Literature-grounded protein tracking · AlphaFold structures · hair-cycle ODE twin
질환을 고르고 치료 개입을 조합하면, 모낭 주기 ODE 모델이 핵심 단백질의 시간 궤적과 모발 밀도를 시뮬레이션합니다.
현재 질환의 치료별 최종 모발 밀도.
병태 부하를 직접 조절해 트윈을 실시간 재계산.
좌측 목록에서 단백질을 클릭하면 AlphaFold 3D 구조와 근거가 표시됩니다.
—
—
모낭 주기 ODE 모델의 파라미터를 transcriptomic 시계열에 COPASI(Levenberg-Marquardt)로 추정하여 정량 보정. scipy(TRF) 워밍업 + COPASI polish.
데이터 보정된 모낭주기 모델을 질환·치료로 변조 → anagen 비율이 disease-specific 주기 왜곡으로 창발.
치료(기전)를 넣으면 어떤 단백질과 상호작용하는지, 그 효과가 개월별로 신호망을 타고 전파되는 것을 보여줍니다. 노드=단백질(밝기·크기=활성), 초록 화살=활성·빨강 막대=억제. 표적 그룹은 점선 링으로 강조. 기전 차이: 피나=상류 AR·DKK1 차단(DKK1 어두워짐) vs 미녹=하류 DP·모발 부양(DKK1은 그대로). ※ 활성=질환평형+회복·r(t)·(건강−질환), r(t)는 임상-보정 lag/τ.
사진을 올리고 질환·치료를 고른 뒤, 환부를 드래그로 표시하면 모델 곡선대로 변화를 스크럽합니다.
↑ 밀도 곡선 (양=트윈 모델 · 속도=임상 문헌) — 프로그레스 바가 이 값을 따라갑니다.
트윈의 인과 기전을 모델 구성에 쓰지 않은 독립 데이터(벌크·단일세포·약물섭동·GWAS·구조)로 검증. 약하거나 비재현인 결과도 정직하게 표시합니다 — 검증 = 직교 증거의 수렴.
모달리티별 (다운로드 / 기록·게이트)
질환별 데이터셋 수
독립 벌크/섭동 데이터의 기전 검정 — 막대가 길수록 유의.
GSE295410 마우스 진피유두 — Con→TP(AGA)→TP+Ab(치료). Wnt(Lef1/Axin2)↓·Dkk1/Cxcl12↑, 치료로 역전.
AA 마우스 — vehicle 대비 JAK1/3·Tofa·Ruxo는 염증↓, JAK2i만 무효(임상 타깃과 일치).
두 코호트 T세포 포획이 9배 차이 → 단일세포 면역정량은 프로토콜 의존, 코호트 불일치. AA 근거는 벌크가 robust.
위험유전자 중 카탈로그 보유 비율. 보유 유전자의 축 배정은 GWAS와 일관(직교 검증).
신규 후보 19개: AlphaFold 구조 신뢰도(pLDDT) + 배정 축과의 STRING 응집. ⚠ 구조·네트워크는 질환 인과를 증명하지 않음(그건 GWAS) — 직교 면을 검증.
회복 '양'=트윈 모델, '속도'=임상 문헌 동역학으로 보정. 미녹시딜·피나는 초기 telogen 탈락(음수), JAK은 빠른 onset.
완전히 다른 원리(모낭 자동자 vs 신호 ODE)인데 정상 anagen·AGA 밀도 수렴.
직접 실험 대신, 공개된 ex vivo 인체 모낭 organ-modeled RNA-seq(DHT vs control, AGA 전두부 모낭, n=3)로 트윈을 검증. 트윈의 AGA/DHT→Wnt억제 예측(Wnt 길항자↑·Wnt표적↓·모발케라틴↓)이 10/11 방향 일치, 부호검정 p=0.0059. DKK1 +1.13은 DP세포(GSE178374 +1.57)와 일관 — 전체 모낭에서도 재현. 정직: n=3 소규모라 개별 q≈1; 신호는 Wnt축 방향 협응이지 개별 유의 아님(BMP·비정준 Wnt 제외).
Hair 산출 A=kAp·[W²/(KWA²+W²)]·[D²/(KDA²+D²)] 는 Wnt·DP 두 협동 문턱의 AND-게이트. 상류 '브레이크 해제'(AR/5-ARI)×하류 '가속'(미녹시딜)을 병용하면 곱으로 결합 → 초가법적 시너지가 모델 구조에서 창발. 실험에서 가법/길항이면 AND-게이트 가정이 반증됨(사전등록: PREREGISTRATION.md).
타이밍 모델을 실제 임상 궤적에 계층적 베이즈로 보정. 핵심 정직성 체크 = leave-one-trajectory-out 커버리지: 단순 풀링 구간은 과신(59%)이었으나 시험 간 이질성을 넣자 명목 90%로 수렴(98%). 트윈이 "X%"가 아니라 "X%[구간]"을 보정된 채 말한다.
디지털 트윈을 진짜 '트윈'으로. 개인의 초기 반응을 동화하면 후기 예측이 모집단 모델보다 좋아지는지 누설 없이 검정(앞 점 관측→뒤 점 forecast). 결과: 개인화가 9/10 궤적 우세, 평균 +40% RMSE 개선, 커버리지 23%→90%. 정직: 개인환자 IPD(Vivli 통제접근) 부재로 시험암을 유사개인으로 사용 — 암 평균은 저잡음이라 개선이 과대평가될 수 있음. ODE-수준 개인화는 omics 필요(차기).
사전등록 실험을 추측이 아니라 몬테카를로 검정력 시뮬레이션으로 설계. 정직한 결과: 시너지(δ=+0.12)는 실재하나 약한 효과라 단일 엔드포인트는 표본이 큼(n≈40 추정은 과소였고 시뮬이 교정). 핵심 발견: 노이즈 플로어는 기술이 아니라 생물학적 모낭간 변동 → 분자 readout 교체만으론 부족. 표본 절감은 모낭내 paired 설계(유효 CV↓)에서 옴 — 복합 전략으로 1000→300모낭(3.3×). 분자 keratin의 역할=시너지를 잡는 올바른 지표(A proxy).
개인 baseline 분자축을 개인 ODE 파라미터로 매핑 → 치료 전 최적치료 예측. GWAS-가중 보정 적용(트랙 C): AR/EDA2R/SRD5A2(유전 androgen축) ≫ DKK1/SFRP1(하류) 재가중 → 두 AGA 프로파일 구동이 0.78→0.98 / 0.88→0.64로 재층화(하류 DKK1만 높은 쪽을 낮춤). 헤드라인=정성→보정 구동 변화. 정직: 개인결과 최종보정은 여전히 paired IPD 필요.
ODE 개인화의 정성 매핑을 보유 데이터로 보정. GWAS(FinnGen AA/AGA + Yap2018 UKB MPB로 AR/EDA2R X연관 보강)로 어떤 마커가 질환을 구동하는지(중요도), 약물 섭동(DHT→DP·JAK-i→AA)으로 개입/구동의 크기를 실측 정박. 정직: 개인 baseline→개인결과의 최종 보정은 여전히 paired IPD 필요 — 이건 매핑의 방향·중요도·크기를 데이터에 묶는 부분 보정.
IPD 도착 시 즉시 돌릴 사전등록 분석을 합성 코호트(실측 집계+UQ 분산, 반응자 혼합·방문잡음)로 검증. 정직한 미리보기: 개인 수준에선 개인화 이득이 +3.4%·95%CI 0 포함→불확정(시험암 +40%와 대조). 개인 잡음·희소 방문이 개인 예측을 어렵게 함 → 진짜 검증은 실제 IPD로만. (load_ipd()로 즉시 연결)
트윈을 검증된 비교 기준선으로 쓸 수 있나? 핵심은 점예측이 아니라 불확실성이 정직한가(보정). 다단계 보정곡선(50/80/90/95% out-of-sample LOTO)에서 경험적 커버리지가 명목을 재현 — 보정오차 0.054(약간 보수적). → 치료-타이밍 = 보정된 비교군, 축방향 = 방향 비교군. ★무작위 대조군(RCT) 검증(아래): 트윈의 '무치료' 예측이 실제 RCT 위약 arm과 동등(TOST 2/2) → synthetic control 후보. 정직: 개인예측·절대정량·신규시너지는 미달; RCT검증은 회고적·대조군 평균(개인변동 아님). (V&V40: COMPARATOR_CREDIBILITY.md)
트윈이 쥐 실험을 대체할 수 있나? 아니오 — 전체 대체는 불가(신규발견·전신 PK/독성·전임상 안전성은 영구 제외). 그러나 특정 효능 어세이 1개를 좁은 CoU(기전기지 JAK 화합물 AA발모)에서 인체 HFOC + 정량 트윈으로 대체하는 비동물법(NAM) 경로는 실재. 분업: HFOC=효능크기·트윈=동역학. 아래는 Phase 0(건식) 결과 — 다년 wet-lab+공인은 미수행. (NAM_QUALIFICATION.md)
| 연도 ↕ | 제목 (Title) | 질환 ↕ | 표적 단백질 (Targets) |
|---|---|---|---|
| 로딩 중... | |||