맞춤기술찾기

홈으로 가기
맞춤기술찾기
이전대상기술
프린트하기

이전대상기술

질병 진단용 마커의 선별 방법

  • 기술번호 : KST2023002258
  • 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 특정 질병에 영향을 미치는 바이오 마커를 선별하기 위한 방법론에 관한 것으로, 질병 상태가 확인되지 않은 환자군의 유전자 샘플을 활용하여 전장 유전체 연관성 분석을 수행할 경우, 특정 질병에 영향을 미치는 마커를 효과적으로 선별할 수 있다.
Int. CL G16B 40/20 (2019.01.01) G16B 20/20 (2019.01.01) G16H 50/50 (2018.01.01) C12Q 1/6883 (2018.01.01)
CPC G16B 40/20(2013.01) G16B 20/20(2013.01) G16H 50/50(2013.01) C12Q 1/6883(2013.01) C12Q 2600/158(2013.01)
출원번호/일자 1020220150950 (2022.11.11)
출원인 서울대학교산학협력단, 조선대학교산학협력단
등록번호/일자
공개번호/일자 10-2023-0069037 (2023.05.18) 문서열기
공고번호/일자
국제출원번호/일자
국제공개번호/일자
우선권정보 대한민국  |   1020210155020   |   2021.11.11
법적상태 공개
심사진행상태 수리
심판사항
구분 국내출원/신규
원출원번호/일자
관련 출원번호
심사청구여부/일자 Y (2022.11.11)
심사청구항수 6

출원인

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

발명자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 발명자 표입니다.
번호 이름 국적 주소
1 원성호 서울특별시 관악구
2 이건호 광주광역시 동구
3 박준영 서울특별시 관악구

대리인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 대리인 표입니다.
번호 이름 국적 주소
1 특허법인다나 대한민국 서울특별시 강남구 역삼로 *길 **, 신관 *층~*층, **층(역삼동, 광성빌딩)

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		 2022.11.11 수리 (Accepted) 1-1-2022-1204496-26
2 특허고객번호 정보변경(경정)신고서·정정신고서
 2023.03.03 수리 (Accepted) 4-1-2023-5053055-05
3 특허고객번호 정보변경(경정)신고서·정정신고서
 2023.03.31 수리 (Accepted) 4-1-2023-5079311-97
번호, 청구항의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 청구항 표입니다.
번호 청구항
1 1
(a) 전체 대상체의 유전자 샘플을 질병군, 정상군 및 미확인군으로 분류하는 단계;(b) 상기 질병군 및 정상군에 속하는 대상체의 유전자 샘플을 활용하여 질병 예측 모형을 도출하는 단계;(c) 단계 (b)의 질병 예측 모형에 미확인군에 속하는 대상체의 유전자 샘플을 적용하여 미확인군에 속하는 i번째 대상체가 질병에 걸릴 확률(pi)을 도출하는 단계;(d) 단계 (c)에서 도출한 pi 값을 활용하여 i번째 대상체의 가중치(wi)를 추정하는 단계;(e) 단계 (d)에서 추정된 대상체의 wi 값을 가중치 일반화 추정 방정식 (weighted generalized estimating equation, wGEE) 통계 모형에 대입하는 단계;(f) 단계 (e)의 결과를 활용하여 전장 유전체 연관 분석 (genome-wide association study, GWAS)를 수행하는 단계를 포함하는, 질병 진단용 마커의 선별 방법
2 2
제1항에 있어서, 상기 단계 (b)의 질병 예측 모형은 질병군 및 정상군에 속하는 대상체의 유전자 샘플을 하기 [식 1]의 로지스틱 회귀 함수에 적용하여 도출되는 것인,질병 진단용 마커의 선별 방법:[식 1](상기 [식 1]에서, λi는 i번째 피험자의 오즈비(Odds ratio), Na는 질병군, Nc는 정상군, Zi는 공변량, γ는 공변량에 대한 가중치를 나타낸다
3 3
제1항에 있어서,상기 단계 (c)의 pi 값은 미확인군에 속하는 대상체의 유전자 샘플을 하기 [식 2]에 적용하여 산출되는 것인,질병 진단용 마커의 선별 방법:[식 2](상기 [식 2]에서, 이며, Nm은 미확인군, Zi는 공변량, 는 공변량에 대한 가중치에 대한 추정치를 나타낸다
4 4
제1항에 있어서,상기 단계 (d)의 wi 값은 단계 (c)의 pi 값을 하기 [식 3]에 적용하여 산출되는 것인,질병 진단용 마커의 선별 방법:[식 3]
5 5
제1항에 있어서,상기 단계 (e)의 가중치 일반화 추정 방정식은 하기 [식 4]로 표현되는 것인,질병 진단용 마커의 선별 방법:[식 4](상기 [식 4]에서, U(θ)는 (qusai score), 이고 α는 유전자 정보 이외의 다른 공변량에 대한 가중치, β는 유전자 정보에 대한 가중치, μi는 i번째 피험자의 오즈비, Vi는 (working covariance matrix), yi는 i번째 대상체의 질병 상태를 나타내고, 상기 yi는 에 의해 산출된다
6 6
제1항에 있어서,상기 단계 (a)의 질병군은 알츠하이머병 환자군이며, 미확인군은 경도인지장애군인 것인, 질병 진단용 마커의 선별 방법
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 인공지능중심산업융합집적단지조성(R＆D) 노화 질환 예측 및 진단을 위한 유전체 기반 AI 시스템 개발