군과 GeneSpring-IB 소프트웨어를사용하여다중 omics 데이터를통합및분석하여, 연구자가다중 omics 프로젝트로확장하여연구할수있도록도움을드리고있습니다. 다중 omics 접근법의모든역량을확인하시려면애질런트응용자료 애질런트다중 omics 접근법을사용한면역억제물질인 Rapamycin 이처리된세포의포괄적연구 (A Comprehensive Analysis of Rapamycin-treated Cells Using Agilent s Multi-omics Approach) 를참조하십시오. 9 이기술검증 (Proof Of Concept, POC) 연구를통해 Rapamycin 으로자극된세포와면역억제처리되지않은 HEK293 세포에대한 Genomics, Transcriptomics, Proteomics 및 Metabolomics 의연구를통합하는 GeneSpring-IB 의역량이입증되었습니다. 9 Agilent GeneSpring 12.0 - MPP 를사용한 Genomics 및 Metabolomics 데이터의결합분석. (A) Selenium 경로. (B) 경로에서다르게표현되는대사체및유전자일부를중점적으로설명하는확장된세부사항. (C) 경로보기와히트스트립의색상설정을보여주는범례 9 11

깊이있는정보로의접근 GeneSpring 의경로분석 (Pathway Architect, PA) 모듈을이용한생물학통합연구 애질런트통합생물학 (Integrated Biology) 의핵심은 GeneSpring Bioinformatics 소프트웨어제품군입니다. GeneSpring 은 Genomics, Transcriptomics, Proteomics 및 Metabolomics 를분석하기위해완벽하게통합된모듈로, 직관적이면서사용하기편리한통계적분석과단일 omics 연구의생물학적구조화 (biological contextualization) 가가능합니다. 다양한시각화기능과안정적인데이터관리아키텍처가결합된 GeneSpring 은중요한분석도구역할을수행합니다. 그리고 R 과 Jython 스크립팅으로쉽게맞춤형으로사용할수있습니다. GeneSpring 은전세계과학자들에의해 1 만 3 천번넘게인용되었으며, 과학자들은 GeneSpring 를사용하여데이터를심도있게분석하고있습니다. PA 모듈을 GeneSpring 에추가하면다중 omics 를통합하여 사용할수있습니다. 그리고모든 Genomics, Transcriptomics, Proteomics 및 Metabolomics 데이터를통합분석하여 Arun Sreekumar 박사 (6 페이지 ) 와 Akhilesh Pandey 박사 (8 페이지 ) 의연구에서처럼통계학적검증력을향상시키고, 가설없이진행되는연구에서가설중심연구로전환할수있습니다. PA 모듈은모든 omics 수준모듈의생물학적분석에기초하며, WikiPathways 자원의완벽한통합을통해더큰생물학적커뮤니티의전문지식을활용합니다. 단일또는다중 omics 실험의 1 차데이터분석은세포상태, 질병진행또는독성같은연구진행에관련된경로를식별하는데사용할수있습니다. 그리고 PA 모듈이완벽히통합되므로이러한연구는 discovery 단계에서실험의유효성검증및디자인단계로이동할수있습니다. GeneSpring 은 omics 데이터분석에널리활용되는강력한도구입니다. 12

PA 모듈의유연성에기초하여연구자들은관련생물학적경로를식별하는데다음과같은다양한방법을사용할수있습니다. 생물학연구커뮤니티에서지속적으로큐레이트되는자원인바로이용가능한 WikiPathways 를사용합니다. 새로운네트워크를식별하기위해 PubMed, MEDLINE 및고유한리소스에서내장된기본자연어처리기반 (NLP) 알고리즘과의학주제머리글 (MeSH) 용어를사용합니다. GeneSpring-IB 소프트웨어플랫폼은 NGS, GX, MPP 및 PA 모듈로구성할수있으며, 통계및경로분석을수행합니다. 그리고 GeneSpring-IB 소프트웨어는 omics 소프트웨어중에서도매우독특한도구로모든원시 omics 데이터 (raw omics data) 를분석하여신호대노이즈 (S/N) 비를높입니다. 애질런트의통합생물학 (Integrated Biology) 용솔루션을사용하면문제점을해결하고새로운정보를신속하고정확하게얻을수있습니다. 거의모든소스에서맞춤형경로정보를업로드합니다. 신경망분석을통해 1 차데이터로부터경로를구축합니다. DISCOVERY 유효성검증 측정플랫폼, 주석소스및다른유기체간경로식별요소를자동으로변환합니다. GeneSpring 과 IPA(Ingenuity Pathway Analysis) 간데이터를전송합니다. GeneSpring 에서 Thomson Reuters 의 GeneGo MetaCore 분석제품군으로데이터를내보냅니다. 가설없음 실험디자인실험데이터수집데이터분석모델구축 가설위주 애질런트는데이터수집부터데이터분석및시각화에이르는모든단계에서다중 omics 통합생물학 (Integrated Biology) 프로젝트를지원하고있습니다. 애질런트의강력한 애질런트는단일과다중 omics 실험을통합및지원하여연구자가가설없이진행되는발견 (discovery) 프로세스와경로 / 가설위주의유효성검증프로세스를간편하게수행할수있도록합니다. GENESPRING-PA GENESPRING-GX GENESPRING-NGS GENESPRING-MPP GENESPRING-PA GENESPRING-GX GENESPRING-NGS 다중 OMICS 분석 GENESPRING-PA GENESPRING-NGS GENESPRING-MPP GENESPRING-PA GENESPRING-GX GENESPRING-MPP 경로분석 (PATHWAY ARCHITECT) 단일 OMICS 분석 GeneSpring-PA 는경로주석용및데이터통합용의독립형도구입니다. GeneSpring-GX 는유전자형, 유전자발현및 mirna 어레이의마이크로어레이데이터를분석합니다. GeneSpring-NGS 는 SureSelect Target Enrichment 와 RNA-seq 및 DNA-seq 실험의데이터를관리합니다. GeneSpring-MPP 는 Proteomics 와 Metabolomics 연구를위해 MS 데이터를처리합니다. Bioinformatics 소프트웨어인 GeneSpring 제품군은모듈성과확장성이높습니다. 통합분석을위해복수의단일 omics 모듈을결합합니다. 13

OMICS 용어집 Genomics - DNA 서열과유전체아키텍처수준에서 DNA 서열정보를얻고유전변이를평가합니다. 애질런트는 CGH와 CNV 마이크로어레이플랫폼, PCR, qpcr 시스템및차세대유전자시퀀싱을위한 SureSelect Target Enrichment 시약을포함한다양한시스템, 시약및소모품을제공합니다. Transcriptomics - 유전자발현수준을측정하고 mrna 와 mirna 의차등발현을밝혀냅니다. 애질런트는마이크로어레이와마이크로어레이플랫폼을포함한다양한 시스템, 시약및소모품을제공합니다. Proteomics - MS를사용하여단백질발현및변형을정성적 / 정량적으로분석합니다. 애질런트는 Discovery 및 Targeted Proteomics에적합한 LC/MS 기기를제공합니다. Metabolomics - 시료의대사체 I.D. 와농도변화를추적합니다. 애질런트는 Discovery 및 Targeted Metabolomics 에적합한 LC/MS 및 GC/MS 기기를제공합니다. 14

애질런트의통합생물학 (Integrated Biology) 을 위한노력 미래를위한경로구축 현재 omics 기술은완성단계에있으며, 연구자들은통합접근법을통해 omics 데이터로부터많은정보를얻고있습니다. 애질런트는연구자들이독자적인방법으로다중 omics 를통합하기위한연구를지원하고있으며, 통합생물학을발전시키기위해최선을다해노력하고있습니다. 애질런트는복잡한네트워크시각화및분석을위한개방형소스인 Cytoscape 를지지하는핵심후원사이며자금제공과협력을통해관련연구커뮤니티전체가소중한연구도구를무료로자유롭게사용할수있도록지원하고있습니다. 또한통합접근법을지원하는개방형소스소프트웨어도구를개발하기위해첫번째기금을마련했습니다. 이기금은 Harvard University 의 Peter J. Park 박사와 University of Washington 의 Michael J. MacCoss 박사의 연구에사용되고있습니다. Park 박사및 MacCoss 박사의연구분야에대한자세한소개와새로운기금프로그램의업데이트에대한자세한내용은애질런트 emerging Insights Grants 페이지를참조하십시오. 10 생물학에대한통합접근법은기본 / 응용생물학연구의중요한연구과제를해결할수있도록방향을제시하는강력한방법입니다. 이방식으로데이터의통계적검증력향상, 뛰어난신호대노이즈 (S/N) 비제공, 기존연구자의성과를바탕으로한단계업그레이드된연구를수행할수있게되었습니다. 애질런트의통합생물학 (Integrated Biology) 에대한자세한내용은 agilent.com 4 을참조하시거나애질런트담당자에게문의하여주십시오. 참조문헌 1. Ideker, T., Dutkowski, J. & Hood, L. Boosting signal-to-noise in complex biology: prior knowledge is power. Cell 144: 860-863 (2011). 2. Hudson, T.J. et al. International network of cancer genome projects. Nature 464: 993-998 (2010). 3. Integrated Biology at Agilent <http://www.agilent.com/ lifesciences/biology> 4. Vareed, S.K. et al. Metabolites of purine nucleoside phosphorylase (NP) in serum have the potential to delineate pancreatic adenocarcinoma. PLoS ONE 6: e17177 (2011). 5. Agyeman, A.S. et al. Transcriptomic and proteomic profiling of KEAP1 disrupted and sulforaphane-treated human breast epithelial cells reveals common expression profiles. Breast Cancer Res. Treat. (2011). 132 (1): 175-187 (2012). 6. Thomas, R.S. et al. Application of transcriptional benchmark dose values in quantitative cancer and non-cancer risk assessment. Toxicol. Sci. 120: 194-205 (2011). 7. Hartung, T. Toxicology for the twenty-first century. Nature 460: 208-212 (2009). 8. de Carvalho, L.P.S. et al. Metabolomics of Mycobacterium tuberculosis reveals compartmentalized co-catabolism of carbon substrates. Chem. Biol. 17: 1122-1131 (2010). 9. Rajagopalan, et al, A Comprehensive Analysis of Rapamycin -treated Cells Using Agilent s Multi-omics Approach 5990-9873EN. 10. emerging Insights Grant Program <http://www.agilent. com/lifesciences/emerginginsights> 15

자세한내용 www.agilent.com/lifesciences/biology 온라인구매 www.agilent.com/chem/store 국가별애질런트고객센터찾기 www.agilent.com/chem/contact 미국및캐나다 1-800-227-9770 agilent_inquiries@agilent.com 유럽 info_agilent@agilent.com 아시아태평양 inquiry_lsca@agilent.com 이정보는사전공지없이변경될수있습니다. Agilent Technologies. Inc. 2012 2013년 6월한국에서발행 5991-0222KO 서울강남구역삼로 542 신사제2빌딩 2층우 )135-848 경기도수원시영통구권광로 511 나노소자특화팹센터 (KANC) 9층우 )443-270 한국애질런트테크놀로지스 ( 주 ) 생명과학 / 화학분석사업부고객지원센터 080-004-5090 www.agilent.co.kr