| 1 |
1
복수의 배치(batch)들 각각에 대응하여, 단일 세포에서 정량적으로 측정되는 특성 정보를 획득하는 단계;상기 복수의 배치들 각각에 대응하는 세포들의 상기 특성 정보의 합에 기초하여, 포아송 분포(poisson distribution)로 모델링된 상기 특성 정보의 조건부 기대 값 및 조건부 분산을 계산하는 단계;상기 조건부 기대 값, 상기 조건부 분산 및 상기 특성 정보에 기초하여, 상기 특성 정보에 대응하는 잔차(residual) 행렬의 공분산 행렬을 계산하는 단계; 및상기 공분산 행렬을 고유 분해(eigen-decomposition)함으로써, 상기 잔차 행렬의 PCA(principal component analysis) 분석을 위한 PC 값을 계산하는 단계를 포함하는,데이터 분석 방법
|
| 2 |
2
제1항에 있어서,상기 조건부 기대 값 및 조건부 분산을 계산하는 단계는상기 특성 정보를 상기 복수의 배치들 각각에 대응하는 세포들의 상기 특성 정보의 합을 조건부로 하는 다항 분포로 모델링하는 단계; 및상기 특성 정보의 상기 다항 분포에 따른 상기 조건부 기대 값 및 상기 조건부 분산을 계산하는 단계를 포함하는,데이터 분석 방법
|
| 3 |
3
제1항에 있어서,상기 잔차 행렬의 공분산 행렬을 계산하는 단계는AAT, 2ABT 및 BBT의 합을 계산하는 단계를 포함하고,상기 A는 Ybij/σbij, 상기 B는 μbij/σbij, 상기 Ybij는 배치 b, 세포 i, 유전자 j에 대응하는 특성 정보, 상기 μbij는 상기 Ybij의 조건부 기대 값, σbij는 상기 Ybij의 조건부 분산인,데이터 분석 방법
|
| 4 |
4
제3항에 있어서,상기 잔차 행렬은 상기 A에서 상기 B를 뺌으로써 획득된 행렬과 동치인 데이터 분석 방법
|
| 5 |
5
제1항에 있어서,상기 잔차 행렬의 공분산 행렬은 상기 잔차 행렬 및 상기 잔차 행렬의 전치 행렬의 곱과 동치인데이터 분석 방법
|
| 6 |
6
제3항에 있어서,상기 ABT 및 상기 BBT는 하기 수학식과 같이 계산되는,[수학식]데이터 분석 방법
|
| 7 |
7
제1항에 있어서,상기 잔차 행렬의 공분산 행렬을 계산하는 단계는상기 조건부 기대 값, 상기 조건부 분산 및 상기 특성 정보에 기초하여, 상기 특성 정보의 각 유전자에 대응하는 잔차의 분산을 계산하는 단계;상기 각 유전자에 대응하는 잔차의 분산에 기초하여, 상기 특성 정보에 포함된 유전자의 적어도 일부를 포함하는 상기 특성 정보의 부분 집합을 결정하는 단계; 및상기 결정된 부분 집합에 대응하는 잔차 행렬의 공분산 행렬을 계산하는 단계를 포함하는,데이터 분석 방법
|
| 8 |
8
제7항에 있어서,상기 특성 정보의 부분 집합을 결정하는 단계는상기 잔차의 분산이 큰 순서로 미리 정해진 개수의 유전자를 선택하는 단계; 및상기 선택된 유전자를 포함하는 상기 특성 정보의 부분 집합을 결정하는 단계를 포함하는,데이터 분석 방법
|
| 9 |
9
제1항에 있어서,상기 잔차 행렬의 PC 값을 계산하는 단계는상기 잔차 행렬의 공분산 행렬을 고유 분해함으로써, 상기 잔차 행렬의 고유 공간(eigen-space)에 대응하는 고유 벡터(eigenvector)를 획득하는 단계; 및상기 고유 벡터에 기초하여, 상기 잔차 행렬의 상기 고유 공간에 대한 투영인 상기 잔차 행렬의 PC 값을 계산하는 단계를 포함하는,데이터 분석 방법
|
| 10 |
10
제1항에 있어서,상기 특성 정보는세포 별 각 유전자에 대응하는 전사체 발현량을 포함하는 전사체 데이터(RNA sequencing data);세포 별 DNA에 결합한 전사 인자의 양에 관한 데이터; 및세포 별 오픈된 DNA의 시퀀싱 데이터중 적어도 하나를 포함하는,데이터 분석 방법
|
| 11 |
11
제1항에 있어서,상기 특성 정보는 희소 행렬인데이터 분석 방법
|
| 12 |
12
제1항에 있어서,상기 복수의 배치들 각각은 상기 특성 정보에 포함된 세포의 공여자에 대응되는,데이터 분석 방법
|
| 13 |
13
하드웨어와 결합되어 제1항 내지 제12항 중 어느 하나의 항의 방법을 실행시키기 위하여 매체에 저장된 컴퓨터 프로그램
|
| 14 |
14
복수의 배치(batch)들 각각에 대응하여, 단일 세포에서 정량적으로 측정되는 특성 정보를 획득하고,상기 복수의 배치들 각각에 대응하는 세포들의 상기 특성 정보의 합에 기초하여, 포아송 분포(poisson distribution)로 모델링된 상기 특성 정보의 조건부 기대 값 및 조건부 분산을 계산하고,상기 조건부 기대 값, 상기 조건부 분산 및 상기 특성 정보에 기초하여, 상기 특성 정보에 대응하는 잔차(residual) 행렬의 공분산 행렬을 계산하며,상기 공분산 행렬을 고유 분해(eigen-decomposition)함으로써, 상기 잔차 행렬의 PCA(principal component analysis) 분석을 위한 PC 값을 계산하는,적어도 하나의 프로세서를 포함하는,장치
|
| 15 |
15
제14항에 있어서,상기 프로세서는,상기 조건부 기대 값 및 조건부 분산을 계산함에 있어서,상기 특성 정보를 상기 복수의 배치들 각각에 대응하는 세포들의 특성 정보의 합을 조건부로 하는 다항 분포로 모델링하고,상기 특성 정보의 상기 다항 분포에 따른 상기 조건부 기대 값 및 상기 조건부 분산을 계산하는,장치
|
| 16 |
16
제14항에 있어서,상기 프로세서는,상기 잔차 행렬의 공분산 행렬을 계산함에 있어서,AAT, 2ABT 및 BBT의 합을 계산하는 단계를 포함하고,상기 A는 Ybij/σbij, 상기 B는 μbij/σbij, 상기 Ybij는 배치 b, 세포 i, 유전자 j에 대응하는 특성 정보, 상기 μbij는 상기 Ybij의 조건부 기대 값, σbij는 상기 Ybij의 조건부 분산인,장치
|
| 17 |
17
제16항에 있어서,상기 잔차 행렬은 상기 A에서 상기 B를 뺌으로써 획득된 행렬과 동치인 장치
|
| 18 |
18
제16항에 있어서,상기 ABT 및 상기 BBT는 하기 수학식과 같이 계산되는,[수학식]장치
|
| 19 |
19
제14항에 있어서,상기 프로세서는,상기 잔차 행렬의 공분산 행렬을 계산함에 있어서,상기 조건부 기대 값, 상기 조건부 분산 및 상기 특성 정보에 기초하여, 상기 특성 정보의 각 유전자에 대응하는 잔차의 분산을 계산하고,상기 각 유전자에 대응하는 잔차의 분산에 기초하여, 상기 특성 정보에 포함된 유전자의 적어도 일부를 포함하는 상기 특성 정보의 부분 집합을 결정하며,상기 결정된 부분 집합에 대응하는 잔차 행렬의 공분산 행렬을 계산하는,장치
|
| 20 |
20
제19항에 있어서,상기 프로세서는,상기 특성 정보의 부분 집합을 결정함에 있어서,상기 잔차의 분산이 큰 순서로 미리 정해진 개수의 유전자를 선택하고,상기 선택된 유전자를 포함하는 상기 특성 정보의 부분 집합을 결정하는,장치
|
