1 |
1
(a) 장내 점막에서 메타게놈 분석을 수행하는 단계; (b) 상기 수행한 메타게놈 분석 결과, 제시된 미생물에 대한 비율이 매트릭스로 산출되는 단계; (c) 상기 매트릭스에서 각 질병 분류군을 설명하는 미생물 종의 비율을 산출하는 단계; 및 (d) 상기 산출된 미생물 종의 비율을 시각화하는 단계;를 포함하고,상기 메타게놈 분석 결과를 바탕으로 기계학습 기법을 이용하여 장내 질병의 위험을 예측하며,상기 기계학습 기법은,상기 각 질병 분류군 중 가장 많은 질병 분류군이 첫째 줄에 기재되고, 상기 각 질병 분류군에 속하는 각 샘플 수가 둘째 줄에 기재되는 결정 노드를 포함하는 결정 트리를 적용하는 것을 특징으로 하는,기계학습법을 이용한 미생물에 의한 질병 분류군의 분류 방법
|
2 |
2
제1항에 있어서, 상기 기계학습 기법은,상기 결정 트리 외에 랜덤 포레스트를 적용하는 것을 특징으로 하는, 기계학습법을 이용한 미생물에 의한 질병 분류군의 분류 방법
|
3 |
3
제2항에 있어서, 상기 기계학습 기법은,동일한 미생물종이 검출되는 질환 중에서 미생물 종 비율에 대해 상기 결정 트리 및 상기 랜덤 포레스트를 적용하여 질환 중 어느 하나로 분류하는 것을 특징으로 하는,기계학습법을 이용한 미생물에 의한 질병 분류군의 분류 방법
|
4 |
4
제2항에 있어서, 상기 (c) 단계와 상기 (d) 단계 사이에,장내 미생물균총에서 Bacteroides vulgatus, Tyzzerella nexilis 및 Lachnoclostridium pacaense의 함량을 확인하여 상기 결정 트리 및 상기 랜덤 포레스트를 적용하는 단계;를 더 포함하는 것을 특징으로 하는,기계학습법을 이용한 미생물에 의한 질병 분류군의 분류 방법
|
5 |
5
제4항에 있어서, 상기 Bacteroides vulgatus의 함량이 정상보다 낮은 경우 고위험 대장선종, 진행성 대장암 및 궤양성 대장염으로 진단하는 것을 특징으로 하는, 기계학습법을 이용한 미생물에 의한 질병 분류군의 분류 방법
|
6 |
6
제4항에 있어서, 상기 Bacteroides vulgatus의 함량이 0
|
7 |
7
제4항에 있어서,상기 Bacteroides vulgatus의 함량이 0
|
8 |
8
제4항에 있어서,상기 Bacteroides vulgatus의 함량이 0
|
9 |
9
제4항에 있어서,상기 Bacteroides vulgatus의 함량이 0
|
10 |
10
제1항에 있어서,상기 결정 트리는,제1 미생물균이 정상 대조군 또는 진행성 대장암을 분류하는 균의 기준이 되는 결정 노드; 제2 미생물균이 진행성 대장암 또는 고위험 대장선종을 분류하는 균의 기준이 되는 결정 노드; 및제3 미생물균이 진행성 대장암 또는 궤양성 대장염을 분류하는 균의 기준이 되는 결정 노드;를 포함하는 것을 특징으로 하는, 기계학습법을 이용한 미생물에 의한 질병 분류군의 분류 방법
|