| 1 |
1
미리 설정된 다중오믹스 데이터로부터 인슐린 저항성을 판별하기 위한 복수의 바이오마커들을 획득하는 단계;상기 획득된 복수의 바이오마커들에 대하여 미리 설정된 트레이닝 데이터셋을 이용한 트레이닝을 통해 인슐린 저항성 예측 모델 기반의 뉴럴 네트워크를 학습하는 단계; 및상기 학습된 인슐린 저항성 예측 모델 기반의 뉴럴 네트워크를 이용하여 사용자의 샘플에 대한 인슐린 저항성 여부를 판별하는 단계를 포함하는 뉴럴 네트워크를 이용한 인슐린 저항성 분석 방법
|
| 2 |
2
제1항에 있어서,상기 복수의 바이오마커들은Stem cell factor(SCF), mean corpuscular volume(MCV), Leptin, Immunoglobin heavy constant mu(IGHM), interleukin 7(IL7), EOTAXIN, granulocyte-macrophage colony-stimulating factor(GMCSF), apolipoprotein E4(APOE), lysophosphatidic acid(LPA), monocytes absolute value(MONOAB), genus_Coprococcus, Monocyte chemoatrractant protein-1(MCP-1), triglycerides(TGL), creatinine(CR), FAS ligand(FASL), class_Clostridia와 order_Clostridiales를 포함하는 것을 특성으로 하는 뉴럴 네트워크를 이용한 인슐린 저항성 분석 방법
|
| 3 |
3
제1항에 있어서,상기 사용자의 샘플에 대한 인슐린 저항성 여부를 판별하는 단계는상기 사용자의 샘플에서 상기 복수의 바이오마커들 각각을 추출하고, 상기 추출된 복수의 바이오마커들 각각에 대한 발현값을 상기 뉴럴 네트워크로 입력함으로써, 상기 사용자의 샘플에 대한 인슐린 저항성 여부를 판별하는 것을 특성으로 하는 뉴럴 네트워크를 이용한 인슐린 저항성 분석 방법
|
| 4 |
4
제1항에 있어서,상기 인슐린 저항성 예측 모델 기반의 뉴럴 네트워크를 학습하는 단계는미리 설정된 미생물체 특성들을 반영하여 상기 인슐린 저항성 예측 모델 기반의 뉴럴 네트워크를 학습하며,상기 사용자의 샘플에 대한 인슐린 저항성 여부를 판별하는 단계는상기 사용자의 샘플에서 획득된 상기 복수의 바이오마커들과 상기 미생물체 특성들을 상기 뉴럴 네트워크로 입력함으로써, 상기 사용자의 샘플에 대한 인슐린 저항성 여부를 판별하는 것을 특성으로 하는 뉴럴 네트워크를 이용한 인슐린 저항성 분석 방법
|
| 5 |
5
제1항에 있어서,상기 사용자의 샘플에서 추출된 상기 복수의 바이오마커들 각각에 대한 발현값에 대하여, 순차적으로 최대 값으로 대체하여 상기 뉴럴 네트워크로 입력함으로써, 상기 순차적인 최대 값의 대체로 인한 상기 뉴럴 네트워크의 출력 결과를 통해 상기 인슐린 저항성에 대한 상기 사용자의 복수의 바이오마커들 각각에 대한 인자 기여도를 예측하는 단계를 더 포함하는 것을 특성으로 하는 뉴럴 네트워크를 이용한 인슐린 저항성 분석 방법
|
| 6 |
6
제5항에 있어서,상기 사용자의 인슐린 저항성에 대한 판별 스코어와 상기 복수의 바이오마커들 중 상기 사용자의 인슐린 저항성에 대한 기여도가 가장 높은 바이오마커에 대한 정보를 통합하여 제공하는 단계를 더 포함하는 것을 특성으로 하는 뉴럴 네트워크를 이용한 인슐린 저항성 분석 방법
|
| 7 |
7
미리 설정된 다중오믹스 데이터로부터 인슐린 저항성을 판별하기 위한 복수의 바이오마커들을 획득하는 획득부;상기 획득된 복수의 바이오마커들에 대하여 미리 설정된 트레이닝 데이터셋을 이용한 트레이닝을 통해 인슐린 저항성 예측 모델 기반의 뉴럴 네트워크를 학습하는 학습부; 및상기 학습된 인슐린 저항성 예측 모델 기반의 뉴럴 네트워크를 이용하여 사용자의 샘플에 대한 인슐린 저항성 여부를 판별하는 판별부를 포함하는 뉴럴 네트워크를 이용한 인슐린 저항성 분석 장치
|
| 8 |
8
제7항에 있어서,상기 복수의 바이오마커들은Stem cell factor(SCF), mean corpuscular volume(MCV), Leptin, Immunoglobin heavy constant mu(IGHM), interleukin 7(IL7), EOTAXIN, granulocyte-macrophage colony-stimulating factor(GMCSF), apolipoprotein E4(APOE), lysophosphatidic acid(LPA), monocytes absolute value(MONOAB), genus_Coprococcus, Monocyte chemoatrractant protein-1(MCP-1), triglycerides(TGL), creatinine(CR), FAS ligand(FASL), class_Clostridia와 order_Clostridiales를 포함하는 것을 특성으로 하는 뉴럴 네트워크를 이용한 인슐린 저항성 분석 장치
|
| 9 |
9
제7항에 있어서,상기 판별부는상기 사용자의 샘플에서 상기 복수의 바이오마커들 각각을 추출하고, 상기 추출된 복수의 바이오마커들 각각에 대한 발현값을 상기 뉴럴 네트워크로 입력함으로써, 상기 사용자의 샘플에 대한 인슐린 저항성 여부를 판별하는 것을 특성으로 하는 뉴럴 네트워크를 이용한 인슐린 저항성 분석 장치
|
| 10 |
10
제7항에 있어서,상기 학습부는미리 설정된 미생물체 특성들을 반영하여 상기 인슐린 저항성 예측 모델 기반의 뉴럴 네트워크를 학습하며,상기 판별부는상기 사용자의 샘플에서 획득된 상기 복수의 바이오마커들과 상기 미생물체 특성들을 상기 뉴럴 네트워크로 입력함으로써, 상기 사용자의 샘플에 대한 인슐린 저항성 여부를 판별하는 것을 특성으로 하는 뉴럴 네트워크를 이용한 인슐린 저항성 분석 장치
|
| 11 |
11
제7항에 있어서,상기 사용자의 샘플에서 추출된 상기 복수의 바이오마커들 각각에 대한 발현값에 대하여, 순차적으로 최대 값으로 대체하여 상기 뉴럴 네트워크로 입력함으로써, 상기 순차적인 최대 값의 대체로 인한 상기 뉴럴 네트워크의 출력 결과를 통해 상기 인슐린 저항성에 대한 상기 사용자의 복수의 바이오마커들 각각에 대한 인자 기여도를 예측하는 예측부를 더 포함하는 것을 특성으로 하는 뉴럴 네트워크를 이용한 인슐린 저항성 분석 장치
|
| 12 |
12
제11항에 있어서,상기 사용자의 인슐린 저항성에 대한 판별 스코어와 상기 복수의 바이오마커들 중 상기 사용자의 인슐린 저항성에 대한 기여도가 가장 높은 바이오마커에 대한 정보를 통합하여 제공하는 통보부를 더 포함하는 것을 특성으로 하는 뉴럴 네트워크를 이용한 인슐린 저항성 분석 장치
|
