맞춤기술찾기

이전대상기술

심화 학습 기반의 약물-표적 단백질 간 상호작용 예측 시스템 및 그 방법

  • 기술번호 : KST2019004486
  • 담당센터 : 서울동부기술혁신센터
  • 전화번호 : 02-2155-3662
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 약물-표적 단백질 간 상호작용 예측 시스템 및 그 방법에 관한 것으로, 일실시예에 따른 약물-표적 단백질 간의 상호작용 예측 시스템은 단백질 데이터 집합 및 약물 데이터 집합을 수신하는 데이터 수신부와, 단백질 데이터 집합 및 약물 데이터 집합을 벡터화하는 데이터 벡터화부 및 벡터화된 단백질 데이터 집합 및 벡터화된 약물 데이터 집합을 입력으로 기계 학습하여 인공 신경망 기반의 상호작용 예측 모델을 생성하는 모델 생성부를 포함할 수 있다.
Int. CL G16C 10/00 (2019.01.01)
CPC
출원번호/일자 1020180130090 (2018.10.29)
출원인 서울대학교산학협력단
등록번호/일자
공개번호/일자 10-2019-0049537 (2019.05.09) 문서열기
공고번호/일자
국제출원번호/일자
국제공개번호/일자
우선권정보 대한민국  |   1020170142389   |   2017.10.30
법적상태 등록
심사진행상태 수리
심판사항
구분 신규
원출원번호/일자
관련 출원번호
심사청구여부/일자 Y (2018.10.29)
심사청구항수 14

출원인

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

발명자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 발명자 표입니다.
번호 이름 국적 주소
1 김홍기 충청남도 아산시
2 이문환 서울특별시 송파구
3 임진묵 서울특별시 강북구
4 김응희 서울특별시 성동구
5 안진현 인천광역시 부평구
6 박준호 경기도 안산시 상록구

대리인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 대리인 표입니다.
번호 이름 국적 주소
1 김연권 대한민국 서울특별시 송파구 법원로 ***, ****/****호(문정동, 문정대명벨리온)(시안특허법률사무소)

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
2018.10.29 수리 (Accepted) 1-1-2018-1068420-93
2 출원인정보변경(경정)신고서
Notification of change of applicant's information
2019.05.13 수리 (Accepted) 4-1-2019-5093546-10
3 출원인정보변경(경정)신고서
Notification of change of applicant's information
2019.05.23 수리 (Accepted) 4-1-2019-5101798-31
4 출원인정보변경(경정)신고서
Notification of change of applicant's information
2019.08.02 수리 (Accepted) 4-1-2019-5154561-59
5 선행기술조사의뢰서
Request for Prior Art Search
2020.04.08 수리 (Accepted) 9-1-9999-9999999-89
6 선행기술조사보고서
Report of Prior Art Search
2020.06.12 발송처리완료 (Completion of Transmission) 9-6-2020-0079360-48
7 의견제출통지서
Notification of reason for refusal
2020.07.28 발송처리완료 (Completion of Transmission) 9-5-2020-0510203-65
8 [지정기간연장]기간 연장신청서·기간 단축신청서·기간 경과 구제신청서·절차 계속신청서
2020.09.28 수리 (Accepted) 1-1-2020-1033940-62
9 [거절이유 등 통지에 따른 의견]의견서·답변서·소명서
2020.10.13 수리 (Accepted) 1-1-2020-1077497-56
10 [명세서등 보정]보정서
[Amendment to Description, etc.] Amendment
2020.10.13 보정승인간주 (Regarded as an acceptance of amendment) 1-1-2020-1077498-02
11 출원인정보변경(경정)신고서
Notification of change of applicant's information
2020.11.25 수리 (Accepted) 4-1-2020-5265458-48
번호, 청구항의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 청구항 표입니다.
번호 청구항
1 1
단백질 데이터 집합 및 약물 데이터 집합을 수신하는 데이터 수신부; 상기 단백질 데이터 집합 및 상기 약물 데이터 집합을 벡터화하는 데이터 벡터화부 및 상기 벡터화된 단백질 데이터 집합 및 상기 벡터화된 약물 데이터 집합을 입력으로 기계 학습하여 인공 신경망 기반의 상호작용 예측 모델을 생성하는 모델 생성부를 포함하는 약물-표적 단백질 간의 상호작용 예측 시스템
2 2
제1항에 있어서, 상기 데이터 수신부는적어도 하나 이상의 약물 및 단백질 쌍(Pair)에 관한 정보를 수신하는 약물-표적 단백질 간의 상호작용 예측 시스템
3 3
제2항에 있어서,상기 상호작용 예측 모델에 기초하여 상기 적어도 하나 이상의 약물 및 단백질 쌍에 관한 정보에 포함된 특정 약물 및 특정 단백질간의 상호작용을 예측하는 상호작용 예측부를 더 포함하는약물-표적 단백질 간의 상호작용 예측 시스템
4 4
제1항에 있어서,상기 단백질 데이터 집합은 적어도 하나 이상의 단백질 각각의 아미노산 서열 정보를 포함하고, 상기 약물 데이터 집합은 적어도 하나 이상의 약물 각각의 화학 구조식 정보를 포함하는 약물-표적 단백질 간의 상호작용 예측 시스템
5 5
제1항에 있어서,상기 데이터 벡터화부는Skip-Gram 모델을 이용하여 상기 단백질 데이터 집합을 벡터화하는약물-표적 단백질 간의 상호작용 예측 시스템
6 6
제1항에 있어서,상기 데이터 벡터화부는ECFPs(Extended-Connectivity Fingerprints) 기법을 이용하여 상기 약물 데이터 집합을 벡터화하는 약물-표적 단백질 간의 상호작용 예측 시스템
7 7
제1항에 있어서,상기 상호작용 예측 모델은 상기 벡터화된 단백질 데이터 집합을 통해 형성되는 제1 분할 레이어, 상기 벡터화된 약물 데이터 집합을 통해 형성되는 제2 분할 레이어, 상기 제1 분할 레이어에 구비된 복수의 단백질 노드간의 엣지 설계를 통하여 형성되는 N개(여기서, N은 자연수)의 단백질 히든 레이어 및 상기 제2 분할 레이어에 구비된 복수의 약물 노드간의 엣지 설계를 통하여 형성되는 N개의 약물 히든 레이어를 포함하는약물-표적 단백질 간의 상호작용 예측 시스템
8 8
제7항에 있어서,상기 상호작용 예측 모델은 상기 N개의 단백질 히든 레이어 및 상기 N개의 약물 히든 레이어 중에서 N번째 단백질 히든 레이어에 구비된 복수의 단백질 노드 및 N번째 약물 히든 레이어에 구비된 복수의 약물 노드를 통해 형성되는 통합 레이어를 더 포함하는 약물-표적 단백질 간의 상호작용 예측 시스템
9 9
데이터 수신부에서 단백질 데이터 집합 및 약물 데이터 집합을 수신하는 단계; 데이터 벡터화부에서 상기 단백질 데이터 집합 및 상기 약물 데이터 집합을 벡터화하는 단계 및 모델 생성부에서 상기 벡터화된 단백질 데이터 집합 및 상기 벡터화된 약물 데이터 집합을 입력으로 기계 학습 하여 인공 신경망 기반의 상호작용 예측 모델을 생성하는 단계를 포함하는 약물-표적 단백질 간의 상호작용 예측 방법
10 10
제9항에 있어서, 상기 데이터 수신부에서 적어도 하나 이상의 약물 및 단백질 쌍(Pair)에 관한 정보를 수신하는 단계 및상호작용 예측부에서 상기 상호작용 예측 모델에 기초하여 상기 적어도 하나 이상의 약물 및 단백질 쌍에 관한 정보에 포함된 특정 약물 및 특정 단백질간의 상호작용을 예측하는 단계를 더 포함하는 약물-표적 단백질 간의 상호작용 예측 방법
11 11
제9항에 있어서,상기 벡터화하는 단계는 상기 데이터 벡터화부에서 Skip-Gram 모델을 이용하여 상기 단백질 데이터 집합을 벡터화하는약물-표적 단백질 간의 상호작용 예측 방법
12 12
제9항에 있어서,상기 벡터화하는 단계는상기 데이터 벡터화부에서 ECFPs(Extended-Connectivity Fingerprints) 기법을 이용하여 상기 약물 데이터 집합을 벡터화하는 약물-표적 단백질 간의 상호작용 예측 방법
13 13
제9항에 있어서,상기 상호작용 예측 모델은 상기 벡터화된 단백질 데이터 집합을 통해 형성되는 제1 분할 레이어, 상기 벡터화된 약물 데이터 집합을 통해 형성되는 제2 분할 레이어, 상기 제1 분할 레이어에 구비된 복수의 단백질 노드간의 엣지 설계를 통하여 형성되는 N개(여기서, N은 자연수)의 단백질 히든 레이어 및 상기 제2 분할 레이어에 구비된 복수의 약물 노드간의 엣지 설계를 통하여 형성되는 N개의 약물 히든 레이어를 포함하는약물-표적 단백질 간의 상호작용 예측 방법
14 14
제13항에 있어서,상기 상호작용 예측 모델은 상기 N개의 단백질 히든 레이어 및 상기 N개의 약물 히든 레이어 중에서 N번째 단백질 히든 레이어에 구비된 복수의 단백질 노드 및 N번째 약물 히든 레이어에 구비된 복수의 약물 노드를 통해 형성되는 통합 레이어를 더 포함하는 약물-표적 단백질 간의 상호작용 예측 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 이공분야기초연구사업/중견연구자지원사업 링크드 오믹스 데이터 기반의 유전체 분석 연구지원 플랫폼 개발