KR20200046991A - 바이오마커 동정을 위한 대사체 데이터 자동 분석 장치 및 방법 - Google Patents

바이오마커 동정을 위한 대사체 데이터 자동 분석 장치 및 방법 Download PDF

Info

Publication number
KR20200046991A
KR20200046991A KR1020180128895A KR20180128895A KR20200046991A KR 20200046991 A KR20200046991 A KR 20200046991A KR 1020180128895 A KR1020180128895 A KR 1020180128895A KR 20180128895 A KR20180128895 A KR 20180128895A KR 20200046991 A KR20200046991 A KR 20200046991A
Authority
KR
South Korea
Prior art keywords
data
analysis
metabolite
metabolic
unit
Prior art date
Application number
KR1020180128895A
Other languages
English (en)
Inventor
유병용
지미정
조유리
장미
박현미
이수현
Original Assignee
한국과학기술연구원
공주대학교 산학협력단
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
Application filed by 한국과학기술연구원, 공주대학교 산학협력단 filed Critical 한국과학기술연구원
Priority to KR1020180128895A priority Critical patent/KR20200046991A/ko
Publication of KR20200046991A publication Critical patent/KR20200046991A/ko

Links

Images

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
    • G16B5/00—ICT specially adapted for modelling or simulations in systems biology, e.g. gene-regulatory networks, protein interaction networks or metabolic networks
    • 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 or three-dimensional molecular structures, e.g. structural or functional relations or structure alignment
    • 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
    • G16B50/00—ICT programming tools or database systems specially adapted for bioinformatics

Abstract

바이오마커 동정을 위한 대사체 데이터 자동 분석 시스템 및 방법이 제공된다. 대사체 데이터 자동 분석 시스템은 복수의 분석 대상 시료의 질량 분석 데이터를 수신하고, 상기 수신한 질량 분석 데이터를 다변량 통계 분석을 통해 그룹화하며, 그룹 사이의 차이를 추정한 제1 피크를 포함하는 제1 분석 데이터를 생성하는 제1 분석부; 상기 제1 분석 데이터의 피크를 통계적으로 검정하여, 상기 그룹 사이의 차이를 나타내는 유효 피크를 포함하는 제2 분석 데이터를 생성하는 제2 분석부; 상기 제2 분석 데이터의 유효 피크에 대응되는 대사체를 특정하고, 상기 특정된 대사체에 대한 정보를 포함하는 대사체 결과 데이터를 생성하는 대사체 특정부; 상기 대사체 결과 데이터의 대사체가 관여하는 대사경로를 조회하고, 상기 대사경로 및 상기 대사경로의 이미지 정보를 포함하는 대사경로 결과 데이터를 생성하는 대사경로 시각화부; 및 상기 제1 분석 데이터, 상기 제2 분석 데이터, 상기 대사체 결과 데이터 및 상기 대사경로 결과 데이터를 취합하여 제공하는 분석 결과 제시부를 포함한다.

Description

바이오마커 동정을 위한 대사체 데이터 자동 분석 장치 및 방법{Automatic analysis system and method for metabolite data for identifying bio-markers}
본 발명은 데이터 자동 분석 장치 및 방법에 관한 것으로, 바이오마커 동정을 위한 생체 대사물질 데이터 자동 분석 장치 및 방법에 관한 것이다.
바이오마커는 일반적으로 단백질, DNA, RNA, 대사 물질 등을 이용해 생명체의 변화를 알아낼 수 있는 생체 지표를 말한다. 바이오마커를 활용하면 생명체의 정상 또는 병리적인 상태, 약물에 대한 반응 정도 등을 객관적으로 측정할 수 있으며, 암을 비롯해 뇌졸중, 치매 등 각종 난치병을 진단하거나, 신약개발을 위한 지표로써 활용되고 있다.
대사체학(metabolomics)은 생명체의 대사체를 정성, 정량 분석하여 생명체 내에서 일어나는 대사 과정을 연구하고, 대사에 영향을 끼치는 중요한 바이오마커를 동정하는 학문 분야이다. 대사체(metabolite)는 세포, 조직, 체액과 같은 생물학적 시료 내에 존재하며, 의약품이나 식품에 의해서도 농도가 변화되는 바, 생체 내에서 영양상태의 변화나 항상성의 변화를 즉각적으로 반영할 수 있다. 따라서, 대사체의 분석을 통해 유의미한 바이오마커를 동정할 수 있는 대사체학이 4차 산업 혁명과 함께 보다 주목을 받고 있다.
다만, 생명체에서 존재하는 대사체는 수만 가지에 해당하는 데이터이기에, 분석에 상당한 시간(약 2 - 3 개월)이 소요된다. 또한, 대사체로부터 바이오마커를 동정하는 과정은 대사체 데이터 입력, 조회 및 비교 등과 같은 작업이 다소 단순하고 반복적으로 수행되어야 하기에 분석자의 피로감이 높아지고 연구의 질이 저하되는 문제점이 있다. 따라서, 보다 효율적이고 빠른 시간에 대사체를 분석할 수 있는 시스템 및 방법이 요구되는 실정이다.
한국등록특허 10-1029306
본 발명은 상술한 문제점을 해결하기 위해 안출된 것으로, 구체적으로, 대사체 데이터를 자동으로 분석할 수 있는 시스템 및 방법을 제공한다.
본 발명의 일 실시예에 따른 대사체 데이터 자동 분석 시스템은 복수의 분석 대상 시료의 질량 분석 데이터를 수신하고, 상기 수신한 질량 분석 데이터를 다변량 통계 분석을 통해 그룹화하며, 그룹 사이의 차이를 추정한 제1 피크를 포함하는 제1 분석 데이터를 생성하는 제1 분석부; 상기 제1 분석 데이터의 피크를 통계적으로 검정하여, 상기 그룹 사이의 차이를 나타내는 유효 피크를 포함하는 제2 분석 데이터를 생성하는 제2 분석부; 상기 제2 분석 데이터의 유효 피크에 대응되는 대사체를 특정하고, 상기 특정된 대사체에 대한 정보를 포함하는 대사체 결과 데이터를 생성하는 대사체 특정부; 상기 대사체 결과 데이터의 대사체가 관여하는 대사경로를 조회하고, 상기 대사경로 및 상기 대사경로의 이미지 정보를 포함하는 대사경로 결과 데이터를 생성하는 대사경로 시각화부; 및 상기 제1 분석 데이터, 상기 제2 분석 데이터, 상기 대사체 결과 데이터 및 상기 대사경로 결과 데이터를 취합하여 제공하는 분석 결과 제시부를 포함한다.
일 실시예에서, 상기 질량 분석 데이터는 상기 분석 대상 시료의 액체 크로마토그래프 질량 분석 스펙트럼 데이터일 수 있으며, 상기 제1 분석부는 상기 수신한 질량 분석 데이터를 상기 다변량 통계 분석이 가능한 데이터 셋으로 변형하는 데이터 처리 작업을 더 수행할 수 있다.
일 실시예에서, 상기 제2 분석 데이터는 상기 유효 피크의 질량/전하비(m/z)에 관련된 정보를 포함하고, 상기 대사체 특정부는 상기 유효 피크의 질량/전하비를 적어도 하나 이상의 데이터 베이스에서 검색하여 상기 유효 피크에 대응되는 대사체를 특정할 수 있다.
일 실시예에서, 상기 대사 경로의 이미지 정보는 상기 대사체가 관여된 대사경로를 시각화한 대사경로 네트워크 및 특정 대사체가 관여된 대사경로에서 차지하는 비중이 도시화된 이미지를 포함할 수 있다.
일 실시예에서, 상기 제1 분석부, 상기 제2 분석부, 상기 대사체 특정부, 상기 대사경로 시각화부, 상기 분석 결과 제시부의 동작을 제어하는 로보틱 프로세스 자동화부를 더 포함할 수 있다.
본 발명의 일 실시예에 따른 바이오마커 동정을 위한 대사체 데이터 자동 분석 시스템의 대사체 데이터 자동 분석 방법은 복수의 분석 대상 시료의 질량 분석 데이터를 수신하고, 상기 수신한 질량 분석 데이터를 다변량 통계 분석을 통해 그룹화하며, 그룹 사이의 차이를 추정한 제1 피크를 포함하는 제1 분석 데이터를 생성하는 단계; 상기 제1 분석 데이터의 피크를 통계적으로 검정하여, 상기 그룹 사이의 차이를 나타내는 유효 피크를 포함하는 제2 분석 데이터를 생성하는 단계; 상기 제2 분석 데이터의 유효 피크에 대응되는 대사체를 특정하고, 상기 특정된 대사체에 대한 정보를 포함하는 대사체 결과 데이터를 생성하는 단계; 상기 대사체 결과 데이터의 대사체가 관여하는 대사경로를 조회하고, 상기 대사경로 및 상기 대사경로의 이미지 정보를 포함하는 대사경로 결과 데이터를 생성하는 단계; 및 상기 제1 분석 데이터, 상기 제2 분석 데이터, 상기 대사체 결과 데이터 및 상기 대사경로 결과 데이터를 취합하여 제공하는 단계를 포함한다.
일 실시예에서, 상기 질량 분석 데이터는 상기 분석 대상 시료의 액체 크로마토그래프 질량 분석 스펙트럼 데이터일 수 있으며, 상기 제1 분석 데이터를 생성하는 단계는 상기 수신한 질량 분석 데이터를 상기 다변량 통계 분석이 가능한 데이터 셋으로 변형하는 데이터 처리 단계를 더 포함할 수 있다.
일 실시예에서, 상기 제2 분석 데이터는 상기 유효 피크의 질량/전하비(m/z)에 관련된 정보를 포함하고, 상기 대사체 결과 데이터를 생성하는 단계는 상기 유효 피크의 질량/전하비를 적어도 하나 이상의 데이터 베이스에서 검색하여 상기 유효 피크에 대응되는 대사체를 특정할 수 있다.
일 실시예에서, 상기 대사 경로의 이미지 정보는 상기 대사체가 관여된 대사경로를 시각화한 대사경로 네트워크 및 특정 대사체가 관여된 대사경로에서 차지하는 비중이 도시화된 이미지를 포함할 수 있다.
일 실시예에서, 상기 제1 분석 데이터를 생성하는 단계, 상기 제2 분석 데이터를 생성하는 단계, 상기 대사체 결과 데이터를 생성하는 단계, 상기 대사경로 결과 데이터를 생성하는 단계 및 상기 결과 데이터를 취합하여 제공하는 단계는 로보틱 프로세스 자동화에 의해 제어되고, 반복 수행될 수 있다.
본 발명의 일 실시예에 따른 컴퓨터 프로그램은 하드웨어와 결합되어 상술한 대사체 데이터 자동 분석 방법을 실행하도록 매체에 저장된다.
본 실시예에 따른 대사체 데이터 자동 분석 시스템은 복수의 분석 대상 시료에서 유효한 차이점을 나타내는 대사체를 효율적으로 특정할 수 있을 뿐만 아니라, 대사체가 관여하는 대사경로도 제공하여 분석자의 보다 효율적인 분석을 가능하게 하여 바이오마커의 동정을 용이하게 한다.
본 실시예에 따른 대사체 데이터 자동 분석 시스템에서 수행되는 과정은 RPA(Robotic Process Automation)에 따라 자동으로 수행되며, 분석자의 개입이 최소화된 상태로 각 부의 작업이 반복, 수행될 수 있어, 보다 효율적인 바이오 마커의 동정을 가능하게 한다.
도 1은 본 발명의 일 실시예에 따른 대사체 데이터 자동 분석 시스템의 블록도이다.
도 2a 내지 도 2c는 제1 분석부에서 수행되는 질량 분석 데이터의 처리 화면 및 분석된 데이터를 나타낸다.
도 3a 및 3b는 제2 분석부에서 수행되는 검정 과정 및 결과 데이터를 도시한다.
도 4는 대사체 결과 데이터를 나타낸 화면이다.
도 5a 및 도 5b는 대사경로 시각화부에서 대사체의 경로를 추정하는 과정 및 대사경로 출력 데이터를 도시한다.
도 6은 분석 결과 제시부에서 제공하는 최종 출력 데이터의 예시적인 화면을 도시한 것이다.
도 7은 본 발명의 일 실시예에 따른 대사체 데이터 자동 분석 방법의 순서도이다.
이하, 본 발명에 따른 바람직한 실시 형태를 첨부된 도면을 참조하여 상세하게 설명한다. 첨부된 도면과 함께 이하에 개시될 상세한 설명은 본 발명의 예시적인 실시형태를 설명하고자 하는 것이며, 본 발명이 실시될 수 있는 유일한 실시형태를 나타내고자 하는 것이 아니다. 이하의 상세한 설명은 본 발명의 완전한 이해를 제공하기 위해서 구체적 세부사항을 포함한다. 그러나, 당업자는 본 발명이 이러한 구체적 세부사항 없이도 실시될 수 있음을 인지할 수 있다. 이하의 설명에서 사용되는 특정 용어들은 본 발명의 이해를 돕기 위해서 제공된 것이며, 이러한 특정 용어의 사용은 본 발명의 기술적 사상을 벗어나지 않는 범위에서 다른 형태로 변경될 수 있다.
본 명세서에 사용된 용어 "대사체 데이터 자동 분석 시스템"는 분석 대상 시료의 대사체를 분석하여 바이오마커를 동정하는 장치, 시스템을 말한다.
본 명세서에 사용된 용어 "피험자"는 "개체(subject)", "피검체" 또는 "대상자"와 호환성 있게 사용되며, 인간뿐만 아니라 모든 생명체(식물, 미생물, 동물)에서 존재할 수 있는 생체 시료를 의미한다.
본 명세서에 사용된 용어 "분석 대상 시료"는 혈액, 뇨, 대변, 조직, 세포 등 모든 생물학적 시료로 총칭한다. 분석 대상 시료는 피험자로부터 처음 수집할 때 상태 그대로 분석에 사용될 수 있으나, 이에 한정되는 것은 아니며, 분석, 처리, 보관 등의 용이함을 위하여 여과, 농축, 정제, 제단백 등 임의의 전처리 과정이 추가적으로 수행되어 제조되는 것일 수 있다.
본 명세서에 사용된 용어 "대사체(metabolite)'는 생체 내의 대사과정의 결과로서 생성되는 물질의 총칭으로, 생체의 표현형(phenotype)을 가장 잘 나타내는 정량할 수 있는 저분자를 의미한다.
도 1은 본 발명의 일 실시예에 따른 대사체 데이터 자동 분석 시스템의 블록도이다.
본 실시예에 따른 대사체 데이터 자동 분석 시스템(10)는 제1 분석부(110), 제2 분석부(120), 대사체 특정부(130), 대사경로 시각화부(140), 분석 결과 제시부(150)를 포함한다.
본 실시예에 따른 대사체 데이터 자동 분석 시스템(10)는 컴퓨터 장치일 수 있으며, 실시예에 따른 대사체 데이터 자동 분석 시스템은 전적으로 하드웨어이거나, 또는 부분적으로 하드웨어이고 부분적으로 소프트웨어인 측면을 가질 수 있다. 즉, 대사체 데이터 자동 분석 시스템 및 이에 포함된 각 부(unit)는, 특정 형식 및 내용의 데이터를 저장하거나 전자통신 방식으로 주고받기 위한 장치 및 이에 관련된 소프트웨어를 통칭할 수 있다. 하드웨어는 CPU 또는 다른 프로세서(processor)를 포함하는 데이터 처리 기기일 수 있다. 또한, 하드웨어에 의해 구동되는 소프트웨어는 실행중인 프로세스, 객체(object), 실행파일(executable), 실행 스레드(thread of execution), 프로그램(program) 등을 지칭할 수 있다.
또한, 본 명세서에서 대사체 데이터 자동 분석 시스템을 구성하는 각 부는 반드시 물리적으로 구분되는 별개의 구성요소를 지칭하는 것으로 의도되지 않는다. 즉, 도 1에서 대사체 데이터 자동 분석 시스템의 각 부는 서로 구분되는 별개의 블록으로 도시되었으나, 이는 대사체 데이터 자동 분석 시스템을 이에 의해 실행되는 동작에 의해 기능적으로 구분한 것이다. 실시예에 따라서는 전술한 각 부 중 일부 또는 전부가 동일한 하나의 장치 내에 집적화될 수 있으며, 또는 하나 이상의 부가 다른 부와 물리적으로 구분되는 별개의 장치로 구현될 수도 있다. 예컨대, 각각의 부는 분산 컴퓨팅 환경 하에서 서로 통신 가능하게 연결된 컴포넌트들일 수도 있다.
또한, 후술할 대사체 데이터 자동 분석 시스템의 각 부에서 수행되는 동작 및 과정은 초기 조건 설정을 수행하는 분석자의 동작 외에는 자동으로 수행될 수 있다. 뿐만 아니라 각 부에서 다른 부로의 데이터의 전송도 각 부에서 작업이 완료된 이후 자동으로 수행될 수 있다. 대사체 데이터 자동 분석 시스템(10)는 각 부에서 수행되는 동작 및 각 부 사이의 데이터 전송 등을 자동화 및 제어하는 로보틱 프로세스 자동화부(160)를 더 포함할 수 있다. 로보틱 프로세스 자동화부(160)는 제1 분석부(110), 제2 분석부(120), 대사체 특정부(130), 대사경로 시각화부(140), 분석 결과 제시부(150)의 동작을 반복, 수행할 수 있으며, 각 부의 동작을 제어할 수 있다. 대사체 데이터 자동 분석 시스템(10)는 로보틱 프로세스 자동화(Robotic Process Automation, RPA)에 따라 수행되며, 분석자의 개입이 최소화된 상태로 각 부의 작업이 효율적으로 수행될 수 있다.
제1 분석부(110)는 분석 대상 시료의 질량 분석 데이터를 수신하고, 상기 수신한 질량 분석 데이터를 다변량 통계 분석을 위해 그룹화하며, 그룹 차이의 사이를 추정한 제1 피크를 포함하는 제1 분석 데이터를 생성한다. 제1 분석부(110)는 다변량 통계 분석 이전에 질량 분석 데이터의 선별, 보정, 표준화 등의 처리 작업을 더 수행할 수 있다.
도 2a 내지 도 2c는 제1 분석부에서 수행되는 질량 분석 데이터의 처리 화면 및 분석된 데이터를 나타낸다. 도 2a는 질량 분석 데이터의 처리 화면이고, 도 2b는 다변량 통계 분석이 진행된 그래프이며, 도 2c는 분석 결과를 로딩한 엑셀 화면이다.
제1 분석부(110)는 질량 분석 데이터를 수신한다. 질량 분석 데이터는 분석 대상 시료를 질량분석기로 분석하여 획득한 분광학적 피크에 관한 데이터일 수 있다. 대사체 데이터 자동 분석 시스템(10)에서 수행하는 대사체 데이터 분석은 질량분석법에 의해 도출된 분석 대상 시료의 피크 강도 데이터를 이용하는 일련의 정보처리과정일 수 있다. 질량 분석 데이터는 분석 대상 시료를 구성하고 있는 복잡한 성분들의 분리를 위한 크로마토그래피가 수행된 이후, 질량분석이 수행된 데이터일 수 있다. 일 실시예에서 질량 분석 데이터는 시료의 액체 크로마토그래프 질량 분석(Liquid Chromatography-Mass Spectrometry; LC-MS) 스펙트럼 데이터일 수 있으나, 이에 국한하는 것은 아니며, 기체 크로마토그래프 질량 분석(GC-MS) 스펙트럼 데이터 또는 모세관 전기이동 질량 분석(CE-MS) 스펙트럼 데이터일 수 있다.
제1 분석부(110)는 복수의 분석 대상 시료의 질량 분석 데이터를 각각 수신할 수 있다. 제1 분석부(110)는 복수의 분석 대상 시료의 질량 분석 데이터의 설정된 기준에 따라 가공과정을 거친 후, 다변량 분석을 수행하여 분석 대상 시료의 그룹간의 차이점이 크게 나타나는 피크를 선별할 수 있다. 여기서, 복수의 분석 대상 시료는 다양한 생물학적 시료를 모두 포함한다. 또한, 제1 분석부(110)는 실험적 오류치를 분석할 수 있는 QC 샘플 시료도 수신할 수 있으며, QC 샘플 시료를 포함하여, 다변량 통계 분석을 수행할 수 있다.
도 2a에 도시된 바와 같이, 제1 분석부(110)는 상기 질량 분석 데이터 각각에 대해 데이터 처리 작업을 수행하여 다변량 통계 분석에 적합한, 다변량 통계 분석이 가능한 데이터 셋(dataset)을 생성할 수 있다. 예시적으로, 제1 분석부(110)는 3차원 LC/MS 데이터(m/z, retention time (T), ion intensity)를 쉽게 처리할 수 있는 2차원 데이터 매트릭스(a pair of m/z and T)로 전환할 수 있다. 제1 분석부(110)는 질량 분석 데이터의 피크 검출(peak detection)을 수행하여 주요 피크를 선별할 수 있다. 질량 분석 데이터의 피크의 값은 해당 이온의 양(abundance) 또는 비율일 수 있다. 또한, 제1 분석부(110)는 피크의 흔들린 리텐션 시간(retention time)을 보정(Alignment)할 수 있다. 그리고, 제1 분석부(110)는 검출된 피크에 전체 분위수 정규화를 수행하여 표준화를 실시할 수 있다. 제1 분석부(110)는 Masslynx 기반 소프트웨어를 포함할 수 있으나 이에 한정되는 것은 아니며, XCMS 소프트웨어 또는 다변량 통계 분석을 위한 SIMCA P+ 소프트웨어를 포함할 수도 있다.
제1 분석부(110)는 처리된 질량 분석 데이터에 대한 다변량 통계 분석을 수행하여 제1 분석 데이터를 생성할 수 있다. 제1 분석부(110)는 복수의 분석 대상 시료의 질량 분석 데이터를 미리 설정된 데이터 기준값에 따라 그룹화하고, 그룹 간에 가장 큰 차이를 나타내는 제1 피크를 투사에 대한 변수 영향(Variable influence on projection, VIP)으로 선별할 수 있다. 상기 제1 피크는 다변량 통계 분석을 통해 그룹간에 차이를 나타내는 피크를 추정한 데이터일 수 있다. 다변량 통계 분석에 따른 그룹화는 2그룹으로 분류될 수 있으나, 이에 한정되는 것은 아니다. 분석 대상 시료의 수 또는 종류에 따라 그룹화는 다양하게 나타날 수 있으며, 설정데이터 기준값에 따라 그룹이 형성되는 양상은 달라질 수 있다. 제1 분석부(110)에서 이러한 데이터 처리 작업 및 다변량 통계 분석은 상술한 바와 같이 자동으로 수행될 수 있다. 또한, 다변량 통계 분석을 위한 데이터 기준값은 사전에 분석자에 의해 복수 개로 설정될 수 있으며, 설정된 복수의 데이터 기준값에 의한 다변량 통계 분석은 순차적으로 반복 수행되어 각각의 제1 분석 결과 데이터가 생성될 수 있다. 도 2b는 다변량 통계 분석이 진행된 그래프이며, 도 2c는 제1 분석 결과 데이터를 로딩한 엑셀 화면이다. 제1 분석 결과 데이터는 최종 VIP 수치가 큰 순서대로 정렬된 데이터 매트릭스로, 도 2c와 같이 엑셀 파일로 제공될 수 있으나 이에 한정되는 것은 아니다. 제1 분석 결과 데이터는 적어도 각 피크 별 질량/전하비(m/z, Mass), 리텐션 시간(Retention), 피크 강도, 제1 피크(VIP) 등에 대한 정보를 포함할 수 있다.
여기서, 제1 피크(VIP)는 제1 분석부(110)에서 분류된 각 그룹 간에 차이가현저하게 나타내는 피크를 추정한 것으로 이에 대한 통계 검정은 제2 분석부(120)에서 수행될 수 있다. 제1 분석부(110)의 제1 분석 결과 데이터는 제2 분석부(120)로 제공되어 추가적인 통계적인 분석 및 검정이 더 수행될 수 있다. 또한, 제1 분석부(110)의 제1 분석 결과 데이터는 분석 결과 제시부(150)로 제공되어 최종 분석 데이터에 취합될 수 있다.
제2 분석부(120)는 제1 분석부(110)의 제1 분석 결과 데이터를 수신받고, VIP 값이 일정 기준치 이상인 적어도 하나 이상의 피크를 대상으로 통계 검정을 수행한다. 제2 분석부(120)는 일정 기준치 이상의 제1 피크가 통계적으로 유효한 의미를 가지는 지를 검정할 수 있으며, 이러한 검정을 통해 제2 분석 결과 데이터를 생성할 수 있다. 도 3a 및 3b는 제2 분석부에서 수행되는 검정 과정 및 결과 데이터를 도시한다. 도 3a는 제2 분석부의 제1 분석 결과 데이터의 검정 과정을 도시하며, 도 3b는 제2 분석부에서 생성된 제2 분석 결과 데이터를 나타낸다.
예시적으로, 제2 분석부(120)는 수신된 제1 분석 결과 데이터에서 일정 수치 이상의 VIP를 가진 피크를 선별하여 Metabo-analyst website에 상기 데이터를 업로드할 수 있으며, 설정된 p-value에 따라 제1 분석 결과 데이터의 검정을 수행하여 제2 분석 결과 데이터를 생성할 수 있다. 여기서, 그룹간의 차이가 많이 나타내는 유효한 피크를 검출하기 위하여, p-value는 0.2 이하부터 0.05까지 자동으로 설정될 수 있다. 제2 분석부(120)는 다변량 통계 분석에 따라 분류된 그룹이 2개로 분류된 경우 t-test를 수행하고, 그룹이 3개 이상으로 분류된 경우 ANOVA test를 실시할 수 있다. 상술한 제2 분석부(120)에서 비교 분석 과정 또한 분석자의 p-value 설정 외에는 데이터 수신, 업로드, 분석, 도출 과정이 모두 자동으로 수행, 반복될 수 있다. 또한, p-value가 복수개로 설정된 경우 순차적으로 설정된 p-value에 따라 분석 과정이 반복하여 수행될 수 있다. 제2 분석 결과 데이터는 각 피크 별 p-value, 질량/전하비(m/z, Mass)가 정렬된 데이터 매트릭스이다. 제2 분석 결과 데이터는 그룹간의 차이를 많이 나타내는 유효 피크를 포함할 수 있으며, p-value 값이 작을수록 유효 피크에 해당한다. 제2 분석부(120)의 제2 분석 결과 데이터는 유효한 차이를 나타내는 피크가 어떠한 대사체인 지 특정하기 위해 대사체 특정부(130)로 제공될 수 있다. 또한, 제2 분석부(120)의 제2 분석 결과 데이터는 분석 결과 제시부(150)로 제공되어 최종 분석 데이터에 취합될 수 있다.
대사체 특정부(130)는 제2 분석부(120)로부터 제2 분석 결과 데이터를 수신할 수 있다. 대사체 특정부(130)는 제2 분석 결과 데이터에서 유효한 차이를 나타내는 피크가 어떠한 대사체인지 데이터베이스에서 조회할 수 있으며, 대응되는 대사체를 m/z 값과 함께 결과 데이터로 출력할 수 있다. 즉, 대사체 특정부(130)은 복수의 분석 대상 시료의 그룹에서 유효한 차이를 나타내는 대사체가 식별 및 선별 될 수 있다.
대사체 특정부(130)는 유효한 차이를 나타내는 피크의 질량/전하비(m/z)를 데이터 베이스, 예를 들어 HMDB, Metabolomics workbench를 통하여 조회할 수 있다. 다만 이에 한정되는 것은 아니며, 다른 데이터베이스도 적용 가능할 수 있다. 대사체 특정부(130)에서, 유효한 차이를 나타내는 피크의 질량/전하비(m/z)를 기준으로 대응되는 대사체를 조회하는 과정은 분석자의 개입 없이 자동으로 반복, 수행될 수 있다. 일 실시예에서 대사체 특정부(130)는 복수의 데이터베이스에서 검색된 대사체를 모두 취합하여 대사체 결과 데이터를 생성할 수 있다. 다만 이에 한정되는 것은 아니며, 대사체 특정부(130)는 복수의 데이터베이스에서 각각 조회되는 대사체 중 공통으로 조회되는 대사체만을 대사체 결과 데이터로 출력할 수 있다. 도 4는 대사체 결과 데이터를 나타낸 화면이다. 대사체 결과 데이터는 질량/전하비(m/z)에 따른 대사체의 명칭(compound) 및 화학식(formula)을 적어도 포함할 수 있다. 따라서, 분석자는 유효한 피크가 어떠한 대사체인지 데이터베이스를 통해 식별할 수 있다.
대사체 특정부(130)에서 특정되는 대사체 결과 데이터는 대사경로 시각화부(140)로 제공되어 특정된 대사체가 어떠한 대사과정에 관여하는 지 조회될 수 있다. 또한, 대사체 특정부(130)에서 출력되는 대사체 결과 데이터는 분석 결과 제시부(150)에 제공되어 최종 분석 데이터에 취합될 수 있다.
대사경로 시각화부(140)는 특정된 대사체의 경로를 특정할 수 있으며, 특정된 대사체 경로 및 대사체 경로 네트워크를 포함하는 대사경로 결과 데이터를 생성할 수 있다.
도 5a 및 도 5b는 대사경로 시각화부에서 대사체의 경로를 추정하는 과정 및 대사경로 결과 데이터를 도시한다.
대사경로 시각화부(140)는 특정된 대사체 결과 데이터를 수신하고, 각 대사체가 관여하는 대사경로의 조회하고, 조회된 대사경로 및 대사경로의 이미지 정보를 포함하는 대사경로 결과 데이터를 생성한다. 대사체는 대사경로의 최종 물질일 수도 있으며, 대사경로의 중간에 생성되는 물질일 수도 있다. 이와 같이, 대사경로 시각화부(140)는 특정된 대사체가 관여하는 대사경로를 모두 검색할 수 있다. 예시적으로, 대사경로 시각화부(140)는 Metaboanalyst에 접속하여 대사경로 분석을 실시하며, KEGG pathway에서 제공하는 대사경로 네트워크를 조회할 수 있다. 대사경로 이미지 정보는 상기 대사체가 관여된 대사경로를 시각화한 대사경로 네트워크 및 특정 대사체가 관여된 대사경로에서 차지하는 비중이 도시화된 이미지를 포함한다. 대사경로 네트워크는 도 5a에 도시된 바와 같이, 어떠한 대사 경로에서 대사체가 생성되는 지를 확인할 수 있는 네트워크 형태로 시각화될 수 있고, 특정 대사체가 해당 대사경로에서 차지하는 비중 또한 시각화될 수 있다. 도 5b에 도시된 바와 같이, 대사경로 시각화부(140)에서 생성되는 대사경로 결과 데이터는 적어도 대사체와 이에 대응되는 대사경로를 포함할 수 있으며, 대사경로 네트워크의 이미지 정보도 함께 제공될 수 있다. 대사경로 시각화부(140)에서 생성된 대사경로 결과 데이터는 분석 결과 제시부(150)에 제공될 수 있다.
분석 결과 제시부(150)는 제1 분석부(110), 제2 분석부(120), 대사체 특정부(130), 대사경로 시각화부(140)에서 생성된 결과 데이터를 취합하여 제공할 수 있다. 도 6은 분석 결과 제시부에서 제공하는 최종 출력 데이터의 예시적인 화면을 도시한 것이다. 분석 결과 제시부(150)는 제1 분석 결과 데이터, 제2 분석 결과 데이터, 대사체 결과 데이터, 대사경로 결과 데이터를 자동으로 취합할 수 있으며, 최종 출력 데이터를 생성할 수 있다. 제1 분석 결과 데이터, 제2 분석 결과 데이터, 대사체 결과 데이터, 대사경로 결과 데이터 및 최종 출력 데이터는 엑셀 등의 스프레드 시트 형태의 데이터일 수 있으나 이에 한정되는 것은 아니다. 분석자는 취합된 최종 출력 데이터를 통해 제1 분석부(110), 제2 분석부(120), 대사체 특정부(130) 및 대사경로 시각화부(140)에서 수행된 결과를 한번에 확인하거나, 각 단계의 진행에 따른 결과물을 순차적으로 확인할 수 있다. 분석 결과 제시부(150)에서 제공하는 최종 결과 데이터를 통해 분석자는 복수의 분석 대상 시료 사이에 변화를 나타내는 유효한 바이오마커를 선별할 수 있다.
본 실시예에 따른 대사체 데이터 자동 분석 시스템은 복수의 분석 대상 시료에서 유효한 차이점을 나타내는 대사체를 효율적으로 특정할 수 있을 뿐만 아니라, 대사체가 관여하는 대사경로도 제공하여 분석자의 보다 효율적인 분석을 가능하게 하여 바이오마커의 동정을 용이하게 한다.
본 실시예에 따른 대사체 데이터 자동 분석 시스템에서 수행되는 과정은 RPA(Robotic Process Automation)에 따라 자동으로 수행되며, 분석자의 개입이 최소화된 상태로 각 부의 작업이 반복, 수행될 수 있어, 보다 효율적인 바이오 마커의 동정을 가능하게 한다.
이하, 대사체 데이터 자동 분석 방법에 대해 설명한다.
도 7은 본 발명의 일 실시예에 따른 대사체 데이터 자동 분석 방법의 순서도이다.
도 7을 참조하면, 본 발명의 일 실시예에 따른 대사체 데이터 자동 분석 방법은 제1 분석 데이터를 생성하는 단계(S110), 제2 분석 데이터를 생성하는 단계(S120), 대사체 결과 데이터를 생성하는 단계(S130), 대사경로 결과 데이터를 생성하는 단계(S140), 결과 데이터를 취합하여 제공하는 단계(S150)를 포함한다. 본 발명의 일 실시예에 따른 대사체 데이터 자동 분석 방법은 바이오마커 동정을 위해 상술한 대사체 데이터 자동 분석 시스템(10)를 통해 수행되는 것으로, 중복되는 설명은 생략하도록 한다.
먼저, 제1 분석 데이터를 생성한다(S110).
복수의 분석 대상 시료의 질량 분석 데이터를 수신하고, 상기 수신한 질량 분석 데이터를 다변량 통계 분석을 통해 그룹화할 수 있다. 복수의 분석 대상 시료는 서로 다른 상태 피험자들(환자 또는 정상인)로부터 각각 수득한 시료일 수 있으나, 이에 한정되는 것은 아니다. 복수의 분석 대상 시료는 한 명의 피험자가 특정 약물을 투약하거나 음식을 섭취한 전, 후에 각각 수득한 시료일 수도 있다. 제1 분석 데이터의 생성은 제1 분석부(110)에서 수행될 수 있다.
상기 질량 분석 데이터는 상기 분석 대상 시료의 액체 크로마토그래프 질량 분석 스펙트럼 데이터일 수 있으며, 상기 제1 분석 데이터를 생성하는 단계는 상기 수신한 질량 분석 데이터를 상기 다변량 통계 분석에 적합한 데이터 셋으로 변형하는 데이터 처리 단계를 더 포함할 수 있다. 제1 분석부(110)는 처리된 질량 분석 데이터에 대한 다변량 통계 분석을 수행하여 제1 분석 데이터를 생성할 수 있다. 제1 분석부(110)는 복수의 분석 대상 시료의 질량 분석 데이터를 미리 설정된 데이터 기준값에 따라 그룹화하고, 그룹 간에 가장 큰 차이를 나타내는 제1 피크를 투사에 대한 변수 영향(Variable influence on projection, VIP)으로 선별할 수 있다. 상기 제1 피크는 다변량 통계 분석을 통해 그룹간에 차이를 나타내는 피크를 추정한 데이터일 수 있다.
이어서, 제2 분석 데이터를 생성한다(S120)
제1 분석 데이터의 피크를 통계적으로 검정하여, 상기 그룹 사이의 차이를 나타내는 유효 피크를 포함하는 제2 분석 데이터를 생성할 수 있다. 제1 피크(VIP)는 제1 분석부(110)에서 분류된 각 그룹 간에 차이를 나타내는 피크를 추정한 것으로 이에 대한 통계 검정은 제2 분석부(120)에서 수행될 수 있다. 제2 분석부(120)는 일정 기준치 이상의 제1 피크가 통계적으로 유효한 의미를 가지는 지를 검정할 수 있으며, 이러한 검정을 통해 제2 분석 결과 데이터를 생성할 수 있다.
다음으로, 대사체 결과 데이터를 생성한다(S130)
상기 제2 분석 데이터의 유효 피크에 대응되는 대사체를 특정하고, 상기 특정된 대사체에 대한 정보를 포함하는 대사체 결과 데이터를 생성할 수 있다. 상기 제2 분석 데이터는 상기 유효 피크의 질량/전하비(m/z)에 관련된 정보를 포함하고, 상기 대사체 결과 데이터를 생성하는 단계는 상기 유효 피크의 질량/전하비를 적어도 하나 이상의 데이터 베이스에서 검색하여 상기 유효 피크에 대응되는 대사체를 특정하여 대사체 결과 데이터를 생성할 수 있다. 대사체 특정부(130)는 유효한 차이를 나타내는 피크의 질량/전하비(m/z)를 적어도 하나의 데이터베이스에서 조회할 수 있으며, 조회된 대사체를 취합하여 대사체 결과 데이터를 생성할 수 있다. 대사체 결과 데이터는 질량/전하비(m/z)에 따른 대사체의 명칭(compound) 및 화학식(formula)을 적어도 포함할 수 있다.
대사경로 결과 데이터를 생성한다(S140),
상기 대사체 결과 데이터의 대사체가 관여하는 대사경로를 조회하고, 상기 대사경로 및 상기 대사경로의 이미지 정보를 포함하는 대사경로 결과 데이터를 생성할 수 있다. 대사경로 시각화부(140)에서 생성되는 대사경로 결과 데이터는 적어도 대사체와 이에 대응되는 대사경로를 포함할 수 있으며, 대사경로 네트워크의 이미지 정보도 함께 제공될 수 있다. 대사경로 결과 데이터를 생성하는 단계는 대사경로 시각화부(140)에서 수행될 수 있다. 상기 대사 경로의 이미지 정보는 상기 대사체가 관여된 대사경로를 시각화한 대사경로 네트워크 및 특정 대사체가 관여된 대사경로에서 차지하는 비중이 도시화된 이미지를 포함할 수 있다.
결과 데이터를 취합하여 제공하는 단계(S150)를 포함한다.
각 단계에서 생성된 상기 제1 분석 데이터, 상기 제2 분석 데이터, 상기 대사체 결과 데이터 및 상기 대사경로 결과 데이터를 분석 결과 제시부(150)로 제공될 수 있다. 분석 결과 제시부(150)는 제1 분석부(110), 제2 분석부(120), 대사체 특정부(130), 대사경로 시각화부(140)에서 생성된 결과 데이터를 취합하여 제공할 수 있다. 최종 결과 데이터를 통해 분석자는 복수의 분석 대상 시료 사이에 변화를 나타내는 유효한 바이오마커를 동정할 수 있다.
상술한, 제1 분석 데이터를 생성하는 단계(S110), 제2 분석 데이터를 생성하는 단계(S120), 대사체 결과 데이터를 생성하는 단계(S130), 대사경로 결과 데이터를 생성하는 단계(S140) 및 결과 데이터를 취합하여 제공하는 단계(S150)는 로보틱 프로세스 자동화에 의해 제어되고, 반복 수행될 수 있다.
이상에서 설명한 실시예들에 따른 대사체 데이터 자동 분석 방법에 의한 동작은, 적어도 부분적으로 컴퓨터 프로그램으로 구현되고 컴퓨터로 읽을 수 있는 기록매체에 기록될 수 있다. 실시예들에 따른 대사체 데이터 자동 분석 방법에 의한 동작을 구현하기 위한 프로그램이 기록되고 컴퓨터가 읽을 수 있는 기록매체는 컴퓨터에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다. 컴퓨터가 읽을 수 있는 기록매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피디스크, 광 데이터 저장장치 등이 있다. 또한 컴퓨터가 읽을 수 있는 기록매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산 방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수도 있다. 또한, 본 실시예를 구현하기 위한 기능적인 프로그램, 코드 및 코드 세그먼트(segment)들은 본 실시예가 속하는 기술 분야의 통상의 기술자에 의해 용이하게 이해될 수 있을 것이다.
이상에서는 실시예들을 참조하여 설명하였지만 본 발명은 이러한 실시예들 또는 도면에 의해 한정되는 것으로 해석되어서는 안 되며, 해당 기술 분야의 숙련된 당업자는 하기의 특허 청구 범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.
10: 대사체 데이터 자동 분석 시스템
110: 제1 분석부
120: 제2 분석부
130: 대사체 특정부
140: 대사경로 시각화부
150: 분석 결과 제시부

Claims (11)

  1. 복수의 분석 대상 시료의 질량 분석 데이터를 수신하고, 상기 수신한 질량 분석 데이터를 다변량 통계 분석을 통해 그룹화하며, 그룹 사이의 차이를 추정한 제1 피크를 포함하는 제1 분석 데이터를 생성하는 제1 분석부;
    상기 제1 분석 데이터의 피크를 통계적으로 검정하여, 상기 그룹 사이의 차이를 나타내는 유효 피크를 포함하는 제2 분석 데이터를 생성하는 제2 분석부;
    상기 제2 분석 데이터의 유효 피크에 대응되는 대사체를 특정하고, 상기 특정된 대사체에 대한 정보를 포함하는 대사체 결과 데이터를 생성하는 대사체 특정부;
    상기 대사체 결과 데이터의 대사체가 관여하는 대사경로를 조회하고, 상기 대사경로 및 상기 대사경로의 이미지 정보를 포함하는 대사경로 결과 데이터를 생성하는 대사경로 시각화부; 및
    상기 제1 분석 데이터, 상기 제2 분석 데이터, 상기 대사체 결과 데이터 및 상기 대사경로 결과 데이터를 취합하여 제공하는 분석 결과 제시부를 포함하는 대사체 데이터 자동 분석 시스템.
  2. 제1 항에 있어서,
    상기 질량 분석 데이터는 상기 분석 대상 시료의 액체 크로마토그래프 질량 분석 스펙트럼(LC-MS) 데이터, 기체 크로마토그래프 질량 분석(GC-MS) 스펙트럼 데이터 또는 모세관 전기이동 질량 분석(CE-MS) 스펙트럼 데이터일 수 있으며,
    상기 제1 분석부는 상기 수신한 질량 분석 데이터를 상기 다변량 통계 분석이 가능한 데이터 셋으로 변형하는 데이터 처리 작업을 더 수행하는 대사체 데이터 자동 분석 시스템.
  3. 제2 항에 있어서,
    상기 제2 분석 데이터는 상기 유효 피크의 질량/전하비(m/z)에 관련된 정보를 포함하고,
    상기 대사체 특정부는 상기 유효 피크의 질량/전하비를 적어도 하나 이상의 데이터 베이스에서 검색하여 상기 유효 피크에 대응되는 대사체를 특정하는 대사체 데이터 자동 검색 분석 시스템.
  4. 제3 항에 있어서,
    상기 대사 경로의 이미지 정보는 상기 대사체가 관여된 대사경로를 시각화한 대사경로 네트워크 및 특정 대사체가 관여된 대사경로에서 차지하는 비중이 도시화된 이미지를 포함하는 대사체 데이터 자동 분석 시스템.
  5. 제1 항에 있어서,
    상기 제1 분석부, 상기 제2 분석부, 상기 대사체 특정부, 상기 대사경로 시각화부, 상기 분석 결과 제시부의 동작을 제어하는 로보틱 프로세스 자동화부를 더 포함하는 자동 분석 시스템.
  6. 바이오마커 동정을 위한 대사체 데이터 자동 분석 시스템의 대사체 데이터 자동 분석 방법으로,
    복수의 분석 대상 시료의 질량 분석 데이터를 수신하고, 상기 수신한 질량 분석 데이터를 다변량 통계 분석을 통해 그룹화하며, 그룹 사이의 차이를 추정한 제1 피크를 포함하는 제1 분석 데이터를 생성하는 단계;
    상기 제1 분석 데이터의 피크를 통계적으로 검정하여, 상기 그룹 사이의 차이를 나타내는 유효 피크를 포함하는 제2 분석 데이터를 생성하는 단계;
    상기 제2 분석 데이터의 유효 피크에 대응되는 대사체를 특정하고, 상기 특정된 대사체에 대한 정보를 포함하는 대사체 결과 데이터를 생성하는 단계;
    상기 대사체 결과 데이터의 대사체가 관여하는 대사경로를 조회하고, 상기 대사경로 및 상기 대사경로의 이미지 정보를 포함하는 대사경로 결과 데이터를 생성하는 단계; 및
    상기 제1 분석 데이터, 상기 제2 분석 데이터, 상기 대사체 결과 데이터 및 상기 대사경로 결과 데이터를 취합하여 제공하는 단계를 포함하는 대사체 데이터 자동 분석 방법.
  7. 제6 항에 있어서,
    상기 질량 분석 데이터는 상기 분석 대상 시료의 액체 크로마토그래프 질량 분석 스펙트럼(LC-MS) 데이터, 기체 크로마토그래프 질량 분석(GC-MS) 스펙트럼 데이터 또는 모세관 전기이동 질량 분석(CE-MS) 스펙트럼 데이터이고,
    상기 제1 분석 데이터를 생성하는 단계는 상기 수신한 질량 분석 데이터를 상기 다변량 통계 분석이 가능한 데이터 셋으로 변형하는 데이터 처리 단계를 더 포함하는 대사체 데이터 자동 분석 방법.
  8. 제7 항에 있어서,
    상기 제2 분석 데이터는 상기 유효 피크의 질량/전하비(m/z)에 관련된 정보를 포함하고,
    상기 대사체 결과 데이터를 생성하는 단계는 상기 유효 피크의 질량/전하비를 적어도 하나 이상의 데이터 베이스에서 검색하여 상기 유효 피크에 대응되는 대사체를 특정하는 대사체 데이터 자동 분석 방법.
  9. 제8 항에 있어서,
    상기 대사 경로의 이미지 정보는 상기 대사체가 관여된 대사경로를 시각화한 대사경로 네트워크 및 특정 대사체가 관여된 대사경로에서 차지하는 비중이 도시화된 이미지를 포함하는 대사체 데이터 자동 분석 방법.
  10. 제6 항에 있어서,
    상기 제1 분석 데이터를 생성하는 단계, 상기 제2 분석 데이터를 생성하는 단계, 상기 대사체 결과 데이터를 생성하는 단계, 상기 대사경로 결과 데이터를 생성하는 단계 및 상기 결과 데이터를 취합하여 제공하는 단계는 로보틱 프로세스 자동화에 의해 제어되고, 반복 수행되는 것을 특징으로 하는 대사체 데이터 자동 분석 방법.
  11. 하드웨어와 결합되어 제6항 내지 제10항 중 어느 한 항에 따른 대사체 데이터 자막 분석 방법을 실행하도록 매체에 저장된 컴퓨터 프로그램.
KR1020180128895A 2018-10-26 2018-10-26 바이오마커 동정을 위한 대사체 데이터 자동 분석 장치 및 방법 KR20200046991A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020180128895A KR20200046991A (ko) 2018-10-26 2018-10-26 바이오마커 동정을 위한 대사체 데이터 자동 분석 장치 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180128895A KR20200046991A (ko) 2018-10-26 2018-10-26 바이오마커 동정을 위한 대사체 데이터 자동 분석 장치 및 방법

Publications (1)

Publication Number Publication Date
KR20200046991A true KR20200046991A (ko) 2020-05-07

Family

ID=70733843

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180128895A KR20200046991A (ko) 2018-10-26 2018-10-26 바이오마커 동정을 위한 대사체 데이터 자동 분석 장치 및 방법

Country Status (1)

Country Link
KR (1) KR20200046991A (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112967758A (zh) * 2021-02-04 2021-06-15 麦特绘谱生物科技（上海）有限公司 一种自组装的代谢组学数据处理系统

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101029306B1 (ko) 2010-07-23 2011-04-14 대한민국 대마 대사체 분석방법

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101029306B1 (ko) 2010-07-23 2011-04-14 대한민국 대마 대사체 분석방법

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112967758A (zh) * 2021-02-04 2021-06-15 麦特绘谱生物科技（上海）有限公司 一种自组装的代谢组学数据处理系统

Similar Documents

Publication Publication Date Title
Pang et al. Using MetaboAnalyst 5.0 for LC–HRMS spectra processing, multi-omics integration and covariate adjustment of global metabolomics data
Surinova et al. Automated selected reaction monitoring data analysis workflow for large-scale targeted proteomic studies
Southam et al. A complete workflow for high-resolution spectral-stitching nanoelectrospray direct-infusion mass-spectrometry-based metabolomics and lipidomics
Yu et al. Isobaric matching between runs and novel PSM-level normalization in MaxQuant strongly improve reporter ion-based quantification
Chan et al. Global urinary metabolic profiling procedures using gas chromatography–mass spectrometry
Sobus et al. Using prepared mixtures of ToxCast chemicals to evaluate non-targeted analysis (NTA) method performance
Want et al. Processing and analysis of GC/LC-MS-based metabolomics data
Röst et al. Automated SWATH data analysis using targeted extraction of ion chromatograms
Tabb Quality assessment for clinical proteomics
DeHaven et al. Software techniques for enabling high-throughput analysis of metabolomic datasets
RU2587098C2 (ru) Автоматическое управление множеством устройств процесса разделения и детектирования для количественного анализа проб
JP2022525427A (ja) 質量分析法データにおける境界の自動検出
JP2006528339A (ja) クロマトグラフィー／質量分析における生体分子パターンのアノテーション法及びシステム
Clarke et al. Challenges in implementing clinical liquid chromatography–tandem mass spectrometry methods–seeing the light at the end of the tunnel
Yao et al. Data processing for GC-MS-and LC-MS-based untargeted metabolomics
Hanna et al. Metabolomics in pediatric nephrology: emerging concepts
LAZAR et al. Bioinformatics tools for metabolomic data processing and analysis using untargeted liquid chromatography coupled with mass spectrometry.
Maes et al. Designing biomedical proteomics experiments: state-of-the-art and future perspectives
Bowling et al. Analyzing the metabolome
WO2018174891A1 (en) Quantitative targeted metabolomic analysis based on the mixture of isotope-and nonisotope-labeled internal standards
KR20200046991A (ko) 바이오마커 동정을 위한 대사체 데이터 자동 분석 장치 및 방법
CN114283877A (zh) 一种建立代谢物模型及其代谢组学数据库的方法
Walmsley et al. A prototypic small molecule database for bronchoalveolar lavage-based metabolomics
Sun et al. A systematic model of the LC-MS proteomics pipeline
Plyushchenko et al. An approach for feature selection with data modelling in LC-MS metabolomics

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
AMND Amendment
E601 Decision to refuse application
X091 Application refused [patent]
AMND Amendment
X601 Decision of rejection after re-examination