Small molecule drug discovery for glioblastoma treatment based on bioinformatics and cheminformatics approaches

1.논문 제목: Small molecule drug discovery for glioblastoma treatment based on bioinformatics and cheminformatics approaches

2.저자명: Liya Feng, Sha Zhu, Jian Ma, Jing Huang, Xiaoyan Hou, Qian Qiu, Tingting Zhang, Meixia Wan,  Juan Li

3.Publish: 12 April 2024

4.DOI: https://doi.org/10.3389/fphar.2024.1389440

5.Abstract:

Background: Glioblastoma (GBM) is a common and highly aggressive brain tumor with a poor prognosis for patients. It is urgently needed to identify potential small molecule drugs that specifically target key genes associated with GBM development and prognosis.

Methods: Differentially expressed genes (DEGs) between GBM and normal tissues were obtained by data mining the Gene Expression Omnibus (GEO) and The Cancer Genome Atlas (TCGA) databases. Gene function annotation was performed to investigate the potential functions of the DEGs. A protein‑protein interaction (PPI) network was constructed to explore hub genes associated with GBM. Bioinformatics analysis was used to screen the potential therapeutic and prognostic genes. Finally, potential small molecule drugs were predicted using the DGIdb database and verified using chemical informatics methods including absorption, distribution, metabolism, excretion, toxicity (ADMET), and molecular docking studies.

Results: A total of 429 DEGs were identified, of which 19 hub genes were obtained through PPI analysis. The hub genes were confirmed as potential therapeutic targets by functional enrichment and mRNA expression. Survival analysis and protein expression confirmed centromere protein A (CENPA) as a prognostic target in GBM. Four small molecule drugs were predicted for the treatment of GBM.

Conclusion: Our study suggests some promising potential therapeutic targets and small molecule drugs for the treatment of GBM, providing new ideas for further research and targeted drug development.

6.한글 초록 요약본: 교모세포종(GBM)은 흔하면서도 매우 공격적인 뇌종양으로, 환자 예후가 좋지 않음. GBM의 발생과 예후에 관련된 핵심 유전자를 구체적으로 표적하는 잠재적 소분자 약물을 규명하는 것이 긴급히 요구됨. GBM과 정상 조직 간 차등 발현 유전자(DEG)를 GEO와 TCGA 데이터베이스에서 데이터 마이닝하여 추출함. DEG의 잠재적 기능을 조사하기 위해 유전자 기능 주석을 수행함. GBM과 관련된 허브 유전자를 탐색하기 위해 단백질‑단백질 상호작용(PPI) 네트워크를 구축함. 생물정보학 분석을 통해 잠재적 치료 및 예후 유전자를 선별함. 마지막으로 DGIdb 데이터베이스를 사용해 잠재적 소분자 약물을 예측하고, 흡수·분포·대사·배설·독성(ADMET)과 분자 도킹 연구 등 화학 정보학 방법으로 검증함. 총 429개의 DEG를 확인하였고, 이 가운데 19개의 허브 유전자를 PPI 분석을 통해 얻었음. 허브 유전자는 기능적 풍부화와 mRNA 발현을 통해 잠재적 치료 표적으로 확인되었음. 생존 분석과 단백질 발현 분석에서 centromere protein A(CENPA)가 GBM의 예후 표적으로 확인되었음. GBM 치료를 위해 네 가지 소분자 약물이 예측되었음. 우리의 연구는 GBM 치료를 위한 유망한 잠재적 치료 표적과 소분자 약물을 제시하며, 향후 연구와 표적 약물 개발에 새로운 아이디어를 제공함.

7.한글 논문 요약본:

7- 1. Introduction

교모세포종(GBM)은 뇌에서 가장 흔하고 공격적인 악성 교종으로 환자의 생존률이 매우 낮음. 표준 치료는 수술, 방사선 및 알킬화제 테모졸로마이드로 구성되나 재발률이 높고 약물 독성이 문제임. FDA가 승인한 재발성 GBM의 치료제인 로무스틴과 카무스틴도 효과가 제한적이라 새로운 치료 표적을 찾는 것이 중요함. 소분자 약물은 구조가 간단하여 중추신경계 투과성이 높고 비용이 낮아 신경계 질환 치료에 선호되며 GBM 연구의 중요한 초점임. 이전 연구들은 GEO 또는 TCGA 단일 데이터에 기반하여 GBM 표적을 찾았지만 두 데이터 세트를 통합한 메타‑분석은 부족함. 본 연구는 GEO와 TCGA에서 얻은 다중 전사체 데이터를 통합해 차등 발현 유전자를 찾고, 바이오인포매틱스와 케모인포매틱스 분석을 통해 GBM의 새로운 생체표지자와 소분자 약물을 예측함을 목표로 함.

7-2. Materials and methods

7-2-1. 데이터 수집과 DEG 분석: GEO 데이터베이스에서 샘플 수가 8개 이상인 GSE137902, GSE90886, GSE34152 세 개의 GBM 전사체 데이터를 선정하고 TCGA‑GBM 데이터(170개 종양 및 5개 정상 샘플)를 추가로 이용함. PCA로 데이터 품질을 확인한 후 limma 패키지와 TCGAbiolinks 패키지를 사용하여 GBM과 정상 샘플 사이의 차등 발현 유전자(DEG)를 추출함. GEO에서 |log₂ FC| > 2, TCGA에서는 |log₂ FC| > 1, p < 0.05를 기준으로 DEGs를 선정하여 두 데이터 세트의 공통 DEGs를 얻음.

7-2-2. 기능적 풍부화 분석: 공통 DEGs의 생물학적 기능을 이해하기 위해 GO와 KEGG 경로 분석을 수행하고 p < 0.05 기준으로 상위 10개의 생물학적 과정, 분자 기능, 세포 구성 요소, 경로를 추려냄.

7-2-3. PPI 네트워크 및 허브 유전자 선정: STRING 데이터베이스로 단백질‑단백질 상호작용(PPI) 네트워크를 구축하고 Cytoscape‑MCODE 모듈을 통해 연결도가 높은 모듈을 추출하여 19개의 허브 유전자를 도출함. 허브 유전자의 발현과 생존율을 GEPIA와 UALCAN 플랫폼에서 비교하여 중요도를 평가함.

7-2-4. 기능적 상태 및 단백질 수준 검증: CancerSEA 데이터베이스를 통해 허브 유전자의 단일 세포 기능 상태(증식, DNA 수리, 세포주기 등)를 분석하고, HPA 데이터베이스의 면역조직화학(IHC)을 이용하여 정상과 종양에서 단백질 발현을 비교함.

7-2-5. 약물‑유전자 상호작용 및 후보 약물 선정: DGIdb에서 허브 유전자를 표적으로 하는 소분자 약물을 검색하여 284개 후보 약물을 얻고, ADMETlab를 이용하여 BBB 투과성, 용해도, 분포 계수, 인간 장 흡수(HIA), 간독성, LD50 등을 평가한 후 적합한 약물을 선별함. 선정된 약물들은 혈뇌장벽 통과 여부(≥ 0.1), 수용성(−4 이상) 등 여러 기준을 충족해야 함.

7-2-6. 분자 도킹: ADMET 평가를 통과한 약물에 대해 Schrödinger 소프트웨어로 허브 단백질과의 결합 에너지를 계산하고 PyMOL로 결합 상태를 시각화함. 결합 에너지(더 낮을수록 안정적)를 통해 약물‑표적 상호작용을 검증함.

7-3. Results and Discussion

7-3-1. DEG 확인 및 풍부화 결과: PCA 분석 결과 GSE137902와 GSE90886 데이터는 정상과 종양 샘플 간 차이가 미미해 제외하고, GSE34152는 뚜렷한 차이를 보여 유지함. GSE34152에서 1,586개의 DEG(560개 상향, 1,026개 하향), TCGA‑GBM에서 10,593개의 DEG(5,503 상향, 5,090 하향)를 발견하여 교집합 429개 DEG를 확보함. GO BP 분석에서 세포외기질(ECM) 조직 및 구조 조직화가 두드러졌고, KEGG 경로는 ECM‑수용체 상호작용, 단백질 소화와 흡수, 국소 접착 및 모터 단백질 경로가 중심을 이룸.

7-3-2. PPI 네트워크 및 허브 유전자: 429개 DEG를 이용한 PPI 네트워크는 417개 노드와 540개 엣지로 구성됨. MCODE 분석을 통해 kinesin family member 23(KIF23), abnormal spindle microtubule assembly(ASPM), centromere protein A(CENPA), aurora kinase B(AURKB), DEP domain containing 1(DEPDC1), MKI67, BIRC5, CEP55, CENPE, CCNA2, HJURP, KIF11, CCNB1, KIF18A, PLK1, PLK4, CDCA2, SKA1, KIF14 등 19개 허브 유전자를 식별함. GEPIA 분석에서 허브 유전자는 정상 조직보다 GBM에서 전반적으로 발현이 증가하였으며, UALCAN 생존 분석에서 CENPA 발현이 환자 생존과 유의하게 연관됨. CancerSEA 분석에서 CENPA는 증식, DNA 수리, 세포주기와 양의 상관관계를 보였고, HPA 면역조직화학 결과에서도 GBM에서 높은 단백질 발현을 확인함.

7-3-3. 약물‑유전자 네트워크 및 후보 약물: DGIdb 탐색으로 7개의 허브 유전자가 특정 소분자 약물과 상호작용하는 것으로 나타났으며(AURKB 58개, BIRC5 36개, PLK4 27개, KIF11 10개, CCNB1 3개, CCNA2 4개, PLK1 176개), 중복을 제거한 284개 약물을 확보함. ADMETlab 평가를 통해 혈뇌장벽 투과, 용해도, 분포 계수, HIA, 간독성, LD50 등에서 우수한 4개 소분자 약물 – AT‑9283, seliciclib, litronesib, CHEMBL1310138 – 을 선정함. 선정된 약물은 BBB 투과성 ≥ 0.1, 용해도 > −4, 분포 계수 D (1–5), P (0–3), HIA ≥ 0.3 및 간독성 < 1 등 기준을 충족하며, Lipinski 규칙을 만족함.

7-3-4. 분자 도킹 결과: 4개 약물과 허브 단백질 사이의 분자 도킹을 수행하여 결합 에너지를 확인함. CENPA와의 결합 에너지는 AT‑9283 (−3.981 kcal/mol), seliciclib (−3.834 kcal/mol), litronesib (−3.592 kcal/mol), CHEMBL1310138 (−5.084 kcal/mol)으로 나타나 네 약물 모두 자발적이고 안정적인 결합을 보여줌. 다른 허브 단백질과의 결합에서도 PLK1 (−7.301 ~ −8.356 kcal/mol) 등 강한 결합이 확인됨. 도킹 이미지는 Figure 8에서 제시되며, 각 약물이 CENPA의 활성 부위에 수소 결합을 형성하는 모습을 보여줌.

7-4. Conclusions

본 연구는 GEO와 TCGA 전사체 데이터를 통합한 바이오인포매틱스 분석을 통해 GBM 관련 공통 DEG 429개를 확인하고, 19개 허브 유전자를 도출하였음. 허브 유전자 대부분은 염색체 분리와 모터 단백질 경로와 관련되어 GBM 발병과 진행에 중요한 역할을 함. 생존 분석과 단백질 발현 검증에서 CENPA가 기존의 IDH1보다 더 강력한 예후 표지자로 나타났음. DGIdb와 ADMETlab를 이용한 소분자 약물 스크리닝 결과 AT‑9283, seliciclib, litronesib, CHEMBL1310138 등 4개의 약물이 BBB를 통과하고 약물동태 및 독성 면에서 적합함이 확인되었으며, 분자 도킹에서 표적 단백질과 안정적으로 결합함을 보여 GBM 치료에 유망한 후보임을 제시함. 그러나 본 연구는 전적으로 공개 데이터와 계산적 방법에 기반하므로, 향후 실험적 검증과 임상 연구가 필요하며 데이터베이스가 확장되면 결과가 변경될 수 있음.

8.대표 Figure