1 |
1
(a) DNA 복제수 변이 데이터를 암 종에서 얻는 단계;(b) 상기 복제수 변이 데이터를 염색체 상 특정 위치 또는 염기서열 상 일정한 구간에 매칭하여 해당 위치 또는 구간의 자료값으로 결정하는 단계; 및(c) 상기 자료값을 기반으로 머신러닝 기법을 이용해 암 종 분류 모형을 생성하는 단계; 를 포함하는 DNA 복제수 변이 기반의 암 종 분류 모형 생성 방법
|
2 |
2
(a) DNA 복제수 변이 데이터를 암 종에서 얻는 단계; (b) 상기 복제수 변이 데이터를 염색체 상 특정 위치 또는 염기서열 상 일정한 구간에 매칭하여 해당 위치 또는 구간의 자료값으로 결정하는 단계; 및(c) 상기 자료값을 기반으로 머신러닝 기법을 이용해 암 종 예측 모형을 생성하는 단계; 를 포함하는 DNA 복제수 변이 기반의 암 종 예측 모형 생성 방법
|
3 |
3
제1항 또는 제2항에 있어서,상기 (a) 단계의 DNA 복제수 변이 데이터는 게놈정보에 관한 공개 DB로부터 수집한 것을 특징으로 하는, 방법
|
4 |
4
제1항 또는 제2항에 있어서,상기 (b) 단계의 복제수 변이 데이터는 싸이토밴드(cytoband)에 매칭되는 것을 특징으로 하는, 방법
|
5 |
5
제1항 또는 제2항에 있어서, 상기 (b) 단계의 자료값은 성별, 나이, 인종, 흡연여부 및 체중으로 이루어진 군으로부터 선택되는 하나 이상의 설명변수를 더 포함하는 것을 특징으로 하는, 방법
|
6 |
6
제1항 또는 제2항에 있어서, 상기 (c) 단계의 머신러닝 기법은 벌점화 회귀 모델 또는 앙상블 기법인 것을 특징으로 하는, 방법
|
7 |
7
제6항에 있어서,상기 벌점화 회귀 모델은 릿지(Ridge), 라쏘(LASSO) 및 엘라스틱 넷(Elastic Net) 중 어느 하나를 사용한 것을 특징으로 하는, 방법
|
8 |
8
제6항에 있어서, 상기 앙상블 기법은 랜덤 포레스트(Random Forest), 배깅(bagging), 부스팅(boosting) 및 스태킹(stacking) 중 어느 하나인 것을 특징으로 하는, 방법
|
9 |
9
제1항 또는 제2항에 있어서, 상기 암 종은 방광암, 유방암, 자궁경부암, 결장암, 식도암, 교모세포종, 두경부암, 혐색소 신세포암, 투명세포형 신세포암, 유두상 신세포암, 급성 골수성 백혈병, 양성뇌종양, 간암, 폐선암, 폐편평상피세포암, 장액성 난소상피암, 췌장암, 부신암, 전립선암, 직장암, 육종, 악성흑색종, 위암, 고환암, 갑상선암, 흉선종 및 자궁내막암으로 이루어진 군으로부터 선택된 1종 이상인 것을 특징으로 하는, 방법
|
10 |
10
제9항에 있어서, 상기 암 종은 방광암, 유방암, 결장암, 자궁경부암, 간암, 폐선암, 혐색소신세포암, 투명세포형 신세포암, 유두상 신세포암, 장액성 난소상피암, 전립선암, 폐편평상피세포암 및 위암으로 이루어진 군으로부터 선택된 1종 이상인 것을 특징으로 하는, 방법
|
11 |
11
제1항 또는 제2항에 있어서, 상기 암 종은 비뇨기암인 것을 특징으로 하는, 방법
|
12 |
12
제11항에 있어서,상기 비뇨기암은 방광암, 전립선암, 혐색소 신세포암, 투명세포형 신세포암 및 유두상 신세포암으로 이루어진 군으로부터 선택된 1종 이상인 것을 특징으로 하는, 방법
|
13 |
13
(a) DNA 복제수 변이 데이터를 암 종에서 얻는 단계; (b) 상기 복제수 변이 데이터를 염색체 상 특정 위치 또는 염기서열 상 일정한 구간에 매칭하여 해당 위치 또는 구간의 자료값으로 결정하는 단계; (c) 상기 자료값을 기반으로 머신러닝 기법을 이용해 암 종 예측 모형을 생성하는 단계;(d) 대상자의 신체에서 분리하여 채취한 검체로부터 얻은 DNA 복제수 변이 데이터를 상기 암 종 예측 모형에 입력하는 단계; 및(e) 상기 입력 결과에 따른 암 종 예측 모형으로부터 예측된 각 암 종의 클래스 라벨 순위를 바탕으로 대상자별 암 종 예측 정보를 생성하는 단계; 를 포함하는 DNA 복제수 변이 기반의 암 종 예측 방법
|
14 |
14
제13항에 있어서,상기 (d) 단계의 DNA 복제수 변이 데이터는 염색체 상 특정 위치 또는 염기서열 상 일정한 구간에 매칭하여 해당 위치 또는 구간의 자료값으로 결정하는 단계; 를 거친 것을 특징으로 하는, 방법
|
15 |
15
제13항에 있어서,상기 (d) 단계의 검체는 혈액, 혈장, 혈청, 소변, 타액, 분변 및 조직으로 이루어진 군으로부터 선택되는 것을 특징으로 하는, 방법
|
16 |
16
(a) DNA 복제수 변이 데이터를 암 종에서 얻는 단계;(b) 상기 복제수 변이 데이터를 염색체 상 특정 위치 또는 염기서열 상 일정한 구간에 매칭하여 해당 위치 또는 구간의 자료값으로 결정하는 단계; (c) 상기 자료값을 기반으로 머신러닝 기법을 이용해 암 종 예측 모형을 생성하는 단계;(d) 대상자의 신체에서 분리하여 채취한 검체로부터 얻은 DNA 복제수 변이 데이터를 상기 암 종 예측 모형에 입력하는 단계; 및(e) 상기 입력 결과에 따른 암 종 예측 모형으로부터 예측된 각 암 종의 클래스 라벨 순위를 바탕으로 대상자별 암 진단 정보를 생성하는 단계; 를 포함하는 DNA 복제수 변이 기반의 암 진단 방법
|
17 |
17
제16항에 있어서,상기 (d) 단계의 DNA 복제수 변이 데이터는 염색체 상 특정 위치 또는 염기서열 상 일정한 구간에 매칭하여 해당 위치 또는 구간의 자료값으로 결정하는 단계; 를 거친 것을 특징으로 하는, 방법
|
18 |
18
(a) 대상자의 신체에서 분리하여 채취한 검체로부터 얻은 DNA 복제수 변이 데이터 정보를 입수하는 정보 입수 모듈;(b) 상기 복제수 변이 데이터에 대하여 염색체 상 특정 위치 또는 염기서열 상 일정한 구간에 매칭하여 해당 위치 또는 구간의 자료값으로 결정하는 변환 모듈;(c) 변환된 복제수 변이 데이터를 청구항 제2항의 방법을 통해 생성된 암 종 예측 모형에 입력하여 대상자별 암 종 예측 정보를 생성하는 암 종 예측 정보 생성 모듈; 을 포함하는 DNA 복제수 변이 기반의 암 종 예측 장치
|
19 |
19
(a) 대상자의 신체에서 분리하여 채취한 검체로부터 얻은 DNA 복제수 변이 데이터 정보를 입수하는 정보 입수 모듈;(b) 상기 복제수 변이 데이터에 대하여 염색체 상 특정 위치 또는 염기서열 상 일정한 구간에 매칭하여 해당 위치 또는 구간의 자료값으로 결정하는 변환 모듈;(c) 변환된 복제수 변이 데이터를 청구항 제2항의 방법을 통해 생성된 암 종 예측 모형에 입력하여 대상자별 암 진단 정보를 생성하는 암 진단 정보 생성 모듈; 을 포함하는 DNA 복제수 변이 기반의 암 진단 장치
|