| 1 |
1
위해성 평가 모델 생성 장치에 의하여 수행되는 위해성 평가모델 생성 방법에 있어서,내분비 교란 위해성을 가지는 화학 물질을 선정하는 단계;상기 화학 물질을 나타내는 분자 표현자 집합에서 적어도 하나의 분자 표현자를 제거하여 축소된 분자 표현자 집합을 생성하는 단계; 및상기 축소된 분자 표현자 집합을 기반으로 인공신경망 알고리즘을 이용하여 화학 물질의 위해성을 분석하는 학습모델을 생성하는 단계를 포함하는 위해성 평가 모델 생성 방법
|
| 2 |
2
제 1 항에 있어서,아래의 수학식을 이용하여 계산된 값이 미리 설정된 범위내에 있는 물질은 내분비 교란 위해성을 가지는 화학물질로 선정되는 위해성 평가 모델 생성 방법
|
| 3 |
3
제 1 항에 있어서,상기 축소된 분자 표현자 집합을 생성하는 단계는,상기 분자 표현자 집합에 속한 분자 표현자 마다 평가 점수를 부여하는 단계; 및상기 평가 점수의 값이 미리 설정된 기준값보다 작은 분자 표현자를 상기 분자 표현자 집합에서 제거하여 축소된 분자 표현자 집합을 생성하는 단계를 포함하는 위해성 평가 모델 생성 방법
|
| 4 |
4
제 3 항에 있어서,상기 평가 점수는 아래의 수학식을 이용하여 계산되는 위해성 평가 모델 생성 방법
|
| 5 |
5
제 1 항에 있어서,상기 축소된 분자 표현자 집합을 생성하는 단계는,상기 분자 표현자 집합의 분자 표현자에 LASSO 회귀 분석을 적용한 결과 파라미터 값이 0이 된 분자 표현자를 제외함으로써 축소된 분자 표현자 집합을 생성하는 단계를 포함하는 위해성 평가 모델 생성 방법
|
| 6 |
6
제 5 항에 있어서, LASSO 회귀 분석은 아래의 수학식을 이용하여 수행되는 위해성 평가 모델 생성 방법
|
| 7 |
7
제 1 항에 있어서,상기 축소된 분자 표현자 집합을 생성하는 단계는,상기 분자 표현자 집합에 대하여 각각의 분자 표현자를 독립변수로, 상관 결합 친화도를 종속변수로 하여, 독립변수와 종속변수 간의 선형 상관 관계를 계산하는 단계; 및상기 선형 상관 관계의 값이 미리 설정된 기준값보다 작은 분자 표현자를 상기 분자 표현자 집합에서 제거하여 축소된 분자 표현자 집합을 생성하는 단계를 포함하는 위해성 평가 모델 생성 방법
|
| 8 |
8
제 7 항에 있어서,상기 독립변수와 종속변수 간의 선형 상관 관계는 아래의 수학식을 이용하여 계산되는 위해성 평가 모델 생성 방법
|
| 9 |
9
제 1 항에 있어서,상기 학습 모델은 SAE(stacked autoencoder), DBN(deep-belief network) 및 DNN(deep neural network) 중 어느 하나의 인공신경망 알고리즘을 이용하여 상기 축소된 분자 표현자 집합에 대하여 생성된 정량적 구조-활동 관계(Quantitative structure-activity relationship) 모델인 위해성 평가 모델 생성 방법
|
| 10 |
10
제 1 항에 있어서,상기 축소된 분자 표현자 집합을 기반으로 인공신경망 알고리즘을 이용하여 화학 물질의 위해성을 분석하는 학습모델을 생성하는 단계는,고정확률 p에 따라 학습 모델 네트워크를 구성하는 유닛을 무작위로 드롭하는 단계를 포함하는 위해성 평가 모델 생성 방법
|
| 11 |
11
제 1 항에 있어서,상기 축소된 분자 표현자 집합을 생성하는 단계는,상기 화학 물질을 나타내는 분자 표현자 집합에 대하여, 부분최소자승법 기반의 VIP(variable importance in projection) 점수를 분자 표현자 마다 부여하는 단계;상기 평가 점수의 값이 미리 설정된 기준값보다 작은 분자 표현자를 상기 분자 표현자 집합에서 제거하는 단계; 및상기 분자 표현자 집합에 남은 분자 표현자에 LASSO 회귀 분석을 적용한 결과 파라미터의 값이 미리 설정된 값으로 감소된 분자 표현자를 더 제외하여 축소된 분자 표현자 집합을 생성하는 단계를 포함하는 위해성 평가 모델 생성 방법
|
| 12 |
12
제 1 항에 있어서,상기 축소된 분자 표현자 집합을 생성하는 단계는,상기 화학 물질을 나타내는 분자 표현자 집합에 대하여 각각의 분자 표현자를 독립변수로, 상관 결합 친화도를 종속변수로 하여, 독립변수와 종속변수 간의 선형 상관 관계를 계산하는 단계;상기 선형 상관 관계의 값이 미리 설정된 기준값보다 작은 분자 표현자를 상기 분자 표현자 집합에서 제거하는 단계;상기 분자 표현자 집합에 남은 분자 표현자에 대하여, 부분최소자승법 기반의 VIP(variable importance in projection) 점수를 분자 표현자 마다 부여하는 단계; 및상기 평가 점수의 값이 미리 설정된 기준값보다 작은 분자 표현자를 상기 분자 표현자 집합에서 제거하여 축소된 분자 표현자 집합을 생성하는 단계를 포함하는 위해성 평가 모델 생성 방법
|
| 13 |
13
위해성 평가 장치에 의하여 수행되는 위해성 평가 방법에 있어서,화학 물질을 나타내는 분자 표현자 집합을 입력 받는 단계;상기 분자 표현자 집합에서 적어도 하나의 분자 표현자를 제거하여 축소된 분자 표현자를 생성하는 단계; 및상기 축소된 분자 표현자와 제 1 항 내지 제 12 항 중 어느 한 항에 기재된 위해성 평가 모델 생성 방법에 따라 생성된 위해성 평가 모델을 이용하여 상기 화학 물질의 내분비 교란 위해성을 평가하는 단계를 포함하는 화학 물질의 내분비 교란 위해성 평가 방법
|
| 14 |
14
화학물질의 내분비 교란 위해성 데이터가 저장된 메모리; 및상기 데이터베이스로부터 내분비 교란 위해성을 가지는 화학 물질을 선정하고,상기 화학 물질을 나타내는 분자 표현자 집합에서 적어도 하나의 분자 표현자를 제거하여 축소된 분자 표현자 집합을 생성하며,상기 축소된 분자 표현자 집합을 기반으로 인공신경망 알고리즘을 이용하여 화학 물질의 위해성을 분석하는 학습모델을 생성하는 프로세서를 포함하는 위해성 평가 모델 생성 장치
|
| 15 |
15
화학 물질을 나타내는 분자 표현자 집합이 저장된 메모리; 및상기 분자 표현자 집합에서 적어도 하나의 분자 표현자를 제거하여 축소된 분자 표현자 집합을 생성하고,상기 축소된 분자 표현자 집합과 제 1 항 내지 제 12 항 중 어느 한 항에 기재된 위해성 평가 모델 생성 방법에 따라 생성된 위해성 평가 모델을 이용하여 상기 화학 물질의 내분비 교란 위해성을 평가하는 프로세서를 포함하는 화학 물질의 내분비 교란 위해성 평가 장치
|
| 16 |
16
제 1 항 내지 제 12 항 중 어느 한 항에 기재된 위해성 평가 모델 생성 방법을 수행하기 위한 컴퓨터 프로그램
|
| 17 |
17
제 1 항 내지 제 12 항 중 어느 한 항에 기재된 위해성 평가 모델 생성 방법을 수행하기 위한 컴퓨터 프로그램이 기록된 컴퓨터 판독 가능 기록매체
|
