초록 ▼

차세대 염기서열분석을 이용한 기계학습 기반 유방암 예후 예측 방법은 컴퓨터 장치가 피험자 조직(tissue)의 RNA 시퀀싱 데이터를 이용하여 타겟 유전자의 발현량을 측정하는 단계, 상기 컴퓨터 장치가 상기 타겟 유전자의 발현량을 사전에 마련한 인공신경망(Artificial Neural Network)에 입력하는 단계 및 상기 컴퓨터 장치가 상기 인공신경망의 출력값을 기준으로 상기 피험자에 대한 유방암 예후를 추정하는 단계를 포함한다. 상기 인공신경망은 복수의 샘플의 타겟 유전자 발현량를 입력값으로 갖고, 상기 복수의 샘플에 대한

차세대 염기서열분석을 이용한 기계학습 기반 유방암 예후 예측 방법은 컴퓨터 장치가 피험자 조직(tissue)의 RNA 시퀀싱 데이터를 이용하여 타겟 유전자의 발현량을 측정하는 단계, 상기 컴퓨터 장치가 상기 타겟 유전자의 발현량을 사전에 마련한 인공신경망(Artificial Neural Network)에 입력하는 단계 및 상기 컴퓨터 장치가 상기 인공신경망의 출력값을 기준으로 상기 피험자에 대한 유방암 예후를 추정하는 단계를 포함한다. 상기 인공신경망은 복수의 샘플의 타겟 유전자 발현량를 입력값으로 갖고, 상기 복수의 샘플에 대한 온코타입(Oncotype DX)의 재발 점수(recurrence score)에 따른 결과를 출력하도록 사전에 마련된다.

대표청구항 ▼

컴퓨터 장치가 피험자 조직(tissue)의 RNA 시퀀싱 데이터를 이용하여 타겟 유전자의 발현량을 측정하고,상기 컴퓨터 장치로부터 측정된 복수의 샘플의 타겟 유전자 발현량을 입력값으로 갖고, 상기 입력값을 상기 복수의 샘플에 대한 온코타입(Oncotype DX)의 재발 점수(recurrence score)에 기반한 인공신경망(Artificial Neural Network)에 입력하여 출력값을 가지며,상기 타겟 유전자는 하기 149개의 유전자 모두를 포함하며:ACTB, APOBEC3B, ASF1B, ASPM, AURKA, AURKB,

컴퓨터 장치가 피험자 조직(tissue)의 RNA 시퀀싱 데이터를 이용하여 타겟 유전자의 발현량을 측정하고,상기 컴퓨터 장치로부터 측정된 복수의 샘플의 타겟 유전자 발현량을 입력값으로 갖고, 상기 입력값을 상기 복수의 샘플에 대한 온코타입(Oncotype DX)의 재발 점수(recurrence score)에 기반한 인공신경망(Artificial Neural Network)에 입력하여 출력값을 가지며,상기 타겟 유전자는 하기 149개의 유전자 모두를 포함하며:ACTB, APOBEC3B, ASF1B, ASPM, AURKA, AURKB, BAG1, BCL2, BIRC5, BLM, BUB1, BUB1B, C14orf45, C16orf61, C7orf63, CACNA1D, CCNA2, CCNB1, CCNB2, CCNE1, CCNE2, CCT5, CD68, CDC20, CDC25A, CDC45, CDC6, CDCA3, CDCA8, CDK1, CDKN3, CENPA, CENPE, CENPF, CENPM, CENPN, CEP55, CHEK1, CIRBP, CKS2, CRIM1, CTSL2, CX3CR1, CYBRD1, DBF4, DDX39, DLGAP5, DNMT3B, DONSON, DTL, E2F1, E2F8, ECHDC2, ERBB2, ERCC6L, ESPL1, ESR1, EXO1, EZH2, FAM64A, FANCI, FBXO5, FEN1, FOXM1, GAPDH, GINS1, GRB7, GSTM1, GTSE1, GUSB, HJURP, HMMR, HN1, IFT46, KIF11, KIF13B, KIF14, KIF15, KIF18A, KIF18B, KIF20A, KIF23, KIF2C, KIF4A, KIFC1, KPNA2, LMNB1, LMNB2, LRIG1, LRRC48, LRRC59, MAD2L1, MARCH8, MCM10, MCM2, MCM6, MELK, MKI67, MLF1IP, MMP11, MYBL2, NCAPG, NCAPG2, NCAPH, NDC80, NEK2, NUP93, NUSAP1, OIP5, PBK, PDSS1, PGR, PKMYT1, PLK1, PLK4, PRC1, PTTG1, RACGAP1, RAD51, RAD51AP1, RAI2, RFC4, RPLP0, RRM2, SCUBE2, SETBP, SF3B3, SHCBP1, SHMT2, SLC25A1, SLC7A5, SPAG5, SPC25, SQLE, STARD13, STIL, STMN1, SYNC, TACC3, TFRC, TK1, TOP2A, TPX2, TRIP13, TROAP, TTK, UBE2C, UBE2S, 및 ZWINT,상기 피험자는 ER(Estrogen) 수용체가 양성인, 유방암 예후 예측 방법.