맞춤기술찾기

홈으로 가기
맞춤기술찾기
이전대상기술
프린트하기

이전대상기술

약물-표적 단백질의 상호작용을 예측하는 방법 및 그 방법을 수행하는 장치

  • 기술번호 : KST2022001481
  • 담당센터 : 서울동부기술혁신센터
  • 전화번호 : 02-2155-3662
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 일 실시 예에 따르면 약물 후보 화합물의 특질에 관련된 제1채널을 형성하는 과정; 표적 단백질의 특질에 관련된 제2 채널을 형성하는 과정; 상기 약물 후보 화합물의 종단간 학습에 관련된 제3 채널을 형성하는 과정; 상기 표적 단백질의 종단간 학습에 관련된 제4 채널을 형성하는 과정; 및 상기 제1내지 제4채널을 입력으로 인공 신경망에 기반으로 하여 표적 단백질과 약물 후보 화합물 사이의 상호작용 예측 모델을 생성하는 과정; 을 포함하는 약물-표적 단백질의상호작용을 예측하는 방법을 제공할 수 있다.
Int. CL G16B 5/00 (2019.01.01) G16B 15/30 (2019.01.01) G16B 40/20 (2019.01.01) G16B 50/00 (2019.01.01) G16B 30/00 (2019.01.01) G16C 20/30 (2019.01.01) G16C 20/70 (2019.01.01) G06F 40/20 (2020.01.01) G06N 3/08 (2006.01.01)
CPC G16B 5/00(2013.01) G16B 15/30(2013.01) G16B 40/20(2013.01) G16B 50/00(2013.01) G16B 30/00(2013.01) G16C 20/30(2013.01) G16C 20/70(2013.01) G06F 40/20(2013.01) G06N 3/08(2013.01)
출원번호/일자 1020220008680 (2022.01.20)
출원인 서울대학교산학협력단
등록번호/일자
공개번호/일자 10-2022-0015479 (2022.02.08) 문서열기
공고번호/일자
국제출원번호/일자
국제공개번호/일자
우선권정보
법적상태 공개
심사진행상태 수리
심판사항
구분 국내출원/분할
원출원번호/일자 10-2019-0050716 (2019.04.30)
관련 출원번호 1020190050716
심사청구여부/일자 Y (2022.01.20)
심사청구항수 4

출원인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 출원인 표입니다.
번호 이름 국적 주소
1 서울대학교산학협력단 대한민국 서울특별시 관악구

발명자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 발명자 표입니다.
번호 이름 국적 주소
1 김홍기 서울특별시 관악구
2 이문환 서울특별시 관악구

대리인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 대리인 표입니다.
번호 이름 국적 주소
1 허정훈 대한민국 서울특별시 강서구 마곡중앙*로 ** 이너매스, ****(다람특허법률사무소)

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 [분할출원]특허출원서
[Divisional Application] Patent Application		 2022.01.20 수리 (Accepted) 1-1-2022-0075936-08
번호, 청구항의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 청구항 표입니다.
번호 청구항
1 1
약물 후보 화합물의 특질에 관련된 제1 채널을 형성하는 과정;표적 단백질의 특질에 관련된 제2 채널을 형성하는 과정;상기 약물 후보 화합물의 종단간 학습에 관련된 제3 채널을 형성하는 과정;상기 표적 단백질의 종단간 학습에 관련된 제4 채널을 형성하는 과정;상기 제1 내지 제4채널을 입력으로 인공 신경망에 기반으로 하여 표적 단백질과 약물 후보 화합물 사이의 상호작용 예측 모델을 생성하는 과정;상기 제1 내지 제4 채널들을 독립적으로 분리하여 연산하는 과정;독립적으로 분리하여 연산된 상기 제1 내지 제4 채널들을 상호적으로 결합하여 연산하는 과정; 및상호적으로 결합하여 연산된 결과에 기초하여 표적 단백질과 약물 후보 화합물 사이의 상호작용 예측 모델을 생성하는 과정;을 포함하고,상기 제1 내지 제2채널은, 자연어 처리 기법인 word2vec 모델에 기반하여 형성되고,상기 제3 내지 제4채널은, 확장된 컨볼루션 신경망(Dilated Convolution Neural Networks: Dilated CNN)에 기반하여 형성되는 것을 특징으로 하는 약물-표적 단백질의 상호작용을 예측하는 방법
2 2
제1항에 있어서,상기 약물 후보 화합물은 간략화된 분자 입력 라인-엔트리 시스템 데이터에 포함되고, 상기 표적 단백질은 Uniprot 데이터 베이스에서 제공된 아미노산 서열의 데이터에 포함되고,상기 제1 채널은 word2vec 모델에 기반하여 형성된 상기 약물 후보 화합물의 고수준 특질을 포함하고,상기 제2 채널은 word2vec 모델에 기반하여 형성된 상기 표적 단백질의 고수준 특질을 포함하고,상기 제3 채널은 원-핫 인코딩을 사용하여 약물 후보 화합물의 복수 차원의 벡터로 변환된 상기 간략화된 분자 입력 라인-엔트리 시스템 데이터를 상기 확장된 컨볼루션 신경망을 통해 변환한 약물 후보 화합물의 종단간 특질 벡터를 포함하고,상기 제4 채널은 원-핫 인코딩을 사용하여 표적 단백질의 복수 차원의 벡터로 변환된 상기 Uniprot 데이터 베이스에서 제공된 아미노산 서열의 데이터를 상기 확장된 컨볼루션 신경망을 통해 변환한 표적 단백질의 종단간 특질 벡터를 포함하는 약물-표적 단백질의 상호작용을 예측하는 방법
3 3
약물-표적 단백질의 상호작용을 예측하는 장치에 포함된 프로세서에 있어서, 상기 프로세서는,약물 후보 화합물의 특질과 표적 단백질의 특질을 추출하는 특질 추출기;상기 약물 후보 화합물의 종단간 학습과 상기 표적 단백질의 종단간 학습을 수행하는 종단간 학습기; 및약물 후보 화합물의 특질에 관련된 제1채널, 표적 단백질의 특질에 관련된 제2 채널, 상기 약물 후보 화합물의 종단간 학습에 관련된 제3 채널, 상기 표적 단백질의 종단간 학습에 관련된 제4 채널을 입력으로 인공 신경망에 기반으로 하여 표적 단백질과 약물 후보 화합물 사이의 상호작용 예측 모델을 생성하는 분류기;를 포함하고,상기 분류기는,상기 제1 내지 제4 채널들을 독립적으로 분리하여 연산하고, 독립적으로 분리하여 연산된 상기 제1 내지 제4 채널들을 상호적으로 결합하여 연산하고, 상호적으로 결합하여 연산된 결과에 기초하여 표적 단백질과 약물 후보 화합물 사이의 상호작용 예측 모델을 생성하고,상기 제1 내지 제2채널은, 자연어 처리 기법인 word2vec 모델에 기반하여 형성되고, 상기 제3 내지 제4채널은, 확장된 컨볼루션 신경망(Dilated Convolution Neural Networks: Dilated CNN)에 기반하여 형성되는 것을 특징으로 하는 포함하는, 약물-표적 단백질의 상호작용을 예측하는 장치
4 4
제3항에 있어서,상기 약물 후보 화합물은 간략화된 분자 입력 라인-엔트리 시스템 데이터에 포함되고, 상기 표적 단백질은 Uniprot 데이터 베이스에서 제공된 아미노산 서열의 데이터에 포함되고,상기 제1 채널은 word2vec 모델에 기반하여 형성된 상기 약물 후보 화합물의 고수준 특질을 포함하고,상기 제2 채널은 word2vec 모델에 기반하여 형성된 상기 표적 단백질의 고수준 특질을 포함하고,상기 제3 채널은 원-핫 인코딩을 사용하여 약물 후보 화합물의 복수 차원의 벡터로 변환된 상기 간략화된 분자 입력 라인-엔트리 시스템 데이터를 상기 확장된 컨볼루션 신경망을 통해 변환한 약물 후보 화합물의 종단간 특질 벡터를 포함하고,상기 제4 채널은 원-핫 인코딩을 사용하여 표적 단백질의 복수 차원의 벡터로 변환된 상기 Uniprot 데이터 베이스에서 제공된 아미노산 서열의 데이터를 상기 확장된 컨볼루션 신경망을 통해 변환한 표적 단백질의 종단간 특질 벡터를 포함하는, 약물-표적 단백질의 상호작용을 예측하는 장치
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 과학기술정보통신부 서울대학교 산학협력단 ICT융합산업원천기술개발(R＆D) 빅데이터 기반 신약 탐색 SW 개발