| 1 |
1
공개된 문헌정보에 기초하여 약물 및 질병의 형질 정보를 추출하고, 유전체 정보(genomic signatures)에 기초하여 약물 및 질병의 유전자 연관 정보를 추출하는 추출부;상기 문헌정보로부터 추출한 정보에 기초하여 약물-약물/질병-질병 유사도 메트릭스를 구성하는 제1메트릭스구성부;상기 유전체 정보로부터 추출한 정보에 기초하여 약물-약물/질병-질병 유사도 메트릭스를 구성하는 제2메트릭스구성부;상기 제1메트릭스구성부에서 구성되는 유사도 메트릭스에 따라 문헌정보 기반의 약물-질병 엣지(edge) 점수(P_t)를 계산하고, 상기 제2메트릭스구성부에서 구성되는 유사도 메트릭스에 따라 유전체 정보 기반의 약물-질병 엣지(edge) 점수(P_g)를 계산하는 계산부; 상기 계산한 점수(P_t) 및 점수(P_g)를 사용하여 약물-질병 엣지(edge)의 최종 예측 점수f(e_ij)를 계산하고 상기 최종 예측 점수 f(e_ij)를 기준으로 결정되는 값에 따라, 신약 재창출 후보를 추천하는 추천부를 포함하며,상기 추천부는,유전력이 기 정의된 기준값 이상이면, 상기 약물-질병 엣지(edge)의 최종 예측 점수 f(e_ij) 계산 시 점수(P_t) 보다 유전체 정보 기반의 약물-질병 엣지(edge) 점수(P_g)에 비중을 두어 다음의 수학식 5에 따라 계산하며,유전력이 상기 기준값 미만이면, 상기 약물-질병 엣지(edge)의 최종 예측 점수 f(e_ij) 계산 시 점수(P_g) 보다 문헌정보 기반의 약물-질병 엣지(edge) 점수(P_t)에 비중을 두어 다음의 수학식 6에 따라 계산하는 것을 특징으로 하는 신약 재창출 후보 추천 시스템
|
| 2 |
2
하드웨어와 결합되어, 공개된 문헌정보에 기초하여 약물 및 질병의 형질 정보를 추출하고, 유전체 정보(genomic signatures)에 기초하여 약물 및 질병의 유전자 연관 정보를 추출하는 정보추출단계;상기 문헌정보로부터 추출한 정보에 기초하여 약물-약물/질병-질병 유사도 메트릭스를 구성하는 제1메트릭스구성단계;상기 유전체 정보로부터 추출한 정보에 기초하여 약물-약물/질병-질병 유사도 메트릭스를 구성하는 제2메트릭스구성단계;상기 제1메트릭스구성단계에서 구성되는 유사도 메트릭스에 따라 문헌정보 기반의 약물-질병 엣지(edge) 점수(P_t)를 계산하고, 상기 제2메트릭스구성단계에서 구성되는 유사도 메트릭스에 따라 유전체 정보 기반의 약물-질병 엣지(edge) 점수(P_g)를 계산하는 계산단계;상기 계산한 점수(P_t) 및 점수(P_g)를 사용하여 약물-질병 엣지(edge)의 최종 예측 점수f(e_ij)를 계산하고 상기 최종 예측 점수 f(e_ij)를 기준으로 결정되는 값에 따라, 신약 재창출 후보를 추천하는 추천단계를 실행시키며,상기 추천단계는,유전력이 기 정의된 기준값 이상이면, 상기 약물-질병 엣지(edge)의 최종 예측 점수 f(e_ij) 계산 시 점수(P_t) 보다 유전체 정보 기반의 약물-질병 엣지(edge) 점수(P_g)에 비중을 두어 다음의 수학식 5에 따라 계산하며,유전력이 상기 기준값 미만이면, 상기 약물-질병 엣지(edge)의 최종 예측 점수 f(e_ij) 계산 시 점수(P_g) 보다 문헌정보 기반의 약물-질병 엣지(edge) 점수(P_t)에 비중을 두어 다음의 수학식 6에 따라 계산하는 것을 실행시키기 위해 매체에 저장된 컴퓨터 프로그램
|
| 3 |
3
제 2 항에 있어서,상기 추천단계는, 상기 계산한 점수(P_t) 및 점수(P_g)를 사용하여, 약물-질병 엣지(edge)의 최종 예측 점수f(e_ij)를 계산하는 최종계산단계와,상기 최종 예측 점수 f(e_ij)를 기준으로 결정되는 값에 따라, 신약 재창출 후보를 추천하는 추천단계를 포함하는 것을 특징으로 하는 컴퓨터 프로그램
|
| 4 |
4
제 2 항에 있어서,상기 문헌정보는, 질병 증상 서술 및 투약 정보와, 약물 반응 형질 또는 약물 적응증 또는 약물 부작용 설명이 포함되어 있는, 학술 논문, 의/약학 전문 서적, 전산적 기술에 기초한 약물, 질병 연관 형질정보를 수집하고 공개한 데이터베이스, 질병 및 약물 연관 서술 정보 중 적어도 하나를 포함하는 것을 특징으로 하는 컴퓨터 프로그램
|
| 5 |
5
제 2 항에 있어서,상기 제1메트릭스구성단계는,상기 문헌정보로부터 추출한 약물의 형질 정보에 기초하여, 각 약물 별로 각 연관 형질 단어의 출현빈도를 정보값으로 나타내는 연관단어벡터를 구성하고,상기 각 약물 별 연관단어벡터를 근거로, 각 약물의 연관단어벡터 간 코사인 유사도(cosine similarity)를 계산하여 약물-약물 유사도 메트릭스를 구성하는 것을 특징으로 하는 컴퓨터 프로그램
|
| 6 |
6
제 2 항에 있어서,상기 문헌정보로부터 추출한 질병의 형질 정보에 기초하여, 각 질병 별로 각 연관 형질 단어의 출현빈도를 정보값으로 나타내는 연관단어벡터를 구성하고,상기 각 질병 별 연관단어벡터를 근거로, 각 질병의 연관단어벡터 간 코사인 유사도(cosine similarity)를 계산하여 질병-질병 유사도 메트릭스를 구성하는 것을 특징으로 하는 컴퓨터 프로그램
|
| 7 |
7
제 5 항 또는 제 6 항에 있어서,상기 약물의 연관단어벡터 내 정보값 또는 상기 질병의 연관단어벡터 내 정보값은, j 번째 약물 또는 j 번째 질병의 i번째 연관 형질 단어의 출현빈도를 나타내는 t_ij로 정의되며,상기 정보값(t_ij)은, i번째 연관 형질 단어가 문헌 1건에서 출현한 빈도수(T_ij)를 상기 문헌정보 전체에서의 출현 빈도수(n_i)로 정규화된 값인 것을 특징으로 하는 컴퓨터 프로그램
|
| 8 |
8
제 2 항에 있어서,약물 적응증 정보에 기초하여 약물-질병의 이분 네트워크를 구성하는 네트워크구성단계를 더 포함하며;상기 계산단계는,상기 제1메트릭스구성단계에서 구성되는 유사도 메트릭스 및 상기 구성한 약물-질병의 이분 네트워크를 이용하여, 문헌정보 기반의 약물-질병 엣지(edge) 점수(P_t)를 계산하며,특정 약물(s_i, i번째 약물) 및 특정 질병(t_j, j번째 질병) 쌍에 대하여, 상기 제1메트릭스구성단계에서 구성되는 약물-약물 유사도 메트릭스로부터 확인되는 상기 특정 약물(s_i) 및 계산을 위해 선택된 기준 약물(s_p) 간 유사도 값, 상기 제1메트릭스구성단계에서 구성되는 질병-질병 유사도 메트릭스로부터 확인되는 상기 특정 질병(t_j) 및 계산을 위해 선택된 기준 질병(t_q) 간 유사도 값, 상기 기준 약물(s_p) 및 상기 기준 질병(t_q) 간의 엣지, 상기 약물-질병의 이분 네트워크에서 확인되는 상기 기준 약물(s_p)의 디그리값(degree)을 이용하여, 약물-질병 엣지(edge) 점수(P_t)를 계산하는 것을 특징으로 하는 컴퓨터 프로그램
|
| 9 |
9
제 8 항에 있어서,상기 기준 약물(s_p)은, 상기 특정 약물(s_i)과의 기 증명된 유사도를 기준으로 선택되고 기 증명된 약물-질병 연관관계로부터 상기 기준 약물(s_p)과의 엣지 라벨이 참값(True)인 상기 기준 질병(t_q)이 선택되거나, 또는상기 기준 질병(t_q)은 상기 특정 질병(t_j)과의 기 증명된 유사도를 기준으로 선택되고 기 증명된 약물-질병 연관관계로부터 상기 기준 질병(t_q)과의 엣지 라벨이 참값(True)인 상기 기준 약물(s_p)이 선택되는 것을 특징으로 하는 컴퓨터 프로그램
|
| 10 |
10
삭제
|
| 11 |
11
삭제
|
| 12 |
12
제 3 항에 있어서,상기 추천단계는, 상기 최종 예측 점수 f(e_ij)를 기준값(cut-off)에 따라 참/거짓(True/False) 값으로 결정하고,상기 값이 참(True)이면, 상기 최종 예측 점수 f(e_ij) 계산 시 사용된 특정 약물(s_i) 및 특정 질병(t_j) 쌍을 확인하여, 상기 특정 질병(t_j)에 대한 신약으로서 상기 특정 약물(s_i)을 추천하는 것을 특징으로 하는 컴퓨터 프로그램
|
