맞춤기술찾기

이전대상기술

복합 생체 표지 네트워크 기반 질병 위험도 진단 방법

  • 기술번호 : KST2022015895
  • 담당센터 : 대전기술혁신센터
  • 전화번호 : 042-610-2279
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 발병은 복합 생체 표지 네트워크 기반 질병 위험도 진단 방법에 관한 것으로, 보다 상세하게는 액체 생물 검체로부터 추출된 생체 표지로부터 복합적 질병 관계 네트워크를 구성하고, 이로부터 질병 표지자를 자동으로 추출하여 질병 위험도를 예측하거나 진단하는 방법에 관한 것으로, 본 발명에 따라 개발된 액체 생물 검체로부터 추출된 생체 표지를 이용하여 질병 위험도를 예측하거나 진단하는 방법은 종래의 기법보다 향상된 네트워크 분석 및 학습 기법을 적용하여, 소수의 바이오마커만을 적용하여도 높은 민감도 및 특이도를 나타내는 질병 관련 진단이 가능한 것을 확인하였으며, 이는 종래의 변형 드롭아웃(variational dropout) 기반의 바이오마커 추출을 이요한 방법 대비 월등한 추출 성능을 보인다.
Int. CL G16H 50/50 (2018.01.01) G16H 50/70 (2018.01.01)
CPC G16H 50/50(2013.01) G16B 40/20(2013.01) G16B 15/30(2013.01) G16B 35/10(2013.01) G16B 20/20(2013.01) G16C 20/50(2013.01) G16H 50/70(2013.01)
출원번호/일자 1020210015125 (2021.02.03)
출원인 한국과학기술원
등록번호/일자
공개번호/일자 10-2022-0111847 (2022.08.10) 문서열기
공고번호/일자
국제출원번호/일자
국제공개번호/일자
우선권정보
법적상태 공개
심사진행상태 수리
심판사항
구분 국내출원/신규
원출원번호/일자
관련 출원번호
심사청구여부/일자 Y (2021.02.03)
심사청구항수 14

출원인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 출원인 표입니다.
번호 이름 국적 주소
1 한국과학기술원 대한민국 대전광역시 유성구

발명자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 발명자 표입니다.
번호 이름 국적 주소
1 조동호 대전광역시 유성구
2 지동진 대전광역시 유성구

대리인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 대리인 표입니다.
번호 이름 국적 주소
1 특허법인 플러스 대한민국 대전광역시 서구 한밭대로 ***번지 (둔산동, 사학연금회관) **층

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 [특허출원]특허출원서
[Patent Application] Patent Application
2021.02.03 수리 (Accepted) 1-1-2021-0137868-99
2 선행기술조사의뢰서
Request for Prior Art Search
2022.05.13 수리 (Accepted) 9-1-9999-9999999-89
번호, 청구항의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 청구항 표입니다.
번호 청구항
1 1
환자 및 정상인의 검체로부터 복합 유전 정보를 추출하는 단계;상기 복합 유전 정보 사이의 정보 비교 분석을 통해 복합 유전 정보 라이브러리를 구축하는 단계;상기 복합 유전 정보 라이브러리로부터 질병 특이적 바이오마커를 추출하는 단계; 및상기 질병 특이적 바이오마커로부터 질병 위험도 예측을 위한 네트워크 모델을 구축하고 질병 위험도를 예측하는 단계;를 포함하는, 복합 유전 정보 관계 분석을 통한 질병 위험도 예측 방법
2 2
제 1항에 있어서,상기 복합 유전 정보는 DNA, RNA 및 단백질로 이루어진 군에서 선택되는 어느 하나 또는 둘 이상의 유전 정보의 발현 정보 또는 이들의 합성 정보인, 복합 유전 정보 관계 분석을 통한 질병 위험도 예측 방법
3 3
제 1항에 있어서,상기 복합 유전 정보 라이브러리는 복합 유전 정보의 통계 분석 또는 최적화 기법(optimization method)을 통해 도출하여 구축하는 것인, 복합 유전 정보 관계 분석을 통한 질병 위험도 예측 방법
4 4
제 1항에 있어서,상기 질병 특이적 바이오마커를 추출하는 경우, 해당 유전 정보의 염기서열 정보를 확보하여 염기 서열의 추가, 삭제 또는 치환을 포함하는 단일 염기 다형성 변이 또는 유전자 복제 수 변이를 포함하는, 유전 정보 변이체를 추출하는 단계;를 더 포함하는 것인, 복합 유전 정보 관계 분석을 통한 질병 위험도 예측 방법
5 5
제 1항에 있어서,상기 복합 유전 정보 라이브러리에 존재하는 복합 유전 정보와 질병과의 관계 분석을 최적화 기법 또는 학습 기법을 통하여 분석하여, 질병과 연관된 바이오마커를 추출하는 것인, 복합 유전 정보 관계 분석을 통한 질병 위험도 예측 방법
6 6
제 1항에 있어서,상기 질병 특이적 바이오마커를 기반으로 정적 질병 네트워크(statistic disease network) 모델 또는 동적 질병 네트워크(dynamic disease network) 모델을 구축하는 것인, 복합 유전 정보 관계 분석을 통한 질병 위험도 예측 방법
7 7
제 5항에 있어서,상기 최적화 기법은 시뮬레이티드 어닐링 기법, 유전자 알고리즘, 탭 서치 기법, 시뮬레이티드 에볼루션, 확률적 진화 기법으로 이루어진 군에서 선택되는 것인, 복합 유전 정보 관계 분석을 통한 질병 위험도 예측 방법
8 8
제 5항에 있어서,상기 학습 기법은 신경망 네트워크(neural network) 및 딥러닝(deep learning)으로 이루어진 군에서 선택되는 것인, 복합 유전 정보 관계 분석을 통한 질병 위험도 예측 방법
9 9
제 8항에 있어서,상기 신경망 네트워크는 CNN(convolutional neural network) 및 RNN(recurrent neural network)으로 이루어진 군에서 선택되는 것인, 복합 유전 정보 관계 분석을 통한 질병 위험도 예측 방법
10 10
제 5항에 있어서,상기 바이오마커 추출시 어텐션 레이어(attention layer)를 이용한 어텐션 모델(attention model)을 적용하여, 전체 서열과 일부 특정 서열의 상관 관계를 매트릭스 형태로 모델링하는 것인, 복합 유전 정보 관계 분석을 통한 질병 위험도 예측 방법
11 11
제 1항에 있어서,상기 예측된 질병 위험도의 정확도는 추출된 20 내지 35개의 바이오마커에 대해 민감도(sensitivity) 및 특이도(specificity)가 각각 80% 이상인, 복합 유전 정보 관계 분석을 통한 질병 위험도 예측 방법
12 12
제 1항에 있어서,상기 질병은 인지 기능 및/또는 기억력 관련 장애에 의한 것인, 복합 유전 정보 관계 분석을 통한 질병 위험도 예측 방법
13 13
제 12항에 있어서,상기 질병은 알츠하이머병, 헌팅턴병, 파킨슨병 또는 근위축성 측삭 경화증(amyotrophic lateral sclerosis)인, 복합 유전 정보 관계 분석을 통한 질병 위험도 예측 방법
14 14
제 1항 내지 제13항 중 어느 한 항의 질병 위험도 예측 방법을 통해 추출된 질병 특이적 바이오마커
지정국 정보가 없습니다
패밀리정보가 없습니다
국가 R&D 정보가 없습니다.