맞춤기술찾기

홈으로 가기
맞춤기술찾기
이전대상기술
프린트하기

이전대상기술

3D 유사성에 기초한 개별 약물 또는 화합물에 대한 표적 클래스 구별 방법 및 그 시스템

  • 기술번호 : KST2020014690
  • 담당센터 : 인천기술혁신센터
  • 전화번호 : 032-420-3580
상담신청 PDF 받기
요약, Int. CL, CPC, 출원번호/일자, 출원인, 등록번호/일자, 공개번호/일자, 공고번호/일자, 국제출원번호/일자, 국제공개번호/일자, 우선권정보, 법적상태, 심사진행상태, 심판사항, 구분, 원출원번호/일자, 관련 출원번호, 기술이전 희망, 심사청구여부/일자, 심사청구항수의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 서지정보 표입니다.
요약 본 발명은 개별 약물 또는 화합물 표적 클래스를 구별하는 방법 및 그 시스템에 관한 것으로, 표적 클래스 구별 시스템은 클래스 대표 분포 획득부(110), 쿼리 대표 분포 획득부(120), 구별 가능성 지표 산출부(130) 및 클래스 판별부(140)를 포함할 수 있다.
Int. CL G16C 20/30 (2019.01.01) G16C 20/70 (2019.01.01) G16C 20/20 (2019.01.01)
CPC
출원번호/일자 1020200031456 (2020.03.13)
출원인 가천대학교 산학협력단, 국방과학연구소
등록번호/일자
공개번호/일자 10-2020-0110251 (2020.09.23) 문서열기
공고번호/일자
국제출원번호/일자
국제공개번호/일자
우선권정보 대한민국  |   1020190029153   |   2019.03.14
법적상태 공개
심사진행상태 수리
심판사항
구분 신규
원출원번호/일자
관련 출원번호
심사청구여부/일자 N
심사청구항수 51

출원인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 출원인 표입니다.
번호 이름 국적 주소
1 가천대학교 산학협력단 대한민국 경기도 성남시 수정구
2 국방과학연구소 대한민국 대전광역시 유성구

발명자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 발명자 표입니다.
번호 이름 국적 주소
1 김미현 인천광역시 연수구
2 이상혁 경기도 안양시 동안구
3 안상진 서울특별시 송파구
4 정우현 대전시 유성구

대리인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 대리인 표입니다.
번호 이름 국적 주소
1 특허법인(유한) 대아 대한민국 서울특별시 강남구 역삼로 ***, 한양빌딩*층(역삼동)
2 이원희 대한민국 서울특별시 강남구 테헤란로 ***, 성지하이츠빌딩*차 ***호 (역삼동)

최종권리자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 최종권리자 표입니다.
번호 이름 국적 주소
최종권리자 정보가 없습니다
번호, 서류명, 접수/발송일자, 처리상태, 접수/발송일자의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 행정처리 표입니다.
번호 서류명 접수/발송일자 처리상태 접수/발송번호
1 [특허출원]특허출원서
[Patent Application] Patent Application		 2020.03.13 수리 (Accepted) 1-1-2020-0269299-92
2 [출원서 등 보정]보정서
[Amendment to Patent Application, etc.] Amendment		 2020.04.16 수리 (Accepted) 1-1-2020-0394036-01
3 [출원인변경]권리관계변경신고서
[Change of Applicant] Report on Change of Proprietary Status		 2020.10.23 수리 (Accepted) 1-1-2020-1124567-46
4 [출원서 등 보정]보정서
[Amendment to Patent Application, etc.] Amendment		 2020.11.05 수리 (Accepted) 1-1-2020-1181641-08
번호, 청구항의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 청구항 표입니다.
번호 청구항
1 1
기 개발된 약물이거나 신규로 개발되는 약물 또는 화합물이 어떤 표적(target) 클래스의 리간드 또는 직간접 조절 물질로 적합하는지를 판단하는 개별 약물 또는 화합물 표적 클래스 구별 시스템을 이용하여 개별 약물 또는 화합물에 대한 표적 클래스를 구별하는 방법에 있어서, 컴퓨터의 프로세서가 약물 또는 화합물 분자 간의 3D 유사성을 나타내는 3D 유사성 지표에 기초하여 복수의 클래스들에 대한 제1 대표 분포 데이터를 획득하는 단계(a);상기 프로세서가 상기 약물 또는 상기 화합물 분자 간의 3D 유사성을 나타내는 3D 유사성 지표에 기초하여 복수의 쿼리들에 대한 제2 대표 분포 데이터를 획득하는 단계(b);상기 프로세서가 상기 제1 대표 분포 데이터 및 상기 제2 대표 분포 데이터에 기초하여 약물이 복수의 클래스들 중 어느 클래스에 적합하는지를 나타내는 구별 가능성 지표를 산출하는 단계(c); 및상기 프로세서가 상기 구별 가능성 지표에 기초하여 상기 약물이 어느 클래스에 적합하는지를 판단하는 단계(d)를 포함하는 개별 약물 또는 화합물에 대한 표적 클래스 구별 방법
2 2
제1항에 있어서,상기 제1 대표 분포 데이터를 획득하는 단계(a)는,가우스 혼합 모델(Gaussian Mixture Model)에 기초하여 제1 대표 분포 데이터가 획득되는 것인 개별 약물 또는 화합물에 대한 표적 클래스 구별 방법
3 3
제1항에 있어서,상기 3D 유사성 지표는 타니모토 계수로 구성된 행렬 형식으로 정의되는 개별 약물 또는 화합물에 대한 표적 클래스 구별 방법
4 4
제1항에 있어서,상기 제1 대표 분포 데이터를 획득하는 단계(a)는,동일한 타겟 클래스에 속한 리간드들 간의 3D 유사성 지표의 분포에 기초하여 제1 대표 분포 데이터를 획득하는 개별 약물 또는 화합물에 대한 표적 클래스 구별 방법
5 5
제1항에 있어서,상기 제2 대표 분포 데이터를 획득하는 단계(b)는,동일한 타겟 클래스 또는 서로 다른 타겟 클래스에 속한 서로 다른 리간드들 간의 3D 유사성 지표의 분포에 기초하여 개별 쿼리 별로 제2 대표 분포 데이터를 획득하는 개별 약물 또는 화합물에 대한 표적 클래스 구별 방법
6 6
제1항에 있어서,상기 제1 대표 분포 데이터를 획득하는 단계(a)는,상기 프로세서가 상기 3D 유사성 지표의 단변량(univariate) 확률밀도를 산출하는 단계(a-1);상기 프로세서가 상기 단변량 확률밀도에서 제1 대표 분포를 추출하는 단계(a-2); 및상기 프로세서가 상기 제1 대표 분포의 평균, 표준편차 및 가중치 중 적어도 어느 하나를 추정하기 위해 EM(Expectation-Maximization) 알고리즘에 기초하여 상기 제1 대표 분포의 데이터를 획득하는 단계; 를 포함하는 개별 약물 또는 화합물에 대한 표적 클래스 구별 방법
7 7
제6항에 있어서,상기 단변량(univariate) 확률 밀도는 단변량 가우스 분포의 가중 합으로 근사화된 형태로 산출되는 것인 개별 약물 또는 화합물에 대한 표적 클래스 구별 방법
8 8
제1항에 있어서, 상기 제2 대표 분포 데이터를 획득하는 단계(b)는, 상기 프로세서가 각각의 쿼리들에 대하여 상기 3D 유사성 지표의 단변량(univariate) 확률 밀도를 산출하는 단계(b-1);상기 프로세서가 상기 단변량 확률 밀도에서 제2 대표 분포를 추출하는 단계(b-2); 및 상기 프로세서가 상기 제2 대표 분포의 평균, 표준편차 및 가중치 중 적어도 어느 하나를 추정하기 위해 ML(Maximum Likelihood estimation) 알고리즘에 기초하여 상기 제2 대표 분포의 데이터를 획득하는 단계;를 포함하는 개별 약물 또는 화합물에 대한 표적 클래스 구별 방법
9 9
제8항에 있어서,상기 단변량(univariate) 확률 밀도는 상기 각각의 쿼리들에 대한 데이터 분포가 가우스 분포인 것에 기초하여 산출되는 개별 약물 또는 화합물에 대한 표적 클래스 구별 방법
10 10
제1항에 있어서,상기 구별 가능성 지표를 산출하는 단계(c)는 상기 프로세서가 쿨백 라이블러 발산(Kullback-Leibler divergence, KLD)에 기초하여 산출하는 것인 개별 약물 또는 화합물에 대한 표적 클래스 구별 방법
11 11
제1항에 있어서,상기 구별 가능성 지표(Fm)는 아래 수학식으로 도출되는 것인 개별 약물 또는 화합물에 대한 표적 클래스 구별 방법
12 12
제1항에 있어서,상기 구별 가능성 지표에 기초하여 상기 약물이 어느 클래스에 적합하는지를 판단하는 단계(d)는 상기 프로세서가 상기 구별 가능성 지표가 기 설정된 값보다 높으면 해당 클래스에 적합하는 것으로 판단하는 개별 약물 또는 화합물에 대한 표적 클래스 구별 방법
13 13
기 개발된 약물이거나 신규로 개발되는 약물 또는 화합물이 어떤 표적(target) 클래스의 리간드 또는 직간접 조절 물질로 적합하는지를 판단하는 개별 약물 또는 화합물 표적 클래스 구별 시스템에 있어서,약물 또는 화합물 분자 간의 3D 유사성을 나타내는 3D 유사성 지표에 기초하여 복수의 클래스들에 대한 제1 대표 분포 데이터를 획득하는 클래스 대표 분포 획득부;상기 약물 또는 상기 화합물 분자 간의 3D 유사성을 나타내는 3D 유사성 지표에 기초하여 복수의 쿼리들에 대한 제2 대표 분포 데이터를 획득하는 쿼리 대표 분포 획득부;상기 제1 대표 분포 데이터 및 상기 제2 대표 분포 데이터에 기초하여 약물이 복수의 클래스들 중 어느 클래스에 적합하는지를 나타내는 구별 가능성 지표를 산출하는 구별 가능성 지표 산출부; 및상기 구별 가능성 지표에 기초하여 상기 약물이 어느 클래스에 적합하는지를 판단하는 클래스 판별부를 포함하는 개별 약물 또는 화합물 표적 클래스 구별 시스템
14 14
제13항에 있어서,상기 클래스 대표 분포 획득부는가우스 혼합 모델(Gaussian Mixture Model)에 기초하여 제1 대표 분포 데이터를 획득하는 것인 개별 약물 또는 화합물 표적 클래스 구별 시스템
15 15
제13항에 있어서,상기 3D 유사성 지표는 타니모토 계수로 구성된 행렬 형식으로 정의되는 개별 약물 또는 화합물 표적 클래스 구별 시스템
16 16
제13항에 있어서,상기 클래스 대표 분포 획득부는동일한 타겟 클래스에 속한 리간드들 간의 3D 유사성 지표의 분포에 기초하여 제1 대표 분포 데이터를 획득하는 개별 약물 또는 화합물 표적 클래스 구별 시스템
17 17
제13항에 있어서,상기 쿼리 대표 분포 획득부는,동일한 타겟 클래스에 또는 서로 다른 타겟 클래스에 속한 서로 다른 리간드들 간의 3D 유사성 지표의 분포에 기초하여 개별 쿼리 별로 제2 대표 분포 데이터를 획득하는 개별 약물 또는 화합물 표적 클래스 구별 시스템
18 18
제13항에 있어서,상기 클래스 대표 분포 획득부는상기 3D 유사성 지표의 단변량(univariate) 확률밀도를 산출하는 클래스 확률밀도 산출부;상기 단변량 확률밀도에서 제1 대표 분포를 추출하는 제1 대표 분포 추출부; 및상기 제1 대표 분포의 평균, 표준편차 및 가중치 중 적어도 어느 하나를 추정하기 위해 EM(Expectation-Maximization) 알고리즘에 기초하여 상기 제1 대표 분포의 데이터를 획득하는 EM 알고리즘 적용부; 를 포함하는 개별 약물 또는 화합물 표적 클래스 구별 시스템
19 19
제18항에 있어서,상기 단변량(univariate) 확률 밀도는 단변량 가우스 분포의 가중 합으로 근사화된 형태로 산출되는 것인 개별 약물 또는 화합물 표적 클래스 구별 시스템
20 20
제13항에 있어서,상기 쿼리 대표 분포 획득부는,각각의 쿼리들에 대하여 상기 3D 유사성 지표의 단변량(univariate) 확률 밀도를 산출하는 쿼리 확률밀도 산출부;상기 단변량 확률 밀도에서 제2 대표 분포를 추출하는 제2 대표 분포 추출부; 및 상기 제2 대표 분포의 평균, 표준편차 및 가중치 중 적어도 어느 하나를 추정하기 위해 ML(Maximum Likelihood estimation) 알고리즘에 기초하여 상기 제2 대표 분포의 데이터를 획득하는 ML 알고리즘 적용부;를 포함하는 개별 약물 또는 화합물 표적 클래스 구별 시스템
21 21
제20항에 있어서,상기 단변량(univariate) 확률 밀도는 상기 각각의 쿼리들에 대한 데이터 분포가 가우스 분포인 것에 기초하여 산출되는 개별 약물 또는 화합물 표적 클래스 구별 시스템
22 22
제13항에 있어서,상기 구별 가능성 지표 산출부는 쿨백 라이블러 발산(Kullback-Leibler divergence, KLD)에 기초하여 산출하는 것인 개별 약물 또는 화합물 표적 클래스 구별 시스템
23 23
제13항에 있어서,상기 구별 가능성 지표(Fm)는 아래 수학식으로 도출되는 것인 개별 약물 또는 화합물 표적 클래스 구별 시스템
24 24
제13항에 있어서,상기 클래스 판별부는 상기 구별 가능성 지표가 기 설정된 값보다 높으면 해당 클래스에 적합하는 것으로 판단하는 개별 약물 또는 화합물 표적 클래스 구별 시스템
25 25
컴퓨팅 장치와 결합되어, 컴퓨터로 판독가능한 기록 매체에 저장된 컴퓨터 프로그램에 있어서,상기 컴퓨터 프로그램은, 기 개발된 약물이거나 신규로 개발되는 약물 또는 화합물이 어떤 표적(target) 클래스의 리간드 또는 직간접 조절 물질로 적합하는지를 판단하는 프로그램인 것을 특징으로 하며,상기 컴퓨터 프로그램은, 약물 또는 화합물 분자 간의 3D 유사성을 나타내는 3D 유사성 지표에 기초하여 복수의 클래스들에 대한 제1 대표 분포 데이터를 획득하는 단계(a);상기 약물 또는 화합물 분자 간의 3D 유사성을 나타내는 3D 유사성 지표에 기초하여 복수의 쿼리들에 대한 제2 대표 분포 데이터를 획득하는 단계(b);상기 제1 대표 분포 데이터 및 상기 제2 대표 분포 데이터에 기초하여 약물이 복수의 클래스들 중 어느 클래스에 적합하는지를 나타내는 구별 가능성 지표를 산출하는 단계(c); 및상기 구별 가능성 지표에 기초하여 상기 약물이 어느 클래스에 적합하는지를 판단하는 단계(d)를 포함하는 컴퓨터 프로그램
26 26
제25항에 있어서,상기 제1 대표 분포 데이터를 획득하는 단계(a)는,가우스 혼합 모델(Gaussian Mixture Model)에 기초하여 제1 대표 분포 데이터가 획득되는 것인 컴퓨터 프로그램
27 27
제25항에 있어서,상기 3D 유사성 지표는 타니모토 계수로 구성된 행렬 형식으로 정의되는 컴퓨터 프로그램
28 28
제25항에 있어서,상기 제1 대표 분포 데이터를 획득하는 단계(a)는,동일한 타겟 클래스에 속한 리간드들 간의 3D 유사성 지표의 분포에 기초하여 제1 대표 분포 데이터를 획득하는 컴퓨터 프로그램
29 29
제25항에 있어서,상기 제2 대표 분포 데이터를 획득하는 단계(b)는,동일한 타겟 클래스 또는 서로 다른 타겟 클래스에 속한 서로 다른 리간드들 간의 3D 유사성 지표의 분포에 기초하여 개별 쿼리 별로 제2 대표 분포 데이터를 획득하는 컴퓨터 프로그램
30 30
제25항에 있어서,상기 제1 대표 분포 데이터를 획득하는 단계(a)는,상기 3D 유사성 지표의 단변량(univariate) 확률밀도를 산출하는 단계(a-1);상기 단변량 확률밀도에서 제1 대표 분포를 추출하는 단계(a-2); 및상기 제1 대표 분포의 평균, 표준편차 및 가중치 중 적어도 어느 하나를 추정하기 위해 EM(Expectation-Maximization) 알고리즘에 기초하여 상기 제1 대표 분포의 데이터를 획득하는 단계; 를 포함하는 컴퓨터 프로그램
31 31
제30항에 있어서,상기 단변량(univariate) 확률 밀도는 단변량 가우스 분포의 가중 합으로 근사화된 형태로 산출되는 것인 컴퓨터 프로그램
32 32
제25항에 있어서,상기 제2 대표 분포 데이터를 획득하는 단계(b)는,각각의 쿼리들에 대하여 상기 3D 유사성 지표의 단변량(univariate) 확률 밀도를 산출하는 단계(b-1);상기 단변량 확률 밀도에서 제2 대표 분포를 추출하는 단계(b-2); 및 상기 제2 대표 분포의 평균, 표준편차 및 가중치 중 적어도 어느 하나를 추정하기 위해 ML(Maximum Likelihood estimation) 알고리즘에 기초하여 상기 제2 대표 분포의 데이터를 획득하는 단계;를 포함하는 컴퓨터 프로그램
33 33
제32항에 있어서,상기 단변량(univariate) 확률 밀도는 상기 각각의 쿼리들에 대한 데이터 분포가 가우스 분포인 것에 기초하여 산출되는 컴퓨터 프로그램
34 34
제25항에 있어서,상기 구별 가능성 지표를 산출하는 단계(c)는 쿨백 라이블러 발산(Kullback-Leibler divergence, KLD)에 기초하여 산출하는 것인 컴퓨터 프로그램
35 35
제25항에 있어서,상기 구별 가능성 지표(Fm)는 아래 수학식으로 도출되는 것인 컴퓨터 프로그램
36 36
제25항에 있어서,상기 구별 가능성 지표에 기초하여 상기 약물이 어느 클래스에 적합하는지를 판단하는 단계(d)는 상기 구별 가능성 지표가 기 설정된 값보다 높으면 해당 클래스에 적합하는 것으로 판단하는 컴퓨터 프로그램
37 37
제1항에 있어서,상기 클래스는 에스트로겐 수용체 알파, 비타민 D 수용체, 시클로옥시게나제-2, 및 카텝신 D 로 이루어진 군에서 선택되는 것인, 개별 약물 또는 화합물에 대한 표적 클래스 구별 방법
38 38
제1항 또는 제37항에 있어서,상기 클래스가 에스트로겐 수용체 알파인 경우,상기 약물 또는 상기 화합물은 2,4,6-트리스이소부틸티오피리미딘,프라조신, (8R,8'R,9S,9'S,13S,13'S,14S,14'S,17S,17'S)-17,17'-((((((옥시비스(부탄-4,1-다이일))비스(옥시))비스(부탄-4,1-다이일))비스(옥시))비스(4,1-페닐렌))비스(에틴-2,1-다이일))비스(13-메틸-7,8,9,11,12,13,14,15,16,17-데카히드로-6H-씨클로펜타[a]페난트렌-3,17-다이올),퍼-6-(에스트라디올-17-에틴닐렌렌벤질아미노)-6-디옥시-베타사이클로덱스트린,(2-((1s,4s)-4-히드록시헥실)-6-메톡시벤조[b]티오펜-3-일)(4-(2-(피페리딘-1-일)에톡시)페닐)메타논 및 N1-(4-(디메틸아미노)페닐)-N4,N4-디메틸-N1-(테트라하이드로-2H-피란-2-일)벤젠-1,4-디아민 으로 이루어진 군에서 선택되는 것인, 개별 약물 또는 화합물에 대한 표적 클래스 구별 방법
39 39
제1항 또는 제37항에 있어서,상기 클래스가 비타민 D 수용체인 경우,상기 약물 또는 상기 화합물은 비스인돌일말레이드 1, 씨클로펜틸 (3-(2-메톡시-4-((오쏘-톨릴설폰닐)카바모일)벤질)-1-메틸-1H-인돌-5-일)카바메이트,(6-히드록시-2-(4-히드록시페닐)벤조[b]티오펜-3-일)(4-(2-(피페리딘-1-일)에톡시)페닐)메타논,5-((2-플로로벤질)옥시)-2-(4-(2-메톡시페닐)-1H-피라졸-3-일)페놀,N-(4-(1,1,1,3,3,3-헥사플로로-2-히드록시프로판-2-일)페닐)-N-(2,2,2-트리플로로에틸)벤젠설폰아마이드 및 N1-(4-(디메틸아미노)페닐)-N4,N4-디메틸-N1-(테트라하이드로-2H-피란-2-일)벤젠-1,4-디아민 으로 이루어진 군에서 선택되는 것인, 개별 약물 또는 화합물에 대한 표적 클래스 구별 방법
40 40
제1항 또는 제37항에 있어서,상기 클래스가 시클로옥시게나제-2인 경우,상기 약물 또는 상기 화합물은 (6aR,9R)-N-((S)-1-히드록시부탄-2-일)-7-메틸-4,6,6a,7,8,9-헥사히드로인돌로[4,3-fg]퀴놀린-9-카복사아마이드,2-(3-(4-브로모페닐)프로필)-4-(4-플로로페닐)-5-(4-(메틸설폰닐)페닐)티아졸, 후장고사이드 B, 클레마티우니시노사이드 E,(피리딘-2-일메틸렌)비스(4,1-페닐렌) 다이아세테이트, 및 N1-(4-(디메틸아미노)페닐)-N4,N4-디메틸-N1-(테트라하이드로-2H-피란-2-일)벤젠-1,4-디아민 으로 이루어진 군에서 선택되는 것인, 개별 약물 또는 화합물에 대한 표적 클래스 구별 방법
41 41
제1항 또는 제37항에 있어서,상기 클래스가 카텝신 D인 경우, 상기 약물 또는 상기 화합물은 N-(4-(벤조[d]티아졸-2-y일티오)-3-메틸페닐)-3,5-다이클로로-2-히드록시벤자아마이드, 3-(1,1-다이옥시도-1,2-티아지난-2-일)-5-(에틸아미노)-N-((2S,3R)-3-히드록시-1-페닐-4-((3-(트리플로로메틸)벤질)아미노)부탄-2-일)벤즈아마이드 포르메이트, 글라시스타틴 A, 메틸 1-(4-클로로벤조일)-1H-피라졸-5-카르복실레이트, 및N1-(4-(디메틸아미노)페닐)-N4,N4-디메틸-N1-(테트라하이드로-2H-피란-2-일)벤젠-1,4-디아민 으로 이루어진 군에서 선택되는 것인, 개별 약물 또는 화합물에 대한 표적 클래스 구별 방법
42 42
제13항에 있어서,상기 클래스는 에스트로겐 수용체 알파, 비타민 D 수용체, 시클로옥시게나제-2, 및 카텝신 D 로 이루어진 군에서 선택되는 것인, 개별 약물 또는 화합물 표적 클래스 구별 시스템
43 43
제13항 또는 제42항에 있어서,상기 클래스가 에스트로겐 수용체 알파인 경우,상기 약물 또는 상기 화합물은 2,4,6-트리스이소부틸티오피리미딘,프라조신, (8R,8'R,9S,9'S,13S,13'S,14S,14'S,17S,17'S)-17,17'-((((((옥시비스(부탄-4,1-다이일))비스(옥시))비스(부탄-4,1-다이일))비스(옥시))비스(4,1-페닐렌))비스(에틴-2,1-다이일))비스(13-메틸-7,8,9,11,12,13,14,15,16,17-데카히드로-6H-씨클로펜타[a]페난트렌-3,17-다이올),퍼-6-(에스트라디올-17-에틴닐렌렌벤질아미노)-6-디옥시-베타사이클로덱스트린,(2-((1s,4s)-4-히드록시헥실)-6-메톡시벤조[b]티오펜-3-일)(4-(2-(피페리딘-1-일)에톡시)페닐)메타논 및 N1-(4-(디메틸아미노)페닐)-N4,N4-디메틸-N1-(테트라하이드로-2H-피란-2-일)벤젠-1,4-디아민 으로 이루어진 군에서 선택되는 것인, 개별 약물 또는 화합물 표적 클래스 구별 시스템
44 44
제13항 또는 제42항에 있어서,상기 클래스가 비타민 D 수용체인 경우,상기 약물 또는 상기 화합물은 비스인돌일말레이드 1, 씨클로펜틸 (3-(2-메톡시-4-((오쏘-톨릴설폰닐)카바모일)벤질)-1-메틸-1H-인돌-5-일)카바메이트,(6-히드록시-2-(4-히드록시페닐)벤조[b]티오펜-3-일)(4-(2-(피페리딘-1-일)에톡시)페닐)메타논,5-((2-플로로벤질)옥시)-2-(4-(2-메톡시페닐)-1H-피라졸-3-일)페놀,N-(4-(1,1,1,3,3,3-헥사플로로-2-히드록시프로판-2-일)페닐)-N-(2,2,2-트리플로로에틸)벤젠설폰아마이드 및 N1-(4-(디메틸아미노)페닐)-N4,N4-디메틸-N1-(테트라하이드로-2H-피란-2-일)벤젠-1,4-디아민 으로 이루어진 군에서 선택되는 것인, 개별 약물 또는 화합물 표적 클래스 구별 시스템
45 45
제13항 또는 제42항에 있어서,상기 클래스가 시클로옥시게나제-2인 경우,상기 약물 또는 상기 화합물은 (6aR,9R)-N-((S)-1-히드록시부탄-2-일)-7-메틸-4,6,6a,7,8,9-헥사히드로인돌로[4,3-fg]퀴놀린-9-카복사아마이드,2-(3-(4-브로모페닐)프로필)-4-(4-플로로페닐)-5-(4-(메틸설폰닐)페닐)티아졸, 후장고사이드 B, 클레마티우니시노사이드 E,(피리딘-2-일메틸렌)비스(4,1-페닐렌) 다이아세테이트, 및 N1-(4-(디메틸아미노)페닐)-N4,N4-디메틸-N1-(테트라하이드로-2H-피란-2-일)벤젠-1,4-디아민 으로 이루어진 군에서 선택되는 것인, 개별 약물 또는 화합물 표적 클래스 구별 시스템
46 46
제13항 또는 제42항에 있어서,상기 클래스가 카텝신 D인 경우, 상기 약물 또는 상기 화합물은,N-(4-(벤조[d]티아졸-2-y일티오)-3-메틸페닐)-3,5-다이클로로-2-히드록시벤자아마이드, 3-(1,1-다이옥시도-1,2-티아지난-2-일)-5-(에틸아미노)-N-((2S,3R)-3-히드록시-1-페닐-4-((3-(트리플로로메틸)벤질)아미노)부탄-2-일)벤즈아마이드 포르메이트, 글라시스타틴 A, 메틸 1-(4-클로로벤조일)-1H-피라졸-5-카르복실레이트, 및 N1-(4-(디메틸아미노)페닐)-N4,N4-디메틸-N1-(테트라하이드로-2H-피란-2-일)벤젠-1,4-디아민 으로 이루어진 군에서 선택되는 것인, 개별 약물 또는 화합물 표적 클래스 구별 시스템
47 47
제25항에 있어서,상기 클래스는 에스트로겐 수용체 알파, 비타민 D 수용체, 시클로옥시게나제-2, 및 카텝신 D 로 이루어진 군에서 선택되는 것인, 컴퓨터 프로그램
48 48
제25항 또는 제47항에 있어서,상기 클래스가 에스트로겐 수용체 알파인 경우,상기 약물 또는 상기 화합물은 2,4,6-트리스이소부틸티오피리미딘,프라조신, (8R,8'R,9S,9'S,13S,13'S,14S,14'S,17S,17'S)-17,17'-((((((옥시비스(부탄-4,1-다이일))비스(옥시))비스(부탄-4,1-다이일))비스(옥시))비스(4,1-페닐렌))비스(에틴-2,1-다이일))비스(13-메틸-7,8,9,11,12,13,14,15,16,17-데카히드로-6H-씨클로펜타[a]페난트렌-3,17-다이올),퍼-6-(에스트라디올-17-에틴닐렌렌벤질아미노)-6-디옥시-베타사이클로덱스트린,(2-((1s,4s)-4-히드록시헥실)-6-메톡시벤조[b]티오펜-3-일)(4-(2-(피페리딘-1-일)에톡시)페닐)메타논 및N1-(4-(디메틸아미노)페닐)-N4,N4-디메틸-N1-(테트라하이드로-2H-피란-2-일)벤젠-1,4-디아민 으로 이루어진 군에서 선택되는 것인, 컴퓨터 프로그램
49 49
제25항 또는 제47항에 있어서,상기 클래스가 비타민 D 수용체인 경우,상기 약물 또는 상기 화합물은 비스인돌일말레이드 1, 씨클로펜틸 (3-(2-메톡시-4-((오쏘-톨릴설폰닐)카바모일)벤질)-1-메틸-1H-인돌-5-일)카바메이트,(6-히드록시-2-(4-히드록시페닐)벤조[b]티오펜-3-일)(4-(2-(피페리딘-1-일)에톡시)페닐)메타논,5-((2-플로로벤질)옥시)-2-(4-(2-메톡시페닐)-1H-피라졸-3-일)페놀,N-(4-(1,1,1,3,3,3-헥사플로로-2-히드록시프로판-2-일)페닐)-N-(2,2,2-트리플로로에틸)벤젠설폰아마이드 및N1-(4-(디메틸아미노)페닐)-N4,N4-디메틸-N1-(테트라하이드로-2H-피란-2-일)벤젠-1,4-디아민 으로 이루어진 군에서 선택되는 것인, 컴퓨터 프로그램
50 50
제25항 또는 제47항에 있어서,상기 클래스가 시클로옥시게나제-2인 경우,상기 약물 또는 상기 화합물은 (6aR,9R)-N-((S)-1-히드록시부탄-2-일)-7-메틸-4,6,6a,7,8,9-헥사히드로인돌로[4,3-fg]퀴놀린-9-카복사아마이드,2-(3-(4-브로모페닐)프로필)-4-(4-플로로페닐)-5-(4-(메틸설폰닐)페닐)티아졸, 후장고사이드 B, 클레마티우니시노사이드 E,(피리딘-2-일메틸렌)비스(4,1-페닐렌) 다이아세테이트, 및 N1-(4-(디메틸아미노)페닐)-N4,N4-디메틸-N1-(테트라하이드로-2H-피란-2-일)벤젠-1,4-디아민 으로 이루어진 군에서 선택되는 것인, 컴퓨터 프로그램
51 51
제25항 또는 제47항에 있어서,상기 클래스가 카텝신 D인 경우, 상기 약물 또는 상기 화합물은 N-(4-(벤조[d]티아졸-2-y일티오)-3-메틸페닐)-3,5-다이클로로-2-히드록시벤자아마이드, 3-(1,1-다이옥시도-1,2-티아지난-2-일)-5-(에틸아미노)-N-((2S,3R)-3-히드록시-1-페닐-4-((3-(트리플로로메틸)벤질)아미노)부탄-2-일)벤즈아마이드 포르메이트, 글라시스타틴 A, 메틸 1-(4-클로로벤조일)-1H-피라졸-5-카르복실레이트, 및 N1-(4-(디메틸아미노)페닐)-N4,N4-디메틸-N1-(테트라하이드로-2H-피란-2-일)벤젠-1,4-디아민 으로 이루어진 군에서 선택되는 것인, 컴퓨터 프로그램
지정국 정보가 없습니다
패밀리정보가 없습니다
순번, 연구부처, 주관기관, 연구사업, 연구과제의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 국가R&D 연구정보 정보 표입니다.
순번 연구부처 주관기관 연구사업 연구과제
1 국방부 가천대학교 순수기초 신종 및 유사 신경 화학작용제 관리를 위한 광범위 콜린성 작용 예측 모델 구축
2 과학기술정보통신부 가천대학교 개인기초연구(미래부) 분자 빅 데이터를 활용한 신규 신경 보호 활성 물질의 다약리 구조 활성 연구