KR102531776B1 - 유전 및 라이프스타일 위험도 평가 기반 제2형 당뇨병 고위험군 진단 방법 - Google Patents
유전 및 라이프스타일 위험도 평가 기반 제2형 당뇨병 고위험군 진단 방법 Download PDFInfo
- Publication number
- KR102531776B1 KR102531776B1 KR1020220143100A KR20220143100A KR102531776B1 KR 102531776 B1 KR102531776 B1 KR 102531776B1 KR 1020220143100 A KR1020220143100 A KR 1020220143100A KR 20220143100 A KR20220143100 A KR 20220143100A KR 102531776 B1 KR102531776 B1 KR 102531776B1
- Authority
- KR
- South Korea
- Prior art keywords
- risk
- genetic
- diabetes
- user
- type
- Prior art date
Links
- 208000001072 type 2 diabetes mellitus Diseases 0.000 title claims abstract description 56
- 230000002068 genetic effect Effects 0.000 title claims description 78
- 238000000034 method Methods 0.000 title abstract description 12
- 238000012502 risk assessment Methods 0.000 title 1
- 238000004364 calculation method Methods 0.000 claims description 22
- 206010012601 diabetes mellitus Diseases 0.000 claims description 16
- 230000000391 smoking effect Effects 0.000 claims description 14
- 230000037081 physical activity Effects 0.000 claims description 12
- 208000008589 Obesity Diseases 0.000 claims description 10
- 230000035772 mutation Effects 0.000 claims description 10
- 235000020824 obesity Nutrition 0.000 claims description 10
- 235000005911 diet Nutrition 0.000 claims description 9
- 230000037213 diet Effects 0.000 claims description 9
- 235000021023 sodium intake Nutrition 0.000 claims description 9
- 230000000694 effects Effects 0.000 claims description 8
- WQZGKKKJIJFFOK-GASJEMHNSA-N Glucose Natural products OC[C@H]1OC(O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-GASJEMHNSA-N 0.000 claims description 6
- 239000008280 blood Substances 0.000 claims description 6
- 210000004369 blood Anatomy 0.000 claims description 6
- 230000007614 genetic variation Effects 0.000 claims description 6
- 239000008103 glucose Substances 0.000 claims description 6
- 238000011160 research Methods 0.000 claims description 6
- 238000007410 oral glucose tolerance test Methods 0.000 claims description 4
- 238000013058 risk prediction model Methods 0.000 claims description 4
- 238000013135 deep learning Methods 0.000 claims description 2
- 238000000611 regression analysis Methods 0.000 claims 1
- 201000010099 disease Diseases 0.000 abstract description 3
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 abstract description 3
- 238000013399 early diagnosis Methods 0.000 abstract description 3
- 235000021109 kimchi Nutrition 0.000 description 15
- 240000007594 Oryza sativa Species 0.000 description 10
- 235000007164 Oryza sativa Nutrition 0.000 description 10
- 238000004458 analytical method Methods 0.000 description 10
- 235000013305 food Nutrition 0.000 description 10
- 235000009566 rice Nutrition 0.000 description 10
- 240000007124 Brassica oleracea Species 0.000 description 8
- 235000015277 pork Nutrition 0.000 description 8
- 235000003899 Brassica oleracea var acephala Nutrition 0.000 description 7
- 241000219130 Cucurbita pepo subsp. pepo Species 0.000 description 7
- 241000220259 Raphanus Species 0.000 description 7
- 235000006140 Raphanus sativus var sativus Nutrition 0.000 description 7
- 235000011301 Brassica oleracea var capitata Nutrition 0.000 description 6
- 235000001169 Brassica oleracea var oleracea Nutrition 0.000 description 6
- 244000046052 Phaseolus vulgaris Species 0.000 description 6
- 235000010627 Phaseolus vulgaris Nutrition 0.000 description 6
- 235000000832 Ayote Nutrition 0.000 description 5
- 235000009854 Cucurbita moschata Nutrition 0.000 description 5
- 235000009804 Cucurbita pepo subsp pepo Nutrition 0.000 description 5
- 235000012631 food intake Nutrition 0.000 description 5
- 230000037406 food intake Effects 0.000 description 5
- 235000015136 pumpkin Nutrition 0.000 description 5
- 235000013311 vegetables Nutrition 0.000 description 5
- 241001474374 Blennius Species 0.000 description 4
- 235000008534 Capsicum annuum var annuum Nutrition 0.000 description 4
- 241001454694 Clupeiformes Species 0.000 description 4
- 241000219112 Cucumis Species 0.000 description 4
- 235000015510 Cucumis melo subsp melo Nutrition 0.000 description 4
- 235000011511 Diospyros Nutrition 0.000 description 4
- FJJCIZWZNKZHII-UHFFFAOYSA-N [4,6-bis(cyanoamino)-1,3,5-triazin-2-yl]cyanamide Chemical compound N#CNC1=NC(NC#N)=NC(NC#N)=N1 FJJCIZWZNKZHII-UHFFFAOYSA-N 0.000 description 4
- 235000019513 anchovy Nutrition 0.000 description 4
- 235000019688 fish Nutrition 0.000 description 4
- 235000013372 meat Nutrition 0.000 description 4
- 235000015097 nutrients Nutrition 0.000 description 4
- 241000251468 Actinopterygii Species 0.000 description 3
- 241000234282 Allium Species 0.000 description 3
- 102000017011 Glycated Hemoglobin A Human genes 0.000 description 3
- 240000008415 Lactuca sativa Species 0.000 description 3
- 235000003228 Lactuca sativa Nutrition 0.000 description 3
- 235000009337 Spinacia oleracea Nutrition 0.000 description 3
- 244000300264 Spinacia oleracea Species 0.000 description 3
- 235000015278 beef Nutrition 0.000 description 3
- 235000021217 cabbage soup Nutrition 0.000 description 3
- 235000013339 cereals Nutrition 0.000 description 3
- 235000006694 eating habits Nutrition 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 108091005995 glycated hemoglobin Proteins 0.000 description 3
- 235000014571 nuts Nutrition 0.000 description 3
- 238000003908 quality control method Methods 0.000 description 3
- 239000011734 sodium Substances 0.000 description 3
- 241000332371 Abutilon x hybridum Species 0.000 description 2
- 108700028369 Alleles Proteins 0.000 description 2
- 235000002732 Allium cepa var. cepa Nutrition 0.000 description 2
- 240000002234 Allium sativum Species 0.000 description 2
- 244000144725 Amygdalus communis Species 0.000 description 2
- 244000144730 Amygdalus persica Species 0.000 description 2
- 244000105624 Arachis hypogaea Species 0.000 description 2
- 241000512259 Ascophyllum nodosum Species 0.000 description 2
- 240000004160 Capsicum annuum Species 0.000 description 2
- 240000008384 Capsicum annuum var. annuum Species 0.000 description 2
- 235000007862 Capsicum baccatum Nutrition 0.000 description 2
- 244000241235 Citrullus lanatus Species 0.000 description 2
- 235000012828 Citrullus lanatus var citroides Nutrition 0.000 description 2
- 241000675108 Citrus tangerina Species 0.000 description 2
- 240000008067 Cucumis sativus Species 0.000 description 2
- 235000010799 Cucumis sativus var sativus Nutrition 0.000 description 2
- 235000003954 Cucurbita pepo var melopepo Nutrition 0.000 description 2
- 244000000626 Daucus carota Species 0.000 description 2
- 235000002767 Daucus carota Nutrition 0.000 description 2
- 244000236655 Diospyros kaki Species 0.000 description 2
- 244000055850 Diospyros virginiana Species 0.000 description 2
- 235000016623 Fragaria vesca Nutrition 0.000 description 2
- 240000009088 Fragaria x ananassa Species 0.000 description 2
- 235000011363 Fragaria x ananassa Nutrition 0.000 description 2
- 102000001554 Hemoglobins Human genes 0.000 description 2
- 108010054147 Hemoglobins Proteins 0.000 description 2
- 240000005979 Hordeum vulgare Species 0.000 description 2
- 235000007340 Hordeum vulgare Nutrition 0.000 description 2
- DGAQECJNVWCQMB-PUAWFVPOSA-M Ilexoside XXIX Chemical compound C[C@@H]1CC[C@@]2(CC[C@@]3(C(=CC[C@H]4[C@]3(CC[C@@H]5[C@@]4(CC[C@@H](C5(C)C)OS(=O)(=O)[O-])C)C)[C@@H]2[C@]1(C)O)C)C(=O)O[C@H]6[C@@H]([C@H]([C@@H]([C@H](O6)CO)O)O)O.[Na+] DGAQECJNVWCQMB-PUAWFVPOSA-M 0.000 description 2
- 244000017020 Ipomoea batatas Species 0.000 description 2
- 235000002678 Ipomoea batatas Nutrition 0.000 description 2
- 235000007688 Lycopersicon esculentum Nutrition 0.000 description 2
- 235000011430 Malus pumila Nutrition 0.000 description 2
- 235000015103 Malus silvestris Nutrition 0.000 description 2
- 240000005561 Musa balbisiana Species 0.000 description 2
- 235000018290 Musa x paradisiaca Nutrition 0.000 description 2
- 235000004199 Oenanthe sarmentosa Nutrition 0.000 description 2
- 240000006243 Oenanthe sarmentosa Species 0.000 description 2
- 235000004347 Perilla Nutrition 0.000 description 2
- 244000124853 Perilla frutescens Species 0.000 description 2
- 235000008331 Pinus X rigitaeda Nutrition 0.000 description 2
- 235000011613 Pinus brutia Nutrition 0.000 description 2
- 241000018646 Pinus brutia Species 0.000 description 2
- 241001098054 Pollachius pollachius Species 0.000 description 2
- 235000006040 Prunus persica var persica Nutrition 0.000 description 2
- 235000009936 Pteridium aquilinum Nutrition 0.000 description 2
- 240000005893 Pteridium aquilinum Species 0.000 description 2
- 235000014443 Pyrus communis Nutrition 0.000 description 2
- 240000001987 Pyrus communis Species 0.000 description 2
- 241001417494 Sciaenidae Species 0.000 description 2
- 241000269821 Scombridae Species 0.000 description 2
- 235000003828 Sium suave Nutrition 0.000 description 2
- 240000003768 Solanum lycopersicum Species 0.000 description 2
- 244000269722 Thea sinensis Species 0.000 description 2
- 235000009754 Vitis X bourquina Nutrition 0.000 description 2
- 235000012333 Vitis X labruscana Nutrition 0.000 description 2
- 240000006365 Vitis vinifera Species 0.000 description 2
- 235000014787 Vitis vinifera Nutrition 0.000 description 2
- 210000001015 abdomen Anatomy 0.000 description 2
- 235000020224 almond Nutrition 0.000 description 2
- 230000001174 ascending effect Effects 0.000 description 2
- 235000013527 bean curd Nutrition 0.000 description 2
- 235000013361 beverage Nutrition 0.000 description 2
- 239000001728 capsicum frutescens Substances 0.000 description 2
- 235000015190 carrot juice Nutrition 0.000 description 2
- 235000013351 cheese Nutrition 0.000 description 2
- 230000009194 climbing Effects 0.000 description 2
- 239000006071 cream Substances 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 235000013312 flour Nutrition 0.000 description 2
- 235000011389 fruit/vegetable juice Nutrition 0.000 description 2
- 235000004611 garlic Nutrition 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 235000019674 grape juice Nutrition 0.000 description 2
- 235000008216 herbs Nutrition 0.000 description 2
- 235000015243 ice cream Nutrition 0.000 description 2
- 235000015110 jellies Nutrition 0.000 description 2
- 239000008274 jelly Substances 0.000 description 2
- 238000007477 logistic regression Methods 0.000 description 2
- 235000020640 mackerel Nutrition 0.000 description 2
- 238000010197 meta-analysis Methods 0.000 description 2
- 235000013336 milk Nutrition 0.000 description 2
- 239000008267 milk Substances 0.000 description 2
- 210000004080 milk Anatomy 0.000 description 2
- 238000007481 next generation sequencing Methods 0.000 description 2
- 235000020232 peanut Nutrition 0.000 description 2
- 238000000513 principal component analysis Methods 0.000 description 2
- 235000020991 processed meat Nutrition 0.000 description 2
- 239000000523 sample Substances 0.000 description 2
- 235000013580 sausages Nutrition 0.000 description 2
- 238000012163 sequencing technique Methods 0.000 description 2
- 239000000779 smoke Substances 0.000 description 2
- 229910052708 sodium Inorganic materials 0.000 description 2
- 235000014347 soups Nutrition 0.000 description 2
- 230000009182 swimming Effects 0.000 description 2
- 235000013616 tea Nutrition 0.000 description 2
- 235000015193 tomato juice Nutrition 0.000 description 2
- 235000013618 yogurt Nutrition 0.000 description 2
- FGRBYDKOBBBPOI-UHFFFAOYSA-N 10,10-dioxo-2-[4-(N-phenylanilino)phenyl]thioxanthen-9-one Chemical compound O=C1c2ccccc2S(=O)(=O)c2ccc(cc12)-c1ccc(cc1)N(c1ccccc1)c1ccccc1 FGRBYDKOBBBPOI-UHFFFAOYSA-N 0.000 description 1
- TVEXGJYMHHTVKP-UHFFFAOYSA-N 6-oxabicyclo[3.2.1]oct-3-en-7-one Chemical compound C1C2C(=O)OC1C=CC2 TVEXGJYMHHTVKP-UHFFFAOYSA-N 0.000 description 1
- 240000006108 Allium ampeloprasum Species 0.000 description 1
- 235000005254 Allium ampeloprasum Nutrition 0.000 description 1
- 235000001270 Allium sibiricum Nutrition 0.000 description 1
- 101100096719 Arabidopsis thaliana SSL2 gene Proteins 0.000 description 1
- 235000003261 Artemisia vulgaris Nutrition 0.000 description 1
- 240000006891 Artemisia vulgaris Species 0.000 description 1
- 241000656147 Benthodesmus simonyi Species 0.000 description 1
- 235000016068 Berberis vulgaris Nutrition 0.000 description 1
- 241000335053 Beta vulgaris Species 0.000 description 1
- 235000011299 Brassica oleracea var botrytis Nutrition 0.000 description 1
- 235000017647 Brassica oleracea var italica Nutrition 0.000 description 1
- 235000012905 Brassica oleracea var viridis Nutrition 0.000 description 1
- 240000003259 Brassica oleracea var. botrytis Species 0.000 description 1
- 235000010149 Brassica rapa subsp chinensis Nutrition 0.000 description 1
- 244000221633 Brassica rapa subsp chinensis Species 0.000 description 1
- 235000007871 Chrysanthemum coronarium Nutrition 0.000 description 1
- 244000067456 Chrysanthemum coronarium Species 0.000 description 1
- 235000007542 Cichorium intybus Nutrition 0.000 description 1
- 244000298479 Cichorium intybus Species 0.000 description 1
- 244000205754 Colocasia esculenta Species 0.000 description 1
- 235000006481 Colocasia esculenta Nutrition 0.000 description 1
- 241001149724 Cololabis adocetus Species 0.000 description 1
- 244000018436 Coriandrum sativum Species 0.000 description 1
- 101150076104 EAT2 gene Proteins 0.000 description 1
- 244000227407 Malope trifida Species 0.000 description 1
- 241000220225 Malus Species 0.000 description 1
- 235000000060 Malva neglecta Nutrition 0.000 description 1
- 101100366560 Panax ginseng SS10 gene Proteins 0.000 description 1
- 241000269978 Pleuronectiformes Species 0.000 description 1
- 241001622901 Scomberomorus commerson Species 0.000 description 1
- 235000003953 Solanum lycopersicum var cerasiforme Nutrition 0.000 description 1
- 240000003040 Solanum lycopersicum var. cerasiforme Species 0.000 description 1
- 241001441724 Tetraodontidae Species 0.000 description 1
- 235000015197 apple juice Nutrition 0.000 description 1
- 239000012472 biological sample Substances 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 210000004027 cell Anatomy 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 210000000349 chromosome Anatomy 0.000 description 1
- 235000019987 cider Nutrition 0.000 description 1
- 239000000571 coke Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 235000009508 confectionery Nutrition 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 235000013365 dairy product Nutrition 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000009365 direct transmission Effects 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000003205 genotyping method Methods 0.000 description 1
- 235000021384 green leafy vegetables Nutrition 0.000 description 1
- 235000004280 healthy diet Nutrition 0.000 description 1
- 230000009349 indirect transmission Effects 0.000 description 1
- 238000002493 microarray Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000002773 nucleotide Substances 0.000 description 1
- 125000003729 nucleotide group Chemical group 0.000 description 1
- 235000021201 onion's soup Nutrition 0.000 description 1
- 235000015205 orange juice Nutrition 0.000 description 1
- 235000015206 pear juice Nutrition 0.000 description 1
- 235000021110 pickles Nutrition 0.000 description 1
- 235000021395 porridge Nutrition 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000000746 purification Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 235000014214 soft drink Nutrition 0.000 description 1
- 235000013547 stew Nutrition 0.000 description 1
- 210000004243 sweat Anatomy 0.000 description 1
- 235000019527 sweetened beverage Nutrition 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000008685 targeting Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 235000015192 vegetable juice Nutrition 0.000 description 1
- 235000012033 vegetable salad Nutrition 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
- A61B5/14532—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue for measuring glucose, e.g. by tissue impedance measurement
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- 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
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Epidemiology (AREA)
- Biomedical Technology (AREA)
- Primary Health Care (AREA)
- Pathology (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Biophysics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Biotechnology (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Molecular Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Emergency Medicine (AREA)
- Veterinary Medicine (AREA)
- Surgery (AREA)
- Bioethics (AREA)
- Optics & Photonics (AREA)
- Heart & Thoracic Surgery (AREA)
- Computing Systems (AREA)
- Animal Behavior & Ethology (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Genetics & Genomics (AREA)
- Proteomics, Peptides & Aminoacids (AREA)
Abstract
본 발명은 빅데이터 기반의 제2형 당뇨병 발병 위험도 예측 시스템, 예측방법, 및 프로그램 등에 관한 것으로서, 본 발명의 제공으로 한국인을 대상으로 제2형 당뇨병 발병 위험도 예측 결과의 정확도를 향상시킬 수 있다. 본 발명은 한국인을 대상으로 높은 정확도로 제2형 당뇨병 발병 위험도를 예측할 수 있고, 개인 맞춤형 생활습관 중재, 질병의 조기 진단 및 빠른 치료 등에 적용할 수 있을 것으로 기대된다.
Description
본 발명은 유전 및 라이프스타일 위험도 기반의 제2형 당뇨병 발병 위험도 예측 시스템, 고위험군 예측 방법, 및 프로그램 등에 관한 것이다.
제2형 당뇨병(이하 '당뇨')은 유전적 요인이 약 40%로 알려져 있으며 나머지 60%가 생활습관 등 환경적 영향에 의해 발병한다고 보고된바 있다.
전 세계적으로 초고령화 시대에 접어들면서 당뇨 발병 위험도를 사전에 예측하여 생활습관을 개선하거나, 초기에 진단 및 치료를 통해 건강한 백세시대를 맞이하고자 하는 니즈가 증가하고 있다.
종래의 당뇨병 발병 위험도를 예측하는 방법들은 유전적 요인 또는 생활습관 등 환경적 영향을 단편적으로 사용하여 당뇨를 예측하였으나 이를 복합적으로 활용하지 않아 당뇨 예측 정확도가 낮다는 한계점이 있다.
최근 연구를 통해 동일한 유전적 위험도를 가지는 집단 내에서 생활습관이 좋지 않은 그룹이 나머지 그룹에 비해 약 2~3배 제2형 당뇨 발병률이 높아지는 것이 보고되었으며(Said MA et al. JAMA Cardiol. 2018) 유전적 요인과 생활습관 요인 모두 고위험군인 그룹은 두 요인 모두 위험도가 낮은 그룹 대비 15.46배 제2형 당뇨 발병 위험도가 증가한 것이 보고된 바 있으나, 대부분 유럽인을 대상으로 수행되어 인종 별로 상이한 유전 및 생활습관 요인으로 인해 비유럽인에 적용 시 예측 정확도 등이 낮아지는 한계점이 있다. 동아시아인 인종에서는 중국인 대상 연구(Li et al. Am J Clin Nutr 2020)가 수행된 바 있으나 중국인의 식습관인 육류, 딤섬 등에 맞추어 연구를 설계하여 한국인에 적용하기에는 제한이 있다.
이에, 본 발명자들은 2형 당뇨의 유전적 위험도 계산 방법과 함께 생활습관지수를 계산하고, 복합적으로 분석함으로써 제2형 당뇨 발병 위험도가 매우 높은 고위험군을 선별함에 있어서, 기존에 유럽인을 대상으로 구축되어 한국인에 적용이 어려웠던 생활습관지수를 한국인에 맞는 식품군과 고유의 식습관에 따른 높은 나트륩 섭취량을 고려하여 설계함으로서 제2형 당뇨병 예측의 정확도를 높이고자 한다.
본 발명이 이루고자 하는 기술적 과제는 제2형 당뇨병 관련 유전정보 기반의 빅데이터를 생성 및 분석하고 사용자의 유전정보와 생활습관(라이프스타일) 기반의 제2형 당뇨병에 대한 유전적 위험도와 생활습관 위험도를 복합적으로 분석하여 사용자의 제2형 당뇨병 발병 위험이 높은 고위험군을 진단하는 방법, 시스템, 및 프로그램을 제공하는 것이다.
그러나 본 발명이 이루고자 하는 기술적 과제는 이상에서 언급한 과제에 제한되지 않으며, 언급되지 않은 또 다른 과제들은 아래의 기재로부터 당해 기술분야의 통상의 기술자에게 명확하게 이해될 수 있을 것이다.
상기 과제를 해결하기 위하여, 본 발명은 제2형 당뇨병의 유전적 위험도에 대한 입력 값을 시간에 따라 수집하거나, 수집된 빅데이터를 형성하고, 상기 입력 값을 딥러닝을 통해 제2형 당뇨병의 유전적 위험도 예측모델이 생성되는 유전적 위험도 학습부;
상기 학습부와 연결되고 사용자의 유전정보가 입력되는 제1 클라이언트;
사용자가 속하는 그룹을 분류하는 연산부; 및
상기 연산부에 연결되고 생활습관 기반의 복수의 지표에 있어서 사용자의 지표가 입력되는 제2 클라이언트;를 포함하는 제2형 당뇨병 발병 위험도 예측 시스템으로서,
상기 생활습관 기반의 지표는 흡연, 비만도, 신체활동, 식이, 및 나트륨 섭취량이고,
상기 연산부는 제2클라이언트로부터 전송받은 사용자의 지표를 사전에 정의된 기준에 의하여 수치화하고, 하기 식 2에 따라 생활습관지수(Healthy lifestyle score, HLS)를 계산하여 0~1점인 경우 고위험군, 2~3점인 경우 중위험군, 4~5점인 경우 저위험군으로 사용자가 속하는 생활습관 위험 그룹을 분류하는 것인, 시스템을 제공한다.
[식 2]
본 발명의 일 구현예로서, 상기 시스템은 한국인을 대상으로 제2형 당뇨병 발병 위험도를 예측하는 것이다.
본 발명의 다른 구현예로서, 상기 빅데이터는 국립보건연구원의 한국인 약 12만명 이상의 대규모 인구집단 기반 유전체 및 생활습관 빅데이터일 수 있으며, 보다 구체적으로 한국인유전체사업 결과일 수 있다.
본 발명의 다른 구현예로서, 상기 제2형 당뇨병의 유전적 위험도에 대한 입력 값은 한국인을 대상으로 하는 표 1에 따른 245개 SNP locus의 염기를 포함하며, 공복혈당, OGTT(oral glucose tolerance test) 이후 2시간 혈당, 당화혈색소, 제2형 당뇨로 치료 중인지 여부, 및 제2형 당뇨 진단받은 경험의 유무를 포함하는 것일 수 있다.
본 발명의 다른 구현예로서, 상기 학습부는 입력 값을 기초로 동아시아 전장 유전체 연관분석(Genome Wide Association Study, GWAS) 결과와 유럽인 GWAS 결과를 이용하여 로지스틱 회귀 분석을 통해 effect size를 산출하고, 하기 식 1에 따라 제2형 당뇨병의 유전적 위험도(Genetic risk score, GRS)를 계산한 후 표준정규분포화하여 제2형 당뇨병의 유전적 위험도 예측모델을 제공하는 것일 수 있으며, 상기 학습부는 제1클라이언트로부터 제공받은 사용자의 유전정보로부터 사용자의 제2형 당뇨병의 유전적 위험도를 계산하고, 사용자의 유전적 위험도가 빅데이터 기반의 제2형 당뇨병의 유전적 위험도의 상위 20%에 속하는 경우 고위험군, 하위 20%에 속하는 경우 저위험군, 그 외에는 중위험군으로 분류하여 사용자가 속하는 유전적 위험 그룹을 산출하는 것일 수 있다.
[식 1]
β : 유전변이의 유전적 효과(effect size = beta or log(odds ratio, OR)),
χ : 유전변이의 genotype dosage,
i: 유전변이,
j: 연구대상자 (individual).
본 발명의 다른 구현예로서, 상기 제1 클라이언트는 사용자의 유전정보를 입력받아 상기 학습부에 제공하는 제1 입력장치; 및 상기 학습부로부터 사용자가 속하는 유전적 위험 그룹을 제공받아 출력하는 제1 출력장치;를 포함할 수 있다.
본 발명의 다른 구현예로서, 상기 제2 클라이언트는 사용자의 생활습관 기반의 지표를 입력받아 상기 연산부에 제공하는 제1 입력장치; 및 상기 연산부로부터 사용자가 속하는 생활습관 위험 그룹을 제공받아 출력하는 제2 출력장치;를 포함할 수 있다.
본 발명의 다른 구현예로서, 상기 시스템은 제1 출력장치에서 출력되는 사용자의 유전적 위험 그룹과 제2 출력장치에서 출력되는 사용자의 생활습관 위험 그룹이 입력되어 사용자의 당뇨병 발병 위험도를 산출하는 최종 출력부를 추가로 포함할 수 있다.
본 발명의 다른 구현예로서, 상기 최종 출력부는 상기 사용자의 생활습관 위험 그룹을 유전적 위험 그룹의 하위 목록으로 산출하는 것일 수 있다.
또한, 본 발명은 (1) 한국인을 대상으로 하는 유전정보 빅데이터를 기반으로 표 1에 245개 유전변이에 대하여 동아시아 GWAS 결과와 유럽인 GWAS 결과를 메타 분석하여 effect size를 확보하는 단계; (2) 상기 식 1에 따라 유전적 위험도를 계산하고, 계산된 유전적 위험도는 정규분포를 가지도록 표준화하며 상위 20%는 유전적 고위험군, 하위 20%는 유전적 저위험군, 그 외는 유전적 중위험군으로 구분하는 단계; (3) 개체의 유전정보를 분석하여 상기 식 1에 따른 유적적 위험도를 계산하여 개체가 속하는 유전적 위험 그룹을 분류하는 단계; (4) 개체의 생활습관 기반의 복수 지표를 추출하는 단계; 및 (5) 상기 지표를 사전에 정의된 기준에 의하여 수치화하고, 상기 식 2에 따라 생활습관지수(HLS)를 계산하여 0~1점인 경우 고위험군, 2~3점인 경우 중위험군, 4~5점인 경우 저위험군으로 사용자가 속하는 생활습관 위험 그룹을 분류하는 단계;를 포함하는 한국인을 대상으로 하는 제2형 당뇨병 발병 위험도 예측 방법을 제공한다.본 발명의 일 구현예로서, 상기 개체는 한국인이고, 상기 생활습관 기반의 복수 지표는 흡연, 비만도, 신체활동, 식이, 및 나트륨 섭취량일 수 있다.
본 발명의 다른 구현예로서, 상기 방법은 (5) 단계 이후에 (6) 상기 (2) 단계에서 분류한 유전적 위험 그룹을 (5) 단계에서 분류한 생활습관 위험 그룹에 따라 세부 그룹으로 구분하는 단계;를 추가로 포함하는 것일 수 있다.
상기 세부 그룹은 하기 표 5와 같다.
또한, 본 발명은 하드웨어와 결합되어 상기 시스템을 실행시키기 위하여 매체에 저장된 제2형 당뇨병 발병 위험도 예측 프로그램을 제공한다.
본 발명은 유전적 요인과 생활습관 등 환경적 영향을 복합적으로 예측하되, 기존에 유럽인을 대상으로 구축되어 있는 생활습관지수를 한국인의 식습관을 고려하여 변수를 조정하여 한국인을 대상으로 제2형 당뇨병 발병 위험도 예측 결과의 정확도를 향상시킬 수 있다. 본 발명의 제공으로 한국인을 대상으로 개인 맞춤형 제2형 당뇨병 발병 위험도를 예측할 수 있고, 개인 맞춤형 생활습관 중재, 질병의 조기 진단 및 빠른 치료 등에 적용할 수 있을 것으로 기대된다.
도 1은 한국인칩의 정보이다.
도 2는 한국인칩 유전체정보 정도관리 프로토콜의 모식도이다.
도 3은 유전적 위험도에 따른 제2형 당뇨 유병률 변화를 나타낸 그래프이다.
도 4는 유전적 위험도와 생활습관지수를 연계 분석한 결과이다.
도 2는 한국인칩 유전체정보 정도관리 프로토콜의 모식도이다.
도 3은 유전적 위험도에 따른 제2형 당뇨 유병률 변화를 나타낸 그래프이다.
도 4는 유전적 위험도와 생활습관지수를 연계 분석한 결과이다.
본 발명의 제2형 당뇨병 예측 시스템은 빅데이터 기반의 제2형 당뇨병 발병 예측 모델을 구축하는 학습부, 상기 학습부와 연결되는 제1 클라이언트, 연산부, 및 상기 연산부와 연결되는 제2 클라이언트를 포함한다.
본 발명에서 학습부와 연산부는 서버와 연동될 수 있다.
본 발명의 학습부 및/도는 연산부는 하나 이상의 컴퓨터로 구성될 수 있다.
상기 상기 학습부는 빅데이터를 분석한다. 예를들어, 상기 학습부는 제2형 당뇨병의 유전적 위험도에 대한 입력 값을 로지스틱 회귀 분석 방법으로 분석한 결과를 통해 계산된 유전적 위험도를 표준정규분포로 표준화하고 제1 클라이언트로부터 전송된 사용자의 유전정보 기반의 유전적 위험도가 설정된 기준값을 초과하면 고위험군, 설정된 기준값 미만이면 저위험군, 그외에는 중위험군으로 사용자가 속하는 유전적 위험 그룹을 분류할 수 있다.
상기 기준값은 상기 표준정규분포에서 유전적 위험도를 오름차순으로 정렬 후 백분위 수로구분하여 상위 20%과 하위 20%를 의미한다.
유전적 고위험군 그룹은 15.4%의 당뇨 유병률을 나타내었으며, 중위그룹에 비해서 약 1.85배, 저위험군 그룹에 비해서 약 4.08배 높은 당뇨 유병률을 나타내었다.
본 발명의 제1클라이언트는 사용자의 유전정보를 입력받아 학습부에 제공하고, 학습부로부터 사용자가 속하는 유전적 위험 그룹을 제공받아 출력한다.
제1클라이언트는 제1 입력장치 및 제1 출력장치를 포함할 수 있으며, 상기 입력장치 및 출력 장치는 하나의 장치로 구현될 수 있고, 서로 별개의 장치로 구현될 수도 있다.
본 발명의 일 구현예로서, 상기 제1 입력장치는 사용자로부터 분리되는 생물학적 시료로서 세포가 포함된 시료에서 차세대염기분석(NGS) 또는 유전체칩(SNP microarray) 및 실험에 의한 유전형 검사 (genotyping) 방법을 통해 표 1에 나타낸 245개의 SNP locus 에 염기를 산출하여 학습부에 제공하는 것일 수 있다.
제2 클라이언트는 사용자의 생활습관 기반의 지표를 입력받아 연산부에 제공하고 연산부로부터 사용자가 속하는 생활습관 위험 그룹을 제공받아 출력한다.
제2클라이언트는 제2 입력장치 및 제2 출력장치를 포함할 수 있으며, 상기 입력장치 및 출력장치는 하나의 장치로 구현될 수 있고, 서로 별개의 장치로 구현될 수도 있다.
상기 제2 입력장치는 생활습관 기반의 복수의 지표에 있어서 사용자의 지표가 입력되는 것이며, 상기 생활습관 기반의 지표는 흡연, 비만도, 신체활동, 식이, 및 나트륨 섭취량을 포함하며, 상기 생활습관 기반의 사용자의 지표는 연산부로 제공되어 사전에 정의된 기준에 의하여 수치화되고, 연산부 내에서 생활습관지수로 계산되어 생활습관 고위험군, 중위험군, 저위험군 중에서 사용자가 속하는 생활습관 위험 그룹을 산출한다.
상기 생활습관 기반의 지표 중에서 흡연은 현재 흡연 중인지, 현재는 흡연 중이지 않지만 과거에 흡연 이력이 있는지 여부로 구분되어 입력될 수 있으며, 비만은 BMI 자체 또는 BMI 계산을 위한 사용자의 키와 체중으로 입력될 수 있다. 또한, 신체활동의 경우 에어로빅, 조깅, 수영, 테니스, 골프, 볼링, 헬스, 산책, 및 등산을 포함하는 총 9가지 운동에 있어 규칙적인 활동 유무와 그 정도에 따라 입력될 수 있다. 그리고, 식이의 경우 “한국인유전체역학조사사업 활용지침서 - 식품섭취빈도조사”에 기초한 식품군에 따른 9개의 식품군 카테고리 내에서 섭취량을 입력하고, 나트륨 섭취량의 경우 식이와 마찬가지로 “한국인유전체역학조사사업 활용지침서 - 식품섭취빈도조사”에 따라 계산된 1일 섭취량을 입력할 수 있다.
연산부에서 산출된 사용자의 생활습관 위험 그룹은 제2 출력장치로 전달되어 출력될 수 있다.
제1 출력장치와 제2 출력장치로 각각 전달된 사용자의 유전적 위험 그룹과 생활습관 위험 그룹은 최종 출력부로 전달되어 표 5에 나타낸 바와 같이 사용자를 Baseline 및 Group 1~8으로 세부 분류화할 수 있다. 최종 출력부는 표 5에 따라 사용자를 세부 분류화하고 도 4에 나타낸 바와 같이 제2형 당뇨병 발병 위험도를 산출할 수 있다.
본 발명에 따른 예측 시스템, 방법, 또는 프로그램을 이용하여 약 12만 6천 명의 한국인을 대상으로 분석하였을 때, 유전적 요인과 생활습관 위험도가 모두 고위험일 경우 모두 낮은 저위험군 대비 약 12배 제2형 당뇨 발병률이 증가하는 것이 확인되었으며, 이는 유전적 위험도가 고위험군인 경우 제2형 당뇨 발병률이 약 4.9배 증가하는 것을 감안하였을 때, 생활습관 위험도를 복합적으로 활용할 경우 발병 위험도가 매우 높은 고위험군을 세분화하고 각 위험 요인에 따라 개인 맞춤형 처방 등에 활용도가 매우 높다는 것을 시사한다.
본 명세서에서 컴퓨터는 연산처리를 수행하여 사용자에게 결과를 시각적으로 제시할 수 있는 다양한 장치들이 모두 포함된다. 예를 들어, 컴퓨터는 데스크 탑 PC, 노트북(Note Book) 뿐만 아니라 스마트폰(Smart phone), 태블릿 PC, 셀룰러폰(Cellular phone), 피씨에스폰(PCS phone; Personal Communication Service phone), 동기식/비동기식 IMT-2000(International Mobile Telecommunication-2000)의 이동 단말기, 팜 PC(Palm Personal Computer), 개인용 디지털 보조기(PDA; Personal Digital Assistant) 등도 해당될 수 있다. 또한, 컴퓨터는 의료영상을 획득하거나 관찰하는 의료장비도 해당될 수 있다. 또한, 컴퓨터는 다양한 클라이언트 컴퓨터와 연결되는 서버 컴퓨터가 해당될 수 있다.
본 명세서에서 "전송 또는 제공"은 직접적인 전송 또는 제공하는 것 뿐만 아니라 다른 장치를 통해 또는 우회경로를 이용하여 간접적으로 전송 또는 제공도 포함할 수 있다.
이하에서, 첨부된 도면을 참조하여 실시예들을 상세하게 설명한다. 그러나, 실시예에는 다양한 변경이 가해질 수 있어서 특허출원의 권리 범위가 이러한 실시예들에 의해 제한되거나 한정되는 것은 아니다. 실시예들에 대한 모든 변경, 균등물 내지 대체물이 권리 범위에 포함되는 것으로 이해되어야 한다.
실시예에서 사용한 용어는 단지 설명을 목적으로 사용된 것으로, 한정하려는 의도로 해석되어서는 안된다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 명세서 상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 실시예가 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
또한, 첨부 도면을 참조하여 설명함에 있어, 도면 부호에 관계없이 동일한 구성 요소는 동일한 참조부호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다. 실시예를 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 실시예의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.
[실시예]
실시예 1. 유전체정보의 정도관리
134,721명의 한국인유전체역학조사사업 참여자를 대상으로 한국인칩을 이용하여 유전체정보를 생산하였다.
※한국인칩: 국립보건연구원 유전체연구기술개발과(前.유전체연구과)에서 제작하였으며 한국인 유전체연구에 최적화된 유전체칩으로 약 83만 개 유전변이 정보를 포함하고 있음 (Moon et al. Scientific reports 2019) (도 1)
생산된 유전체정보는 기구축한 한국인칩 정도관리 파이프라인에 따라서 genotype calling, 저품질 유전변이 (Single Nucleotide Polymorphism, SNP) 및 샘플 제거, MDS(Multi-dimensional scaling)/PCA(Principal Component Analysis)를 통한 이상치 제거 등을 수행하여 정제하였다(도 2).
정도관리 완료 후 124,056명에 대한 정제된 유전체정보를 확보하였으며, 이를 이용하여 이하의 실시예 분석을 진행하였다.
실시예 2. 유전체정보 분석
정제된 유전체정보는 Eagle 소프트웨어로 phasing 분석, IMPUTE v4 소프트웨어로 imputation 분석을 수행하였으며, reference panel로는 1,000 Genomes project phase 3의 2,504명 시퀀싱 정보와 397명의 한국인 참조 유전체(Korean Reference Genome) 시퀀싱 정보를 사용하였다.
Imputation 분석 후 빈도 1% 이상이면서 info 값 (imputation quality score) 0.8 이상인 약 830만 개의 유전변이(SNP) 정보만 분석에 사용하였다.
실시예3. 제2형 당뇨 환자 및 정상군 선별
124,715명의 임상역학정보를 이용하여 제2형 당뇨 환자 및 정상군을 ADA(American Diabetes Association)에서 제시하는 기준에 따라 정의하였다.
(제2형 당뇨 환자) - 아래 중 1개라도 해당되는 경우
공복혈당(Fasting Plasma Glucose, FPG) ≥ 126 mg/dL (7.0 mmol/L)
oral glucose tolerance test(OGTT) 이후 2시간 혈당 ≥ 200 mg/dL (11.1 mmol/L)
당화혈색소 (Hemoglobin A1c, HbA1c) ≥ 6.5% (48 mmol/mol)
현재 제2형 당뇨로 치료 중인 경우
(정상군) - 아래 모두 해당되는 경우
공복혈당(Fasting Plasma Glucose, FPG) < 100 mg/dL (5.6 mmol/L)
oral glucose tolerance test(OGTT) 이후 2시간 혈당 < 140 mg/dL (7.8 mmol/L)
당화혈색소 (Hemoglobin A1c, HbA1c) < 6% (48 mmol/mol)
제2형 당뇨 진단받은 경험이 없는 경우
상기 기준에 따라 제2형 당뇨 환자 10,919명과 정상군 84,789명을 선별하였다.
실시예 4. 제2형 당뇨 관련 유전변이 선별
유전적 위험도 계산을 위해 기보고된 아시아 최대 규모의 제2형 당뇨 전장유전체연관성분석(Genome-wide Association study, GWAS) 결과 summary statistic을 확보함 (DIAMANTE Nature, 2020)
확보된 데이터를 이용하여 독립된 locus이면서 한국인칩에 존재하는 245개의 유전변이(SNP)를 선별하였다. 선별된 245개의 SNP는 하기 표 1과 같다.
No. | Chromosome | Position | Effective allele | Other allele |
1 | 1 | 20688352 | C | T |
2 | 1 | 40035928 | T | G |
3 | 1 | 51191935 | T | A |
4 | 1 | 64107893 | G | A |
5 | 1 | 117532790 | C | T |
6 | 1 | 120526982 | T | C |
7 | 1 | 177878933 | A | G |
8 | 1 | 184014593 | C | G |
9 | 1 | 205114873 | G | C |
10 | 1 | 206593900 | C | G |
11 | 1 | 214159256 | C | T |
12 | 1 | 219748818 | C | G |
13 | 1 | 229672955 | G | A |
14 | 1 | 235690800 | G | A |
15 | 2 | 25643221 | G | T |
16 | 2 | 27730940 | C | T |
17 | 2 | 59307725 | G | A |
18 | 2 | 60586707 | G | C |
19 | 2 | 65287896 | A | G |
20 | 2 | 147861633 | T | C |
21 | 2 | 161135544 | T | C |
22 | 2 | 165513091 | T | C |
23 | 2 | 213687103 | T | C |
24 | 2 | 227101411 | G | A |
25 | 2 | 234191103 | A | T |
26 | 3 | 12336507 | G | A |
27 | 3 | 23455582 | T | C |
28 | 3 | 46925539 | C | T |
29 | 3 | 49980596 | T | C |
30 | 3 | 53127677 | T | G |
31 | 3 | 63962339 | G | A |
32 | 3 | 64701146 | A | G |
33 | 3 | 77671721 | C | A |
34 | 3 | 121965199 | G | T |
35 | 3 | 123174832 | C | T |
36 | 3 | 124926637 | T | C |
37 | 3 | 152382352 | A | C |
38 | 3 | 170733076 | G | A |
39 | 3 | 183738460 | A | C |
40 | 3 | 185495320 | A | G |
41 | 3 | 186665645 | T | C |
42 | 3 | 187698333 | T | C |
43 | 4 | 744972 | T | G |
44 | 4 | 1254535 | C | T |
45 | 4 | 1784605 | G | C |
46 | 4 | 6306763 | C | G |
47 | 4 | 17792869 | C | A |
48 | 4 | 45186139 | A | G |
49 | 4 | 52818664 | G | A |
50 | 4 | 71844118 | A | G |
51 | 4 | 83578271 | A | G |
52 | 4 | 85339618 | T | C |
53 | 4 | 89740894 | G | C |
54 | 4 | 95091911 | A | G |
55 | 4 | 137083193 | A | C |
56 | 4 | 153520279 | G | A |
57 | 4 | 157652753 | C | A |
58 | 5 | 14768092 | C | G |
59 | 5 | 36257018 | G | A |
60 | 5 | 44682589 | G | A |
61 | 5 | 50079603 | C | A |
62 | 5 | 51751574 | T | A |
63 | 5 | 53271420 | A | G |
64 | 5 | 55810305 | T | A |
65 | 5 | 74574984 | A | G |
66 | 5 | 76424949 | G | A |
67 | 5 | 78430607 | C | A |
68 | 5 | 86577352 | G | A |
69 | 5 | 95848503 | C | A |
70 | 5 | 133864599 | A | G |
71 | 6 | 7231843 | G | A |
72 | 6 | 20679709 | G | A |
73 | 6 | 31026236 | T | G |
74 | 6 | 32573415 | G | A |
75 | 6 | 34214670 | A | G |
76 | 6 | 43814190 | C | T |
77 | 6 | 50788778 | C | A |
78 | 6 | 107431688 | G | A |
79 | 6 | 117996631 | T | C |
80 | 6 | 126792095 | G | A |
81 | 6 | 131954797 | G | T |
82 | 6 | 137300960 | A | G |
83 | 6 | 139205386 | C | T |
84 | 6 | 143056556 | T | C |
85 | 6 | 160770312 | A | G |
86 | 6 | 164133001 | C | T |
87 | 7 | 13886654 | T | C |
88 | 7 | 15063569 | T | C |
89 | 7 | 23512896 | G | C |
90 | 7 | 28219310 | G | A |
91 | 7 | 30728452 | C | T |
92 | 7 | 69189726 | A | G |
93 | 7 | 69696905 | G | A |
94 | 7 | 93107093 | A | C |
95 | 7 | 102336979 | T | C |
96 | 7 | 103444978 | T | C |
97 | 7 | 117495667 | A | C |
98 | 7 | 127253550 | T | C |
99 | 7 | 127761917 | A | C |
100 | 7 | 130457914 | G | A |
101 | 7 | 150537635 | A | G |
102 | 7 | 157024510 | G | A |
103 | 8 | 10808687 | A | T |
104 | 8 | 17927609 | T | C |
105 | 8 | 19830921 | C | T |
106 | 8 | 30863938 | T | C |
107 | 8 | 36832310 | A | G |
108 | 8 | 37391203 | G | C |
109 | 8 | 38343012 | T | C |
110 | 8 | 41508577 | C | A |
111 | 8 | 73503743 | C | A |
112 | 8 | 75214398 | G | A |
113 | 8 | 95961626 | T | C |
114 | 8 | 110123183 | C | G |
115 | 8 | 118184783 | C | T |
116 | 8 | 126471274 | A | G |
117 | 8 | 129568078 | C | T |
118 | 8 | 132879795 | C | T |
119 | 8 | 145507304 | C | T |
120 | 9 | 1032567 | A | G |
121 | 9 | 4290085 | C | G |
122 | 9 | 19067833 | G | A |
123 | 9 | 20241069 | C | T |
124 | 9 | 22132878 | T | C |
125 | 9 | 28410683 | C | T |
126 | 9 | 34074476 | C | T |
127 | 9 | 81359113 | C | G |
128 | 9 | 81905590 | A | G |
129 | 9 | 84308948 | G | A |
130 | 9 | 97001682 | A | C |
131 | 9 | 98278413 | C | T |
132 | 9 | 136149500 | C | T |
133 | 9 | 139241030 | G | A |
134 | 10 | 12307894 | T | C |
135 | 10 | 23487778 | A | G |
136 | 10 | 71466578 | G | T |
137 | 10 | 80952826 | G | C |
138 | 10 | 89684214 | A | C |
139 | 10 | 94462427 | T | C |
140 | 10 | 99056921 | C | G |
141 | 10 | 112678657 | T | G |
142 | 10 | 114758349 | T | C |
143 | 10 | 122929493 | C | T |
144 | 10 | 124193181 | T | G |
145 | 11 | 2197286 | A | G |
146 | 11 | 2858546 | C | T |
147 | 11 | 17415190 | C | G |
148 | 11 | 27729505 | A | G |
149 | 11 | 34982148 | C | A |
150 | 11 | 43877934 | A | C |
151 | 11 | 45912013 | A | G |
152 | 11 | 47529947 | A | C |
153 | 11 | 65294799 | T | C |
154 | 11 | 69462642 | A | G |
155 | 11 | 72460398 | A | C |
156 | 11 | 128398938 | T | C |
157 | 12 | 12871099 | G | T |
158 | 12 | 26453283 | G | A |
159 | 12 | 27963402 | G | A |
160 | 12 | 31441179 | C | A |
161 | 12 | 50269863 | T | C |
162 | 12 | 66232810 | T | G |
163 | 12 | 71449521 | T | G |
164 | 12 | 95928560 | T | C |
165 | 12 | 97850215 | C | A |
166 | 12 | 108629780 | G | A |
167 | 12 | 114123722 | G | C |
168 | 12 | 118412373 | A | G |
169 | 12 | 123450765 | C | G |
170 | 12 | 133069698 | A | G |
171 | 13 | 22589883 | A | G |
172 | 13 | 26776999 | A | G |
173 | 13 | 31042452 | G | T |
174 | 13 | 33554302 | G | A |
175 | 13 | 51096095 | A | T |
176 | 13 | 58366634 | C | T |
177 | 13 | 59077406 | A | T |
178 | 13 | 80707429 | A | G |
179 | 13 | 91949562 | A | G |
180 | 13 | 109947213 | T | C |
181 | 14 | 23288935 | G | C |
182 | 14 | 24878370 | C | T |
183 | 14 | 33302882 | T | G |
184 | 14 | 38809661 | A | G |
185 | 14 | 77382503 | G | A |
186 | 14 | 91963722 | G | A |
187 | 14 | 103237952 | A | G |
188 | 14 | 103894071 | G | T |
189 | 15 | 28546173 | T | C |
190 | 15 | 38828140 | T | G |
191 | 15 | 40615872 | C | G |
192 | 15 | 41809205 | A | G |
193 | 15 | 52587740 | G | T |
194 | 15 | 53091553 | T | C |
195 | 15 | 62394264 | G | C |
196 | 15 | 63871292 | C | T |
197 | 15 | 68080886 | A | T |
198 | 15 | 75742095 | A | C |
199 | 15 | 77776562 | C | A |
200 | 15 | 90423293 | T | C |
201 | 15 | 91522253 | A | G |
202 | 15 | 93825384 | A | G |
203 | 15 | 99366409 | A | G |
204 | 16 | 295795 | T | C |
205 | 16 | 3583173 | T | C |
206 | 16 | 20323168 | A | G |
207 | 16 | 28915217 | G | A |
208 | 16 | 30045789 | G | C |
209 | 16 | 53800954 | C | T |
210 | 16 | 69651866 | C | T |
211 | 16 | 73100308 | C | T |
212 | 16 | 81534790 | T | C |
213 | 16 | 89564055 | A | T |
214 | 17 | 4045440 | C | G |
215 | 17 | 17661802 | A | G |
216 | 17 | 29642430 | T | C |
217 | 17 | 40731411 | C | G |
218 | 17 | 47060322 | C | A |
219 | 17 | 65892507 | C | G |
220 | 18 | 7076836 | T | C |
221 | 18 | 56876228 | G | A |
222 | 18 | 57852587 | C | T |
223 | 18 | 60845884 | T | C |
224 | 19 | 4948862 | A | G |
225 | 19 | 7293119 | T | C |
226 | 19 | 7970635 | A | G |
227 | 19 | 12509536 | A | C |
228 | 19 | 13038415 | A | G |
229 | 19 | 19388500 | T | A |
230 | 19 | 21529576 | G | A |
231 | 19 | 33890838 | C | G |
232 | 19 | 45411941 | T | C |
233 | 19 | 46157019 | A | G |
234 | 19 | 47569003 | A | G |
235 | 20 | 21466795 | C | T |
236 | 20 | 22430241 | G | A |
237 | 20 | 32596704 | A | G |
238 | 20 | 42994812 | C | T |
239 | 20 | 48832135 | C | T |
240 | 20 | 50155386 | T | C |
241 | 20 | 51223594 | A | T |
242 | 20 | 57394628 | G | C |
243 | 22 | 44324730 | T | C |
244 | 22 | 46313618 | T | G |
245 | 22 | 50356302 | C | T |
상기 표 1에 245개 유전변이에 대한 동아시아(East Asian) GWAS 결과와 유럽인(European) GWAS 결과를 메타 분석하여, 유전적 위험도 계산에 사용할 effect size를 확보하였다.
실시예 5. 유전적 위험도 기반 제2형 당뇨 고위험군 분석
상기 선별된 유전변이의 연관성 분석 결과를 이용하여 plink tool로 유전적 위험도(Genetic risk score, GRS)를 하기 식 1에 따라 계산하였다.
[식 1]
β : 유전변이의 유전적 효과(effect size = beta or log(odds ratio, OR)),
χ : 유전변이의 genotype dosage,
i: 유전변이,
j: 연구대상자 (individual)
상기 식 1에 따라 계산된 유전적 위험도는 표준정규분포를 가지도록 표준화하였고, 유전적 고위험군을 선별하기 위해 계산된 유전적 위험도에 따라 오름차순으로 정렬 후 백분위 수 또는 30개의 그룹으로 구분하였다.
제2형 당뇨 유전적 위험도를 30개의 그룹으로 구분하였을 때 가장 고위험군 그룹(상위 20%)은 20.2%의 당뇨 유병률을 보였으며 이는 중위그룹(15번째 그룹)에 비해서 약 2.8배, 가장 낮은 그룹(하위 20%)에 비해서는 약 9.2배 당뇨 유병률이 높은 것을 확인하였다(도 3).
또한, 유전적 고위험군 내에서 상위 5%의 경우 3.45배, 상위 1%의 경우 4.87배의 당뇨 발병 위험이 증가함을 확인하였다(표 2).
Top GRS group | Reference group | Odds ratio | 95% CI | P-value |
Top 20% | Remaining 80% | 2.88 | 2.76-3.02 | 1.51E-456 |
Top 10% | Remaining 90% | 3.15 | 2.98-3.33 | 1.86E-350 |
Top 5% | Remaining 95% | 3.45 | 3.20-3.71 | 4.1E-237 |
Top 1% | Remaining 99% | 4.87 | 4.18-5.66 | 3.14E-93 |
실시예 6. 생활습관지수 기반 제2형 당뇨 고위험군 분석
생활습관지수를 계산하기 위해 흡연연부, 비만, 규칙적인 신체활동, 식이, 및 나트륨 섭취량의 5가지 요인을 선별하였으며, 건강한 생활습관 기준은 기보고된 참고문헌(Khera et al. NEJM 2018, Kwon YJ et al. Nutrients 2020)에 따라 정의하였다.
(1) 흡연 여부 : 현재 흡연 여부
(2) 비만 : 체질량지수 (Body mass index, BMI) ≥ 25 kg/m2 인 경우 비만*
* 서양인 기준 BMI ≥ 30 kg/m2에서 동양인 기준으로 변경하여 적용
(3) 신체활동 (Physical Activity, PA) : 주 1회 주기적인 신체활동 여부
(4) 건강한 식이 (Healthy Diet) : 10개 식품군에 대한 섭취량 항목 중 5개 이상 항목에서 기준 섭취량에 해당되는 경우
(5) 건강한 나트륨 섭취량 : 1일 섭취량 < 2g
각 요인에 대한 관련 임상역학변수를 추출하였다.
(1) 흡연 여부의 경우 통합데이터의 self-report 문항에 대한 변수 추출
(2) 비만의 경우 BMI를 계산하기 위한 키, 몸무게 변수 추출
(3) 신체활동의 경우 운동별(에어로빅, 조깅, 수영, 테니스, 골프, 볼링, 헬스, 산책, 등산 총 9가지) 빈도 문항 혹은 규칙적인 운동 여부 문항에 대한 변수 추출
(4) 식이의 경우 “한국인유전체역학조사사업 활용지침서 - 식품섭취빈도조사”를 활용하여 식품군에 대한 음식을 분류하였으며, 최종적으로 분류가 가능한 9개의 식품군으로 카테고리를 조정 및 표준화하고 섭취량을 계산하기 위해 섭취빈도, 1회 섭취량 문항 변수를 추출
(5) 나트륩 섭취량의 경우 마찬가지로 “한국인유전체역학조사사업 활용지침서 - 식품섭취빈도조사”를 활용하여 계산된 1일 섭취량 변수를 추출
하기 표 3은 상술한 생활습관 요인에 관련된 임상역학변수 추출의 일 예시이다.
Lifestyle Factor | 지역사회 코호트 | 도시/농촌 코호트 |
Smoke | 변수명 : SMOKE ■ 귀하는 지금까지 담배를 피운 적이 있습니까? □1 아니오 □2 예(과거흡연) □3 예(현재흡연) |
|
Obesity | 변수명 : HEIGHT, WEIGHT (각 코호트별) BMI = Weight(kg) / Height(m)2 | |
Physical Activity (PA) | 변수명 : AerobFq, JogFq 등 9개 변수 ■ 귀하는 어떤 운동을 주 몇 회, 몇 시간씩 규칙적으로 하고 있습니까? ▶ 에어로빅 1-a) 에어로빅 운동횟수 ① 주1회 ② 주2-3회 ③ 주4-5회 ④ 주6회 이상 |
변수명 : EXER ■ 몸에 땀이 날 정도의 운동을 규칙적으로 하십니까? □1 안한다 □2 한다 |
Diet Category | ||
Fruits | 감/곶감, 귤, 참외/멜론, 바나나, 배, 사과, 오렌지, 수박, 복숭아/자두, 딸기, 포도/포도주스, 토마토/토마토주스 | 감/곶감, 귤, 참외/멜론, 바나나, 배/배즙, 사과/사과주스, 오렌지/오렌지주스, 수박, 복숭아/자두, 딸기, 포도/포도주스, 토마토/방울토마토/토마토주스 |
Nuts | 땅콩/아몬드/잣 | 땅콩/아몬드/잣 |
Refined grains | 쌀밥, 보리밥, 잡곡밥, 미숫가루/선식, 흰떡/떡국, 백설기/인절미, 플레이크 | 쌀밥, 보리밥, 잡곡밥, 반반콩밥, 반반잡곡밥, 미숫가루/선식, 흰떡/떡국, 떡, 플레이크 |
Fish | 생선회, 갈치, 장어, 조기, 명태/동태, 등푸른생선(고등어), 멸치/멸치볶음 | 생선회, 갈치 장어, 조기/돔/가자미, 명태/동태/복어, 등푸른생선(고등어, 꽁치, 삼치 등), 멸치/멸치볶음 |
Dairy | 우유, 요구르트, 아이스크림, 치즈, 차에 넣는 프림 | 우유, 요쿠르트/요플레, 아이스크림, 치즈, 차에 넣는 프림 |
Sugar-sweetened beverages |
콜라, 커피, 기타 음료 | 청량음료(콜라/사이다), 커피, 기타 음료 |
Processed meats | 햄/소시지 | 가공육(햄/소시지) |
Unprocessed meats | 개고기, 돼지고기구이, 삼겹살, 돼지고기찜, 쇠고기구이 | 개고기, 돼지고이구이/볶음/불고기/ 동그랑땡, 삼겹살, 돼지고기 찜(보쌈/장조림/족발), 스테이크/쇠고기구이(갈비/등심/안심/쇠고기불고기) |
Vegetables | 배추김치, 무김치/깍두기, 나박 김치/동치미, 기타 김치, 풋고추, 고춧잎, 시금치, 상추, 들깻잎, 부추/미나리, 기타 녹색채소, 무, 도라지/더덕, 양파, 배추/배추국, 오이, 콩나물/숙주나물, 당근/당근주스, 늙은호박/호박죽, 애호박, 야채주스/녹즙, 고사리/고구마줄기, 장아찌, 김, 다시마/미역, 콩, 두부, 묵 | 배추김치(배추김치/백김치/김치 찌개 속 배추김치 등), 깍두기/무김치, 나박김치/동치미, 기타김치(꼬들빼기/갓김치/파김치), 풋고추, 고춧잎/참나물/취나물, 시금치(시금치 나물/국 등), 상추(쌈/무침 등), 들깻잎, 쑥갓/ 부추/미나리, 기타 녹색채소(냉이/근대/아욱/쑥/우거지 등), 무(국/조림)/단무지, 도라지/더덕, 양파, 배추/배추국, 오이, 콩나물/숙주나물, 당근/당근주스, 늙은호박/단호박/호박즙, 애호박, 야채쌈/야채설러드(양배추/양상치/케일/치커리/청경채/브로콜리 등), 고사리/고구마줄기/토란대, 장아찌(마늘장아찌/마늘쫑/무장아찌), 김, 다시마/미역, 콩, 두부, 묵 |
Food frequency questionnaire(FFQ) | 변수명 : RICE_1. RICE_1 등 ▶ 쌀밥의 지난 1년간 평균 섭취빈도 ① 거의 안 먹음 ② 월 1회 ③ 월 2-3회 ④ 주 1-2회 ⑤ 주 3-4회 ⑥ 주 5-6회 ⑦ 일 1회 ⑧ 일 2회 ⑨ 일 3회 ▷ 쌀밥의 평균 1회 섭취분량(기준량 : 1공기) ① 더적음 ② 기준량 ③ 더많음 |
|
Sodium | 변수명 : B10(지역사회) , SS10(도시, 농촌) ■ 1일 Na(나트륨) 섭취량 *식품성분표 (각 식품별 100g 당 영양소 DB), 영양소 등 정보를 이용하여 식품 섭취량에 따라 각 영양소 별 섭취량을 계산함 |
추출된 변수를 이용하여 124,056명에 대해 각 생활습관 요인을 점수화하여 하기 식 2에 따라 개인의 생활습관지수(Healthy lifestyle score, HLS)를 계산함
[식 2]
상기 식 2에 따라 계산된 생활습관지수가 0~1점인 경우 고위험군, 2~3점인 경우 중위험군, 4~5점인 경우 저위험군으로 구분하였으며, 고위험군인 경우 중위험군, 저위험군 대비 당뇨 위험도가 각각 1.18배, 1.72배 증가함을 확인할 수 있었다.
Group | Odds ratio | 95% CI | P-value |
저위험군(Baseline) | - | - | - |
중위험군 | 1.18 | 1.11-1.24 | 3.15E-09 |
고위험군 | 1.72 | 1.59-1.85 | 9.41E-43 |
실시예 7. 유전적 위험도 및 생활습관지수 기반 고위험군 복합 분석
유전적 위험도와 생활습관지수에 따라 하기 표 5와 같이 그룹을 세부 분류하였다.
Group | Genetic Risk | Lifestyle |
Baseline | 저위험군 | 저위험군 |
GROUP1 | 중위험군 | |
GROUP2 | 고위험군 | |
GROUP3 | 중위험군 | 저위험군 |
GROUP4 | 중위험군 | |
GROUP5 | 고위험군 | |
GROUP6 | 고위험군 | 저위험군 |
GROUP7 | 중위험군 | |
GROUP8 | 고위험군 |
상기 표 5에 따라 세부 분류한 그룹을 대상으로 제2형 당뇨 발병 위험도를 확인한 결과 유전적 위험도, 생활습관 위험도가 증가할수록 당뇨 발병 위험도가 증가하는 것을 확인하였다.
또한, 동일한 유전적 위험도를 가지는 집단 내에서 생활습관이 나쁠수록 당뇨 발병 위험도가 높아지는 것을 확인하였으며, 유전 및 생활습관 위험도가 모두 높은 그룹은 두 위험도가 모두 낮은 그룹 대비 당뇨 위험도가 약 12배 높은 것을 확인하였다(도 4).
이상과 같이 실시예들이 비록 한정된 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기를 기초로 다양한 기술적 수정 및 변형을 적용할 수 있다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 청구범위의 범위에 속한다.
Claims (10)
- 제2형 당뇨병의 유전적 위험도에 대한 입력 값을 시간에 따라 수집하거나, 수집된 빅데이터를 생성하고, 상기 입력 값을 딥러닝을 통해 제2형 당뇨병의 유전적 위험도 예측모델을 생성하는 유전적 위험도 학습부;
상기 유전적 위험도 학습부와 연결되고 사용자의 유전정보가 입력되는 제1 클라이언트;
상기 사용자가 속하는 생활습관 위험 그룹을 분류하는 연산부; 및
상기 연산부에 연결되고 생활습관 기반의 복수의 지표중에서 상기 사용자의 지표가 입력되는 제2 클라이언트;를 포함하는 제2형 당뇨병 발병 위험도 예측 시스템으로서,
상기 생활습관 기반의 복수의 지표는 흡연, 비만도, 신체활동, 식이, 및 나트륨 섭취량을포함하고,
상기 연산부는 제2클라이언트로부터 전송받은 상기 사용자의 지표를 사전에 정의된 기준에 의하여 수치화하고, 하기 식 2에 따라 생활습관지수(Healthy lifestyle score, HLS)를 계산하여 0~1점인 경우 고위험군, 2~3점인 경우 중위험군, 4~5점인 경우 저위험군으로 상기 생활습관 위험 그룹을 분류하는 것이며,
상기 제2형 당뇨병의 유전적 위험도에 대한 입력 값은 한국인을 대상으로 하는 표 1에 따른 245개 SNP locus의 염기, 공복혈당, OGTT(oral glucose tolerance test) 이후 2시간 혈당, 당화혈색소, 제2형 당뇨로 치료 중인지 여부, 및 제2형 당뇨 진단받은 경험의 유무인 것이고, 상기 학습부는 입력 값을 기초로 동아시아 전장 유전체 연관분석(Genome Wide Association Study, GWAS) 결과와 유럽인 GWAS 결과를 이용하여 로지스틱 회귀 분석을 통해 effect size를 산출하고, 하기 식 1에 따라 제2형 당뇨병의 유전적 위험도(Genetic risk score, GRS)를 계산한 후 표준정규분포화하여 제2형 당뇨병의 유전적 위험도 예측모델을 제공하는 것인, 시스템.
[식 1]
β : 유전변이의 유전적 효과(effect size = beta or log(odds ratio, OR)),
χ : 유전변이의 genotype dosage,
i: 유전변이,
j: 연구대상자 (individual)
[식 2]
- 제1항에 있어서,
상기 시스템은 한국인을 대상으로 제2형 당뇨병 발병 위험도를 예측하는 것인, 시스템.
- 삭제
- 삭제
- 제1항에 있어서,
상기 학습부는 제1클라이언트로부터 제공받은 사용자의 유전정보로부터 사용자의 제2형 당뇨병의 유전적 위험도를 계산하고, 사용자의 유전적 위험도가 빅데이터 기반의 제2형 당뇨병의 유전적 위험도 예측모델의 상위 20%에 속하는 경우 고위험군, 하위 20%에 속하는 경우 저위험군, 그 외에는 중위험군으로 분류하여 사용자가 속하는 유전적 위험 그룹을 산출하는 것인, 시스템.
- 제1항에 있어서,
상기 제1 클라이언트는 사용자의 유전정보를 입력받아 상기 학습부에 제공하는 제1 입력장치; 및
상기 학습부로부터 사용자가 속하는 유전적 위험 그룹을 제공받아 출력하는 제1 출력장치를 포함하는, 시스템.
- 제6항에 있어서,
상기 제2 클라이언트는 사용자의 생활습관 기반의 복수의 지표를 입력받아 상기 연산부에 제공하는 제1 입력장치; 및
상기 연산부로부터 사용자가 속하는 생활습관 위험 그룹을 제공받아 출력하는 제2 출력장치를 포함하는, 시스템.
- 제7항에 있어서,
상기 시스템은 제1 출력장치에서 출력되는 사용자의 유전적 위험 그룹과 제2 출력장치에서 출력되는 사용자의 생활습관 위험 그룹이 입력되어 사용자의 당뇨병 발병 위험도를 산출하는 최종 출력부를 추가로 포함하는 것인, 시스템.
- 삭제
- 삭제
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020220143100A KR102531776B1 (ko) | 2022-10-31 | 2022-10-31 | 유전 및 라이프스타일 위험도 평가 기반 제2형 당뇨병 고위험군 진단 방법 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020220143100A KR102531776B1 (ko) | 2022-10-31 | 2022-10-31 | 유전 및 라이프스타일 위험도 평가 기반 제2형 당뇨병 고위험군 진단 방법 |
Publications (1)
Publication Number | Publication Date |
---|---|
KR102531776B1 true KR102531776B1 (ko) | 2023-05-12 |
Family
ID=86385510
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020220143100A KR102531776B1 (ko) | 2022-10-31 | 2022-10-31 | 유전 및 라이프스타일 위험도 평가 기반 제2형 당뇨병 고위험군 진단 방법 |
Country Status (1)
Country | Link |
---|---|
KR (1) | KR102531776B1 (ko) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100243730B1 (ko) | 1994-08-12 | 2000-02-01 | 박성규 | 주문형 의복 제조장치 및 방법 |
KR101722107B1 (ko) * | 2016-07-05 | 2017-04-19 | 대한민국 | 한국인 당뇨 연관 유전변이를 이용한 유전적 위험도 기반의 당뇨 예측 방법 |
KR20180079208A (ko) * | 2016-12-30 | 2018-07-10 | 서울대학교산학협력단 | 대사이상 질환의 질병 위험도를 예측하는 장치 및 방법 |
KR20220075700A (ko) * | 2020-11-30 | 2022-06-08 | 울산과학기술원 | gPRS를 이용한 제2형 당뇨질환 예측 시스템 |
-
2022
- 2022-10-31 KR KR1020220143100A patent/KR102531776B1/ko active IP Right Grant
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100243730B1 (ko) | 1994-08-12 | 2000-02-01 | 박성규 | 주문형 의복 제조장치 및 방법 |
KR101722107B1 (ko) * | 2016-07-05 | 2017-04-19 | 대한민국 | 한국인 당뇨 연관 유전변이를 이용한 유전적 위험도 기반의 당뇨 예측 방법 |
KR20180079208A (ko) * | 2016-12-30 | 2018-07-10 | 서울대학교산학협력단 | 대사이상 질환의 질병 위험도를 예측하는 장치 및 방법 |
KR20220075700A (ko) * | 2020-11-30 | 2022-06-08 | 울산과학기술원 | gPRS를 이용한 제2형 당뇨질환 예측 시스템 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Clinton et al. | The world cancer research fund/American institute for cancer research third expert report on diet, nutrition, physical activity, and cancer: impact and future directions | |
Yip et al. | The associations of fruit and vegetable intakes with burden of diseases: a systematic review of meta-analyses | |
Kim et al. | Higher diet quality relates to decelerated epigenetic aging | |
Tabung et al. | Development and validation of empirical indices to assess the insulinaemic potential of diet and lifestyle | |
Park et al. | Obesity mediates the association between Mediterranean diet consumption and insulin resistance and inflammation in US adults | |
Bertoia et al. | Changes in intake of fruits and vegetables and weight change in United States men and women followed for up to 24 years: analysis from three prospective cohort studies | |
Wu et al. | Dietary patterns and risk of colon cancer and adenoma in a cohort of men (United States) | |
Edefonti et al. | Dietary patterns and breast cancer: a review with focus on methodological issues | |
Larsson et al. | Healthy diet and lifestyle and risk of stroke in a prospective cohort of women | |
Brassard et al. | Poor adherence to dietary guidelines among French-speaking adults in the province of Quebec, Canada: the PREDISE study | |
Lanou et al. | Reduced cancer risk in vegetarians: an analysis of recent reports | |
KR102221784B1 (ko) | 개인 맞춤형 자동화 식단 제공방법 | |
WO2010096787A2 (en) | Nutritional food level system | |
He et al. | Association between alcohol consumption and the risk of gastric cancer: a meta-analysis of prospective cohort studies | |
Muller et al. | Dietary patterns and prostate cancer risk | |
Robinson et al. | Development of a short questionnaire to assess diet quality among older community-dwelling adults | |
Subhan et al. | Review of dietary practices of the 21st century: facts and fallacies | |
Frölich et al. | Association of dietary patterns with five-year degree and progression of coronary artery calcification in the Heinz Nixdorf Recall study | |
Kirshner et al. | Acculturation and Diet Among Chinese American Immigrants in New York City | |
Lee et al. | Dietary patterns related to appendicular skeletal muscle mass: The Korea National Health and Nutrition Examination Survey 2008–2011 | |
Sayer et al. | Equivalent reductions in body weight during the Beef WISE study: beef's role in weight improvement, satisfaction and energy | |
Daneshzad et al. | Red meat, overweight and obesity: A systematic review and meta-analysis of observational studies | |
Guo et al. | Dietary potato intake and risks of type 2 diabetes and gestational diabetes mellitus | |
KR102531776B1 (ko) | 유전 및 라이프스타일 위험도 평가 기반 제2형 당뇨병 고위험군 진단 방법 | |
Ghorbani et al. | Overall, plant-based, or animal-based low carbohydrate diets and all-cause and cause-specific mortality: A systematic review and dose-response meta-analysis of prospective cohort studies |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
E701 | Decision to grant or registration of patent right | ||
GRNT | Written decision to grant |