| 1 |
1
다음 단계를 포함하는 약물의 구조 정보를 이용한 약물 상호작용 예측 방법:상호작용을 예측하고자 하는 두 화합물 각각의 구조를 서로 다른 사전 정의된 화합물들과의 구조 유사도 비교를 통해 구조 유사도 프로파일을 하기 수학식 1 또는 수학식 2를 사용하여 계산하는 단계;[수학식 1][수학식 2]상기 계산된 두 화합물의 구조 유사도 프로파일을 합쳐서 화합물 간 상호작용을 예측하도록, 8개의 은닉층(hidden layer)과 2,048개의 은닉 노드(hidden node)를 포함하는 심층 신경망으로 학습된 모델에 입력하는 단계;상기 학습된 모델에 의해 두 화합물 간 상호작용을 예측하고, 설명하는 하기 표 1로 표시되는 문장으로 출력하는 단계; 및상기 출력된 문장을 통해 두 화합물의 상호작용을 예측하는 단계로, 상기 상호작용은 작용 기전 또는 활성 정보인 것을 특징으로 함
|
| 2 |
2
제1항에 있어서, 상기 화합물은 약물 또는 음식 성분인 것을 특징으로 하는 방법
|
| 3 |
3
제1항에 있어서, 상기 상호작용이 예측되지 않을 경우 유해 상호작용 가능성이 적은 화합물의 조합인 것을 특징으로 하는 방법
|
| 4 |
4
상호작용을 예측하고자 하는 두 화합물의 구조 유사도 비교를 통해 구조 유사도 프로파일을 하기 수학식 1 또는 수학식 2를 사용하여 계산하는 계산부;[수학식 1][수학식 2]상기 계산된 두 화합물의 구조 유사도 프로파일을 합쳐서 화합물 간 상호작용을 예측하도록, 8개의 은닉층(hidden layer)과 2,048개의 은닉 노드(hidden node)를 포함하는 심층 신경망으로 학습된 모델에 입력하는 입력부;상기 입력된 구조 유사도 프로파일을 사용하여 상기 학습된 모델에 의해 두 화합물 간 상호작용을 예측하고, 설명하는 하기 표 1로 표시되는 문장으로 출력하는 출력부; 및상기 출력된 문장을 통해 두 화합물의 상호작용을 예측하는 산출부;를 포함하는 약물의 구조 정보를 이용한 약물 상호작용 예측 장치로, 상기 상호작용은 작용 기전 또는 활성 정보인 것을 특징으로 함
|
| 5 |
5
제4항에 있어서, 상기 화합물은 약물 또는 음식 성분인 것을 특징으로 하는 장치
|
| 6 |
6
제4항에 있어서, 상기 상호작용이 예측되지 않을 경우 유해 상호작용 가능성이 적은 화합물의 조합인 것을 특징으로 하는 장치
|
| 7 |
7
다음 단계를 포함하는 약물의 구조 정보를 이용한 유해 상호작용 가능성이 적은 약물 조합의 스크리닝 방법:상호작용을 예측하고자 하는 두 화합물 각각의 구조를 서로 다른 사전 정의된 화합물들과의 구조 유사도 비교를 통해 구조 유사도 프로파일을 하기 수학식 1 또는 수학식 2를 사용하여 계산하는 단계;[수학식 1][수학식 2]상기 계산된 두 화합물의 구조 유사도 프로파일을 합쳐서 화합물 간 상호작용을 예측하도록, 8개의 은닉층(hidden layer)과 2,048개의 은닉 노드(hidden node)를 포함하는 심층 신경망으로 학습된 모델에 입력하는 단계;상기 학습된 모델이 두 화합물 간 상호작용을 예측하는 단계; 및상기 상호작용이 예측되지 않을 경우 유해 상호작용 가능성이 적은 화합물의 조합으로 선별하는 단계로, 상기 상호작용은 작용 기전 또는 활성 정보인 것을 특징으로 함
|
| 8 |
8
제7항에 있어서, 상기 화합물은 약물 또는 음식 성분인 것을 특징으로 하는 방법
|
| 9 |
9
제7항에 있어서, 상기 상호작용이 예측되지 않을 경우는 구조 유사도 프로파일의 출력 값이 0
|
