| 1 |
1
컴퓨팅 장치가, 뉴런(110)의 노미널 생체분자 네트워크(130)를 구성하는 노드(131)들 중 특정 환자의 알츠하이머 질병에 대한 한 세트의 유전적 위험인자(250)에 대응하는 한 세트의 노드들(50)의 값이 미리 결정된 상태값으로 고정되어 있고, 그리고 상기 노미널 생체분자 네트워크(130)를 구성하는 노드들 중 선택된 제k타겟노드(60k)의 값이 미리 결정된 규칙에 따라 제어되는 제k섭동 생체분자 네트워크(330k)를 생성하는 단계; 및상기 컴퓨팅 장치가, 상기 제k섭동 생체분자 네트워크(330k)의 상태를 변화시키는 시뮬레이션을 수행하여 상기 제k섭동 생체분자 네트워크(330k)의 노드(131)들 중 미리 선택된 한 세트의 출력노드(70)들의 활성화 수치들을 산출하고, 상기 산출된 활성화 수치들을 기초로 상기 제k타겟노드의 약물타겟 적합도를 결정하는 단계;를 포함하는,약물타겟 적합도 결정방법
|
| 2 |
2
제1항에 있어서, 상기 생성하는 단계는, 상기 노미널 생체분자 네트워크(130)를 구성하는 노드(131)들 중 상기 한 세트의 유전적 위험인자(250)에 대응하는 한 세트의 노드들(50)을 결정하는 단계;상기 결정된 한 세트의 노드들(50)의 값이 미리 결정된 상태값으로 고정되도록 상기 노미널 생체분자 네트워크(130)를 수정함으로써 상기 노미널 생체분자 네트워크(130)로부터 병변 생체분자 네트워크(230)를 생성하는 단계;상기 병변 생체분자 네트워크(230)를 구성하는 노드들 중에서, 스코어를 산출해야 하는 제k타겟노드(60k)를 선택하는 단계; 및상기 제k타겟노드(60k)의 값이 미리 결정된 규칙에 따라 제어되도록 상기 병변 생체분자 네트워크(230)을 수정함으로써 상기 병변 생체분자 네트워크(230)로부터 제k섭동 생체분자 네트워크(330k)를 생성하는 단계;를 포함하며,상기 병변 생체분자 네트워크(230)의 상태가 변화하는 과정에서 상기 한 세트의 노드들(50)의 값이 언제나 상기 미리 결정된 상태값을 갖도록 되어 있으며, 그리고상기 제k섭동 생체분자 네트워크(330k)의 상태가 변화하는 과정에서 상기 제k타겟노드(60k)의 값이 상기 미리 결정된 규칙에 따라 제어되는, 약물타겟 적합도 결정방법
|
| 3 |
3
제1항에 있어서, 상기 결정하는 단계는, 상기 제k섭동 생체분자 네트워크(330k)의 노드(131)들 중 한 세트의 출력노드(70)들을 선택하는 단계;상기 제k섭동 생체분자 네트워크(330k)의 상태를 변화시키는 시뮬레이션을 수행하여, 상기 제k섭동 생체분자 네트워크(330k)의 상태들 중 한 세트의 어트랙터 상태들을 산출하는 단계;상기 산출된 각각의 어트랙터에 대한 베이신의 크기를 산출하는 단계;상기 각각의 출력노드(70)가 상기 각각의 어트랙터에서 갖는 상태값을 결정하는 단계;상기 각각의 출력노드(70)가 상기 한 세트의 어트랙터에서 갖는 값들의 가중합을 산출하여, 상기 산출된 가중합을 상기 각각의 출력노드(70)의 활성화 수치인 것으로 결정하는 활성화 수치 결정단계; 및상기 한 세트의 출력노드들에 대한 상기 활성화 수치들의 가중합을 산출하여 상기 제k타겟노드(60k)에 대한 표현형 스코어인 것으로 결정하는 표현형 스코어 결정단계;를 포함하며,상기 활성화 수치 결정단계에서, 상기 각각의 어트랙터에 관련된 가중치는 상기 각 어트랙터의 베이신의 크기이며,상기 표현형 스코어 결정단계에서, 상기 각각의 출력노드의 활성화 수치에 대한 가중치는 사용자 설정 파라미터인,약물타겟 적합도 결정방법
|
| 4 |
4
제3항에 있어서, 상기 한 세트의 출력노드들을 제1그룹과 제2그룹으로 구분되며,상기 한 세트의 출력노드들 중, 알츠하이머성 치매 환자 그룹으로부터 관찰되는 제1특정 출력노드의 상기 활성화 수치가, 환자가 아닌 사람으로부터 관찰되는 상기 제1특정 출력노드의 활성화 수치보다 높다면, 상기 제1특정 출력노드는 상기 제1그룹으로 분류되고,상기 한 세트의 출력노드들 중, 알츠하이머성 치매 환자 그룹으로부터 관찰되는 제2특정 출력노드의 상기 활성화 수치가, 환자가 아닌 사람으로부터 관찰되는 상기 제2특정 출력노드의 활성화 수치보다 낮다면, 상기 제1특정 출력노드는 상기 제2그룹으로 분류되며,상기 표현형 스코어는 상기 제1그룹에 속한 특정 출력노드의 활성화 수치가 제1활성화 수치를 갖는 경우에, 상기 제1활성화 수치보다 더 큰 제2활성화 수치를 갖는 경우보다 더 작은 값을 갖도록 정의되며, 그리고상기 표현형 스코어는 상기 제2그룹에 속한 특정 출력노드의 활성화 수치가 제3활성화 수치를 갖는 경우에, 상기 제3활성화 수치보다 더 작은 제4활성화 수치를 갖는 경우보다 더 작은 값을 갖도록 정의되는,약물타겟 적합도 결정방법
|
| 5 |
5
제4항에 있어서, 상기 한 세트의 출력노드들은 Aβ, p-tau, Apoptosis, Synapse loss, 및 Autophagy에 대응하는 노드들이며,상기 Aβ, p-tau, Apoptosis, 및 Synapse loss에 대응하는 노드들은 상기 제1그룹에 속하고,상기 Autophagy에 대응하는 노드는 상기 제2그룹에 속하며,상기 표현형 스코어는 수식 1에 의해 결정되는,약물타겟 적합도 결정방법
|
| 6 |
6
제3항에 있어서, 상기 한 세트의 출력노드들을 제1그룹과 제2그룹으로 구분되며,상기 한 세트의 출력노드들 중, 알츠하이머성 치매 환자 그룹으로부터 관찰되는 제1특정 출력노드의 상기 활성화 수치가, 환자가 아닌 사람으로부터 관찰되는 상기 제1특정 출력노드의 활성화 수치보다 높다면, 상기 제1특정 출력노드는 상기 제1그룹으로 분류되고,상기 한 세트의 출력노드들 중, 알츠하이머성 치매 환자 그룹으로부터 관찰되는 제2특정 출력노드의 상기 활성화 수치가, 환자가 아닌 사람으로부터 관찰되는 상기 제2특정 출력노드의 활성화 수치보다 낮다면, 상기 제1특정 출력노드는 상기 제2그룹으로 분류되며,상기 표현형 스코어는 상기 제1그룹에 속한 특정 출력노드의 활성화 수치가 제1활성화 수치를 갖는 경우에, 상기 제1활성화 수치보다 더 큰 제2활성화 수치를 갖는 경우보다 더 큰 값을 갖도록 정의되며,상기 표현형 스코어는 상기 제2그룹에 속한 특정 출력노드의 활성화 수치가 제3활성화 수치를 갖는 경우에, 상기 제3활성화 수치보다 더 작은 제4활성화 수치를 갖는 경우보다 더 큰 값을 갖도록 정의되는,약물타겟 적합도 결정방법
|
| 7 |
7
제6항에 있어서, 상기 한 세트의 출력노드들은 Aβ, p-tau, Apoptosis, Synapse loss, 및 Autophagy에 대응하는 노드들이며,상기 Aβ, p-tau, Apoptosis, 및 Synapse loss에 대응하는 노드들은 상기 제1그룹에 속하고,상기 Autophagy에 대응하는 노드는 상기 제2그룹에 속하며,상기 표현형 스코어는 수식 2에 의해 결정되는,약물타겟 적합도 결정방법
|
| 8 |
8
처리부; 통신 인터페이스부; 및 저장부;를 포함하며,상기 처리부는,상기 통신 인터페이스부를 통해 뉴런(110)의 노미널 생체분자 네트워크(130)를 구성하는 노드(131)들 중 특정 환자의 알츠하이머 질병에 대한 한 세트의 유전적 위험인자(250)에 관한 정보를 획득하여 상기 저장부에 저장하도록 되어 있고,상기 한 세트의 유전적 위험인자(250)에 대응하는 한 세트의 노드들(50)의 값이 미리 결정된 상태값으로 고정되어 있고, 그리고 상기 노미널 생체분자 네트워크(130)를 구성하는 노드들 중 선택된 제k타겟노드(60k)의 값이 미리 결정된 규칙에 따라 제어되는 제k섭동 생체분자 네트워크(330k)를 생성하는 단계를 실행하도록 되어 있고,상기 제k섭동 생체분자 네트워크(330k)의 상태를 변화시키는 시뮬레이션을 수행하여 상기 제k섭동 생체분자 네트워크(330k)의 노드(131)들 중 미리 선택된 한 세트의 출력노드(70)들의 활성화 수치들을 산출하는 단계를 실행하도록 되어 있고, 그리고상기 산출된 활성화 수치들을 기초로 상기 제k타겟노드의 약물타겟 적합도를 결정하는 단계를 실행하도록 되어 있는,컴퓨팅 장치
|
| 9 |
9
제8항에 있어서,상기 처리부는,상기 생성하는 단계를 실행하기 위하여, 상기 노미널 생체분자 네트워크(130)를 구성하는 노드(131)들 중 상기 한 세트의 유전적 위험인자(250)에 대응하는 한 세트의 노드들(50)을 결정하는 단계를 실행하도록 되어 있고,상기 결정된 한 세트의 노드들(50)의 값이 미리 결정된 상태값으로 고정되도록 상기 노미널 생체분자 네트워크(130)를 수정함으로써 상기 노미널 생체분자 네트워크(130)로부터 병변 생체분자 네트워크(230)를 생성하는 단계를 실행하도록 되어 있고,상기 병변 생체분자 네트워크(230)를 구성하는 노드들 중에서, 스코어를 산출해야 하는 제k타겟노드(60k)를 선택하는 단계를 실행하도록 되어 있고, 그리고상기 제k타겟노드(60k)의 값이 미리 결정된 규칙에 따라 제어되도록 상기 병변 생체분자 네트워크(230)을 수정함으로써 상기 병변 생체분자 네트워크(230)로부터 제k섭동 생체분자 네트워크(330k)를 생성하는 단계를 실행하도록 되어 있으며, 상기 병변 생체분자 네트워크(230)의 상태가 변화하는 과정에서 상기 한 세트의 노드들(50)의 값이 언제나 상기 미리 결정된 상태값을 갖도록 되어 있으며, 그리고상기 제k섭동 생체분자 네트워크(330k)의 상태가 변화하는 과정에서 상기 제k타겟노드(60k)의 값이 상기 미리 결정된 규칙에 따라 제어되는, 컴퓨팅 장치
|
| 10 |
10
제8항에 있어서, 상기 처리부는,상기 결정하는 단계를 실행하기 위하여, 상기 제k섭동 생체분자 네트워크(330k)의 노드(131)들 중 한 세트의 출력노드(70)들을 선택하는 단계를 실행하도록 되어 있고,상기 제k섭동 생체분자 네트워크(330k)의 상태를 변화시키는 시뮬레이션을 수행하여, 상기 제k섭동 생체분자 네트워크(330k)의 상태들 중 한 세트의 어트랙터 상태들을 산출하는 단계를 실행하도록 되어 있고,상기 산출된 각각의 어트랙터에 대한 베이신의 크기를 산출하는 단계를 실행하도록 되어 있고,상기 각각의 출력노드(70)가 상기 각각의 어트랙터에서 갖는 상태값을 결정하는 단계를 실행하도록 되어 있고,상기 각각의 출력노드(70)가 상기 한 세트의 어트랙터에서 갖는 값들의 가중합을 산출하여, 상기 산출된 가중합을 상기 각각의 출력노드(70)의 활성화 수치인 것으로 결정하는 활성화 수치 결정단계를 실행하도록 되어 있고, 그리고상기 한 세트의 출력노드들에 대한 상기 활성화 수치들의 가중합을 산출하여 상기 제k타겟노드(60k)에 대한 표현형 스코어인 것으로 결정하는 표현형 스코어 결정단계를 실행하도록 되어 있고,상기 활성화 수치 결정단계에서, 상기 각각의 어트랙터에 관련된 가중치는 상기 각 어트랙터의 베이신의 크기이며,상기 표현형 스코어 결정단계에서, 상기 각각의 출력노드의 활성화 수치에 대한 가중치는 사용자 설정 파라미터인,컴퓨팅 장치
|
| 11 |
11
제8항에 있어서, 상기 한 세트의 출력노드들을 제1그룹과 제2그룹으로 구분되며,상기 한 세트의 출력노드들 중, 알츠하이머성 치매 환자 그룹으로부터 관찰되는 제1특정 출력노드의 상기 활성화 수치가, 환자가 아닌 사람으로부터 관찰되는 상기 제1특정 출력노드의 활성화 수치보다 높다면, 상기 제1특정 출력노드는 상기 제1그룹으로 분류되고,상기 한 세트의 출력노드들 중, 알츠하이머성 치매 환자 그룹으로부터 관찰되는 제2특정 출력노드의 상기 활성화 수치가, 환자가 아닌 사람으로부터 관찰되는 상기 제2특정 출력노드의 활성화 수치보다 낮다면, 상기 제1특정 출력노드는 상기 제2그룹으로 분류되며,상기 표현형 스코어는 상기 제1그룹에 속한 특정 출력노드의 활성화 수치가 제1활성화 수치를 갖는 경우에, 상기 제1활성화 수치보다 더 큰 제2활성화 수치를 갖는 경우보다 더 작은 값을 갖도록 정의되며,상기 표현형 스코어는 상기 제2그룹에 속한 특정 출력노드의 활성화 수치가 제3활성화 수치를 갖는 경우에, 상기 제3활성화 수치보다 더 작은 제4활성화 수치를 갖는 경우보다 더 작은 값을 갖도록 정의되는,컴퓨팅 장치
|
| 12 |
12
특정 환자의 뉴런 생검(210)으로부터 알츠하이머 질병에 대한 상기 특정 환자의 한 세트의 유전적 위험인자(risk factor)(250)를 결정하도록 되어 있는 유전체 분석장치; 및컴퓨칭 장치;를 포함하며,상기 컴퓨팅 장치는,뉴런(110)의 노미널 생체분자 네트워크(130)를 구성하는 노드(131)들 중 상기 특정 환자의 알츠하이머 질병에 대한 한 세트의 유전적 위험인자(250)에 관한 정보를 상기 위험인자 결정 시스템으로부터 획득하도록 되어 있고,상기 한 세트의 유전적 위험인자(250)에 대응하는 한 세트의 노드들(50)의 값이 미리 결정된 상태값으로 고정되어 있고, 그리고 상기 노미널 생체분자 네트워크(130)를 구성하는 노드들 중 선택된 제k타겟노드(60k)의 값이 미리 결정된 규칙에 따라 제어되는 제k섭동 생체분자 네트워크(330k)를 생성하는 단계를 실행하도록 되어 있고,상기 제k섭동 생체분자 네트워크(330k)의 상태를 변화시키는 시뮬레이션을 수행하여 상기 제k섭동 생체분자 네트워크(330k)의 노드(131)들 중 미리 선택된 한 세트의 출력노드(70)들의 활성화 수치들을 산출하는 단계를 실행하도록 되어 있고, 그리고상기 산출된 활성화 수치들을 기초로 상기 제k타겟노드의 약물타겟 적합도를 결정하는 단계를 실행하도록 되어 있는,약물타겟 적합도 결정 시스템
|
