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
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
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。
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。
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。
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。
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。
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。
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。
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。
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、「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、「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、「rs_alt」は、reverse strandにmappingされる配列数を意味する。
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。
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。
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。
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。
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。
Claims (16)
- 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。 - 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。
- 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。
- 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。 - 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。 - 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。 - 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。 - 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。
- 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。 - 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。 - 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。 - 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。 - 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。 - 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。
- 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。 - 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。
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)
| 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)
| 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 |
-
2023
- 2023-08-29 JP JP2024570446A patent/JP7842487B2/ja active Active
- 2023-08-29 WO PCT/KR2023/012761 patent/WO2024122804A1/ko not_active Ceased
- 2023-08-29 EP EP23900825.3A patent/EP4632747A1/en active Pending
- 2023-08-29 CN CN202380064306.0A patent/CN119856229A/zh active Pending
Patent Citations (1)
| 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)
| 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 |