| 1 |
1
컴퓨팅 장치에 의해 수행되는 신체정보를 예측하기 위한 방법으로서, 상기 방법은:사용자의 장내미생물 정보 및 대사산물 정보를 획득하는 단계; 및신체정보 예측 모델을 이용하여, 상기 장내미생물 정보 및 상기 대사산물 정보로부터, 신체정보를 획득하는 단계; 를 포함하고,상기 신체정보 예측 모델은,서로 다른 복수의 모델들에 기초하여 마련되는,방법
|
| 2 |
2
제 1 항에 있어서,상기 복수의 모델들 각각은 사전 저장된 장내미생물 정보 및 대사산물 정보에 기초하여 생성된 학습 데이터를 통해 사전 학습되는,방법
|
| 3 |
3
제 2 항에 있어서,상기 학습 데이터는,사전 저장된 상기 장내미생물 정보와 상기 대사산물 정보를 매칭시키는 단계;매칭된 제 1 장내미생물 정보와 제 1 대사산물 정보 간에 교호작용(interaction)이 존재하는지 여부를 판단하는 단계; 및상기 제 1 장내미생물 정보와 상기 제 1 대사산물 정보 간에 교호작용이 존재하는 경우, 상기 제 1 장내미생물 정보 및 상기 제 1 대사산물 정보를 포함하는 제 1 후보 특징(feature)을 생성하는 단계;에 기초하여 생성되는,방법
|
| 4 |
4
제 3 항에 있어서,매칭된 상기 제 1 장내미생물 정보와 상기 제 1 대사산물 정보 간에 교호작용(interaction)이 존재하는지 여부를 판단하는 단계는,사전 저장된 상기 장내미생물 정보 및 상기 대사산물 정보에 기초하여 생성된 회귀(regression) 모델을 이용하여, 상기 제 1 장내미생물 정보와 상기 제 1 대사산물 정보 간에 교호작용이 존재하는지 여부를 판단하는 단계;를 포함하는,방법
|
| 5 |
5
제 3 항에 있어서,오토 인코더(auto encoder, AE)를 이용하여, 상기 장내미생물 정보와 상기 대사산물 정보로부터, 제 2 후보 특징을 획득하는 단계;를 더 포함하는,방법
|
| 6 |
6
제 5 항에 있어서,상기 제 1 후보 특징 및 상기 제 2 후보 특징에 기초하여 제 1 모델을 학습시키는 단계;학습된 상기 제 1 모델을 이용하여, 상기 제 1 후보 특징 및 상기 제 2 후보 특징 각각의 순열(permutation) 특징 중요도를 획득하는 단계;상기 순열 특징 중요도에 기초하여 주요 특징을 선정하는 단계; 및상기 주요 특징에 기초하여 상기 학습 데이터를 생성하는 단계;를 더 포함하는,방법
|
| 7 |
7
제 2 항에 있어서,사전 저장된 상기 장내미생물 정보 및 상기 대사산물 정보 각각은, 기존에 존재하는 기존정보 이외에 오버 샘플링(over-sampling)을 통해 생성된 생성정보를 포함하는,방법
|
| 8 |
8
제 1 항에 있어서,상기 신체정보 예측 모델은,상기 복수의 모델들이 서로 연결되도록 앙상블(ensemble)하여 통합된 모델인,방법
|
| 9 |
9
제 1 항에 있어서,상기 신체정보 예측 모델은,상기 서로 다른 복수의 모델들 중에서 평균 절대 오차(mean absolute error, MAE)의 값이 최하의 모델인,방법
|
| 10 |
10
컴퓨터 판독가능 저장 매체에 저장된 컴퓨터 프로그램으로서, 상기 컴퓨터 프로그램은 신체정보를 예측하기 위한 컴퓨팅 장치의 프로세서로 하여금 이하의 단계들을 수행하기 위한 명령들을 포함하며, 상기 단계들은:사용자의 장내미생물 정보 및 대사산물 정보를 획득하는 단계; 및신체정보 예측 모델을 이용하여, 상기 장내미생물 정보 및 상기 대사산물 정보로부터, 신체정보를 획득하는 단계; 를 포함하고,상기 신체정보 예측 모델은,서로 다른 복수의 모델들에 기초하여 마련되는,컴퓨터 판독가능 저장 매체에 저장된 컴퓨터 프로그램
|
| 11 |
11
질병을 예측하기 위한 컴퓨팅 장치에 있어서,프로세서;상기 프로세서에 의해 실행가능한 컴퓨터 프로그램을 저장하는 메모리; 및네트워크부;를 포함하고,상기 프로세서는,사용자의 장내미생물 정보 및 대사산물 정보를 획득하고, 그리고신체정보 예측 모델을 이용하여, 상기 장내미생물 정보 및 상기 대사산물 정보로부터, 신체정보를 획득하며,상기 신체정보 예측 모델은,서로 다른 복수의 모델들에 기초하여 마련되는,컴퓨팅 장치
|
