| 1 |
1
약물과 단백질 간 관계 분석 방법에 있어서,상호 연관성이 있는 약물과 단백질의 조합 데이터를 적어도 하나 이상 포함하는 학습 데이터 집합과 관련하여, 상기 학습 데이터 집합에 포함되는 상기 단백질이 세포 내 존재하는 위치를 나타내는 단백질 위치 정보를 입력받는 단백질 위치 정보 입력 단계; 및상기 단백질 위치 정보를 포함하는 상기 단백질의 단백질 특징 정보와 상기 약물의 약물 특징 정보를 기반으로, 상기 학습 데이터 집합을 이용하여 상기 약물과 상기 단백질 간의 연관성을 판단하기 위한 분류기를 학습하는 분류기 학습 단계; 를 포함하고,상기 분류기 학습 단계는 상기 학습 데이터 집합에서 테스트 집합(Test Set)과 학습 집합(Training Set)을 설정하는 집합 설정 단계;상기 학습 집합에 포함된 상기 약물과 단백질의 조합 데이터 중에서 상기 테스트 집합에 포함된 상기 약물과 단백질의 조합 데이터와의 관련도가 소정의 기준 이상인 상기 약물과 단백질의 조합 데이터를 선별하는 선별 단계; 및상기 학습 집합에서 선별된 상기 약물과 단백질의 조합 데이터와 상기 테스트 집합에 포함된 상기 약물과 단백질의 조합 데이터의 각 상기 단백질 특징 정보 및 상기 약물 특징 정보에 기초하여 상기 분류기의 파라미터를 학습하는 분류기 파라미터 학습 단계; 를 포함하는 것을 특징으로 하는 약물과 단백질 간 관계 분석 방법
|
| 2 |
2
제1항에 있어서,상기 분류기는 상기 단백질의 상기 단백질 특징 정보와 상기 약물의 상기 약물 특징 정보를 입력으로 하여, 상기 단백질과 상기 약물 간의 상기 연관성을 판단하는 분류기인 것을 특징으로 하는, 약물과 단백질 간 관계 분석 방법
|
| 3 |
3
제1항에 있어서,단백질 간의 관계를 나타내는 단백질 상호 작용 네트워크를 이용하여, 상기 학습 데이터 집합에 포함된 상기 단백질의 상기 단백질 위치 정보를 갱신하는 단백질 상호 작용 네트워크 기반 단백질 위치 정보 갱신 단계; 를 더 포함하고,상기 분류기 학습 단계는 상기 갱신된 단백질 위치 정보에 따른 상기 단백질 특징 정보를 기반으로 상기 분류기를 학습하는 것을 특징으로 하는, 약물과 단백질 간 관계 분석 방법
|
| 4 |
4
제1항에 있어서,상기 단백질 위치 정보는 상기 단백질이 세포 내 미리 정해진 적어도 하나 이상의 대표 위치에 각각 존재하는지 여부를 나타내는 단백질 위치 정보 벡터를 포함하는 것을 특징으로 하는, 약물과 단백질 간 관계 분석 방법
|
| 5 |
5
제4항에 있어서,상기 대표 위치는 시토졸, 소포체, 세포 외부, 골지, 페록시솜, 미토콘드리아, 세포핵, 리소좀, 원형질 막 중 적어도 어느 하나 이상을 포함하는 것을 특징으로 하는, 약물과 단백질 간 관계 분석 방법
|
| 6 |
6
제1항에 있어서,상기 단백질 특징 정보는 상기 단백질 위치 정보와 함께, 상기 단백질의 아미노산 서열 정보, 단백질 상호 작용 네트워크 상에서의 위치 정보 중 적어도 어느 하나 이상을 포함하는 것을 특징으로 하는, 약물과 단백질 간 관계 분석 방법
|
| 7 |
7
제1항에 있어서,상기 약물 특징 정보는 상기 약물의 화학 구조 정보, 상기 약물의 부작용 정보 중 적어도 어느 하나 이상을 포함하는 것을 특징으로 하는, 약물과 단백질 간 관계 분석 방법
|
| 8 |
8
삭제
|
| 9 |
9
제1항에 있어서,상기 집합 설정 단계는 상기 학습 데이터 집합을 소정의 개수의 부분 집합으로 분할하고, 상기 분할한 부분 집합 중 일부를 상기 테스트 집합으로 설정하고, 상기 테스트 집합을 제외한 나머지 상기 부분 집합들을 상기 학습 집합으로 설정하는 것을 특징으로 하는, 약물과 단백질 간 관계 분석 방법
|
| 10 |
10
제1항에 있어서, 상기 선별 단계는,상기 테스트 집합에 포함된 상기 약물과 단백질의 조합 데이터의 상기 약물 특징 정보와, 상기 학습 집합에 포함된 상기 약물과 단백질의 조합 데이터의 상기 약물 특징 정보 간의 유사도를 산출하는 약물 간 유사도 산출 단계;상기 테스트 집합에 포함된 상기 약물과 단백질의 조합 데이터의 상기 단백질 특징 정보와, 상기 학습 집합에 포함된 상기 약물과 단백질의 조합 데이터의 상기 단백질 특징 정보 간의 유사도를 산출하는 단백질 간 유사도 산출 단계;상기 산출한 상기 약물 특징 정보 간의 유사도와 상기 단백질 특징 정보 간의 유사도를 이용하여 상기 관련도를 산출하는 관련도 산출 단계; 및상기 산출한 관련도에 기초하여 상기 약물과 단백질의 조합 데이터를 선정하는 선정 단계를 포함하는 것을 특징으로 하는, 약물과 단백질 간 관계 분석 방법
|
| 11 |
11
제1항에 있어서,상기 분류기 파라미터 학습 단계는 상기 집합 설정 단계에서 설정된 상기 테스트 집합의 개수의 부분 분류기들을 각 상기 테스트 집합과 상기 학습 집합을 이용하여 학습하여, 상기 부분 분류기들을 포함하는 상기 분류기를 학습하는 것을 특징으로 하는, 약물과 단백질 간 관계 분석 방법
|
| 12 |
12
제3항에 있어서,상기 단백질 상호 작용 네트워크 기반 단백질 위치 정보 갱신 단계는 상기 단백질 상호 작용 네트워크의 상기 단백질의 상기 단백질 위치 정보를, 상기 단백질 상호 작용 네트워크에서 상기 단백질에 연결되는 이웃 단백질의 상기 단백질 위치 정보를 이용하여 산출하여 갱신하는 것을 특징으로 하는, 약물과 단백질 간 관계 분석 방법
|
| 13 |
13
제12항에 있어서, 상기 단백질 상호 작용 네트워크 기반 단백질 위치 정보 갱신 단계는,상기 단백질 상호 작용 네트워크에서 상기 단백질 위치 정보가 초기에 설정된 상기 단백질의 상기 단백질 위치 정보는 유지하고,상기 단백질 위치 정보가 초기에 설정되지 아니한 상기 단백질의 상기 단백질 위치 정보를 상기 이웃 단백질을 이용하여 산출한 상기 단백질 위치 정보로 설정하는 것을 특징으로 하는, 약물과 단백질 간 관계 분석 방법
|
| 14 |
14
약물과 단백질 간 관계 분석 방법에 있어서,연관성을 판단할 대상이 되는 약물과 단백질에 관하여, 상기 약물의 약물 특징 정보 및 상기 단백질의 단백질 특징 정보를 입력받는 약물 단백질 특징 정보 입력 단계; 및미리 학습된 분류기를 이용하여 상기 약물 특징 정보와 상기 단백질 특징 정보를 기초로, 상기 약물과 상기 단백질 간의 상기 연관성을 판단하는 연관성 판단 단계; 를 포함하고,상기 단백질 특징 정보는 상기 단백질이 세포 내 존재하는 위치를 나타내는 단백질 위치 정보를 포함하며,상기 분류기는 상기 연관성이 있는 약물과 단백질의 조합 데이터를 적어도 하나 이상 포함하는 학습 데이터 집합에서 테스트 집합과 학습 집합을 설정하여, 상기 학습 집합에 포함된 상기 약물과 단백질의 조합 데이터 중에서 상기 테스트 집합에 포함된 상기 약물과 단백질의 조합 데이터와의 관련도가 소정의 기준 이상인 약물과 단백질의 조합 데이터 및 상기 테스트 집합에 포함된 상기 약물과 단백질의 조합 데이터의 각 상기 단백질 특징 정보 및 약물 특징 정보를 입력으로 하는 상기 분류기의 파라미터 학습을 통하여 미리 학습되는 것을 특징으로 하는 약물과 단백질 간 관계 분석 방법
|
| 15 |
15
제14항에 있어서,상기 단백질 위치 정보는 상기 단백질이 세포 내 미리 정해진 적어도 하나 이상의 대표 위치에 각각 존재하는지 여부를 나타내는 단백질 위치 정보 벡터를 포함하는 것을 특징으로 하는, 약물과 단백질 간 관계 분석 방법
|
| 16 |
16
제14항에 있어서,상기 단백질 특징 정보는 상기 단백질 위치 정보와 함께, 상기 단백질의 아미노산 서열 정보, 단백질 상호 작용 네트워크 상에서의 위치 정보 중 적어도 어느 하나 이상을 포함하고,상기 약물 특징 정보는 상기 약물의 화학 구조 정보, 상기 약물의 부작용 정보 중 적어도 어느 하나 이상을 포함하는 것을 특징으로 하는, 약물과 단백질 간 관계 분석 방법
|
| 17 |
17
제14항에 있어서, 상기 연관성 판단 단계는, 상기 연관성이 존재하는 것으로 미리 알려진 약물과 단백질 간의 조합 데이터들을 포함하는 정답 집합 중에서, 상기 연관성을 판단할 대상이 되는 상기 약물과 상기 단백질 간의 조합 데이터와 관련도가 소정의 기준 이상이 되는 상기 약물과 단백질 간의 조합 데이터를 선별하는 선별 단계; 및상기 정답 집합 중에서 선별된 상기 약물과 단백질 간의 조합 데이터와, 상기 연관성을 판단할 대상이 되는 상기 약물과 상기 단백질 간의 조합 데이터의 각 상기 단백질 특징 정보 및 상기 약물 특징 정보에 기초하여 상기 분류기를 이용하여 상기 약물과 상기 단백질 간의 상기 연관성을 판별하는 판별 단계;를 포함하는 것을 특징으로 하는, 약물과 단백질 간 관계 분석 방법
|
| 18 |
18
약물과 단백질 간 관계 분석 장치에 있어서,상호 연관성이 있는 약물과 단백질의 조합 데이터를 적어도 하나 이상 포함하는 학습 데이터 집합과 관련하여, 상기 학습 데이터 집합에 포함되는 상기 단백질이 세포 내 존재하는 위치를 나타내는 단백질 위치 정보를 입력받는 단백질 위치 정보 입력부; 및상기 단백질 위치 정보를 포함하는 상기 단백질의 단백질 특징 정보와 상기 약물의 약물 특징 정보를 기반으로, 상기 학습 데이터 집합을 이용하여 상기 약물과 상기 단백질 간의 연관성을 판단하기 위한 분류기를 학습하는 분류기 학습부; 를 포함하고,상기 분류기 학습부는 상기 학습 데이터 집합에서 테스트 집합과 학습 집합을 설정하고, 상기 학습 집합에 포함된 상기 약물과 단백질의 조합 데이터 중에서 상기 테스트 집합에 포함된 상기 약물과 단백질의 조합 데이터와의 관련도가 소정의 기준 이상인 선별된 약물과 단백질의 조합 데이터 및 상기 테스트 집합에 포함된 상기 약물과 단백질의 조합 데이터의 각 상기 단백질 특징 정보 및 약물 특징 정보를 입력으로 하는 상기 분류기의 파라미터를 학습하여 상기 분류기를 학습하는 것을 특징으로 하는 약물과 단백질 간 관계 분석 장치
|
| 19 |
19
약물과 단백질 간 관계 분석 장치에 있어서,연관성을 판단할 대상이 되는 약물과 단백질에 관하여, 상기 약물의 약물 특징 정보 및 상기 단백질의 단백질 특징 정보를 입력받는 약물 단백질 특징 정보 입력부; 및미리 학습된 분류기를 이용하여 상기 약물 특징 정보와 상기 단백질 특징 정보를 기초로, 상기 약물과 상기 단백질 간의 상기 연관성을 판단하는 연관성 판단부; 를 포함하고,상기 단백질 특징 정보는 상기 단백질이 세포 내 존재하는 위치를 나타내는 단백질 위치 정보를 포함하며,상기 분류기는 상기 연관성이 있는 약물과 단백질의 조합 데이터를 적어도 하나 이상 포함하는 학습 데이터 집합에서 테스트 집합과 학습 집합을 설정하여, 상기 학습 집합에 포함된 상기 약물과 단백질의 조합 데이터 중에서 상기 테스트 집합에 포함된 상기 약물과 단백질의 조합 데이터와의 관련도가 소정의 기준 이상인 선별된 약물과 단백질의 조합 데이터 및 상기 테스트 집합에 포함된 상기 약물과 단백질의 조합 데이터의 각 상기 단백질 특징 정보 및 약물 특징 정보를 입력으로 하는 상기 분류기의 파라미터 학습을 통하여 미리 학습되는 것을 특징으로 하는 약물과 단백질 간 관계 분석 장치
|
| 20 |
20
제19항에 있어서, 상기 연관성 판단부는, 상기 연관성이 존재하는 것으로 미리 알려진 약물과 단백질 간의 조합 데이터들을 포함하는 정답 집합 중에서, 상기 연관성을 판단할 대상이 되는 상기 약물과 상기 단백질 간의 조합 데이터와 관련도가 소정의 기준 이상이 되는 상기 약물과 단백질 간의 조합 데이터를 선별하는 선별부; 및상기 정답 집합 중에서 선별된 상기 약물과 단백질 간의 조합 데이터와, 상기 연관성을 판단할 대상이 되는 상기 약물과 상기 단백질 간의 조합 데이터의 각 상기 단백질 특징 정보 및 상기 약물 특징 정보에 기초하여 상기 분류기를 이용하여 상기 약물과 상기 단백질 간의 상기 연관성을 판별하는 판별부;를 포함하는 것을 특징으로 하는, 약물과 단백질 간 관계 분석 장치
|
