1 |
1
동물의 유전자 발현에 관한 사용자 실험 데이터를 입력받고, 상기 입력된 사용자 실험 데이터와 가장 높은 상관 관계를 가지는 동물 실험 데이터, 및 상기 동물 실험 데이터와 매칭된 인간의 반응에 관한 인간 실험 데이터를 질병 데이터베이스로부터 검색하는 프로필 검색부;상기 동물 실험 데이터 및 상기 인간 실험 데이터 각각에 대한 폴드 체인지(fold change) 및 클래스 내(within-class) 표준편차에 기초하여 해당 유전자에 대한 가상 분산을 계산하는 가상 분산 계산부; 및상기 가상 분산에 기초하여 상기 유전자에 대한 중요도를 통계적으로 계산하는 유전자 중요도 계산부를 포함하며,상기 클래스 내 표준편차는상기 동물 실험 데이터 내 실험군 샘플들의 표준편차와, 상기 동물 실험 데이터 내 대조군 샘플들의 표준편차를 합하여 평균한 값인 것을 특징으로 하는 인간의 실제 반응을 고려한 동물 모델의 유전자 발현 반응 데이터 분석 장치
|
2 |
2
제1항에 있어서,복수의 유전자 각각에 대한 동물 실험 데이터 및 인간 실험 데이터를 매칭하여 저장하는 상기 질병 데이터베이스를 더 포함하는 것을 특징으로 하는 인간의 실제 반응을 고려한 동물 모델의 유전자 발현 반응 데이터 분석 장치
|
3 |
3
제2항에 있어서,상기 동물 실험 데이터 및 상기 인간 실험 데이터 각각은복수의 대조군 샘플 및 복수의 실험군 샘플을 포함하고,상기 질병 데이터베이스는상기 복수의 유전자 각각에 대한 발현 정도를 나타내는, 복수의 유전자 발현 데이터를 행으로 하고, 상기 복수의 대조군 샘플 및 실험군 샘플 각각에 대한 프로파일을 열로 하는 매트릭스 형태로 상기 동물 실험 데이터 및 상기 인간 실험 데이터를 가공하여 저장하는 것을 특징으로 하는 인간의 실제 반응을 고려한 동물 모델의 유전자 발현 반응 데이터 분석 장치
|
4 |
4
제1항에 있어서,상기 프로필 검색부는상기 질병 데이터베이스 내 동물 실험 데이터에 속하는 유전자들 중에서 상기 사용자 실험 데이터의 유전자와 공통으로 속해있는 공통 유전자를 추출하고, 상기 추출된 공통 유전자에 대하여 상기 동물 실험 데이터 및 상기 사용자 실험 데이터 각각의 폴드 체인지를 계산하여, 상기 사용자 실험 데이터와 가장 높은 상관 관계를 가지는 동물 실험 데이터를 상기 질병 데이터베이스로부터 검색하는 것을 특징으로 하는 인간의 실제 반응을 고려한 동물 모델의 유전자 발현 반응 데이터 분석 장치
|
5 |
5
제4항에 있어서,상기 프로필 검색부는상기 사용자 실험 데이터의 폴드 체인지와 상기 동물 실험 데이터의 폴드 체인지 간의 상관 계수를 계산하고, 상기 상관 계수의 계산 결과에 기초하여 상기 사용자 실험 데이터와 가장 높은 상관 관계를 가지는 동물 실험 데이터를 검색하는 것을 특징으로 하는 인간의 실제 반응을 고려한 동물 모델의 유전자 발현 반응 데이터 분석 장치
|
6 |
6
제1항에 있어서,상기 가상 분산 계산부는상기 사용자 실험 데이터와 가장 높은 상관 관계를 가지는 동물 실험 데이터의 i번째 유전자(여기서, i는 1이상의 자연수)의 폴드 체인지(fmi) 및 클래스 내 표준편차(smi)를 계산하고, 상기 동물 실험 데이터의 i번째 유전자에 대응되는 인간 실험 데이터의 i번째 유전자의 폴드 체인지(fti) 및 클래스 내 표준편차(sti)를 계산하며, 상기 폴드 체인지(fmi) 및 클래스 내 표준편차(smi)와 상기 폴드 체인지(fti) 및 클래스 내 표준편차(sti)를 이용하여 상기 i번째 유전자에 대한 가상 분산을 계산하는 것을 특징으로 하는 인간의 실제 반응을 고려한 동물 모델의 유전자 발현 반응 데이터 분석 장치
|
7 |
7
제6항에 있어서,상기 가상 분산 계산부는상기 폴드 체인지(fmi)의 로그 값과 상기 폴드 체인지(fti)의 로그 값을 곱한 결과가 0보다 큰 제1 조건을 만족하는 i번째 유전자에 대하여, 하기 수학식 3을 이용하여 상기 가상 분산(αi)을 계산하는 것을 특징으로 하는 인간의 실제 반응을 고려한 동물 모델의 유전자 발현 반응 데이터 분석 장치
|
8 |
8
제7항에 있어서,상기 가상 분산 계산부는상기 제1 조건을 만족하지 않는 k번째 유전자(여기서, k는 1이상의 자연수)에 대하여 상기 가상 분산(αk)을 계산하는 경우,상기 제1 조건을 만족하는 i번째 유전자에 대하여, 하기 수학식 4를 이용하여 제1 중간 값(di)을 산출하고,상기 제1 중간 값(di), 상기 클래스 내 표준편차(smi), 및 상기 클래스 내 표준편차(sti)를 이용한 하기 수학식 5의 선형 회기 분석을 통해 상기 i번째 유전자의 가상 분산을 근사 계산하며,상기 동물 실험 데이터의 k번째 유전자의 폴드 체인지(fmk)의 로그 값, 및 상기 인간 실험 데이터의 k번째 유전자의 폴드 체인지(ftk)의 로그 값을 곱한 결과가 0보다 큰 제2 조건을 만족하지 않는 상기 k번째 유전자에 대하여, 하기 수학식 6을 이용하여 제2 중간 값(dk)을 계산하고,상기 제2 조건을 만족하지 않는 상기 k번째 유전자에 대하여, 상기 제2 중간 값(dk), 클래스 내 표준편차(smk), 및 클래스 내 표준편차(stk)를 이용한 하기 수학식 7을 통해 상기 가상 분산(αk)을 근사 계산하는 것을 특징으로 하는 인간의 실제 반응을 고려한 동물 모델의 유전자 발현 반응 데이터 분석 장치
|
9 |
9
제1항에 있어서,상기 유전자 중요도 계산부는상기 가상 분산을 이용한 하기 수학식 8에 기초하여 통계량(ti)을 계산하고, 상기 계산된 통계량(ti)에 기초하여 상기 유전자에 대한 중요도(pi)를 계산하는 것을 특징으로 하는 인간의 실제 반응을 고려한 동물 모델의 유전자 발현 반응 데이터 분석 장치
|
10 |
10
제9항에 있어서,상기 중요도는0 ~ 1 범위 내의 값으로 계산되며,상기 유전자 중요도 계산부는상기 중요도의 값이 0에 가까울수록 상기 동물의 유전자가 상기 인간의 유전자와 가장 유사한 반응을 보이는 것으로 판단하는 것을 특징으로 하는 인간의 실제 반응을 고려한 동물 모델의 유전자 발현 반응 데이터 분석 장치
|
11 |
11
제1항에 있어서,상기 폴드 체인지는상기 동물 실험 데이터 내 실험군 샘플들의 평균값을 상기 동물 실험 데이터 내 대조군 샘플들의 평균값으로 나누어 계산한 결과인 것을 특징으로 하는 인간의 실제 반응을 고려한 동물 모델의 유전자 발현 반응 데이터 분석 장치
|
12 |
12
삭제
|
13 |
13
동물의 유전자 발현에 관한 사용자 실험 데이터를 입력받는 단계;상기 입력된 사용자 실험 데이터와 가장 높은 상관 관계를 가지는 동물 실험 데이터, 및 상기 동물 실험 데이터와 매칭된 인간의 반응에 관한 인간 실험 데이터를 질병 데이터베이스로부터 검색하는 단계;상기 동물 실험 데이터 및 상기 인간 실험 데이터 각각에 대한 폴드 체인지 및 클래스 내 표준편차에 기초하여 해당 유전자에 대한 가상 분산을 계산하는 단계; 및상기 가상 분산에 기초하여 상기 유전자에 대한 중요도를 통계적으로 계산하는 단계를 포함하며,상기 클래스 내 표준편차는상기 동물 실험 데이터 내 실험군 샘플들의 표준편차와, 상기 동물 실험 데이터 내 대조군 샘플들의 표준편차를 합하여 평균한 값인 것을 특징으로 하는 인간의 실제 반응을 고려한 동물 모델의 유전자 발현 반응 데이터 분석 방법
|
14 |
14
제13항에 있어서,복수의 유전자 각각에 대한 동물 실험 데이터 및 인간 실험 데이터를 매칭하여 상기 질병 데이터베이스에 저장하는 단계를 더 포함하는 것을 특징으로 하는 인간의 실제 반응을 고려한 동물 모델의 유전자 발현 반응 데이터 분석 방법
|
15 |
15
제13항에 있어서,상기 질병 데이터베이스로부터 검색하는 단계는상기 질병 데이터베이스 내 동물 실험 데이터에 속하는 유전자들 중에서 상기 사용자 실험 데이터의 유전자와 공통으로 속해있는 공통 유전자를 추출하는 단계; 및상기 추출된 공통 유전자에 대하여 상기 동물 실험 데이터 및 상기 사용자 실험 데이터 각각의 폴드 체인지를 계산하여, 상기 사용자 실험 데이터와 가장 높은 상관 관계를 가지는 동물 실험 데이터를 상기 질병 데이터베이스로부터 검색하는 단계를 포함하는 것을 특징으로 하는 인간의 실제 반응을 고려한 동물 모델의 유전자 발현 반응 데이터 분석 방법
|
16 |
16
제15항에 있어서,상기 질병 데이터베이스를 검색하는 단계는상기 사용자 실험 데이터의 폴드 체인지와 상기 동물 실험 데이터의 폴드 체인지 간의 상관 계수를 계산하는 단계; 및상기 상관 계수의 계산 결과에 기초하여 상기 사용자 실험 데이터와 가장 높은 상관 관계를 가지는 동물 실험 데이터를 검색하는 단계를 포함하는 것을 특징으로 하는 인간의 실제 반응을 고려한 동물 모델의 유전자 발현 반응 데이터 분석 방법
|
17 |
17
제13항에 있어서,상기 가상 분산을 계산하는 단계는상기 사용자 실험 데이터와 가장 높은 상관 관계를 가지는 동물 실험 데이터의 i번째 유전자(여기서, i는 1이상의 자연수)의 폴드 체인지(fmi) 및 클래스 내 표준편차(smi)를 계산하는 단계;상기 동물 실험 데이터의 i번째 유전자에 대응되는 인간 실험 데이터의 i번째 유전자의 폴드 체인지(fti) 및 클래스 내 표준편차(sti)를 계산하는 단계; 및상기 폴드 체인지(fmi) 및 클래스 내 표준편차(smi)와 상기 폴드 체인지(fti) 및 클래스 내 표준편차(sti)를 이용하여 상기 i번째 유전자에 대한 가상 분산을 계산하는 단계를 포함하는 것을 특징으로 하는 인간의 실제 반응을 고려한 동물 모델의 유전자 발현 반응 데이터 분석 방법
|
18 |
18
제17항에 있어서,상기 i번째 유전자에 대한 가상 분산을 계산하는 단계는상기 폴드 체인지(fmi)의 로그 값과 상기 폴드 체인지(fti)의 로그 값을 곱한 결과가 0보다 큰 제1 조건을 만족하는 i번째 유전자에 대하여, 하기 수학식 3을 이용하여 상기 가상 분산(αi)을 계산하는 단계를 포함하는 것을 특징으로 하는 인간의 실제 반응을 고려한 동물 모델의 유전자 발현 반응 데이터 분석 방법
|
19 |
19
제18항에 있어서,상기 제1 조건을 만족하지 않는 k번째 유전자(여기서, k는 1이상의 자연수)에 대하여 상기 가상 분산(αk)을 계산하는 경우,상기 가상 분산을 계산하는 단계는상기 제1 조건을 만족하는 i번째 유전자에 대하여, 하기 수학식 4를 이용하여 제1 중간 값(di)을 산출하는 단계;상기 제1 중간 값(di), 상기 클래스 내 표준편차(smi), 및 상기 클래스 내 표준편차(sti)를 이용한 하기 수학식 5의 선형 회기 분석을 통해 상기 i번째 유전자의 가상 분산을 근사 계산하는 단계;상기 동물 실험 데이터의 k번째 유전자의 폴드 체인지(fmk)의 로그 값, 및 상기 인간 실험 데이터의 k번째 유전자의 폴드 체인지(ftk)의 로그 값을 곱한 결과가 0보다 큰 제2 조건을 만족하지 않는 상기 k번째 유전자에 대하여, 하기 수학식 6을 이용하여 제2 중간 값(dk)을 계산하는 단계; 및상기 제2 조건을 만족하지 않는 상기 k번째 유전자에 대하여, 상기 제2 중간 값(dk), 클래스 내 표준편차(smk), 및 클래스 내 표준편차(stk)를 이용한 하기 수학식 7을 통해 상기 가상 분산(αk)을 근사 계산하는 단계를 더 포함하는 것을 특징으로 하는 인간의 실제 반응을 고려한 동물 모델의 유전자 발현 반응 데이터 분석 방법
|
20 |
20
제13항에 있어서,상기 유전자에 대한 중요도를 통계적으로 계산하는 단계는상기 가상 분산을 이용한 하기 수학식 8에 기초하여 통계량(ti)을 계산하는 단계; 및상기 계산된 통계량(ti)에 기초하여 상기 유전자에 대한 중요도(pi)를 계산하는 단계를 포함하는 것을 특징으로 하는 인간의 실제 반응을 고려한 동물 모델의 유전자 발현 반응 데이터 분석 방법
|
21 |
21
제20항에 있어서,상기 중요도는0 ~ 1 범위 내의 값으로 계산되며,상기 유전자에 대한 중요도를 통계적으로 계산하는 단계는상기 중요도의 값이 0에 가까울수록 상기 동물의 유전자가 상기 인간의 유전자와 가장 유사한 반응을 보이는 것으로 판단하는 단계를 더 포함하는 것을 특징으로 하는 인간의 실제 반응을 고려한 동물 모델의 유전자 발현 반응 데이터 분석 방법
|