JP7842487B2 - ホルマリン固定パラフィン包埋されたサンプルで生成されたdnaシーケンシングデータでディープラーニングを利用した体細胞変異と人工変異の区別方法及びそれを利用した装置 - Google Patents

ホルマリン固定パラフィン包埋されたサンプルで生成されたdnaシーケンシングデータでディープラーニングを利用した体細胞変異と人工変異の区別方法及びそれを利用した装置

Info

Publication number
JP7842487B2
JP7842487B2 JP2024570446A JP2024570446A JP7842487B2 JP 7842487 B2 JP7842487 B2 JP 7842487B2 JP 2024570446 A JP2024570446 A JP 2024570446A JP 2024570446 A JP2024570446 A JP 2024570446A JP 7842487 B2 JP7842487 B2 JP 7842487B2
Authority
JP
Japan
Prior art keywords
read
artificial
mutations
sequences
data
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
JP2024570446A
Other languages
English (en)
Other versions
JP2025520108A (ja
Inventor
ミョン ペク、スン
ウィ ホン、ソン
ヒョク ホ、ドン
ヨン キム、イン
ジェ ソ、ヒ
グァン キム、ソン
ジ キム、ミン
イン パク、ジ
シル パク、ホン
Original Assignee
テラジェン バイオ カンパニー,リミテッド
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Priority claimed from KR1020230022977A external-priority patent/KR102683687B1/ko
Application filed by テラジェン バイオ カンパニー,リミテッド filed Critical テラジェン バイオ カンパニー,リミテッド
Publication of JP2025520108A publication Critical patent/JP2025520108A/ja
Application granted granted Critical
Publication of JP7842487B2 publication Critical patent/JP7842487B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B20/00—ICT specially adapted for functional genomics or proteomics, e.g. genotype-phenotype associations
    • G16B20/20—Allele or variant detection, e.g. single nucleotide polymorphism [SNP] detection
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B15/00—ICT specially adapted for analysing two-dimensional [2D] or three-dimensional [3D] molecular structures, e.g. structural or functional relations or structure alignment
    • G16B15/20—Protein or domain folding
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B30/00—ICT specially adapted for sequence analysis involving nucleotides or amino acids
    • G16B30/10—Sequence alignment; Homology search
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B40/00—ICT specially adapted for biostatistics; ICT specially adapted for bioinformatics-related machine learning or data mining, e.g. knowledge discovery or pattern finding
    • G16B40/20—Supervised data analysis

Landscapes

  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Theoretical Computer Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Biotechnology (AREA)
  • Evolutionary Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Biophysics (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Data Mining & Analysis (AREA)
  • Proteomics, Peptides & Aminoacids (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Crystallography & Structural Chemistry (AREA)
  • Databases & Information Systems (AREA)
  • Epidemiology (AREA)
  • Evolutionary Computation (AREA)
  • Public Health (AREA)
  • Software Systems (AREA)
  • Bioethics (AREA)
  • Artificial Intelligence (AREA)
  • Genetics & Genomics (AREA)
  • Molecular Biology (AREA)
  • Medical Treatment And Welfare Office Work (AREA)
  • Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)

Description

本発明は、ホルマリン固定パラフィン包埋されたサンプルで生成されたDNAシーケンシングデータでディープラーニングを利用した体細胞変異と人工変異の区別方法及びその装置に関する。
癌の発病に影響を及ぼす要因は、遺伝的傾向を含む生殖細胞変異(Germline mutation)と特定臓器や組織に限定された体細胞分裂過程で起こる体細胞変異(Somatic mutation)がある。
体細胞変異には、単一塩基変異(single nucleotide variation)、構造変異(structural variation)、染色体異数性(aneuploidy)等、様々な形態の変異が存在する。特定癌類型は、化学薬物、紫外線、喫煙等に露出して特定突然変異と復元メカニズムが故障して発生する体細胞単一塩基変異により予測される。大きな範囲の構造変異は、染色体除去(deletion)、挿入(insertion)、反転(inversion)、順次重複(tandem duplication)、転座(translocation)、複合的再配列(complex rearrangement)等により癌で正常遺伝子の機能に影響を及ぼす。
各癌腫毎に主要遺伝子が関与するが、これらの遺伝子の変異を把握すると癌の進行段階が分かる。それだけではなく、同じ臓器に発生した癌でも遺伝子の変異の組み合わせが全て異なるので(heterogeneity)、このような異なる遺伝的な差によって癌の予後、治療、再発等を異に適用することができる。
2003年、ヒト遺伝体が初めて分析された以後、遺伝体分析技術の発展と活用は、多様に拡張されている。次世代塩基配列分析法(Next Generation Sequencing:NGS)を活用して一度の検査で様々な遺伝子変異を確認することができる分析技術が発達しながら癌遺伝体診断が効果的な抗がん治療に重要な役割を果たし始めた。EGFRやPIK3CA等、主要遺伝子の体細胞変異により生成された変異タンパク質に対する標的抗がん治療剤開発の成功と相まって癌遺伝体診断に対する臨床的要求が増加している。
遺伝体分析のためには、理想的には、癌組織を手術時、血管供給が中断された時点から10分以内に直ちに核酸を抽出するか液体窒素で凍結させた後、-70℃未満の極低温で保管して必要時に核酸を抽出してDNAシーケンシングを進行しなければならない。しかし、病院では研究対象でない全ての患者の手術組織に前記方法を適用することは不可能であり、凍結組織は病理組織検査の試料としては最適なサンプルではないので、全ての身体由来組織は、ホルマリン固定後にパラフィンに包埋(formalin fixed paraffin embedded;FFPE)した後に微細切片して病理組織検査を施行する。FFPEブロックは、常温で最小10年または永久保管する。実際の癌遺伝体分析の必要性に対する判断は、FFPE組織を利用した病理組織検査の結果が出た後に決定され、手術や生検で確保することのできる癌組織の大きさのため、診断用FFPEブロックに必要な組織を確保した後には凍結保管できる余剰組織がない場合が多く、また、凍結保管のためのインフラのない病院が多いため、ほとんどの臨床遺伝体分析は、FFPEサンプルを利用して進行するようになる。
FFPEサンプルは、保管の便宜性と病理組織検査に最適であるという長所があるのに対し、遺伝体分析には不利である弱点がある。即ち、ホルマリン固定過程で発生する化学作用により癌と関係のない人工変異(artifact)を起こし、NGS技法を利用したDNAシーケンシング時、元来の変異より多くは10倍以上の変異が見つけられる。一部の重要な癌遺伝子のhot spotドライバー変異だけを標的にパネルを作製して遺伝体分析時、非常に正確にドライバー変異の有無を診断できる。しかし、エクソームやゲノムレベルの分析時には、実際の変異と人工変異の区別が難しい。人工変異の存在は、Tumor Mutation Burden測定や新抗原発掘の不正確性を招いて、免疫治療剤反応予測や新抗原ワクチン開発等、先端医学を実現するのに大きな障壁になっている。その間、FFPE NGS DNAシーケンシングデータで人工変異を除去する方法が開発されたが、人工変異を除去すると同時にほとんどの実際の変異を共に除去することで臨床適用性が脆弱であり、実際の変異を保存しながらほとんどの人工変異を除去する技術の必要性が浮上してきた。
発明の背景になる技術は、本発明に対する理解をより容易にするために作成された。発明の背景になる技術に記載の事項が先行技術として存在すると認めるものと理解されてはならない。
本発明の発明者らは、一般的な臨床試料は、絶対多数がFFPE組織であり、古くなったFFPE組織または固定過程で変異が起こったサンプルの場合、上述した問題によってNGS分析が難しいという問題点を認知した。
即ち、本発明の発明者らは、既存のFFPEサンプルを利用した体細胞変異を判別する場合、様々な要因により人工変異が現れて正確度が低くなるので、正確に体細胞変異だけを予測できる方法が必要であるという点を認識した後、本発明のようにディープラーニングされた神経網モデルを利用する場合、正確度を高めることができるという点に注目した。
特に、本発明の発明者らは、同一組織由来凍結組織とFFPE組織で生成されたpaired NGSデータを分析してFFPEでのみ見つけられた変異を人工変異と定義し、コサイン類似度(cosine similarity)を含む学習データでディープラーニングを施行することで高い正確度で人工変異に対比した体細胞変異を予測可能であることを認知することができた。
その結果、本発明の発明者らは、本発明の学習された神経網モデルを適用して高い正確度で人工変異と体細胞変異間の区別が可能であることを確認することができた。
結果として、本発明の発明者らは、本発明のディープラーニングされた神経網モデルに基づくFFPEで生成された人工変異と体細胞変異を区別する情報提供システムを開発するに至った。
そこで、本発明の発明者らは、本発明のディープラーニングされた神経網モデルに基づくFFPEで生成された人工変異と体細胞変異を区別する情報提供システムの導入で従来の診断及び情報提供システムが有する限界の補完が可能であり、それによる効率的な治療方法の提示が可能であることを認知することができた。
そこで、本発明が解決しようとする課題は、本発明のディープラーニングを基盤に人工変異除去及び体細胞変異サンプルの保存を通した体細胞変異予測に対する情報提供方法及びそれを利用したデバイスを提供することである。
本発明の課題は、以上において言及した課題に制限されず、言及されていないまた他の課題は、下記の記載から当業者に明確に理解され得るだろう。
前述したような課題を解決するために、本発明の一実施例に係るディープラーニングに基づく体細胞変異予測に対する情報提供方法が提供される。本情報提供方法は、プロセッサにより具現され、医療データおよび/または個体から分離された生物学的試料から収得した変異についてのデータを受信するステップ、前記受信されたデータに基づいて人工変異または体細胞変異判別に必要なデータを算出するステップ、及び体細胞変異判別に必要なデータを入力として、人工変異または体細胞変異を予測するように構成された神経網モデルを利用して、前記算出されたデータを入力として個体から収得したサンプルに対する人工変異または体細胞変異を予測するステップを含む。
このとき、医療データおよび/または個体から分離された生物学的試料から収得したデータは、変異についてのものであり、具体的には、体細胞変異についてのデータであってよく、医療データは、NGS(Next Generation Sequencing)データであってよく、具体的には、遺伝体全体に対して塩基配列分析されたWGS(Whole genome sequence)、WES(whole exome sequencing)、Targeted sequencingファイル等であってよく、個体から分離された生物学的試料は、前記試料で変異が観察されたもの、具体的には、体細胞変異が観察されたものについてのデータを意味し得るが、これに制限されるものではない。
本発明の特徴によれば、前記受信されたデータに基づいて人工変異または体細胞変異判別に必要なデータを算出するステップは、前記受信されたデータをベクター化するステップ及び前記ベクター化したデータに基づいて類似度を算出するステップをさらに含むことができ、このとき、ベクター化したデータに基づいて類似度を算出するステップで、前記類似度は、コサイン類似度(cosine similarity)であってよいが、これに制限されるものではない。
また、体細胞変異判別に必要なデータを入力として、人工変異または体細胞変異を予測するように構成された神経網モデルを利用して、前記算出されたデータを入力として個体から収得したサンプルに対する人工変異または体細胞変異を予測するステップで、前記神経網モデルは、深層神経網(Deep Neural Network、DNN)であってよいが、これに制限されることはない。
本発明の特徴によれば、前記受信されたデータに基づいて変異または人工変異判別に必要なデータを算出するステップで、前記算出されたデータは、参照(reference)配列が観察されるリード(read)数/該当位置でのシーケンスデプス(sequence depth)、代替(alternate)配列が観察されるリード(read)数/該当位置でのシーケンスデプス(sequence depth)、参照配列が観察されるリードでリード1がforward strandにマッピングされる配列数とリード2がreverse strandにマッピングされる配列数間の差が参照配列が観察されるリードに占める比率、代替配列が観察されるリードでリード1がforward strandにマッピングされる配列数とリード2がreverse strandにマッピングされる配列数間の差が代替配列が観察されるリードに占める比率、代替配列が観察されるリード内挿入(insert)された長さの中央値を参照配列が観察されるリード内挿入された長さの中央値で除した値、参照切片(reference fragment)でリード1とリード2により2回配列が読まれた配列(double-sequenced bases)の長さ、参照切片でリード1とリード2により2回配列が読まれた回数、代替切片(alternate fragment)でリード1とリード2により2回配列が読まれた配列(double-sequenced bases)の長さ、代替切片でリード1とリード2により2回配列が読まれた回数、変異位置を中心に置いて前後1塩基(base)を含む参照配列(REF_3_BASES)、変異位置を中心に置いて前後1塩基を含む代替配列(ALT_3_BASES)、参照配列が観察されるリード中forward strandにマッピングされる配列数とreverse strandにマッピングされる配列数間の差が参照配列が観察されるリードに占める比率、代替配列が観察されるリード中forward strandにマッピングされる配列数とreverse strandにmappingされる配列数間の差が代替配列が観察されるリードに占める比率からなる群から選択されるいずれか一つ以上を含むことができ、(参照配列が観察されるリードでリード1がforward strandにマッピングされる配列数、リード2がreverse strandにマッピングされる配列数)と定義されるベクター間のコサイン類似度(cosine similarity)、または(参照配列が観察されるリード中forward strandにマッピングされる配列数、reverse strandにマッピングされる配列数)と定義されるベクターと(代替配列が観察されるリード中forward strandにマッピングされる配列数、reverse strandにmappingされる配列数)と定義されるベクター間のコサイン類似度(cosine similarity)をさらに含むことができるが、これに制限されるものではない。
本発明の一実施例において、前記コサイン類似度は、下記のような数式で示すことができる。
本発明の特徴によれば、体細胞変異判別に必要なデータを入力として、人工変異または体細胞変異を予測するように構成された神経網モデルを利用して、前記算出されたデータを入力として個体から収得したサンプルに対する人工変異または体細胞変異を予測するステップで、前記個体から収得したサンプルは、FFPEサンプルであってよく、前記個体は、癌が発病した個体であってよく、このとき、前記癌は、肝癌、大腸癌、乳癌、肺癌及び線維腫のいずれか一つが発病した個体であってよいが、これに制限されるものではない。
前述したような課題を解決するために、本発明の実施例に係る体細胞変異予測に対する情報提供用デバイス、変異予測装置及び医療データ提供用サーバを含む情報提供システムが提供される。
その他の実施例の具体的な事項は、詳細な説明及び図面に含まれている。
本発明は、ディープラーニングされた神経網モデルを利用して人工変異または体細胞変異に対する予測結果についての情報を提供することで個別化治療(Tailored personal medicine)が可能であるようにする、体細胞変異予測に対する情報を提供することができる。
特に、本発明は、体細胞変異と関連したデータを算出し、前記データに基づいて人工変異または体細胞変異に対する予測結果を決定することで人工変異または体細胞変異をより正確に予測することができる。
即ち、本発明は、ディープラーニングされた神経網モデルに基づいて人工変異または体細胞変異の予測に対する情報を活用することで、個々人に対する治療方向の設定がより容易に遂行され得、個別化治療方法の選定に寄与することができる。
本発明は、人工変異または体細胞変異の予測に対してコサイン類似度を含む学習データで学習されたディープラーニングされた神経網モデルを適用することで高い正確度で人工変異と体細胞変異を予測するので、従来のFFPEサンプルを活用した時に有する限界の補完が可能である。
本発明に係る効果は、以上において例示された内容により制限されず、さらに多様な効果が本明細書内に含まれている。
本発明の一実施例に係る人工変異または体細胞変異の予測装置を利用した人工変異または体細胞変異の予測に対する情報提供システムを示したものである。 本発明の一実施例に係る人工変異または体細胞変異予測装置の構成を例示的に示したものである。 本発明の一実施例に係る人工変異または体細胞変異の予測に対する情報提供方法の手順のブロック図である。 本発明の多様な実施例に係る人工変異または体細胞変異に対する情報提供方法の手順を例示的に示したものである。 本発明のディープラーニングされた神経網モデルの予測性能を評価した結果を示した図である。 比較例1(FFpolish pre-trained)の予測性能を評価した結果を示した図である。 比較例2(FFpolish re-trained)の予測性能を評価した結果を示した図である。 比較例3(SOBDetector)の予測性能を評価した結果を示した図である。 本発明のディープラーニングされた神経網モデルを利用して肝癌サンプルに対する人工変異または体細胞変異予測正確度を比較して示したものである。 本発明のディープラーニングされた神経網モデルを利用して大腸癌サンプルに対する人工変異または体細胞変異予測正確度を比較して示したものである。 本発明のディープラーニングされた神経網モデルを利用して乳癌サンプルに対する人工変異または体細胞変異予測正確度を比較して示したものである。 本発明のディープラーニングされた神経網モデルを利用して肺癌サンプルに対する人工変異または体細胞変異予測正確度を比較して示したものである。 本発明のディープラーニングされた神経網モデルを利用して線維腫サンプルに対する人工変異または体細胞変異予測正確度を比較して示したものである。 比較例(FFpolish pre-trained)を利用して肝癌サンプルに対する人工変異または体細胞変異予測正確度を比較して示したものである。 比較例(FFpolish pre-trained)を利用して大腸癌サンプルに対する人工変異または体細胞変異予測正確度を比較して示したものである。 比較例(FFpolish pre-trained)を利用して乳癌サンプルに対する人工変異または体細胞変異予測正確度を比較して示したものである。 比較例(FFpolish pre-trained)を利用して肺癌サンプルに対する人工変異または体細胞変異予測正確度を比較して示したものである。 比較例(FFpolish pre-trained)を利用して線維腫サンプルに対する人工変異または体細胞変異予測正確度を比較して示したものである。
本発明の利点及び特徴、そして、それらを達成する方法は、添付の図面と共に詳細に後述されている実施例を参照すると、明確になるだろう。
しかし、本発明は、以下において開示される実施例に限定されるものではなく、互いに異なる多様な形態に具現され、単に、本実施例は、本発明の開示が完全なものとなるようにし、本発明の属する技術の分野における通常の知識を有する者に発明の範疇を完全に知らせるために提供されるものであり、本発明は、請求項の範疇により定義されるだけである。図面の説明と関連して、類似した構成要素に対しては、類似した参照符号が使用され得る。
本文書において、「有する」、「有することができる」、「含む」、または「含むことができる」等の表現は、該当特徴(例:数値、機能、動作、または部品等の構成要素)の存在を指し、さらなる特徴の存在を排除しない。
本文書において、「AまたはB」、「Aまたは/およびBのうち少なくとも一つ」、または「Aまたは/およびBのうち一つまたはそれ以上」等の表現は、共に並べられた項目の全ての可能な組み合わせを含むことができる。例えば、「AまたはB」、「A及びBのうち少なくとも一つ」、または「AまたはBのうち少なくとも一つ」は、(1)少なくとも一つのAを含む、(2)少なくとも一つのBを含む、または(3)少なくとも一つのA及び少なくとも一つのBをいずれも含む場合を全て指すことができる。
本文書において使用された「第1」、「第2」、「一番目」、または「二番目」等の表現は、多様な構成要素を、順序および/または重要度に関係なく修飾でき、ある構成要素を他の構成要素と区分するために使用されるだけで該当構成要素を限定しない。例えば、第1ユーザ機器と第2ユーザ機器は、順序または重要度と関係なく、互いに異なるユーザ機器を示し得る。例えば、本文書に記載の権利範囲を外れないためには第1構成要素は第2構成要素と命名され得、類似するように第2構成要素も第1構成要素に変えて命名され得る。
ある構成要素(例:第1構成要素)が他の構成要素(例:第2構成要素)に「(機能的または通信的に)連結されて((operatively or communicatively)coupled with/to)」いるとか「接続されて(connected to)」いると言及された時には、前記ある構成要素が前記他の構成要素に直接的に連結されるか、他の構成要素(例:第3構成要素)を通して連結され得ると理解されるべきである。これに対して、ある構成要素(例:第1構成要素)が他の構成要素(例:第2構成要素)に「直接連結されて」いるとか「直接接続されて」いると言及された時には、前記ある構成要素と前記他の構成要素との間に他の構成要素(例:第3構成要素)が存在しないものと理解され得る。
本文書において使用された表現「~するように構成された(または設定された)(configured to)」は、状況に応じて、例えば、「~に適した(suitable for)」、「~する能力を有する(having the capacity to)」、「~するように設計された(designed to)」、「~するように変更された(adapted to)」、「~するように作られた(made to)」、または「~ができる(capable of)」と変えて使用され得る。用語「~するように構成された(または設定された)」は、ハードウェア的に「特に設計された(specifically designed to)」ものだけを必ずしも意味しなくてよい。その代わりに、ある状況では、「~するように構成されたデバイス」という表現は、そのデバイスが他のデバイスまたは部品と共に「~できる」ことを意味し得る。例えば、文句「A、B、及びCを遂行するように構成された(または設定された)プロセッサ」は、該当動作を遂行するための専用プロセッサ(例:エンベデッドプロセッサ)、またはメモリデバイスに格納された一つ以上のソフトウェアプログラムを実行することで、該当動作を遂行することのできる汎用プロセッサ(generic-purpose processor)(例:CPU、GPUまたはapplication processor)を意味し得る。
本文書において使用された用語は、単に、特定の実施例を説明するために使用されたものであり、他の実施例の範囲を限定しようとする意図でなくてよい。単数の表現は、文脈上明らかに異に意味しない限り、複数の表現を含むことができる。技術的または科学的な用語を含めてここで使用される用語は、本文書に記載の技術の分野における通常の知識を有する者により一般的に理解されるものと同じ意味を有し得る。本文書に使用された用語のうち一般的な辞書に定義された用語は、関連技術の文脈上有する意味と同一または類似した意味に解釈され得、本文書において明らかに定義されない限り、理想的または過度に形式的な意味に解釈されない。場合によって、本文書において定義された用語であっても本文書の実施例を排除するように解釈され得ない。
本発明の様々な実施例のそれぞれの特徴は、部分的または全体的に互いに結合または組み合わせ可能であり、当業者が十分に理解できるように技術的に多様な連動及び駆動が可能であり、各実施例が互いに対して独立して実施可能であってもよく、関連関係で共に実施可能であってもよい。
本明細書の解釈の明確さをために、以下においては、本明細書において使用される用語を定義する。
本明細書において使用される用語、「個体」は、変異、具体的には、体細胞変異の有無を予測しようとする全ての対象を意味し得る。例えば、個体は、体細胞変異が発生した個体であってよい。このとき、本明細書内に開示された個体は、ヒトを除く全ての哺乳動物であってよいが、これに制限されるものではない。
本明細書において使用される用語、「生物学的試料」は、個体から分離されたものであって、FFPE形態に貯蔵可能な全ての生体試料が対象であり、尿、組織、細胞溶解物、全血、血漿、血清、唾液、眼球液、脳脊髄液、汗、乳、腹水液、滑液及び腹膜液等であってよいが、これに制限されるものではない。好ましく、生物学的試料は、個体から分離された体細胞変異の有無を確認しようとする組織サンプルであってよいが、これに制限されるものではない。具体的には、本発明の生物学的試料は、FFPEサンプル(Formalin Fixed Paraffin Embedded:ホルマリンパラフィン保管処理)であってよく、FFPEサンプルは、患者の癌組織を採取して保管する時に標準的に使用する方法で組織をホルマリンで固定しパラフィンに固めてパラフィンブロックに製造することで常温でも保管が可能であり、パラフィンブロックを薄く数回切って種々の組織学的検査に利用したりもするサンプルを意味し得る。
本明細書において使用される用語、「体細胞変異(somatic variant)」は、細胞で確認される癌の特徴のうち一つは遺伝子異常を伴うことであるので、体細胞変異を確認して癌の発生、種類の区分等が可能である。従って、本発明において、医療データおよび/または個体から分離された生物学的試料から収得したデータは、体細胞突然変異についてのデータであってよく、医療データは、NGS(Next Generation Sequencing)データであってよいが、これに制限されるものではなく、個体から分離された生物学的試料で体細胞変異が観察されたものを意味し得るが、これに制限されるものではない。
本明細書において使用される用語、「人工変異(artifact)」は、物理的または化学作用により変性が起こって癌と関係のない変性を起こして現れる人工的欠陥等を意味し得るが、これに制限されるものではない。
本明細書において使用される用語、「NGS(Next Generation Sequencing)」は、次世代塩基配列分析であって、遺伝体の塩基配列の高速分析方法のうち一つである。
このとき、NGSは、臨床的研究を含む多様な目的を達成するために遺伝体及び全体分析に適用され得る。一方、ほとんどのNGS分析は、多数の対象サンプルに対する同時分析が遂行され得る。
本明細書において使用される用語、「NGSデータ」は、対象サンプルに対して分析された塩基配列データを含むファイルを意味し得る。
このとき、NGSデータは、遺伝体全体に対して塩基配列分析されたWGS(whole genome sequencing)ファイル、WES(whole exome sequencing)ファイル、RNAシーケンシング(RNA sequencing)ファイル、及び特定領域に対して塩基配列分析された標的シーケンシング(targeted sequencing)ファイルを含むことができ、具体的には、WES(whole exome sequencing)ファイルであるが、これに制限されることはない。
以下においては、図1及び2を参照して、本発明の一実施例に係る人工変異または体細胞変異の予測装置に基づく人工変異または体細胞変異予測に対する情報提供システム及び人工変異または体細胞変異の予測装置を説明する。
図1は、本発明の一実施例に係る人工変異または体細胞変異の予測装置を利用した人工変異または体細胞変異の予測に対する情報提供システムを示したものである。
図2は、本発明の一実施例に係る人工変異または体細胞変異予測装置の構成を例示的に示したものである。
まず、図1を参照すると、情報提供システム1000は、医療データおよび/または生物学的試料から収得したデータに基づいてディープラーニングされた神経網モデルを適用した、人工変異または体細胞変異の予測と関連した情報を提供するように構成されたシステムであってよい。このとき、情報提供システム1000は、医療データおよび/または生物学的試料から収得したデータを提供するデータ提供用サーバ/装置100、前記受信されたデータに基づいて人工変異または体細胞変異を予測する予測装置及び受信された予測データに基づいて個体から収得したサンプルに対して人工変異または体細胞変異の予測に対する情報を視覚的に提供する情報提供用デバイス300で構成され得る。
ここで、情報提供用デバイス300は、人工変異または体細胞変異の予測と関連した情報を示すためのユーザインターフェースを提供する電子デバイスであって、スマートフォン、タブレットPC(Personal Computer)、ノートパソコンおよび/またはPC等のうち少なくとも一つを含むことができる。
体細胞変異の予測に対する情報提供用デバイス300は、体細胞変異予測装置200から人工変異または体細胞変異の予測結果と関連した情報を受信し、受信された結果を後述する表示部を通して表示することができる。
体細胞変異予測装置200は、データ提供用サーバ/装置100から獲得可能な多様なデータ(特に医療データおよび/または体細胞変異についてのデータ)に基づいて人工変異または体細胞変異の予測と関連した情報を決定するための多様な演算を遂行する汎用コンピュータ、ラップトップ、および/またはデータサーバ等を含むことができる。このとき、データ提供用サーバ100は、ウェブページを提供するウェブサーバ(web server)またはモバイルウェブサイトを提供するモバイルウェブサーバ(mobile web server)にアクセスするためのデバイスであってよいが、これに限定されない。
より具体的に、体細胞変異予測装置200は、医療データ提供用サーバ100から医療データおよび/または体細胞変異についてのデータを受信し、受信されたデータに基づいて人工変異または体細胞変異を予測して、これと関連した情報を提供することができる。このとき、体細胞変異予測装置200は、ディープラーニングされた神経網モデルを適用してデータ提供用サーバ100から受信した医療データおよび/または生物学的試料から収得した体細胞変異についてのデータに基づいて人工変異または体細胞変異の予測を遂行することができる。
また、体細胞変異予測装置200は、人工変異または体細胞変異予測結果を体細胞変異予測に対する情報提供用デバイス300に提供できる。
このように体細胞変異予測装置200から提供される情報は、体細胞変異予測に対する情報提供用デバイス300に設けられたウェブブラウザを通してウェブページに提供されるか、アプリケーション、またはプログラムの形態で提供され得る。多様な実施例において、このようなデータは、クライアント-サーバ環境でプラットフォームに含まれる形態で提供され得る。
以下においては、本発明の一実施例に係る体細胞変異予測装置200がデータ提供用サーバ100から医療データおよび/または生物学的試料から収得したデータを受信して動作を遂行するものと説明されるが、体細胞予測に対する情報提供用デバイス300そのものが全ての動作を遂行することもできる。
次に、図2を参照して、本発明の体細胞変異予測装置200の構成要素について具体的に説明する。
図2を参照すると、体細胞変異予測装置200は、通信インターフェース210、メモリ220、I/Oインターフェース230及びプロセッサ240を含むことができ、各構成は、一つ以上の通信バスまたは信号ラインを通して互いに通信できる。
通信インターフェース210は、有/無線通信ネットワークを通して体細胞変異予測に対する情報提供用デバイス300及び医療データ提供用サーバ100と連結されてデータをやり取りすることができる。例えば、通信インターフェース210は、医療データ提供用サーバ100から体細胞変異についてのデータおよび/または個体データを受信することができ、決定された人工変異または体細胞変異予測結果についての情報を体細胞変異予測に対する情報提供用デバイス300に送信できる。
一方、このようなデータの送受信を可能にする通信インターフェース210は、有線通信ポート211及び無線回路212を含み、ここで、有線通信ポート211は、一つ以上の有線インターフェース、例えば、イーサネット(登録商標)、汎用直列バス(USB)ファイアワイア等を含むことができる。また、無線回路212は、RF信号または光学信号を通して外部デバイスとデータを送受信できる。併せて、無線通信は、複数の通信標準、プロトコル及び技術、例えば、GSM(登録商標)、EDGE、CDMA、TDMA、ブルートゥース(登録商標)、Wi-Fi(登録商標)、VoIP、Wi-MAX(登録商標)、または任意のその他の適した通信プロトコルのうち少なくとも一つを使用することができる。
メモリ220は、体細胞変異予測装置200で使用される多様なデータを格納することができる。例えば、メモリ220は、体細胞変異についてのデータを格納するか、これに基づいて人工変異または体細胞変異を予測するように構成されたディープラーニングモデルを格納することができる。
多様な実施例において、メモリ220は、各種のデータ、命令及び情報を格納できる揮発性または非揮発性記録媒体を含むことができる。例えば、メモリ220は、フラッシュメモリタイプ、ハードディスクタイプ、マルチメディアカードマイクロタイプ、カードタイプのメモリ(例えばSDまたはXDメモリ等)、ラム、SRAM、ロム、EEPROM、PROM、ネットワーク格納ストレージ、クラウド、ブロックチェーンデータベースのうち少なくとも一つのタイプの格納媒体を含むことができる。
多様な実施例において、メモリ220は、運営体制221、通信モジュール222、ユーザインターフェースモジュール223及び一つ以上のアプリケーション224のうち少なくとも一つの構成を格納することができる。
運営体制221(例えば、LINUX(登録商標)、UNIX(登録商標)、MAC OS、WINDOWS(登録商標)、VxWorks(登録商標)等の内蔵型運営体制)は、一般的なシステム作業(例えば、メモリ管理、格納デバイス制御、電力管理等)を制御し管理するための多様なソフトウェアコンポーネント及びドライバを含むことができ、多様なハードウェア、ファームウェア、及びソフトウェアコンポーネント間の通信を支援することができる。
通信モジュール222は、通信インターフェース210を通して他のデバイスと通信を支援することができる。通信モジュール222は、通信インターフェース210の有線通信ポート211または無線回路212により受信されるデータを処理するための多様なソフトウェア構成要素を含むことができる。
ユーザインターフェースモジュール223は、I/Oインターフェース230を通してキーボード、タッチスクリーン、マイク等からユーザの要請または入力を受信し、ディスプレイ上にユーザインターフェースを提供することができる。
アプリケーション224は、一つ以上のプロセッサ240により実行されるように構成されるプログラムまたはモジュールを含むことができる。ここで、体細胞変異予測と関連した情報を提供するためのアプリケーションは、サーバファーム(server farm)上で具現され得る。
I/Oインターフェース230は、体細胞変異予測装置200の入出力デバイス(図示しない)、例えば、ディスプレイ、キーボード、タッチスクリーン及びマイクのうち少なくとも一つをユーザインターフェースモジュール223と連結することができる。I/Oインターフェース230は、ユーザインターフェースモジュール223と共にユーザ入力(例えば、音声入力、キーボード入力、タッチ入力等)を受信し、受信された入力による命令を処理することができる。
プロセッサ240は、通信インターフェース210、メモリ220及びI/Oインターフェース230と連結されて体細胞変異予測装置200の全般的な動作を制御でき、メモリ220に格納されたアプリケーションまたはプログラムを通して情報提供のための多様な命令を遂行することができる。
プロセッサ240は、CPU(Central Processing Unit)、GPU(Graphic Processing Unit)やAP(Application Processor)のような演算デバイスに該当し得る。また、プロセッサ240は、多様な演算デバイスが統合されたSoC(System on Chip)のような統合チップ(Integrated Chip(IC))の形態に具現され得る。または、プロセッサ240は、NPU(Neural Processing Unit)のように人工神経網モデルを計算するためのモジュールを含むことができる。
多様な実施例において、プロセッサ240は、ディープラーニングされた神経網モデルを適用して医療データおよび/または生物学的試料から収得したデータに基づいて人工変異または体細胞変異判別に必要なデータを算出し、人工変異または体細胞変異を予測して提供するように構成され得る。
一実施例において、体細胞変異予測装置200は、医療データ提供装置100から医療データおよび/または個体から分離された生物学的試料から収得したデータを受信し、前記受信されたデータを利用してディープラーニングされた神経網モデルを適用して人工変異または体細胞変異の有無を予測するように学習されたモデルを利用して体細胞変異に対する予測結果を提供することができる。このとき、医療データおよび/または個体から分離された生物学的試料から収得したデータは、体細胞突然変異についてのデータであってよく、医療データは、NGS(Next Generation Sequencing)データであってよいが、これに制限されるものではなく、個体から分離された生物学的試料で体細胞変異が観察されたものについてのデータを意味し得るが、これに制限されるものではない。具体的に、NGSデータは、WGSファイル、WESファイル、RNAシーケンシングファイル、及び標的シーケンシングファイルのうち少なくとも一つであってよく、具体的には、WESファイルであってよいが、これに制限されることはない。
以下においては、図3及び図4を参照して、本発明の一実施例に係る人工変異または体細胞変異の予測に対する情報提供方法を具体的に説明する。
図3は、本発明の一実施例に係る人工変異または体細胞変異の予測に対する情報提供方法の手順のブロック図である。
図4は、本発明の多様な実施例に係る人工変異または体細胞変異に対する情報提供方法の手順を例示的に示したものである。
まず、図3を参照すると、本発明の一実施例に係る人工変異または体細胞変異の予測に対する情報提供方法の手順は、次のとおりである。
まず、医療データおよび/または個体から分離された生物学的試料に対して発生した変異についてのデータが受信される(S310)。
その後、前記受信されたデータに基づいて人工変異または体細胞変異の判別に必要なデータが算出され(S320)、
体細胞変異判別に必要なデータを入力として、人工変異または体細胞変異を予測するように構成された神経網モデルを利用して、前記算出されたデータを入力として個体から収得したサンプルに対する人工変異または体細胞変異を予測する(S330)。
本発明の特徴によれば、医療データおよび/または個体から分離された生物学的試料に対して発生した変異についてのデータが受信されるステップ(S310)で、WES(whole exome sequencing)ファイル、RNAシーケンシング(RNA sequencing)ファイルまたは標的シーケンシング(targeted sequencing)ファイルが受信され得、具体的には、WESファイルであるが、これに制限されない。
このとき、WESファイル、RNAシーケンシングファイル及び標的シーケンシングファイルは、BAMファイルのフォーマットを有し得るが、NGSデータの形式は、これに制限されるものではない。
次に、前記受信されたデータに基づいて人工変異または体細胞変異の判別に必要なデータが算出されるステップ(S320)は、前記受信されたデータをベクター化するステップ及び前記ベクター化したデータに基づいて類似度を算出するステップをさらに含むことができる。
このとき、表1及び図4を共に参照すると、前記受信されたデータに基づいて変異または人工変異判別に必要なデータを算出するステップで前記算出されたデータは、参照(reference)配列が観察されるリード(read)数/該当位置でのシーケンスデプス(sequence depth)、代替(alternate)配列が観察されるリード(read)数/該当位置でのシーケンスデプス(sequence depth)、参照配列が観察されるリードでリード1がforward strandにマッピングされる配列数とリード2がreverse strandにマッピングされる配列数間の差が参照配列が観察されるリードに占める比率、代替配列が観察されるリードでリード1がforward strandにマッピングされる配列数とリード2がreverse strandにマッピングされる配列数間の差が代替配列が観察されるリードに占める比率、代替配列が観察されるリード内挿入(insert)された長さの中央値を参照配列が観察されるリード内挿入された長さの中央値で除した値、参照切片(reference fragment)でリード1とリード2により2回配列が読まれた配列(double-sequenced bases)の長さ、参照切片でリード1とリード2により2回配列が読まれた回数、代替切片(alternate fragment)でリード1とリード2により2回配列が読まれた配列(double-sequenced bases)の長さ、代替切片でリード1とリード2により2回配列が読まれた回数、変異位置を中心に置いて前後1塩基(base)を含む参照配列(REF_3_BASES)、変異位置を中心に置いて前後1塩基を含む代替配列(ALT_3_BASES)、参照配列が観察されるリード中forward strandにマッピングされる配列数とreverse strandにマッピングされる配列数間の差が参照配列が観察されるリードに占める比率、代替配列が観察されるリード中forward strandにマッピングされる配列数とreverse strandにmappingされる配列数間の差が代替配列が観察されるリードに占める比率からなる群から選択されるいずれか一つ以上を含むことができ、(参照配列が観察されるリードでリード1がforward strandにマッピングされる配列数、リード2がreverse strandにマッピングされる配列数)と定義されるベクター間のコサイン類似度(cosine similarity)、または(参照配列が観察されるリード中forward strandにマッピングされる配列数、reverse strandにマッピングされる配列数)と定義されるベクターと(代替配列が観察されるリード中forward strandにマッピングされる配列数、reverse strandにmappingされる配列数)と定義されるベクター間のコサイン類似度(cosine similarity)をさらに含むことができるが、これに制限されるものではない。
本明細書において使用される用語、「リード(read)」は、アダプタ(adapter)を含むDNAを、用語、「フラグメント(fragment)」は、アダプタ(adapter)を除くDNAを意味し得る。
本明細書において使用される用語、「リード1(read1)」は、NGS装備に入るPaired End DNAが両側端から読まれるとき、5’ to 3’方向に読まれたものを意味し、「リード2(read2)」は、3’ to 5’方向に読まれたものを意味する。
本明細書において使用される用語、「デプス(depth)」は、用語「リードのデプス(read-depth)」と同じ意味で混用されて使用され得、リードの厚さまたは深さを意味する。
本明細書において使用される用語、「fr_ref」は、参照配列が観察されるリードでリード1がforward strandにマッピングされる配列数を意味する。
本明細書において使用される用語、「rf_ref」は、リード2がreverse strandにマッピングされる配列数を意味する。
本明細書において使用される用語、「fr_alt」は、代替配列が観察されるリードでリード1がforward strandにマッピングされる配列数を意味する。
本明細書において使用される用語、「rf_alt」は、リード2がreverse strandにマッピングされる配列数を意味する。
本明細書において使用される用語、「fs_ref」は、参照配列が観察されるリード中forward strandにマッピングされる配列数を意味する。
本明細書において使用される用語、「rs_ref」は、reverse strandにマッピングされる配列数を意味する。
本明細書において使用される用語、「fs_alt」は、代替配列が観察されるリード中forward strandにマッピングされる配列数を意味する。
本明細書において使用される用語、「rs_alt」は、reverse strandにmappingされる配列数を意味する。
このとき、医療データおよび/または個体から分離された生物学的試料に対して発生した変異についてのデータが入力されるモデルは、CNN(Convolution Neural Network)モデル、DNN(Deep Neural Network)、DCNN(Deep Convolution Neural Network)、RNN(Recurrent Neural Network)、RBM(Restricted Boltzmann Machine)、DBN(Deep Belief Network)、SSD(Single Shot Detector)、及びSVM(Support Vector Machine)等、多様なアルゴリズムに基づくことができ、具体的には、CNN(Convolution Neural Network)モデル、DNN(Deep Neural Network)モデルであってよく、さらに具体的には、DNN(Deep Neural Network)モデルであってよいが、これに制限されるものではない。
その後、体細胞変異判別に必要なデータを入力として、人工変異または体細胞変異を予測するように構成された神経網モデルを利用して、前記算出されたデータを入力として個体から収得したサンプルに対する人工変異または体細胞変異を予測するステップ(S330)で、個体から収得したサンプルに対する人工変異または体細胞変異に対する予測結果が決定されて提供される。例えば、モデルは、結果値が実際の人工変異であるか、偽の人工変異であるか、実際の体細胞変異であるか、偽の体細胞変異であるかを出力するように構成され得る。例えば、該当出力は、百分率で示すことができ、閾値を設定して閾値以上の百分率を有する場合を、実際の人工変異であるか、偽の人工変異であるか、実際の体細胞変異であるか、偽の体細胞変異であるか否かを決定できる。
このとき、前記個体から収得したサンプルは、FFPEサンプルであってよく、前記個体は、肝癌、大腸癌、乳癌、肺癌及び線維腫のいずれか一つが発病した個体であってよいが、これに制限されるものではない。
一方、人工変異または体細胞変異の予測に対する情報提供手順は、前述したものに制限されるものではない。
以上の人工変異または体細胞変異の予測に対する情報提供方法に従って、本発明は、アルゴリズムに基づいて人工変異または体細胞変異の予測に対する情報提供システムを提供することで、個々人に対する治療方向の設定がより容易に遂行され得、個別化治療方法の選定に寄与することができる。
即ち、本発明は、神経網モデルに基づく人工変異または体細胞変異の予測に対する情報提供システムの導入で高い正確度でこれを予測することで従来の診断及び情報提供システムが有する限界の補完が可能であり、個々人に対する治療方向の設定がより容易に遂行され得る。
実施例1:FFPEサンプル内の人工変異または体細胞変異の予測率
訓練可能なデータセット(dataset)の生成のために、癌組織FFPE(Formalin-fixed paraffin-embedded)サンプルを収集し、112,976個の変異コールからFF(Frozen Fresh)でも変異が現れた変異を予測した。
その結果、FFサンプルとFFPEサンプルのいずれでも変異が現れた変異は2,113個であり、FFPEサンプルでのみ現れた変異は110,863個であって、約1.8%だけが人工変異でない、体細胞変異を示すことを確認した。
以後、前記確保したサンプル及びディープラーニングされた神経網モデルを利用して体細胞予測と関連度の高い特徴を算出した後、体細胞変異予測に対する性能を評価した。
実施例2:ディープラーニングされた神経網モデルの人工変異または体細胞変異予測の性能評価
以下においては、図5を参照して、本発明の一実施例に係るディープラーニングされた神経網モデルの体細胞変異予測に対する性能評価結果を説明する。
図5a乃至dは、本発明の一実施例に係るディープラーニングされた神経網モデルと比較例の性能を評価した結果を示した図である。
まず、本発明の一実施例に係るディープラーニングされた神経網モデルの評価のために多様な体細胞変異関連データを活用するモデルを比較例1~3で構築し、より詳細には、FFpolish(pre-trained)モデルを比較例1、FFpolish(re-trained)モデルを比較例2、及びSOBDetectorモデルを比較例3として本発明の神経網モデル(DEEPOMICS(R) FFPE)と比較実験した。
精密度(precision)、recall、F1 score、正確度(Accuracy)及び特異度(Specificity)は、下記のように計算した。
その結果、図5aに示したように、本発明の一実施例に係る神経網モデル(DEEPOMICS(登録商標)FFPE)は、人工変異を99.6%除去すると同時に実際の体細胞変異に対しては77.8%の保存能を示すことを確認した。
これに対して、図5bに示したように、比較例1(FFpolish(pre-trained))は、人工変異除去は92.6%、実際の体細胞変異サンプルは69.5%保存することを確認して、本発明の一実施例に係る神経網モデルより人工変異除去能及び実際の体細胞変異サンプル保存能が本発明に比して低いことを確認した。
図5cに示したように、比較例2(FFpolish(re-trained))の場合、人工変異除去は99.6%と現れて高い除去能を示したが、実際の体細胞変異保存が39.8%と現れることを確認した。これは、比較例2のモデルの場合、人工変異の除去時、実際の体細胞変異が起こったサンプルもまた共に除去されて予測結果に影響を及ぼすものと確認された。
図5dに示したように、比較例3(SOBDetector)の場合、人工変異除去は72.1%と現れ、実際の体細胞変異保存は84.5%と現れて人工変異除去能が顕著に低いことを確認した。
本発明の一実施例に係る神経網モデルを利用する場合、F1scoreもまた0.821であり、他の比較例より優れていることを確認し、前記のような結果で、人工変異除去能に優れながらも、同時に実際の体細胞変異が現れたサンプルは除去せずに保存できることを確認した。
評価2:癌腫別のアルゴリズムの人工変異または体細胞変異予測の正確度測定
以下においては、図6a乃至e及び図7a乃至eを参照して、本発明の一実施例に係る神経網モデルの様々な癌種類での体細胞変異予測に対する性能評価結果を説明する。
図6a乃至eは、本発明の一実施例に係る神経網モデルを利用して肝癌、大腸癌、乳癌、肺癌及び線維腫に対する人工変異または体細胞変異予測正確度を比較して示したものである。
図7a乃至eは、前記評価1の比較例のうち比較例1のFFPolishモデルを比較例として肝癌、大腸癌、乳癌、肺癌及び線維腫に対する人工変異または体細胞変異予測正確度を比較して示したものである。
その結果、図6a乃至eに示したように、本発明の一実施例に係る神経網モデルを使用する場合、肝癌、大腸癌、乳癌、肺癌及び線維腫サンプルそれぞれで89.9%、88.2%、99.8%、96.5%及び89.7%であり、優れた人工変異除去能を示し、体細胞変異保存もまたそれぞれ88.5%、89.3%、63.9%、76.4%及び90.2%と現れ、人工変異除去能には優れると同時に実際の体細胞変異サンプル保存能にもまた優れていることを確認した。
これに対して、比較例のFFpolishモデルの場合、図7a乃至eに示したように、肝癌85.3%、大腸癌63.4%、乳癌92.8%、肺癌91.2%及び線維腫71.8%であり、全てのサンプルで本発明のモデルに比して人工変異除去能が低いことを確認することができ、体細胞変異サンプル保存は、それぞれ肝癌69.1%、大腸癌78.9%、乳癌60.6%、肺癌74.3%及び線維腫70.7%と現れ、人工変異除去時、実際の体細胞変異サンプルもまた共に除去される確率が本発明の一実施例に係る神経網モデルに比して高いことを確認した。
以上、添付の図面を参照して、本発明の実施例をさらに詳細に説明したが、本発明は、必ずしもこのような実施例に限定されるものではなく、本発明の技術思想を外れない範囲内で多様に変形実施され得る。従って、本発明に開示された実施例は、本発明の技術思想を限定するためのものではなく、説明するためのものであり、このような実施例によって本発明の技術思想の範囲が限定されるものではない。それゆえ、以上において記述した実施例は、全ての面で例示的なものであり、限定的ではないものと理解すべきである。本発明の保護範囲は、下記の請求の範囲によって解釈されるべきであり、それと同等な範囲内にある全ての技術思想は、本発明の権利範囲に含まれるものと解釈されるべきである。

Claims (16)

  1. プロセッサにより具現される人工変異または体細胞変異の予測に対する情報提供方法であって、
    医療データまたは個体から分離された生物学的試料から収得したデータを受信するステップ;
    前記受信されたデータに基づいて人工変異または体細胞変異判別に必要なデータを算出するステップ;及び
    体細胞変異判別に必要なデータを入力として、人工変異または体細胞変異を予測するように構成された神経網モデルを利用して、前記算出されたデータを入力として個体から収得したサンプルに対する人工変異または体細胞変異を予測するステップ
    を含み、
    前記受信されたデータに基づいて人工変異または体細胞変異判別に必要なデータを算出するステップにおいて、前記算出されたデータは、
    参照(reference)配列が観察されるリード(read)数/該当位置でのシーケンスデプス(sequence depth)、代替(alternate)配列が観察されるリード(read)数/該当位置でのシーケンスデプス(sequence depth)、参照配列が観察されるリードでリード1がforward strandにマッピングされる配列数とリード2がreverse strandにマッピングされる配列数間の差が参照配列が観察されるリードに占める比率、代替配列が観察されるリードでリード1がforward strandにマッピングされる配列数とリード2がreverse strandにマッピングされる配列数間の差が代替配列が観察されるリードに占める比率、代替配列が観察されるリード内挿入(insert)された長さの中央値を参照配列が観察されるリード内挿入された長さの中央値で除した値、参照切片(reference fragment)でリード1とリード2により2回配列が読まれた配列(double-sequenced bases)の長さ、参照切片でリード1とリード2により2回配列が読まれた回数、代替切片(alternate fragment)でリード1とリード2により2回配列が読まれた配列(double-sequenced bases)の長さ、代替切片でリード1とリード2により2回配列が読まれた回数、変異位置を中心に置いて前後1塩基(base)を含む参照配列(REF_3_BASES)、変異位置を中心に置いて前後1塩基を含む代替配列(ALT_3_BASES)、参照配列が観察されるリード中forward strandにマッピングされる配列数とreverse strandにマッピングされる配列数間の差が参照配列が観察されるリードに占める比率、代替配列が観察されるリード中forward strandにマッピングされる配列数とreverse strandにmappingされる配列数間の差が代替配列が観察されるリードに占める比率からなる群から選択されるいずれか一つ以上を含むものであり、
    前記受信されたデータに基づいて人工変異または体細胞変異判別に必要なデータを算出するステップにおいて、前記算出されたデータは、
    (参照配列が観察されるリードでリード1がforward strandにマッピングされる配列数、リード2がreverse strandにマッピングされる配列数)と定義されるベクター間のコサイン類似度(cosine similarity)、または(参照配列が観察されるリード中forward strandにマッピングされる配列数、reverse strandにマッピングされる配列数)と定義されるベクターと(代替配列が観察されるリード中forward strandにマッピングされる配列数、reverse strandにmappingされる配列数)と定義されるベクター間のコサイン類似度(cosine similarity)をさらに含むものである、
    人工変異または体細胞変異の予測に対する情報提供方法。
  2. 前記医療データは、体細胞変異に対するNGS(Next Generation Sequencing)データのものである、請求項1に記載の人工変異または体細胞変異の予測に対する情報提供方法。
  3. 前記NGSデータは、遺伝体全体に対して塩基配列分析されたWGS(whole genome sequencing)ファイル、WES(whole exome sequencing)ファイル、RNAシーケンシング(RNA sequencing)ファイル及び特定領域に対して塩基配列分析された標的シーケンシング(targeted sequencing)のいずれか一つのものである、請求項2に記載の人工変異または体細胞変異の予測に対する情報提供方法。
  4. 前記受信されたデータに基づいて人工変異または体細胞変異判別に必要なデータを算出するステップは、
    前記受信されたデータをベクター化するステップを含むものである、請求項1に記載の人工変異または体細胞変異の予測に対する情報提供方法。
  5. 前記受信されたデータに基づいて人工変異または体細胞変異判別に必要なデータを算出するステップは、
    前記ベクター化したデータに基づいて類似度を算出するステップをさらに含む、請求項4に記載の人工変異または体細胞変異の予測に対する情報提供方法。
  6. 前記算出されたデータに基づいて個体から収得したサンプルに対して人工変異または体細胞変異該当に対する予測を決定するステップにおいて、
    前記個体から収得したサンプルは、FFPEサンプルであることを特徴とする、請求項1に記載の人工変異または体細胞変異の予測に対する情報提供方法。
  7. 前記算出されたデータに基づいて個体から収得したサンプルに対して人工変異または体細胞変異該当に対する予測を決定するステップにおいて、
    前記個体は、癌が発病した個体であることを特徴とする、
    請求項1に記載の人工変異または体細胞変異の予測に対する情報提供方法。
  8. 前記癌は、肝癌、大腸癌、乳癌、肺癌及び線維腫のいずれか一つのものである、請求項7に記載の人工変異または体細胞変異の予測に対する情報提供方法。
  9. データ提供用サーバから医療データまたは生物学的試料から収得した体細胞変異についてのデータを受信する通信部、及び
    前記通信部と電気的に連結されたプロセッサを含み、前記プロセッサは、
    前記受信されたデータに基づいて人工変異または体細胞変異判別に必要なデータを算出し、
    体細胞変異判別に必要なデータを入力として、人工変異または体細胞変異を予測するように構成された神経網モデルを利用して、前記算出されたデータを入力として個体から収得したサンプルに対する人工変異または体細胞変異を予測するように構成された、
    人工変異または体細胞変異の予測に対する情報提供用デバイスにおいて、
    前記受信されたデータに基づいて人工変異または体細胞変異判別に必要なデータは、参照(reference)配列が観察されるリード(read)数/該当位置でのシーケンスデプス(sequence depth)、代替(alternate)配列が観察されるリード(read)数/該当位置でのシーケンスデプス(sequence depth)、参照配列が観察されるリードでリード1がforward strandにマッピングされる配列数とリード2がreverse strandにマッピングされる配列数間の差が参照配列が観察されるリードに占める比率、代替配列が観察されるリードでリード1がforward strandにマッピングされる配列数とリード2がreverse strandにマッピングされる配列数間の差が代替配列が観察されるリードに占める比率、代替配列が観察されるリード内挿入(insert)された長さの中央値を参照配列が観察されるリード内挿入された長さの中央値で除した値、参照切片(reference fragment)でリード1とリード2により2回配列が読まれた配列(double-sequenced bases)の長さ、参照切片でリード1とリード2により2回配列が読まれた回数、代替切片(alternate fragment)でリード1とリード2により2回配列が読まれた配列(double-sequenced bases)の長さ、代替切片でリード1とリード2により2回配列が読まれた回数、変異位置を中心に置いて前後1塩基(base)を含む参照配列(REF_3_BASES)、変異位置を中心に置いて前後1塩基を含む代替配列(ALT_3_BASES)、参照配列が観察されるリード中forward strandにマッピングされる配列数とreverse strandにマッピングされる配列数間の差が参照配列が観察されるリードに占める比率、代替配列が観察されるリード中forward strandにマッピングされる配列数とreverse strandにmappingされる配列数間の差が代替配列が観察されるリードに占める比率からなる群から選択されるいずれか一つ以上を含み、
    前記受信されたデータに基づいて人工変異または体細胞変異判別に必要なデータは、(参照配列が観察されるリードでリード1がforward strandにマッピングされる配列数、リード2がreverse strandにマッピングされる配列数)と定義されるベクター間のコサイン類似度(cosine similarity)、または(参照配列が観察されるリード中forward strandにマッピングされる配列数、reverse strandにマッピングされる配列数)と定義されるベクターと(代替配列が観察されるリード中forward strandにマッピングされる配列数、reverse strandにmappingされる配列数)と定義されるベクター間のコサイン類似度(cosine similarity)をさらに含む、人工変異または体細胞変異の予測に対する情報提供用デバイス。
  10. 前記医療データは、体細胞変異に対するNGS(Next Generation Sequencing)データのものである、
    請求項9に記載の人工変異または体細胞変異の予測に対する情報提供用デバイス。
  11. 前記NGSデータは、遺伝体全体に対して塩基配列分析されたWGS(whole genome sequencing)ファイル、WES(whole exome sequencing)ファイル、RNAシーケンシング(RNA sequencing)ファイル及び特定領域に対して塩基配列分析された標的シーケンシング(targeted sequencing)のいずれか一つのものである、
    請求項10に記載の人工変異または体細胞変異の予測に対する情報提供用デバイス。
  12. 前記プロセッサは、
    前記受信されたデータをベクター化するようにさらに構成された、
    請求項9に記載の人工変異または体細胞変異の予測に対する情報提供用デバイス。
  13. 前記プロセッサは、
    前記ベクター化したデータに基づいて類似度を算出するようにさらに構成された、請求項12に記載の人工変異または体細胞変異の予測に対する情報提供用デバイス。
  14. 前記個体から収得したサンプルは、FFPEサンプルであることを特徴とする、請求項9に記載の人工変異または体細胞変異の予測に対する情報提供用デバイス。
  15. 前記個体は、癌が発病した個体であることを特徴とする、
    請求項9に記載の人工変異または体細胞変異の予測に対する情報提供用デバイス。
  16. 前記癌は、肝癌、大腸癌、乳癌、肺癌及び線維腫のいずれか一つのものである、請求項15に記載の人工変異または体細胞変異の予測に対する情報提供用デバイス。
JP2024570446A 2022-12-05 2023-08-29 ホルマリン固定パラフィン包埋されたサンプルで生成されたdnaシーケンシングデータでディープラーニングを利用した体細胞変異と人工変異の区別方法及びそれを利用した装置 Active JP7842487B2 (ja)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
KR10-2022-0168010 2022-12-05
KR20220168010 2022-12-05
KR1020230022977A KR102683687B1 (ko) 2022-12-05 2023-02-21 포르말린 고정 파라핀 포매된 샘플에서 생성된 dna 시컨싱 데이터에서 딥러닝을 이용한 체세포 변이와 인공 변이의 구별 방법 및 이를 이용한 장치
KR10-2023-0022977 2023-02-21
PCT/KR2023/012761 WO2024122804A1 (ko) 2022-12-05 2023-08-29 포르말린 고정 파라핀 포매된 샘플에서 생성된 dna 시컨싱 데이터에서 딥러닝을 이용한 체세포 변이와 인공 변이의 구별 방법 및 이를 이용한 장치

Publications (2)

Publication Number Publication Date
JP2025520108A JP2025520108A (ja) 2025-07-01
JP7842487B2 true JP7842487B2 (ja) 2026-04-08

Family

ID=91379565

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2024570446A Active JP7842487B2 (ja) 2022-12-05 2023-08-29 ホルマリン固定パラフィン包埋されたサンプルで生成されたdnaシーケンシングデータでディープラーニングを利用した体細胞変異と人工変異の区別方法及びそれを利用した装置

Country Status (4)

Country Link
EP (1) EP4632747A1 (ja)
JP (1) JP7842487B2 (ja)
CN (1) CN119856229A (ja)
WO (1) WO2024122804A1 (ja)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190189242A1 (en) 2017-12-18 2019-06-20 Personal Genome Diagnostics Inc. Machine learning system and method for somatic mutation discovery

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112029861B (zh) * 2020-09-07 2021-09-21 臻悦生物科技江苏有限公司 基于捕获测序技术的肿瘤突变负荷检测装置及方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190189242A1 (en) 2017-12-18 2019-06-20 Personal Genome Diagnostics Inc. Machine learning system and method for somatic mutation discovery

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
Hyunbin Kim et al.,FIREVAT: finding reliable variants without artifacts in human cancer samples using etiologically relevant mutational signatures,Genome Medicine,[online],11,2019年12月11日,p.1-17,[検索日:令和7年11月14日検索],インターネット,URL:https://genomemedicine.biomedcentral.com/articles/10.1186/s13073-019-0695-x

Also Published As

Publication number Publication date
WO2024122804A1 (ko) 2024-06-13
JP2025520108A (ja) 2025-07-01
CN119856229A (zh) 2025-04-18
EP4632747A1 (en) 2025-10-15

Similar Documents

Publication Publication Date Title
van Der Pol et al. Real‐time analysis of the cancer genome and fragmentome from plasma and urine cell‐free DNA using nanopore sequencing
US20230175058A1 (en) Methods and systems for abnormality detection in the patterns of nucleic acids
Asada et al. Integrated analysis of whole genome and epigenome data using machine learning technology: toward the establishment of precision oncology
US20200165683A1 (en) Systems and methods for analyzing circulating tumor dna
ES2990062T3 (es) Sistemas y métodos para determinar si un sujeto tiene una condición de cáncer utilizando aprendizaje por transferencia
JP2022521492A (ja) 相同組換え欠損を推定するための統合された機械学習フレームワーク
JP7141029B2 (ja) データベースを構築する方法
JP2021502126A (ja) 構造変異の分析
CA3119328C (en) Prediction of the source of origin of cancer tissue with multi-level analysis of small variants in cell-free DNA samples
JP2023540257A (ja) がんを分類するためのサンプルの検証
US11217329B1 (en) Methods and systems for determining biological sample integrity
CN114360721A (zh) 代谢相关子宫内膜癌的预后模型及构建方法
Mardis The emergence of cancer genomics in diagnosis and precision medicine
WO2024129844A1 (en) Techniques for designing patient-specific panels and methods of use thereof for detecting minimal residual disease
Di et al. Corneodesmosin as a potential target of oral squamous cell carcinoma
KR102683687B1 (ko) 포르말린 고정 파라핀 포매된 샘플에서 생성된 dna 시컨싱 데이터에서 딥러닝을 이용한 체세포 변이와 인공 변이의 구별 방법 및 이를 이용한 장치
JP2026514368A (ja) 腫瘍情報を活用した微小残存病変検出方法及び装置
JP2025520108A (ja) ホルマリン固定パラフィン包埋されたサンプルで生成されたdnaシーケンシングデータでディープラーニングを利用した体細胞変異と人工変異の区別方法及びそれを利用した装置
EP4680766A1 (en) White blood cell contamination detection
Denninghoff Molecular pathology in the new age of personalized medicine
KR20250159980A (ko) 포르말린 고정 파라핀 포매된 샘플에서 생성된 dna 시컨싱 데이터에서 딥러닝을 이용한 체세포 변이와 인공 변이의 구별 방법 및 이를 이용한 장치
JP2014518086A (ja) 腫瘍起源の決定
Mohammed et al. The Role of Molecular Pathology in Precision Medicine: The Anatomical Pathology Perspective
WO2024173242A2 (en) Systems and methods for minimal residual disease analysis
Xiang et al. Transcriptomic Analysis of Circular RNA as Potential Biomarkers in Diagnosing Atopic Dermatitis

Legal Events

Date Code Title Description
A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20241128

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20241128

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20251125

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20260224

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20260303

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20260319

R150 Certificate of patent or registration of utility model

Ref document number: 7842487

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150