1 |
1
암의 예후가 좋은 군으로 사전 분류되어 있는 암환자로부터 수집된 서로 다른 종류의 복수의 유전자들 각각에 대한 복수의 유전자 데이터의 종류별 데이터 값이 기록되어 있는 제1 유전자 테이블을 저장하여 유지하는 제1 유전자 테이블 유지부;암의 예후가 나쁜 군으로 사전 분류되어 있는 암환자로부터 수집된 상기 복수의 유전자들 각각에 대한 상기 복수의 유전자 데이터의 종류별 데이터 값이 기록되어 있는 제2 유전자 테이블을 저장하여 유지하는 제2 유전자 테이블 유지부;상기 복수의 유전자들 중 서로 영향을 미치는 유전자 간에 링크가 설정되어 있는 기설정된(predetermined) 유전자 네트워크에 대한 데이터가 저장되어 있는 유전자 네트워크 데이터 저장부;상기 제1 유전자 테이블에 기록되어 있는 상기 복수의 유전자들 각각에 대한 상기 복수의 유전자 데이터의 종류별 데이터 값과 상기 기설정된 유전자 네트워크에 대한 데이터를 기초로 생성적 적대 신경망(Generative Adversarial Networks: GANs)을 통한 기계학습을 수행함으로써, 상기 복수의 유전자 데이터의 종류별로, 상기 기설정된 유전자 네트워크 상에서 링크가 설정되어 있는 유전자 간의 영향을 미치는 정도를 표상하는 제1 가중치를 연산하는 제1 가중치 연산부;상기 제2 유전자 테이블에 기록되어 있는 상기 복수의 유전자들 각각에 대한 상기 복수의 유전자 데이터의 종류별 데이터 값과 상기 기설정된 유전자 네트워크에 대한 데이터를 기초로 상기 GANs를 통한 기계학습을 수행함으로써, 상기 복수의 유전자 데이터의 종류별로, 상기 기설정된 유전자 네트워크 상에서 링크가 설정되어 있는 유전자 간의 영향을 미치는 정도를 표상하는 제2 가중치를 연산하는 제2 가중치 연산부;상기 복수의 유전자 데이터의 종류별로 상기 제1 가중치와 상기 제2 가중치가 연산되면, 상기 복수의 유전자 데이터의 종류별로, 상기 제1 가중치와 상기 제2 가중치에 기초하여 상기 복수의 유전자들 각각의 암에 대한 영향도를 나타내는 영향력 지수를 연산하는 영향력 지수 연산부; 및상기 복수의 유전자들 중 상기 복수의 유전자 데이터의 종류별로 연산된 영향력 지수의 총 합계가 큰 순서로 기설정된 개수의 유전자들을 선정하고, 상기 선정된 유전자들을 암의 예후 예측을 위한 바이오 마커로 결정하는 바이오 마커 결정부를 포함하는 생성적 적대 신경망을 기초로 암의 예후 예측에 사용되는 바이오 마커의 선정이 가능한 전자 장치
|
2 |
2
제1항에 있어서,상기 제1 가중치 연산부는상기 기설정된 유전자 네트워크를 기초로 상기 GANs의 생성기(generator)를 통해 출력되는 상기 복수의 유전자 데이터의 종류별 모조(fake) 데이터 값이, 상기 GANs의 식별기(discriminator)를 통해 연산되는 상기 제1 유전자 테이블에 기록되어 있는 상기 복수의 유전자들 각각에 대한 상기 복수의 유전자 데이터의 종류별 데이터 값과 일치할 가능성에 대한 확률이 최대가 되도록 상기 생성기와 상기 식별기에 대한 학습을 수행함으로써, 상기 복수의 유전자 데이터의 종류별로, 상기 기설정된 유전자 네트워크 상에서 링크가 설정되어 있는 유전자 간의 영향을 미치는 정도를 표상하는 상기 제1 가중치를 연산하고,상기 제2 가중치 연산부는상기 기설정된 유전자 네트워크를 기초로 상기 GANs의 생성기를 통해 출력되는 상기 복수의 유전자 데이터의 종류별 모조 데이터 값이, 상기 GANs의 식별기를 통해 연산되는 상기 제2 유전자 테이블에 기록되어 있는 상기 복수의 유전자들 각각에 대한 상기 복수의 유전자 데이터의 종류별 데이터 값과 일치할 가능성에 대한 확률이 최대가 되도록 상기 생성기와 상기 식별기에 대한 학습을 수행함으로써, 상기 복수의 유전자 데이터의 종류별로, 상기 기설정된 유전자 네트워크 상에서 링크가 설정되어 있는 유전자 간의 영향을 미치는 정도를 표상하는 상기 제2 가중치를 연산하는 생성적 적대 신경망을 기초로 암의 예후 예측에 사용되는 바이오 마커의 선정이 가능한 전자 장치
|
3 |
3
제1항에 있어서,상기 영향력 지수 연산부는상기 복수의 유전자 데이터의 종류별로 상기 제1 가중치와 상기 제2 가중치가 연산되면, 상기 복수의 유전자 데이터의 종류별로, 상기 복수의 유전자들 각각에서의 상기 제1 가중치의 분포와 상기 제2 가중치의 분포 간의 쿨백-라이블러 발산(Kullback-Leibler Divergence)과 상기 제2 가중치의 분포와 상기 제1 가중치의 분포 간의 쿨백-라이블러 발산의 합계를 상기 복수의 유전자들 각각의 암에 대한 영향도를 나타내는 상기 영향력 지수로 연산하는 생성적 적대 신경망을 기초로 암의 예후 예측에 사용되는 바이오 마커의 선정이 가능한 전자 장치
|
4 |
4
제1항에 있어서,상기 기설정된 개수의 유전자들이 상기 바이오 마커로 결정된 이후, 사용자에 의해 암의 예후가 좋은 군으로 사전 분류되어 있는 복수의 암환자들 각각으로부터 수집된 상기 바이오 마커 각각에 대한 상기 복수의 유전자 데이터의 종류별 데이터 값이 기록된 제1 바이오 마커 테이블과 암의 예후가 나쁜 군으로 사전 분류되어 있는 복수의 암환자들 각각으로부터 수집된 상기 바이오 마커 각각에 대한 상기 복수의 유전자 데이터의 종류별 데이터 값이 기록된 제2 바이오 마커 테이블이 입력되면서, 암의 예후 예측을 위한 모델 생성 명령이 인가되면, 암의 예후가 좋은 군으로 사전 분류되어 있는 복수의 암환자들 각각에 대한 상기 제1 바이오 마커 테이블에 기록된 데이터 값을 입력으로 지정하고, 암의 예후가 좋음을 지시하는 제1 출력 정보를 출력으로 지정함으로써, 암의 예후가 좋은 군으로 사전 분류되어 있는 복수의 암환자들 각각에 대한 제1 트레이닝 세트를 구성하는 제1 트레이닝 세트 구성부;암의 예후가 나쁜 군으로 사전 분류되어 있는 복수의 암환자들 각각에 대한 상기 제2 바이오 마커 테이블에 기록된 데이터 값을 입력으로 지정하고, 암의 예후가 나쁨을 지시하는 제2 출력 정보를 출력으로 지정함으로써, 암의 예후가 나쁜 군으로 사전 분류되어 있는 복수의 암환자들 각각에 대한 제2 트레이닝 세트를 구성하는 제2 트레이닝 세트 구성부; 및상기 제1 트레이닝 세트와 상기 제2 트레이닝 세트를 기초로 지도 학습(supervised learning) 기반의 기계학습을 수행함으로써, 암의 예후 예측 모델을 생성하는 예측 모델 생성부를 더 포함하는 생성적 적대 신경망을 기초로 암의 예후 예측에 사용되는 바이오 마커의 선정이 가능한 전자 장치
|
5 |
5
제4항에 있어서,상기 암의 예후 예측 모델이 생성된 이후, 상기 사용자에 의해 암의 예후 예측의 대상이 되는 제1 암환자로부터 수집된 상기 바이오 마커 각각에 대한 상기 복수의 유전자 데이터의 종류별 데이터 값이 입력으로 인가되면서, 상기 제1 암환자에 대한 암의 예후 예측 명령이 인가되면, 상기 암의 예후 예측 모델에 상기 제1 암환자로부터 수집된 상기 바이오 마커 각각에 대한 상기 복수의 유전자 데이터의 종류별 데이터 값을 입력으로 인가하여 상기 제1 암환자에 대한 암의 예후 예측 정보로 상기 제1 출력 정보 또는 상기 제2 출력 정보 중 어느 하나의 출력 정보를 산출하는 예측부를 더 포함하는 생성적 적대 신경망을 기초로 암의 예후 예측에 사용되는 바이오 마커의 선정이 가능한 전자 장치
|
6 |
6
제1 유전자 테이블 유지부가, 암의 예후가 좋은 군으로 사전 분류되어 있는 암환자로부터 수집된 서로 다른 종류의 복수의 유전자들 각각에 대한 복수의 유전자 데이터의 종류별 데이터 값이 기록되어 있는 제1 유전자 테이블을 저장하여 유지하는 단계;제2 유전자 테이블 유지부가, 암의 예후가 나쁜 군으로 사전 분류되어 있는 암환자로부터 수집된 상기 복수의 유전자들 각각에 대한 상기 복수의 유전자 데이터의 종류별 데이터 값이 기록되어 있는 제2 유전자 테이블을 저장하여 유지하는 단계;상기 복수의 유전자들 중 서로 영향을 미치는 유전자 간에 링크가 설정되어 있는 기설정된(predetermined) 유전자 네트워크에 대한 데이터가 저장되어 있는 유전자 네트워크 데이터 저장부를 유지하는 단계;제1 가중치 연산부가, 상기 제1 유전자 테이블에 기록되어 있는 상기 복수의 유전자들 각각에 대한 상기 복수의 유전자 데이터의 종류별 데이터 값과 상기 기설정된 유전자 네트워크에 대한 데이터를 기초로 생성적 적대 신경망(Generative Adversarial Networks: GANs)을 통한 기계학습을 수행함으로써, 상기 복수의 유전자 데이터의 종류별로, 상기 기설정된 유전자 네트워크 상에서 링크가 설정되어 있는 유전자 간의 영향을 미치는 정도를 표상하는 제1 가중치를 연산하는 단계;제2 가중치 연산부가, 상기 제2 유전자 테이블에 기록되어 있는 상기 복수의 유전자들 각각에 대한 상기 복수의 유전자 데이터의 종류별 데이터 값과 상기 기설정된 유전자 네트워크에 대한 데이터를 기초로 상기 GANs를 통한 기계학습을 수행함으로써, 상기 복수의 유전자 데이터의 종류별로, 상기 기설정된 유전자 네트워크 상에서 링크가 설정되어 있는 유전자 간의 영향을 미치는 정도를 표상하는 제2 가중치를 연산하는 단계;상기 복수의 유전자 데이터의 종류별로 상기 제1 가중치와 상기 제2 가중치가 연산되면, 영향력 지수 연산부가, 상기 복수의 유전자 데이터의 종류별로, 상기 제1 가중치와 상기 제2 가중치에 기초하여 상기 복수의 유전자들 각각의 암에 대한 영향도를 나타내는 영향력 지수를 연산하는 단계; 및바이오 마커 결정부가, 상기 복수의 유전자들 중 상기 복수의 유전자 데이터의 종류별로 연산된 영향력 지수의 총 합계가 큰 순서로 기설정된 개수의 유전자들을 선정하고, 상기 선정된 유전자들을 암의 예후 예측을 위한 바이오 마커로 결정하는 단계를 포함하는 생성적 적대 신경망을 기초로 암의 예후 예측에 사용되는 바이오 마커의 선정이 가능한 전자 장치의 동작 방법
|
7 |
7
제6항에 있어서,상기 제1 가중치를 연산하는 단계는상기 기설정된 유전자 네트워크를 기초로 상기 GANs의 생성기(generator)를 통해 출력되는 상기 복수의 유전자 데이터의 종류별 모조(fake) 데이터 값이, 상기 GANs의 식별기(discriminator)를 통해 연산되는 상기 제1 유전자 테이블에 기록되어 있는 상기 복수의 유전자들 각각에 대한 상기 복수의 유전자 데이터의 종류별 데이터 값과 일치할 가능성에 대한 확률이 최대가 되도록 상기 생성기와 상기 식별기에 대한 학습을 수행함으로써, 상기 복수의 유전자 데이터의 종류별로, 상기 기설정된 유전자 네트워크 상에서 링크가 설정되어 있는 유전자 간의 영향을 미치는 정도를 표상하는 상기 제1 가중치를 연산하고,상기 제2 가중치를 연산하는 단계는상기 기설정된 유전자 네트워크를 기초로 상기 GANs의 생성기를 통해 출력되는 상기 복수의 유전자 데이터의 종류별 모조 데이터 값이, 상기 GANs의 식별기를 통해 연산되는 상기 제2 유전자 테이블에 기록되어 있는 상기 복수의 유전자들 각각에 대한 상기 복수의 유전자 데이터의 종류별 데이터 값과 일치할 가능성에 대한 확률이 최대가 되도록 상기 생성기와 상기 식별기에 대한 학습을 수행함으로써, 상기 복수의 유전자 데이터의 종류별로, 상기 기설정된 유전자 네트워크 상에서 링크가 설정되어 있는 유전자 간의 영향을 미치는 정도를 표상하는 상기 제2 가중치를 연산하는 생성적 적대 신경망을 기초로 암의 예후 예측에 사용되는 바이오 마커의 선정이 가능한 전자 장치의 동작 방법
|
8 |
8
제6항에 있어서,상기 영향력 지수를 연산하는 단계는상기 복수의 유전자 데이터의 종류별로 상기 제1 가중치와 상기 제2 가중치가 연산되면, 상기 복수의 유전자 데이터의 종류별로, 상기 복수의 유전자들 각각에서의 상기 제1 가중치의 분포와 상기 제2 가중치의 분포 간의 쿨백-라이블러 발산(Kullback-Leibler Divergence)과 상기 제2 가중치의 분포와 상기 제1 가중치의 분포 간의 쿨백-라이블러 발산의 합계를 상기 복수의 유전자들 각각의 암에 대한 영향도를 나타내는 상기 영향력 지수로 연산하는 생성적 적대 신경망을 기초로 암의 예후 예측에 사용되는 바이오 마커의 선정이 가능한 전자 장치의 동작 방법
|
9 |
9
제6항에 있어서,상기 기설정된 개수의 유전자들이 상기 바이오 마커로 결정된 이후, 사용자에 의해 암의 예후가 좋은 군으로 사전 분류되어 있는 복수의 암환자들 각각으로부터 수집된 상기 바이오 마커 각각에 대한 상기 복수의 유전자 데이터의 종류별 데이터 값이 기록된 제1 바이오 마커 테이블과 암의 예후가 나쁜 군으로 사전 분류되어 있는 복수의 암환자들 각각으로부터 수집된 상기 바이오 마커 각각에 대한 상기 복수의 유전자 데이터의 종류별 데이터 값이 기록된 제2 바이오 마커 테이블이 입력되면서, 암의 예후 예측을 위한 모델 생성 명령이 인가되면, 제1 트레이닝 세트 구성부가, 암의 예후가 좋은 군으로 사전 분류되어 있는 복수의 암환자들 각각에 대한 상기 제1 바이오 마커 테이블에 기록된 데이터 값을 입력으로 지정하고, 암의 예후가 좋음을 지시하는 제1 출력 정보를 출력으로 지정함으로써, 암의 예후가 좋은 군으로 사전 분류되어 있는 복수의 암환자들 각각에 대한 제1 트레이닝 세트를 구성하는 단계;제2 트레이닝 세트 구성부가, 암의 예후가 나쁜 군으로 사전 분류되어 있는 복수의 암환자들 각각에 대한 상기 제2 바이오 마커 테이블에 기록된 데이터 값을 입력으로 지정하고, 암의 예후가 나쁨을 지시하는 제2 출력 정보를 출력으로 지정함으로써, 암의 예후가 나쁜 군으로 사전 분류되어 있는 복수의 암환자들 각각에 대한 제2 트레이닝 세트를 구성하는 단계; 및예측 모델 생성부가, 상기 제1 트레이닝 세트와 상기 제2 트레이닝 세트를 기초로 지도 학습(supervised learning) 기반의 기계학습을 수행함으로써, 암의 예후 예측 모델을 생성하는 단계를 더 포함하는 생성적 적대 신경망을 기초로 암의 예후 예측에 사용되는 바이오 마커의 선정이 가능한 전자 장치의 동작 방법
|
10 |
10
제9항에 있어서,상기 암의 예후 예측 모델이 생성된 이후, 상기 사용자에 의해 암의 예후 예측의 대상이 되는 제1 암환자로부터 수집된 상기 바이오 마커 각각에 대한 상기 복수의 유전자 데이터의 종류별 데이터 값이 입력으로 인가되면서, 상기 제1 암환자에 대한 암의 예후 예측 명령이 인가되면, 예측부가, 상기 암의 예후 예측 모델에 상기 제1 암환자로부터 수집된 상기 바이오 마커 각각에 대한 상기 복수의 유전자 데이터의 종류별 데이터 값을 입력으로 인가하여 상기 제1 암환자에 대한 암의 예후 예측 정보로 상기 제1 출력 정보 또는 상기 제2 출력 정보 중 어느 하나의 출력 정보를 산출하는 단계를 더 포함하는 생성적 적대 신경망을 기초로 암의 예후 예측에 사용되는 바이오 마커의 선정이 가능한 전자 장치의 동작 방법
|
11 |
11
제6항 내지 제10항 중 어느 한 항의 방법을 컴퓨터와의 결합을 통해 실행시키기 위한 컴퓨터 프로그램을 기록한 컴퓨터 판독 가능 기록 매체
|
12 |
12
제6항 내지 제10항 중 어느 한 항의 방법을 컴퓨터와의 결합을 통해 실행시키기 위한 저장매체에 저장된 컴퓨터 프로그램
|