KR20210046220A

KR20210046220A - Reagent and Kit for the Detection of Prostate Cancer Gene Biomarkers

Info

Publication number: KR20210046220A
Application number: KR1020190129710A
Authority: KR
Inventors: 김은애; 우은진; 변석수
Original assignee: 서울대학교산학협력단; 주식회사 프로카젠; 서울대학교병원
Priority date: 2019-10-18
Filing date: 2019-10-18
Publication date: 2021-04-28

Abstract

According to the present invention, disclosed is a reagent kit for detecting a prostate cancer gene biomarker. The reagent kit comprises: a race information input part into which race information is inputted; a mode determination part determining a first or second mode in accordance with the inputted race information; a first probe for gene variation detection detecting a gene variation corresponding to the determined first mode; a second probe for gene variation detection detecting a gene variation corresponding to the determined second mode; a first storage storing a first material of the first probe for gene variation detection; a second storage storing a second material of the second probe for gene variation detection; a first connection tube delivering the first material stored in the first storage to the first probe for gene variation detection; and a second connection tube delivering the second material stored in the second storage to the second probe for gene variation detection. Therefore, the present invention, the kit is capable of detecting genetic information registered in response to a corresponding disease.

Description

Reagent and Kit for the Detection of Prostate Cancer Gene Biomarkers {Reagent and Kit for the Detection of Prostate Cancer Gene Biomarkers}

본 명세서는 전립선암 유전자 바이오 마커의 검출을 위한 시약 및 키트에 관한 것이다. The present specification relates to reagents and kits for detection of prostate cancer gene biomarkers.

전립선암은 한국에서 남성 암 유병률 3위 및 발병률 4위인 암종으로 남성 사망의 주된 원인이 되고 있다. 이에 종래에는 전립선암을 예측하기 위해 유전정보를 이용하는 등의 연구가 진행되어왔다. Prostate cancer is a carcinoma with the 3rd and 4th incidence of cancer in men and is the leading cause of male death in Korea. Accordingly, studies such as using genetic information to predict prostate cancer have been conducted in the past.

한편, 전립선암의 발병율과 그로 인한 사망율은 전세계적으로 큰 차이를 나타내는데, 미국과 유럽 남성의 발병율이 높고, 특히 아프리카계 미국인의 사망율이 가장 높게 나타나는 반면에, 아시아인의 발병율과 사망율은 상대적으로 낮은 편이다. 이러한 인종적 차이는 전립선암 발병이 환경적 차이뿐만 아니라 유전적 이질성(heterogeneity)에 기인할 가능성을 시사한다. 따라서 유전적 이질성에 의한 인종 간의 차이를 반영하여 전립선암 발병의 위험성을 판단할 필요성이 대두된다. On the other hand, the incidence rate of prostate cancer and the resulting mortality rate differ greatly worldwide. The incidence rate of men in the United States and Europe is high, and the mortality rate of African Americans is the highest, while the incidence rate and mortality rate of Asians are relatively. It is on the low side. These racial differences suggest the possibility that the incidence of prostate cancer is due not only to environmental differences, but also to genetic heterogeneity. Therefore, there is a need to judge the risk of prostate cancer by reflecting the differences between races due to genetic heterogeneity.

또한 종래의 전립선암 진단은 진단 당시의 암 위험 여부를 안내해주는 것이 그치기 때문에, 피험자 별로 효율적인 관리 및 모니터링이 불가능하다. In addition, since conventional prostate cancer diagnosis only informs whether there is a risk of cancer at the time of diagnosis, effective management and monitoring for each subject is impossible.

본 발명은 상술한 필요성에 따른 것으로, 대상체의 유래물을 입력 받고 유래물로부터 해당 질병과 대응되어 등록된 유전 정보를 검출하는 전립선암 유전자 바이보 마커의 검출을 위한 시약 키트를 제공하는 것을 목적으로 한다. The present invention is in accordance with the above-described necessity, and an object of the present invention is to provide a reagent kit for detecting a prostate cancer gene biomarker that receives a derivative of a subject and detects the registered genetic information corresponding to the disease from the derived product. do.

본 발명의 일 실시 예에 따른 전립선 암 위험도 산출 방법은 피험자의 유전 정보를 입력받는 단계; 가중치 위험도 모델을 이용하여 상기 유전 정보에 대한 유전위험 점수를 산출하는 단계; 상기 유전위험 점수가 속하는 위험 그룹을 식별하는 단계; 및 상기 유전 정보에 대한 유전위험 점수가 속하는 위험 그룹이 고위험 그룹인 경우, 상기 피험자를 집중관리 대상자로 설정하는 단계;를 포함할 수 있다. According to an embodiment of the present invention, a method for calculating a risk of prostate cancer may include receiving genetic information of a subject; Calculating a genetic risk score for the genetic information using a weighted risk model; Identifying a risk group to which the genetic risk score belongs; And when the risk group to which the genetic risk score for the genetic information belongs is a high risk group, setting the subject as an intensive management target.

상기한 바와 같이 이루어진 본 발명의 일 실시예에 따르면, 대상체의 유래물을 입력 받고 유래물로부터 해당 질병과 대응되어 등록된 유전 정보를 검출할 수 있다. According to an embodiment of the present invention made as described above, a derived product of a subject may be input and registered genetic information corresponding to a corresponding disease may be detected from the derived product.

도 1은 전립선암 유전자 바이오 마커의 검출을 위한 시약 키트의 블록도이다.
도 2는 전립선암 유전자 바이오 마커의 검출을 위한 시약 키트 및 위험 점수 산출장치 사이의 데이터 송수신 동작을 설명하는 도면이다.
도 3은 본 발명의 일 실시예예 따른 전립선암 유전위험점수 산출 시스템을 설명하기 위한 시스템도이다.
도 4는 본 발명의 일 실시예에 따른 산출장치의 구성요소를 설명하기 위한 블록도이다.
도 5는 본 발명의 일 실시예에 따른 유전위험 점수를 산출하는 방법을 설명하기 위한 흐름도이다.
도 6은 발견(discovery) GWAS(Genome Wide Association Study) 단계에서의 맨하탄 플롯(Manhattan plots)의 총괄자료를 도시한 도면이다.
도 7은 본 발명의 일 실시예에 따른 유전위험 점수 계산에 포함되는 후보 유전변이 목록을 도시한 도면이다.
도 8a 및 도 8b는 본 발명의 일 실시예에 따른 유전변이의 개수에 따른 예측력을 비교하기 위한 ROC(Receiver Operating Characteristic) 곡선을 도시한 도면이다.
도 9a 내지 9g는 본 발명의 일 실시예에 따른 가중치를 부여한 모델(weighted model)의 유전변이 개수에 따른 GRS(Generic Risk Score) 분포를 설명하기 위한 도면이다.
도 10a 내지 10g는 본 발명의 일 실시예에 따른 가중치를 부여하지 않은 모델(non-weighted model)의 유전변이 개수에 따른 유전위험 점수(Genetic risk score, GRS)분포를 설명하기 위한 도면이다.
도 11은 본 발명의 일 실시예에 따른 GRS 그룹별 전립선암에 대한 교차비를 설명하기 위한 도면이다.
도 12는 본 발명의 일 실시예에 따른 GRS 그룹 중·고위험군 그룹에서의 교차비를 설명하기 위한 도면이다.
도 13은 본 발명의 일 실시예에 따른 상이한 인구집단의 가중위험점수 비교를 위해 포함되는 유전변이를 설명하기 위한 도면이다.
도 14a 및 14b는 본 발명의 일 실시예에 따른 가중치 위험도 모델을 유럽인 데이터 및 한국인 데이터에 적용하였을 때의 GRS 분포를 도시한 도면이다.
도 153a 및 15b는 본 발명의 일 실시예에 따른 가중치 위험도 모델을 유럽인 데이터 및 한국인 데이터에 적용하였을 때의 ROC 곡선을 도시한 도면이다.
도 16a 및 16b는 본 발명의 일 실시예에 따른 유전위험 점수 그룹을 설명하기 위한 도면이다.1 is a block diagram of a reagent kit for detection of a prostate cancer gene biomarker.
2 is a diagram illustrating an operation of transmitting and receiving data between a reagent kit for detection of a prostate cancer gene biomarker and a risk score calculation device.
3 is a system diagram illustrating a system for calculating a prostate cancer genetic risk score according to an embodiment of the present invention.
4 is a block diagram illustrating the components of a calculation device according to an embodiment of the present invention.
5 is a flowchart illustrating a method of calculating a genetic risk score according to an embodiment of the present invention.
FIG. 6 is a diagram showing the aggregate data of Manhattan plots in the discovery Genome Wide Association Study (GWAS) stage.
7 is a diagram showing a list of candidate genetic variants included in the calculation of the genetic risk score according to an embodiment of the present invention.
8A and 8B are diagrams illustrating a receiver operating characteristic (ROC) curve for comparing predictive power according to the number of genetic variations according to an embodiment of the present invention.
9A to 9G are diagrams for explaining the distribution of a Generic Risk Score (GRS) according to the number of genetic variants of a weighted model according to an embodiment of the present invention.
10A to 10G are diagrams for explaining distribution of genetic risk scores (GRS) according to the number of genetic variants of a non-weighted model according to an embodiment of the present invention.
11 is a diagram for explaining an odds ratio for prostate cancer for each GRS group according to an embodiment of the present invention.
12 is a diagram for explaining an odds ratio in a GRS group middle/high risk group according to an embodiment of the present invention.
13 is a diagram for explaining genetic variation included for comparison of weighted risk scores of different population groups according to an embodiment of the present invention.
14A and 14B are diagrams illustrating GRS distribution when a weighted risk model according to an embodiment of the present invention is applied to European data and Korean data.
153A and 15B are diagrams illustrating ROC curves when a weighted risk model according to an embodiment of the present invention is applied to European data and Korean data.
16A and 16B are diagrams for explaining a genetic risk score group according to an embodiment of the present invention.

이하, 본 개시의 다양한 실시예가 첨부된 도면과 연관되어 기재된다. 본 개시의 다양한 실시예는 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들이 도면에 예시되고 관련된 상세한 설명이 기재되어 있다. 그러나 이는 본 개시의 다양한 실시예를 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 개시의 다양한 실시예의 사상 및 기술 범위에 포함되는 모든 변경 및/또는 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 도면의 설명과 관련하여, 유사한 구성요소에 대해서는 유사한 참조 부호가 사용되었다.Hereinafter, various embodiments of the present disclosure will be described in connection with the accompanying drawings. Various embodiments of the present disclosure may have various modifications and various embodiments, and specific embodiments are illustrated in the drawings and related detailed descriptions are described. However, this is not intended to limit the various embodiments of the present disclosure to specific embodiments, and it should be understood that all changes and/or equivalents or substitutes included in the spirit and scope of the various embodiments of the present disclosure are included. In connection with the description of the drawings, similar reference numerals have been used for similar elements.

본 개시의 다양한 실시예에서 사용될 수 있는 "포함한다." 또는 "포함할 수 있다." 등의 표현은 개시(disclosure)된 해당 기능, 동작 또는 구성요소 등의 존재를 가리키며, 추가적인 하나 이상의 기능, 동작 또는 구성요소 등을 제한하지 않는다. 또한, 본 개시의 다양한 실시예에서, "포함하다." 또는 "가지다." 등의 용어는 명세서상에 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."Includes", which may be used in various embodiments of the present disclosure. Or "may include." The expression, etc. indicates the existence of a corresponding function, operation, or component that has been disclosed, and does not limit one or more additional functions, operations, or components. Also, in various embodiments of the present disclosure, "includes." Or "have." The terms such as, etc. are intended to designate the existence of features, numbers, steps, actions, components, parts, or a combination of them described in the specification, and one or more other features or numbers, steps, actions, components, parts, or It is to be understood that the presence or addition of any combination of these does not preclude the possibility.

본 개시의 다양한 실시예에서 "또는" 등의 표현은 함께 나열된 단어들의 어떠한, 그리고 모든 조합을 포함한다. 예를 들어, "A 또는 B"는, A를 포함할 수도, B를 포함할 수도, 또는 A 와 B 모두를 포함할 수도 있다.In various embodiments of the present disclosure, expressions such as "or" include any and all combinations of words listed together. For example, "A or B" may include A, may include B, or may include both A and B.

본 개시의 다양한 실시예에서 사용된 "제1", "제2", "첫째", 또는 "둘째" 등의 표현들은 다양한 실시예들의 다양한 구성요소들을 수식할 수 있지만, 해당 구성요소들을 한정하지 않는다. 예를 들어, 상기 표현들은 해당 구성요소들의 순서 및/또는 중요도 등을 한정하지 않는다. 상기 표현들은 한 구성요소를 다른 구성요소와 구분하기 위해 사용될 수 있다. 예를 들어, 제1 사용자 기기와 제2 사용자 기기는 모두 사용자 기기이며, 서로 다른 사용자 기기를 나타낸다. 예를 들어, 본 개시의 다양한 실시예의 권리 범위를 벗어나지 않으면서 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다.Expressions such as "first", "second", "first", or "second" used in various embodiments of the present disclosure may modify various elements of various embodiments, but do not limit the corresponding elements. Does not. For example, the expressions do not limit the order and/or importance of corresponding elements. The above expressions may be used to distinguish one component from another component. For example, a first user device and a second user device are both user devices and represent different user devices. For example, without departing from the scope of the rights of various embodiments of the present disclosure, a first component may be referred to as a second component, and similarly, a second component may be referred to as a first component.

어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 상기 어떤 구성요소가 상기 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 상기 어떤 구성요소와 상기 다른 구성요소 사이에 새로운 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 상기 어떤 구성요소와 상기 다른 구성요소 사이에 새로운 다른 구성요소가 존재하지 않는 것으로 이해될 수 있어야 할 것이다.When a component is referred to as being "connected" or "connected" to another component, the component is directly connected to or may be connected to the other component, but the component and It should be understood that new other components may exist between the other components. On the other hand, when a component is referred to as being "directly connected" or "directly connected" to another component, it will be understood that no new other component exists between the component and the other component. Should be able to.

본 개시의 실시 예에서 "모듈", "유닛", "부(part)" 등과 같은 용어는 적어도 하나의 기능이나 동작을 수행하는 구성요소를 지칭하기 위한 용어이며, 이러한 구성요소는 하드웨어 또는 소프트웨어로 구현되거나 하드웨어 및 소프트웨어의 결합으로 구현될 수 있다. 또한, 복수의 "모듈", "유닛", "부(part)" 등은 각각이 개별적인 특정한 하드웨어로 구현될 필요가 있는 경우를 제외하고는, 적어도 하나의 모듈이나 칩으로 일체화되어 적어도 하나의 프로세서로 구현될 수 있다.In an embodiment of the present disclosure, terms such as "module", "unit", "part" are terms used to refer to components that perform at least one function or operation, and these components are hardware or software. It may be implemented or may be implemented as a combination of hardware and software. In addition, a plurality of "modules", "units", "parts", etc., are integrated into at least one module or chip, and at least one processor, except when each needs to be implemented as individual specific hardware. Can be implemented as

본 개시의 다양한 실시예에서 사용한 용어는 단지 특정일 실시예를 설명하기 위해 사용된 것으로, 본 개시의 다양한 실시예를 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다.The terms used in various embodiments of the present disclosure are only used to describe a specific embodiment, and are not intended to limit the various embodiments of the present disclosure. Singular expressions include plural expressions unless the context clearly indicates otherwise.

다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 개시의 다양한 실시예가 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다.Unless otherwise defined, all terms including technical or scientific terms used herein have the same meaning as commonly understood by one of ordinary skill in the art to which various embodiments of the present disclosure belong.

일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 개시의 다양한 실시예에서 명백하게 정의되지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.Terms as defined in a commonly used dictionary should be interpreted as having a meaning consistent with the meaning in the context of the related technology, and ideal or excessively formal unless explicitly defined in various embodiments of the present disclosure. It is not interpreted in meaning.

유전자 변이란, 유전자를 코드하는 염기 서열 중의 염기가, 어떤 집단의 대다수의 형질과는 다른 염기로 되는 것을 가리키며, 예를 들면 단일 염기 치환, 결실, 삽입, 유전자 융합 등의 유전자 구조의 차이가 발생하여 있는 것이다. Genetic mutation refers to the fact that a base in the base sequence encoding a gene becomes a base different from the majority of traits in a certain group, and differences in gene structure such as single base substitution, deletion, insertion, and gene fusion occur. I am doing it.

이하에서, 첨부된 도면을 이용하여 본 발명의 다양한 실시 예들에 대하여 구체적으로 설명한다. Hereinafter, various embodiments of the present invention will be described in detail with reference to the accompanying drawings.

도 1은 전립선암 유전자 바이보 마커의 검출을 위한 시약 키트(10, 이하 시약 키트)의 블록도이다. 1 is a block diagram of a reagent kit (10, hereinafter, reagent kit) for detection of a prostate cancer gene vibo marker.

도 1에 도시된 바와 같이, 시약 키트(10)는 인종 정보가 입력되는 인종 정보 입력부(11); 입력된 인종 정보에 따른 제1 모드 또는 제2 모드 모드로 결정하는 모드 결정부(12); 결정된 상기 제1 모드와 대응되는 rs1512268, rs4430796 및 rs2735839 중 적어도 하나의 유전자 변이를 검출하는 제1 유전자 변이 검출용 프로브(13); 결정된 상기 제2 모드와 대응되는 rs16901979, rs1512268, rs4430796 및 rs2735839 중 적어도 하나의 유전자의 변이를 검출하는 제2 유전자 변이 검출용 프로브(15); 상기 제1 유전자 변이 검출용 프로브의 제1 원료를 보관하는 제1 저장소(14); 상기 제2 유전자 변이 검출용 프로브의 제2 원료를 보관하는 제2 저장소(16); 상기 제1 저장소에 보관된 상기 제1 원료를 상기 제1 유전자 변이 검출용 프로브에 전달하는 제1 연결 튜브(17); 및 상기 제2 저장소에 보관된 상기 제2 원료를 상기 제2 유전자 변이 검출용 프로브에 전달하는 제2 연결 튜브(18);를 포함할 수 있다. 1, the reagent kit 10 includes a race information input unit 11 into which race information is input; A mode determining unit 12 that determines a first mode or a second mode according to the input race information; A first gene mutation detection probe 13 for detecting at least one gene mutation among rs1512268, rs4430796 and rs2735839 corresponding to the determined first mode; A second gene mutation detection probe 15 for detecting mutation of at least one of rs16901979, rs1512268, rs4430796 and rs2735839 corresponding to the determined second mode; A first storage (14) storing a first raw material of the first genetic mutation detection probe; A second storage (16) storing a second raw material of the second genetic mutation detection probe; A first connection tube (17) for transferring the first raw material stored in the first storage to the first genetic mutation detection probe; And a second connection tube 18 for transferring the second raw material stored in the second storage to the second genetic mutation detection probe.

시약 키트(10)는 대상체의 유래물을 입력 받는 입력부를 더 포함할 수 있다. The reagent kit 10 may further include an input unit for receiving an object derived product.

입력부는 대상체의 생체 세포, 침, 땀, 혈액, 타액 등을 입력 받도록 구현될 수 있다. 입력부는 분리 가능한 형태로 구현될 수 있다. 입력부는 1회에 한하여 사용되도록 구현될 수 있다. 입력부는 세척이 가능하도록 구현될 수 있다. 입력부는 오염 여부를 나타내는 영역을 더 포함할 수 있다. 입력부는 유래물과 결합가능한 형태로 구현되어 유래물과 결합되는 경우, 색상, 형태 등이 변화되도록 설계될 수 있다. 입력부는 유래물과 반응하는 물질을 포함하도록 구현될 수 있다. The input unit may be implemented to receive input of a living body cell, saliva, sweat, blood, saliva, or the like of an object. The input unit may be implemented in a detachable form. The input unit may be implemented to be used only once. The input unit may be implemented to enable cleaning. The input unit may further include an area indicating whether there is contamination. The input unit may be designed to be implemented in a form that can be combined with the derived material and changed color, shape, etc. when combined with the derived material. The input unit may be implemented to include a substance that reacts with the derivative.

도 2는 시약 키트(10) 및 위험 점수 산출장치(100) 사이의 데이터 송수신 동작을 설명하는 도면이다. 2 is a diagram illustrating an operation of transmitting and receiving data between the reagent kit 10 and the risk score calculation device 100.

시약 키트(10)는 제1 유전자 변이 검출용 프로브(13) 및 제2 유전자 변이 검출용 프로브(15)를 통해 검출된 유전자들의 변이 여부 및 유전자들의 변이 여부에 대한 정보를 출력할 수 있다. 시약 키트(10)는 출력된 데이터를 구비된 출력 장치를 통해 출력할 수 있다. 시약 키트(10)는 외부의 출력 장치를 구비한 전자 장치로 검출된 유전자들의 변이 여부, 검출된 유전자들에 대한 정보 등을 전송할 수 있다. 시약 키트(10)는 위험 점수를 산출하는 위험 점수 산출장치(100)로 유전자 및 유전자들의 변이 정보를 전송할 수 있다. 위험 점수 산출장치(100)와 시약 키트(10)는 유선 또는 무선의 방식으로 연결되어 데이터를 송수신할 수 있다. 시약 키트(10)는 위험 점수 산출장치(100)로 데이터를 전송하고 전송된 데이터를 삭제하여 저장 용량을 확보하도록 구현될 수 있다. 시약 키트(10)는 검출되는 데이터를 저장하는 메모리를 더 포함할 수 있다. The reagent kit 10 may output information on whether genes detected through the first gene mutation detection probe 13 and the second gene mutation detection probe 15 are mutated and whether the genes are mutated. The reagent kit 10 may output the output data through an output device. The reagent kit 10 may transmit information on whether or not the detected genes are mutated, information on the detected genes, etc. to an electronic device having an external output device. The reagent kit 10 may transmit genes and mutation information of genes to the risk score calculation device 100 that calculates the risk score. The risk score calculation device 100 and the reagent kit 10 may be connected in a wired or wireless manner to transmit and receive data. The reagent kit 10 may be implemented to secure a storage capacity by transmitting data to the risk score calculating device 100 and deleting the transmitted data. The reagent kit 10 may further include a memory for storing detected data.

도 3은 본 발명의 일 실시예예 따른 전립선암 유전위험점수 산출 시스템을 설명하기 위한 시스템도이다. 3 is a system diagram illustrating a system for calculating a prostate cancer genetic risk score according to an embodiment of the present invention.

도 3을 참조하면, 산출 시스템은 위험점수 산출장치(100, 이하 산출장치), 서버(200), 단말기(301) 및 외부 기관(302)을 포함할 수 있다. Referring to FIG. 3, the calculation system may include a risk score calculation device 100 (hereinafter, a calculation device), a server 200, a terminal 301, and an external organization 302.

산출장치(100)는 데스크 탑 컴퓨터일 수 있으나, 이에 한정하지 않으며 유전 정보를 통해 전립선암 발병에 대한 위험점수를 산출하기 위한 방법을 수행하기 위한 프로그램을 실행시킬 수 있는 모든 종류의 전자장치일 수 있다. The calculation device 100 may be a desktop computer, but is not limited thereto, and may be any type of electronic device capable of executing a program for performing a method for calculating a risk score for developing prostate cancer through genetic information. have.

사용자 단말기(301)는 유무선 통신 환경에서 데이터를 송수신할 수 있는 통신 단말기를 의미한다. 여기서, 사용자 단말기(301)는 사용자의 퍼스널 컴퓨터 일 수도 있고, 사용자의 휴대용 단말기일 수도 있다. 사용자는 피험자일 수 있고, 피험자는 직접 유전 정보를 입력하여 서버(200)로 전송할 수 있다. The user terminal 301 refers to a communication terminal capable of transmitting and receiving data in a wired or wireless communication environment. Here, the user terminal 301 may be a user's personal computer or a user's portable terminal. The user may be a subject, and the subject may directly input genetic information and transmit it to the server 200.

도 3에서는 사용자 단말기(301)는 휴대용 단말기가 스마트폰으로 도시되었지만 본 발명의 사상은 이에 제한되지 아니하며 상술한 바와 같이 통신망과 연결이 가능한 프로그램이 탑재되거나 통신 모듈과 연결된 모든 종류의 전자기기를 포함할 수 있다. 구체적으로 사용자 단말기(301)는 컴퓨터(예를 들면, 데스크톱, 랩톱, 태블릿 등), 미디어 컴퓨팅 플랫폼(예를 들면, 케이블, 위성 셋톱박스, 디지털 비디오 레코더), 핸드헬드 컴퓨팅 디바이스(예를 들면, PDA, 이메일 클라이언트 등), 핸드폰의 임의의 형태 또는 다른 종류의 컴퓨팅 또는 커뮤니케이션 플랫폼의 임의의 형태를 포함할 수 있으나, 본 발명이 이에 한정되는 것은 아니다.In FIG. 3, the user terminal 301 is shown as a portable terminal as a smartphone, but the spirit of the present invention is not limited thereto, and as described above, a program capable of connecting to a communication network is mounted or includes all kinds of electronic devices connected to a communication module. can do. Specifically, the user terminal 301 is a computer (eg, desktop, laptop, tablet, etc.), a media computing platform (eg, cable, satellite set-top box, digital video recorder), a handheld computing device (eg, PDA, e-mail client, etc.), mobile phones, or other types of computing or communication platforms, but the present invention is not limited thereto.

도 13는 사용자 단말기(301)이 각각 단수로 도시되어 있으나, 본 발명의 일 실시예에 따르면 복수개의 사용자 단말기들이 직접 산출장치(100) 및 서버(200)와 연결될 수 있다. 13 illustrates each of the user terminals 301 in a singular number, according to an embodiment of the present invention, a plurality of user terminals may be directly connected to the calculation device 100 and the server 200.

기관(302)은 복수의 피험자의 유전 정보를 획득한 병원 및 공공기관일 수 있다. 기관(302)은 서버(200)로 복수의 피험자의 유전 정보에 대한 데이터베이스를 전송할 수 있고, 서버(200)는 수신한 데이터베이스를 바탕으로 전립선암 유전 위험 점수 산출을 위한 가중치 모델을 결정할 수 있다. The institution 302 may be a hospital or public institution that has obtained genetic information of a plurality of subjects. The institution 302 may transmit a database on genetic information of a plurality of subjects to the server 200, and the server 200 may determine a weight model for calculating a prostate cancer genetic risk score based on the received database.

산출장치(100)는 피험자의 유전 정보를 입력받고, 가중치 위험도 모델을 이용하여 피험자의 전립선 암 위험도 점수를 산출하는 장치일 수 있다. 본 발명의 일 실시예에 따르면 산출장치(100)는 피험자의 인종 정보를 획득하고, 인종 정보에 대응하는 가중치 위험도 모델을 결정하여 유전위험 점수를 산출할 수 있다. 이때 인종 정보는 사용자에 의해 산출장치(100)에 입력된 것일 수 있으나, 이에 한정하지 않으며, 사용자에 의해 사용자 단말기(301)에 입력된 것일 수 있다.The calculation device 100 may be a device that receives genetic information of a subject and calculates a prostate cancer risk score of the subject by using a weighted risk model. According to an embodiment of the present invention, the calculation device 100 may obtain race information of a subject and calculate a genetic risk score by determining a weighted risk model corresponding to the race information. At this time, the race information may be input to the calculation device 100 by the user, but is not limited thereto, and may be input to the user terminal 301 by the user.

본 발명의 또 다른 실시예에 따르면, 산출장치(100)는 유전 정보에 포함된 염기서열의 특정 SNP(단일염기다형성)를 확인할 수 있다. 이때, 특정 SNP는 rs16901979, rs1512268, rs4430796 및 rs2735739를 포함하는 것일 수 있다. According to another embodiment of the present invention, the calculation device 100 may identify a specific SNP (single nucleotide polymorphism) of a nucleotide sequence included in the genetic information. In this case, the specific SNP may include rs16901979, rs1512268, rs4430796 and rs2735739.

본 발명의 또 다른 실시예에 따르면, 산출장치(100)는 피험자의 제1 유전 정보를 입력받고, 이에 대응하는 제1 가중치 위험도 모델을 이용하여 제1 유전 정보에 대한 제1 유전위험 점수를 산출할 수 있다. According to another embodiment of the present invention, the calculation device 100 receives first genetic information of a subject, and calculates a first genetic risk score for the first genetic information by using a first weighted risk model corresponding thereto. can do.

산출장치(100)는 복수의 유전위험 점수 그룹 중 제1 유전위험 점수가 속하는 그룹을 판단하고 제1 유전위험 점수가 고위험 그룹으로 판단되면, 제2 가중치 위험도 모델을 이용해 제2 유전위험 점수를 산출할 수 있다. 반면, 제1 유전위험 점수가 저위험 그룹으로 판단되면, 제1 유전위험 점수를 제1 유전 정보에 대한 유전위험 점수로 결정할 수 있다. The calculation device 100 determines a group to which the first genetic risk score belongs among the plurality of genetic risk score groups, and when the first genetic risk score is determined to be a high risk group, calculates a second genetic risk score using a second weighted risk model. can do. On the other hand, if the first genetic risk score is determined to be a low risk group, the first genetic risk score may be determined as the genetic risk score for the first genetic information.

이때, 복수의 유전위험 점수 그룹은 기설정된 GRS 분포에 따른 그룹일 수 있다. 예를 들면, 복수의 피험자에 대한 데이터베이스를 바탕으로 기산출된 GRS 점수를 기초로 고위험 그룹, 중위험 그룹, 저위험 그룹으로 분류된 것일 수 있으나 이에 한정하지 않는다. In this case, the plurality of genetic risk score groups may be groups according to a preset GRS distribution. For example, it may be classified into a high-risk group, a medium-risk group, and a low-risk group based on a GRS score previously calculated based on a database of a plurality of subjects, but is not limited thereto.

제1 가중치 위험도 모델은 피험자의 인종 정보를 고려하여 결정된 가중치 위험도 모델일 수 있다. 제2 가중치 위험도 모델은 인종 정보 및 피험자의 생활 정보를 고려하여 결정된 가중치 모델일 수 있다. 다만, 피험자의 인종 정보 및/또는 생활 정보는 일 예에 불과하고, 피험자에 대한 다양한 정보를 이용하여 가중치 모델을 결정할 수 있다. The first weighted risk model may be a weighted risk model determined in consideration of race information of the subject. The second weighted risk model may be a weighted model determined in consideration of race information and life information of the subject. However, the race information and/or life information of the subject is only an example, and the weight model may be determined using various information about the subject.

또한, 피험자에 대한 정보를 통한 가중치 위험도 모델의 결정은 일 실시예에 불과하고, 제1 가중치 위험도 모델 및 제2 가중치 위험도 모델을 결정하는 기준은 다양할 수 있다. 예를 들면, 제1 가중치 위험도 모델은 표준화된 가중치 위험도 모델로써, 5개의 SNP 마커를 이용한 것이고, 제2 가중치 위험도 모델은 4개의 SNP 마커를 이용하여 더 고성능의 모델일 수 있다. In addition, the determination of the weighted risk model based on information on the subject is only an example, and criteria for determining the first weighted risk model and the second weighted risk model may be various. For example, the first weighted risk model is a standardized weighted risk model, which uses five SNP markers, and the second weighted risk model may be a higher-performance model using four SNP markers.

상술한 실시예를 통해, 1차적으로 피험자에 대한 유전위험도를 진단하고, 필요에 따라 더욱 정밀한 유전위험 진단을 수행할 수 있다. Through the above-described embodiment, it is possible to first diagnose the genetic risk of the subject, and perform more precise genetic risk diagnosis if necessary.

본 발명의 또 다른 실시예에 따르면, 산출장치(100)는 제1 유전 정보보다 후행하는 시점의 피험자의 제2 유전 정보를 입력받는 경우, 제2 유전 정보에 대한 유전위험 점수가 속하는 그룹이 제1 유전 정보에 대한 유전위험 점수에 비해 고위험 그룹으로 변경되는 경우, 피험자를 집중관리 대상자로 설정할 수 있다. According to another embodiment of the present invention, when the calculation device 100 receives the second genetic information of the subject at a later point than the first genetic information, the group to which the genetic risk score for the second genetic information belongs is first. 1 In the case of changing to a high-risk group compared to the genetic risk score for genetic information, the subject can be set as a subject for intensive management.

즉, 피험자의 전립선암에 대한 위험점수가 증가하는 경우, 피험자를 집중관리 대상자로 설정하고 가이드라인을 제시할 수 있다는 효과가 있다. 구체적으로 피험자가 집중관리 대상자로 설정되는 경우, 산출장치(100)는 피험자의 생활 습관, 식습관 등에 대한 가이드라인을 제공하고, 차기 전립선암 검사 일정에 대해 안내할 수 있다.That is, when the risk score for prostate cancer of the subject increases, there is an effect that the subject can be set as the subject of intensive management and a guideline can be presented. Specifically, when the subject is set as the subject of intensive management, the calculation device 100 may provide a guideline for the subject's lifestyle, eating habits, etc., and may guide the next prostate cancer test schedule.

또한, 본 발명의 일 실시예에 따르면 산출장치(100)는 위험점수 증가 정도에 따라 집중관리 대상자 등급을 결정할 수 있다. 예를 들어, 위험점수의 등급이 4단계인 경우, 1단계만큼 고위험 그룹으로 변경된 경우, 하급 집중관리 대상자로 결정하고, 2단계 이상만큼 고위험 그룹으로 변경되는 피험자를 상급 집중관리 대상자로 결정할 수 있으나, 이는 일 예에 불과하며, 위험점수의 등급 및 집중관리 대상자의 등급은 다양할 수 있다.In addition, according to an embodiment of the present invention, the calculation device 100 may determine the level of the intensive management subject according to the degree of increase in the risk score. For example, if the risk score is at level 4, if it is changed to a high risk group by level 1, it is determined as a low-level intensive management target, and a subject who is changed to a high risk group by level 2 or more can be determined as an advanced intensive management target. However, this is only an example, and the grade of the risk score and the grade of the subject of intensive management may vary.

한편, 상술한 예에 따른 산출장치(100)는 상급 집중관리 대상자에 결정된 피험자에 대하여 추가적인 가이딩을 제공할 수 있다. 예를 들어, 산출장치(100)는 상급 집중관리 대상자의 연락처 정보 등과 같은 개인정보를 이용하여 피험자에게 주기적인 검사 안내 문자 또는 검사 안내 메일을 전송할 수 있다. Meanwhile, the calculation device 100 according to the above-described example may provide additional guiding for a subject determined as a subject for advanced intensive management. For example, the calculation device 100 may transmit a periodic test guide text or test guide mail to the subject by using personal information such as contact information of an advanced intensive management subject.

한편, 가중치 위험도 모델은 서버(200)로부터 수신한 것일 수 있다. 즉, 서버(200)는 단말기(301) 및 외부 기관(302)으로부터 수신한 데이터베이스를 바탕으로 전립선암을 예측하기 위한 가중치 위험도 모델을 결정할 수 있고, 이를 산출장치(100)로 전송할 수 있다. Meanwhile, the weighted risk model may be received from the server 200. That is, the server 200 may determine a weighted risk model for predicting prostate cancer based on a database received from the terminal 301 and the external organization 302, and transmit it to the calculation device 100.

구체적으로 서버(200)는 전립선암 관련 유전변이 탐색할 수 있다. 구체적으로 서버(200)는 60,276개의 유전변이에 대해 Discovery set 에서 전립선암 환자(998명)-정상 대조군(2,641명) 비교할 수 있다. 또한, 서버(200)는 재현(Replication)을 위한 유전 변이 17개를 추출할 수 있다. 서버(200)는 데이터베이스 및 유전 변이를 기초로 가중치 위험도 모델을 결정할 수 있다. Specifically, the server 200 may search for genetic mutations related to prostate cancer. Specifically, the server 200 can compare prostate cancer patients (998 patients)-normal controls (2,641 patients) in the discovery set for 60,276 genetic mutations. In addition, the server 200 may extract 17 genetic variants for replication. The server 200 may determine a weighted risk model based on a database and genetic variation.

본 발명의 일 실시예예 따르면, 서버(200)는 17개의 변이 중에서 9개의 대표 변이로 추출하여 새로운 독립적인 자료원(replication set: 전립선암 환자 (514명) + 정상 대조군 (548명))으로 가중유전위험점수를 계산할 수 있다. 이때, 서버(200)는 특정 유전 변이를 통해 전립선암과 관련된 유전위험점수를 산출할 수 있다. 이때, 대표 변이를 추출하는 과정에 있어서, 인종 별로 구분된 유전 변이가 고려될 수 있다.According to an embodiment of the present invention, the server 200 extracts 9 representative mutations out of 17 mutations and uses a new independent data source (replication set: prostate cancer patients (514 patients) + normal controls (548 people)). You can calculate your risk score. In this case, the server 200 may calculate a genetic risk score related to prostate cancer through a specific genetic mutation. In this case, in the process of extracting the representative mutation, the genetic mutation classified by race may be considered.

서버(200)는 유전 변이의 발생 횟수에 가중치를 부여할 수 있으나, 이에 한정하지 않는다. 본 발명의 일 실시예에 따르면, 서버(200)는 유전 변이의 중요도(또는 질병에 기여하는 정도)에 따라 가중치를 부여할 수 있다. 즉, 서버(200)는 유전 변이와의 연관성 정도를 나타내는 교차비에 로그(logarithm)를 취한 값을 가중치로 사용할 수 있다. The server 200 may assign a weight to the number of occurrences of the genetic mutation, but is not limited thereto. According to an embodiment of the present invention, the server 200 may assign a weight according to the importance of the genetic variation (or the degree to which it contributes to the disease). That is, the server 200 may use a value obtained by taking a logarithm of the odds ratio indicating the degree of association with the genetic variation as a weight.

본 발명의 일 실시예에 따르면, 서버(200)는 인공지능 모델을 이용하여 가중치 위험도 모델을 학습시킬 수 있다. 이때 인공지능 모델은 CNN, RNN, BNN 등을 포함하는 다양한 딥러닝 알고리즘일 수 있으나, 이에 한정하지 않는다.According to an embodiment of the present invention, the server 200 may train a weighted risk model using an artificial intelligence model. In this case, the artificial intelligence model may be various deep learning algorithms including CNN, RNN, and BNN, but is not limited thereto.

또한, 상기 가중치 위험도 모델은 상기 유전 정보에 포함된 각각의 SNP에 대해 위험대립 유전자(risk allele)의 개수에 따라, 동형 비-위험성 대립유전자(homozygous of non-risk alleles)는 0, 이형 대립유전자(heterozygous of alleles)는 1, 동형 위험성 대립유전자(homozygous of the risk alleles)는 2의 세부 점수를 부여하고, 세부 점수에 대하여 SNP 각각에 대응하는 가중치를 부여하는 모델일 수 있으나, 이에 한정하지 않는다. 이에 대하여 추후 상세히 설명하기로 한다. In addition, the weighted risk model is based on the number of risk alleles for each SNP included in the genetic information, homozygous of non-risk alleles is 0, heterologous alleles A detailed score of 1 for (heterozygous of alleles) and 2 for the homozygous of the risk alleles, and a weight corresponding to each SNP may be assigned to the detailed score, but is not limited thereto. . This will be described in detail later.

본 발명의 일 실시예에 따른 산출장치(100)는 계산기와 같은 형태로 구현될 수 있다. 즉, 산출장치(100)는 유전 변이와 관련된 유전 정보 값을 입력받고, 입력된 값들로부터 산출된 전립선암 위험도 및/또는 가이드라인 등을 디스플레이를 통해 출력할 수 있다. The calculation device 100 according to an embodiment of the present invention may be implemented in the form of a calculator. That is, the calculation device 100 may receive a genetic information value related to a genetic variation, and output a prostate cancer risk and/or a guideline calculated from the input values through the display.

본 발명의 일 실시예에 따른 산출장치(100)는 전립선암과 관련된 유전 변이 종류를 변경할 수 있다. 산출장치(100)는 사용자 정보, 예를 들면 나이, 성별, 인종 등에 대한 정보에 따라서 가중치 모델에 반영할 유전 변이 종류를 변경할 수 있다.The calculation device 100 according to an embodiment of the present invention may change the type of genetic variation related to prostate cancer. The calculation device 100 may change the type of genetic variation to be reflected in the weight model according to user information, for example, information on age, gender, race, and the like.

이때, 산출장치(100)는 서버(200)와 연동하여 서버(200)에서 설정된 다양한 가중치 모델 중 사용자 정보에 대응되는 가중치 모델을 결정할 수 있다. 예를 들면, 산출장치(100)는 입력된 피험자의 인종이 유럽인이라고 판단하면, 서버(200)로부터 유럽인에 대응되는 유전 변이에 가중치를 부여한 가중치 모델을 수신하고, 피험자의 전립선암 위험점수를 산출할 수 있다. In this case, the calculation device 100 may interwork with the server 200 to determine a weight model corresponding to user information from among various weight models set by the server 200. For example, when determining that the input subject's race is European, the calculation device 100 receives a weighted model in which a genetic variation corresponding to the European is assigned a weight from the server 200, and calculates the subject's prostate cancer risk score. can do.

본 발명의 또 다른 실시예에 따른 산출장치(100)는 사용자 또는 피험자의 신체 정보,　생활 정보와 전립선암 위험 점수 사이의 관계를 추론하여 가중치 모델을 설정할 수 있다. 예를 들면, 산출장치(100)는 피험자가 흡연자인 경우, 해당 생활 정보에 대응되는 유전 변이에 가중치를 부여한 가중치 모델을 이용하여 전립선암의 위험점수를 계산할 수 있다. 이 경우에도 산출장치(100)는 서버(200)와 연동하여 다양한 가중치 모델을 사용할 수 있다. The calculation device 100 according to another embodiment of the present invention may set a weight model by inferring a relationship between the user's or a subject's body information, life information, and a prostate cancer risk score. For example, when the subject is a smoker, the calculation device 100 may calculate a risk score for prostate cancer using a weight model in which a weight is assigned to a genetic variation corresponding to the corresponding life information. Even in this case, the calculation device 100 may use various weight models in connection with the server 200.

도 4는 본 발명의 일 실시예에 따른 산출장치의 구성요소를 설명하기 위한 블록도이다. 4 is a block diagram illustrating the components of a calculation device according to an embodiment of the present invention.

도 4를 참조하면, 산출장치(100)는 통신부(110), 입력부(120), 메모리(130), 디스플레이(140) 및 프로세서(150)를 포함할 수 있다. Referring to FIG. 4, the calculation device 100 may include a communication unit 110, an input unit 120, a memory 130, a display 140, and a processor 150.

통신부(110)는 서버(200), 사용자 단말기(301) 및 기관(302)을 비롯한 외부기관 및 장치와 데이터를 송수신하기 위한 구성이다. 통신부(100)는 블루투스 통신부, BLE(Bluetooth Low Energy) 통신부, 근거리 무선 통신부(Near Field Communication unit), WLAN(와이파이) 통신부, 지그비(Zigbee) 통신부, 적외선(IrDA, infrared Data Association) 통신부, WFD(Wi-Fi Direct) 통신부, UWB(ultra wideband) 통신부, Ant+ 통신부 등의 근거리 통신부, 이동통신망을 포함할 수 있다.The communication unit 110 is a configuration for transmitting and receiving data with external organizations and devices, including the server 200, the user terminal 301, and the organization 302. The communication unit 100 includes a Bluetooth communication unit, a Bluetooth Low Energy (BLE) communication unit, a Near Field Communication unit, a WLAN (Wi-Fi) communication unit, a Zigbee communication unit, an infrared data association (IrDA) communication unit, a WFD ( It may include a Wi-Fi Direct) communication unit, an ultra wideband (UWB) communication unit, a short-range communication unit such as an Ant+ communication unit, and a mobile communication network.

입력부(120)는 산출장치(100)에 다양한 정보를 입력하기 위한 사용자 인터페이스를 포함할 수 있다. 이때, 산출장치(100)에 입력되는 다양한 정보는 피험자의 유전 정보, 피험자의 나이, 성별, 인종 등에 대한 정보, 피험자의 생활 습관 정보 등을 포함할 수 있으나, 이에 한정되지 않는다. The input unit 120 may include a user interface for inputting various pieces of information into the calculation device 100. In this case, the various information input to the calculation device 100 may include, but is not limited to, information about the subject's genetic information, the subject's age, sex, race, and the like, and the subject's lifestyle information.

메모리(130)는 프로세서(150)의 처리 또는 제어를 위한 프로그램 등 산출장치(100) 전반의 동작을 위한 다양한 데이터를 저장할 수 있다. 메모리(130)는 산출장치(100)에서 구동되는 다수의 응용 프로그램(application program 또는 애플리케이션(application)), 산출장치(100)의 동작을 위한 데이터들, 명령어들을 저장할 수 있다. 이러한 응용 프로그램 중 적어도 일부는, 무선 통신을 통해 외부 서버로부터 다운로드 될 수 있다. 또한, 이러한 응용 프로그램 중 적어도 일부는, 산출장치(100)의 기본적인 기능을 위하여 출고 당시부터 산출장치(100) 상에 존재할 수 있다. 응용 프로그램은, 메모리(130)에 저장되고, 프로세서(150)에 의하여 산출장치(100)의 동작(또는 기능)을 수행하도록 구동될 수 있다.The memory 130 may store various data for the overall operation of the calculation device 100 such as a program for processing or controlling the processor 150. The memory 130 may store a plurality of application programs (application programs or applications) driven by the calculation device 100, data for the operation of the calculation device 100, and instructions. At least some of these application programs may be downloaded from an external server through wireless communication. In addition, at least some of these application programs may exist on the calculation device 100 from the time of shipment for basic functions of the calculation device 100. The application program may be stored in the memory 130 and driven by the processor 150 to perform an operation (or function) of the calculation device 100.

디스플레이(140)는 산출장치(100)가 가중치 위험도 모델을 통해 산출한 피험자의 전립선암 위험도 점수를 디스플레이할 수 있다. 본 발명의 일 실시예에 따르면 디스플레이(140)는 입력부(120)를 통해 입력된 정보들로부터 산출된 전립선암 위험도 점수를 표시할 수 있고, 이를 통해 피험자의 생활 습관에 대한 가이드라인 등을 디스플레이를 통해 출력할 수 있다. The display 140 may display the prostate cancer risk score of the subject calculated by the calculation device 100 through the weighted risk model. According to an embodiment of the present invention, the display 140 may display a prostate cancer risk score calculated from information input through the input unit 120, and thereby display a guideline for the subject's lifestyle. You can print it through.

디스플레이(140)는 다양한 형태의 디스플레이 패널로 구현될 수 있다. 예로, 디스플레이 패널은 LCD(Liquid Crystal Display), OLED(Organic Light Emitting Diodes), AM-OLED(Active-Matrix Organic Light-Emitting Diode), LcoS(Liquid Crystal on Silicon) 또는 DLP(Digital Light Processing) 등과 같은 다양한 디스플레이 기술로 구현될 수 있다. 또한, 디스플레이(140)는 플렉서블 디스플레이(flexible display)의 형태로 디스플레이 장치(140)의 전면 영역 및, 측면 영역 및 후면 영역 중 적어도 하나에 결합될 수도 있다. The display 140 may be implemented with various types of display panels. For example, the display panel is a liquid crystal display (LCD), Organic Light Emitting Diodes (OLED), Active-Matrix Organic Light-Emitting Diode (AM-OLED), Liquid Crystal on Silicon (LcoS), or Digital Light Processing (DLP). It can be implemented with various display technologies. In addition, the display 140 may be coupled to at least one of a front area, a side area, and a rear area of the display apparatus 140 in the form of a flexible display.

디스플레이(140)는 레이어 구조의 터치 스크린으로 구현될 수 있다. 터치 스크린은 디스플레이 기능뿐만 아니라 터치 입력 위치, 터치된 면적뿐만 아니라 터치 입력 압력까지도 검출하는 기능을 가질 수 있고, 또한 실질적인 터치(real-touch)뿐만 아니라 근접 터치(proximity touch)도 검출하는 기능을 가질 수 있다.The display 140 may be implemented as a layered touch screen. The touch screen may have a function of detecting not only a display function, but also a touch input position, a touched area, as well as a touch input pressure, and also has a function of detecting not only a real-touch but also a proximity touch. I can.

프로세서(150)는 산출장치(100)를 전반적으로 제어하기 위한 구성이다. 구체적으로, 프로세서(150)는 산출장치(100)의 메모리(130)에 저장된 각종 프로그램을 이용하여 산출장치(100)의 전반적인 동작을 제어한다. 예를 들어, 프로세서(150)는 CPU, 램(RAM), 롬(ROM), 시스템 버스를 포함할 수 있다. 여기서, 롬은 시스템 부팅을 위한 명령어 세트가 저장되는 구성이고, CPU는 롬에 저장된 명령어에 따라 산출장치(100)의 메모리에 저장된 운영체제를 램에 복사하고, O/S를 실행시켜 시스템을 부팅시킨다. 부팅이 완료되면, CPU는 메모리(130)에 저장된 각종 애플리케이션을 램에 복사하고, 실행시켜 각종 동작을 수행할 수 있다. 이상에서는 프로세서(150)가 하나의 CPU만을 포함하는 것으로 설명하였지만, 구현 시에는 복수의 CPU(또는 DSP, SoC 등)으로 구현될 수 있다.The processor 150 is a component for overall control of the calculation device 100. Specifically, the processor 150 controls the overall operation of the calculation device 100 by using various programs stored in the memory 130 of the calculation device 100. For example, the processor 150 may include a CPU, RAM, ROM, and a system bus. Here, the ROM is a configuration in which an instruction set for booting the system is stored, and the CPU copies the operating system stored in the memory of the calculation device 100 to RAM according to the instruction stored in the ROM, and executes O/S to boot the system. . When booting is completed, the CPU may perform various operations by copying and executing various applications stored in the memory 130 to RAM. In the above, it has been described that the processor 150 includes only one CPU, but when implemented, it may be implemented with a plurality of CPUs (or DSPs, SoCs, etc.).

본 발명의 일 실시 예에 따라, 프로세서(150)는 디지털 신호를 처리하는 디지털 시그널 프로세서(digital signal processor(DSP), 마이크로 프로세서(microprocessor), TCON(Time controller)으로 구현될 수 있다. 다만, 이에 한정되는 것은 아니며, 중앙처리장치(central processing unit(CPU)), MCU(Micro Controller Unit), MPU(micro processing unit), 컨트롤러(controller), 어플리케이션 프로세서(application processor(AP)), 또는 커뮤니케이션 프로세서(communication processor(CP)), ARM 프로세서 중 하나 또는 그 이상을 포함하거나, 해당 용어로 정의될 수 있다. 또한, 프로세서(150)는 프로세싱 알고리즘이 내장된 SoC(System on Chip), LSI(large scale integration)로 구현될 수도 있고, FPGA(Field Programmable gate array) 형태로 구현될 수도 있다.According to an embodiment of the present invention, the processor 150 may be implemented as a digital signal processor (DSP), a microprocessor, or a time controller (TCON) that processes digital signals. It is not limited to a central processing unit (CPU), a micro controller unit (MCU), a micro processing unit (MPU), a controller, an application processor (AP), or a communication processor ( Communication processor (CP)), one or more of an ARM processor, or may be defined in a corresponding term In addition, the processor 150 includes a system on chip (SoC) with a built-in processing algorithm, and a large scale integration (LSI). ), or in the form of a field programmable gate array (FPGA).

본 발명의 일 실시예에 따르면 프로세서(150)는 유전위험점수 산출부(151) 및 위험도 등급 결정부(152)를 포함할 수 있다. According to an embodiment of the present invention, the processor 150 may include a genetic risk score calculation unit 151 and a risk level determination unit 152.

유전위험점수 산출부(151)는 입력된 피험자에 대한 정보를 통해 피험자의 유전위험 점수를 산출하기 위한 구성이며, 위험도 등급 결정부(152)는 피험자의 가중치 위험도 모델을 통한 위험점수의 등급을 결정하기 위한 구성이다. The genetic risk score calculation unit 151 is a component for calculating a subject's genetic risk score through input information on the subject, and the risk level determination unit 152 determines the level of the risk score through the subject's weighted risk model. It is a configuration to do.

유전위험점수 산출부(151) 및 위험도 등급 결정부(152) 각각은 컴퓨팅 장치상에서 프로그램을 실행하기 위해 필요한　프로세서(150)　등에 의해 각각 구현될 수 있다. 이처럼 유전위험점수 산출부(151) 및 위험도 등급 결정부(152)는 물리적으로 독립된 각각의 구성에 의해 구현될 수도 있고, 하나의　프로세서　내에서 기능적으로 구분되는 형태로 구현될 수도 있다Each of the genetic risk score calculation unit 151 and the risk level determination unit 152 may be implemented by a 　 processor 150 　, etc., which are required to execute a program on a computing device. As such, the genetic risk score calculation unit 151 and the risk level determination unit 152 may be implemented by physically independent configurations, or may be implemented in a form that is functionally divided within one 　processor 　.

한편, 도 3 및 도 4에서는 서버(200)는 산출장치(100)와 별도의 구성으로 구현된 것을 도시하였으나, 본 발명의 일 실시예에 따르면 서버(200)는 산출장치(100)와 하나의 구성으로 구현될 수 있다. Meanwhile, in FIGS. 3 and 4, the server 200 is implemented as a separate configuration from the calculation device 100, but according to an embodiment of the present invention, the server 200 It can be implemented as a configuration.

예를 들어, 서버(200)에서 실행되는 일련의 프로세스는 산출장치(100)에서 실행될 수 있다. 즉, 산출장치(100)는 병원(301), 사용자 단말기(302) 등으로부터 직접 데이터를 수신하고, 데이터를 바탕으로 피험자 정보에 대응하도록 가중치를 상이하게 적용하는 가중치 위험도 모델을 결정할 수 있다. For example, a series of processes executed in the server 200 may be executed in the calculation device 100. That is, the calculation device 100 may directly receive data from the hospital 301, the user terminal 302, and the like, and determine a weighted risk model in which different weights are applied to correspond to the subject information based on the data.

이하에서는 설명의 편의를 위해, 서버(200)에서 수행되는 모든 프로세스가 산출장치(100)에서 수행되는 실시예를 전제로 설명하기로 한다. Hereinafter, for convenience of description, an embodiment in which all processes performed by the server 200 are performed by the calculation device 100 will be described.

도 5는 본 발명의 일 실시예에 따른 유전위험 점수를 산출하는 방법을 설명하기 위한 흐름도이다. 5 is a flowchart illustrating a method of calculating a genetic risk score according to an embodiment of the present invention.

산출장치(100)는 피험자에 대한 유전 정보를 입력 받을 수 있다(S300). 이때, 유전 정보는 전립선암과 관련된 단일염기다형성(SNP) 및 SNP를 포함하는 연속적인 염기서열을 포함할 수 있다. 또한, 유전 정보는 피험자에 대한 인종 정보, 생활 습관 정보 등 다양한 정보를 포함할 수 있다. The calculation device 100 may receive genetic information on the subject (S300). In this case, the genetic information may include a continuous nucleotide sequence including single nucleotide polymorphism (SNP) and SNP related to prostate cancer. In addition, the genetic information may include a variety of information such as race information and lifestyle information about the subject.

산출장치(100)는 피험자의 유전 정보를 바탕으로 제1 가중치 위험도 모델을 결정할 수 있다. 이때, 산출장치(100)는 인종 간의 유전자 비율 차이를 비교하여 그에 대응하는 제1 가중치 위험도 모델을 결정할 수 있다. 예를 들어, 피험자의 인종 정보가 유럽인인 경우, 산출장치(100)는 유럽인 전립선암 위험도와 관련성이 높은 특정 유전 변이에 가중치를 부여한 제1 가중치 위험도 모델을 결정할 수 있다. 인종 간의 유전자 비율 비교는 2010년 사이언스지에 공지된 논문 'A Draft Sequence of the Neandertal Genome'의 방법을 이용할 수 있으나, 이에 한정하지 않는다. The calculation device 100 may determine a first weighted risk model based on the subject's genetic information. In this case, the calculation device 100 may determine a first weighted risk model corresponding to the difference in the ratio of genes between races. For example, when the race information of the subject is European, the calculation device 100 may determine a first weighted risk model in which a weight is assigned to a specific genetic variation that is highly related to the European prostate cancer risk. The comparison of the ratio of genes between races can be performed using the method of'A Draft Sequence of the Neandertal Genome' published in 2010, but is not limited thereto.

산출장치(100)는 제1 가중치 위험도 모델을 통해 제1 유전위험 점수를 산출할 수 있다(S310). 한편, 산출장치(100)는 산출된 제1 유전위험 점수가 고위험군 그룹인지 여부를 판단할 수 있다(S320). 판단 결과, 제1 유전위험 점수가 고위험군이 아닌 경우(S320-N), 해당 점수를 최종 유전위험 점수로 결정할 수 있다. The calculation device 100 may calculate a first genetic risk score through the first weighted risk model (S310). Meanwhile, the calculation device 100 may determine whether the calculated first genetic risk score is a high risk group (S320). As a result of the determination, when the first genetic risk score is not a high risk group (S320-N), the corresponding score may be determined as the final genetic risk score.

다만, 판단 결과 제1 유전위험 점수가 고위험군인 경우(S320-Y), 산출장치(100)는 제2 가중치 위험도 모델을 결정하여 제2 유전위험 점수를 산출할 수 있다(S340). 구체적으로, 산출장치(100)는 피험자에 대한 추가적인 정보를 통해 제2 가중치 위험도 모델을 결정할 수 있다. 예를 들어, 피험자가 유럽인에 고령자라는 정보를 통해, 산출장치(100)는 유럽인뿐만 아니라 고령자의 전립선 암 위험도와 관련성이 높은 특정 유전 변이에 가중치를 부여한 제2 가중치 위험도 모델을 결정할 수 있다. However, as a result of the determination, when the first genetic risk score is a high risk group (S320-Y), the calculation device 100 may calculate a second genetic risk score by determining a second weighted risk model (S340). Specifically, the calculation device 100 may determine the second weighted risk model through additional information on the subject. For example, based on the information that the subject is an elderly person to a European person, the calculation device 100 may determine a second weighted risk model in which a weight is assigned to a specific genetic variation that is highly related to the prostate cancer risk of not only Europeans but also the elderly.

이후, 산출장치(100)는 제2 가중치 위험도 모델을 통한 제2 유전위험 점수를 최종유전위험 점수로 결정할 수 있다(S330).Thereafter, the calculation device 100 may determine the second genetic risk score through the second weighted risk model as the final genetic risk score (S330).

본 발명의 일 실시예에 따르면, 산출장치(100)는 산출된 유전위험 점수를 ROC(Receiver Operating Characteristics)를 통해 검증하고, 상기 검증 결과, 기설정된 AUC(Area under the curve) 값을 초과하는 유전위험 점수를 상기 유전위험 점수로 결정할 수 있다. According to an embodiment of the present invention, the calculation device 100 verifies the calculated genetic risk score through a receiver operating characteristic (ROC), and as a result of the verification, a dielectric material exceeding a preset area under the curve (AUC) value. The risk score can be determined as the genetic risk score.

도 6은 발견(discovery) GWAS(Genome Wide Association Study) 단계에서의 맨하탄 플롯(Manhattan plots)의 총괄자료를 도시한 도면이다. FIG. 6 is a diagram showing aggregate data of Manhattan plots in the discovery Genome Wide Association Study (GWAS) stage.

GWAS는 일반적으로　Case (관심 형질을 가진 집단, 환자군)　와　Control (형질을 갖지 않는 집단, 정상군)의 두 집단의 유전 정보를 얻은 후에 서로 비교하여,　case에서 더 많은 빈도를 갖는, 즉 연관성을 가진 유전자를 찾기 위한 단계이다. 즉 GWAS는 인과 관계를 찾는 것이 아니라 우연히 연관되어 나타나는 유전자들의 후보를 찾는 과정이다. 따라서 일반적으로　연구는 GWAS를 통한 후보 유전자 탐색, 그리고 이후에 더 많은 환자군에서 확인 (replication cohort) 또는 실험에서 생물학적 입증의 결과를 거쳐 최종적으로 유전자-형질의 관계를 밝히는 과정으로 진행된다.GWAS is generally compared to each other after obtaining genetic information of two groups, 　Case (group with trait of interest, patient group) 　 and 　Control (group without trait, normal group). This is the step to find the gene you have. In other words, GWAS is not a causal relationship, but a process of finding candidates for genes that are accidentally related. Therefore, in general, the research proceeds with the process of searching for candidate genes through GWAS, and then confirming in more patient groups (replication cohort) or through the results of biological verification in experiments, and finally revealing the gene-trait relationship.

연관불균형(LD, Linkage Disequilibrium)은 유전형의 재배열 과정에서 서로 거리가 가까운 유전자끼리 유전형이 섞이지 않고 모자이크 패턴으로 함께 이동하게 되며, LD block을 형성하는 것이다. 같은 LD block에 포함된 위치에 대해서는 연관성 분석을 하게 되면, 비슷한 연관성의 강도 및 통계적 유의수준 (p값)을 보인다. 이는 도 6과 같이 GWAS에 흔히 이용되는　맨하탄 플롯(Manhattan plot)에서 시그널이 주위에서 모두 높게 나오는 이유가 된다. Linkage Disequilibrium (LD) is that genes that are close to each other in the process of rearranging the genotype do not mix with each other, but move together in a mosaic pattern, forming an LD block. When a correlation analysis is performed for the position included in the same LD block, the strength of similar association and the statistical significance level (p value) are shown. This is the reason why the signals are all high around in the 　 Manhattan plot commonly used in GWAS as shown in FIG. 6.

도 7은 본 발명의 일 실시예에 따른 유전위험 점수 계산에 포함되는 후보 유전변이 목록을 도시한 도면이다. 7 is a diagram showing a list of candidate genetic variants included in the calculation of the genetic risk score according to an embodiment of the present invention.

산출장치(100)는 전립선암과 관련된 주요 SNP 유전 변이 9개를 추출할 수 있다. 도 7을 참조하면, 주요 유전변이 SNP는 rs1456315, rs7837688, rs1512268, rs7501939, rs2735839, rs339331, rs2016588, rs11147922, rs57006764인 것을 확인할 수 있다. The calculation device 100 may extract 9 major SNP genetic variants related to prostate cancer. Referring to FIG. 7, it can be seen that the major genetic variant SNPs are rs1456315, rs7837688, rs1512268, rs7501939, rs2735839, rs339331, rs2016588, rs11147922, and rs57006764.

본 발명의 일 실시예에 따른 가중치 위험도 모델은 각각의 SNP에 전립선암과 관련된 교차비(OR)를 기준으로 가중치를 부여할 수 있다. 예를 들면, SNP 중 rs1456315의 전립선암에 대한 교차비는 1.797이므로, rs1456315에 대하여 가중치(weight)로 log(OR)의 결과인 0.586을 부여할 수 있다. In the weighted risk model according to an embodiment of the present invention, a weight may be assigned to each SNP based on an odds ratio (OR) related to prostate cancer. For example, since the odds ratio for prostate cancer of rs1456315 among SNPs is 1.797, 0.586, which is the result of log (OR), can be assigned to rs1456315 as a weight.

상술한 가중치를 바탕으로 본 발명의 일 실시예에 따른 9개의 유전 변이를 고려한GRS(genetic risk score)는 아래의 식과 같을 수 있다. Based on the above-described weights, a genetic risk score (GRS) considering nine genetic variations according to an embodiment of the present invention may be as follows.

wGRS(weighted genetic risk score) =

weighted genetic risk score (wGRS) =

이때, X₁내지 X₉는 각각의 SNP(rs1456315, rs7837688, rs1512268, rs7501939, rs2735839, rs339331, rs2016588, rs11147922, rs57006764)에 대한 위험 대립유전자의 개수에 대응한다. 구체적으로, 산출장치(100)는 유전 정보에 포함된 각각의 SNP에 대해 위험대립 유전자(risk allele)의 개수에 따라, 동형 비-위험성 대립유전자(homozygous of non-risk alleles)는 X_n= 0, 이형 대립유전자(heterozygous of alleles)는 X_n= 1, 동형 위험성 대립유전자(homozygous of the risk alleles)는 X_n= 2의 세부 점수를 부여할 수 있다. 즉, 가중치 위험도 모델은 각각의 대립유전자 수에 비례하는 가중치를 부여하도록 설정될 수 있다. At this time, X ₁ to X ₉ correspond to the number of risk alleles for each SNP (rs1456315, rs7837688, rs1512268, rs7501939, rs2735839, rs339331, rs2016588, rs11147922, rs57006764). Specifically, the calculation device 100 according to the number of risk alleles for each SNP included in the genetic information, the homozygous of non-risk alleles (homozygous of non-risk alleles) is X _n = 0 , the release allele (heterozygous alleles of) the X _n = 1, the same type risk alleles (homozygous of the risk alleles) may be given a detailed score of X _n = 2. That is, the weighted risk model may be set to give a weight proportional to the number of each allele.

다만, 이는 일 실시예에 불과하고, 본 발명의 산출장치(100)는 다양한 유전 변이 개수로 GRS 식을 결정할 수 있다. 예를 들어, 상술한 가중치 모델은 9개의 유전 변이 모두에 대한 GRS인 반면, 산출장치(100)는 피험자의 정보에 따라 관련성이 높은 최적의 SNP의 조합에 따라 GRS 식을 결정할 수 있다. However, this is only an example, and the calculation apparatus 100 of the present invention may determine the GRS equation with the number of various genetic mutations. For example, while the above-described weighting model is GRS for all nine genetic variants, the calculation device 100 may determine the GRS equation according to an optimal combination of SNPs with high relevance according to the subject's information.

예를 들어, 산출장치(100)는 피험자의 인종 정보에 대응하는 SNP 마커 세트만을 이용하여 가중치를 부여할 수 있고, 피험자의 생활 습관 정보에 대응하는 SNP 마커 세트만을 이용하여 가중치를 부여할 수 있다. For example, the calculation device 100 may assign a weight using only the SNP marker set corresponding to the subject's race information, and may assign the weight using only the SNP marker set corresponding to the subject's lifestyle information. .

상술한 최적의 SNP 마커 세트는 데이터베이스를 이용하여 인공지능 모델을 통해 결정될 수 있으나, 이는 일 예에 불과하고 다양한 방법을 통해 결정된 것일 수 있다. The above-described optimal SNP marker set may be determined through an artificial intelligence model using a database, but this is only an example and may be determined through various methods.

도 8a 및 도 8b는 본 발명의 일 실시예에 따른 유전변이의 개수에 따른 예측력을 비교하기 위한 ROC(Receiver Operating Characteristic) 곡선을 도시한 도면이다. 8A and 8B are diagrams illustrating a receiver operating characteristic (ROC) curve for comparing predictive power according to the number of genetic variations according to an embodiment of the present invention.

ROC (Receiver Operating Characteristics) 곡선은 예측 성능을 평가하기 위하여 시각화한 도표이다. 예측 성능은 곡선 아래의 면적 (Area under the curve, AUC) 으로 평가한다. ROC 는 각 평가 기준 (threshold) 에 따른 특이도 (specificity) 와 민감도 (sensitivity) 를 각각 X, Y 좌표로 나타내어 선으로 연결하여 나타낸다. The ROC (Receiver Operating Characteristics) curve is a visualized chart to evaluate the prediction performance. The predictive performance is evaluated by the area under the curve (AUC). ROC represents the specificity and sensitivity according to each evaluation threshold by X and Y coordinates, respectively, and connected with lines.

이때, 특이도는 질병이 없는 환자를 질병이 없다고 예측할 비율, 민감도는 질병이 있을 때 있다고 예측할 확률로 정의되며, 두 지표는 서로 트레이드 오프(trade-off) 관계를 보인다. 곡선의 X, Y 좌표는 (0,0) 에서 (1,1) 까지의 값을 가지며, 예측력이 좋을수록 AUC 값은 1에 가까운 값을 가진다. At this time, the specificity is defined as the ratio of predicting that a patient without disease has no disease, and the sensitivity is defined as the probability of predicting that there is a disease, and the two indicators show a trade-off relationship with each other. The X and Y coordinates of the curve have values from (0,0) to (1,1), and the better the predictive power, the closer the AUC value is to 1.

본 발명의 일 실시예에 따르면, 산출장치(100)는 ROC를 유전위험점수의 기준 (threshold) 에 따라 민감도와 특이도가 어떻게 달라지는지 시각화할 수 있고, 곡선의 AUC를 산출하여 모형의 성능을 평가할 수 있다. 또한, 본 발명의 산출장치(100)는 통계적 유의 수준에 따라 포함된 유전 변이의 개수에 따라 전립선암 환자군과 정상군을 얼마나 잘 구분하는지를 각각 나타내어 비교할 수 있다.According to an embodiment of the present invention, the calculation device 100 can visualize how the sensitivity and specificity of the ROC vary according to the threshold of the genetic risk score, and calculate the AUC of the curve to determine the performance of the model. Can be evaluated. In addition, the calculation device 100 of the present invention may show and compare how well the prostate cancer patient group and the normal group are classified according to the number of genetic variations included according to the level of statistical significance.

도 8a를 참조하면 가중치 위험도 모델은 유전변이의 개수가 4개와 6개일 때 AUC가 가장 큰 값 (0.680) 을 가지면서 가장 높은 예측 성능을 보인다. 또한, 도 8b를 참조하면, 가중치 위험도 모델은 포함된 유전변이의 개수가 5개와 9개일 때 0.679 로 두번째로 높은 예측 성능을 보인다.Referring to FIG. 8A, when the number of genetic variants is 4 and 6, the weighted risk model has the highest AUC value (0.680) and shows the highest predictive performance. In addition, referring to FIG. 8B, the weighted risk model shows the second highest prediction performance at 0.679 when the number of included genetic variants is 5 and 9.

도 9a 내지 9g는 본 발명의 일 실시예에 따른 가중치를 부여한 모델(weighted model)의 유전변이 개수에 따른 GRS(Generic Risk Score) 분포를 설명하기 위한 도면이다.9A to 9G are diagrams for explaining a distribution of a Generic Risk Score (GRS) according to the number of genetic variants of a weighted model according to an embodiment of the present invention.

도 9a는 본 발명의 일 실시예에 따른 p 값(통계적 유의성)에 따른 상위 SNP의 개수 별 GRS 및 AUC를 도시한 표이다. 9A is a table showing GRS and AUC for each number of upper SNPs according to p value (statistical significance) according to an embodiment of the present invention.

도 9b 내지 9g는 각각 SNP 마커가 4개인 경우부터 9개인 경우까지 순차적으로 case(관심 형질을 가진 집단, 환자군)과 control(관심 형질을 가지지 않은 집단, 정상군)에 대한 GRS 분포를 도시한 그래프이다. 9B to 9G are graphs showing the distribution of GRS for case (group with trait of interest, patient group) and control (group without trait of interest, normal group) sequentially from 4 to 9 cases of SNP markers, respectively to be.

도 9a 내지 9g를 참조하면, 마커가 4개 및 6개인 경우 큰 GRS 값을 가지며, 높은 정확도를 가진다. 9A to 9G, 4 and 6 markers have a large GRS value and have high accuracy.

도 10a 내지 10g는 본 발명의 일 실시예에 따른 가중치를 부여하지 않은 모델(non-weighted model)의 유전변이 개수에 따른 GRS(Generic Risk Score) 분포를 설명하기 위한 도면이다.10A to 10G are diagrams for explaining a distribution of a Generic Risk Score (GRS) according to the number of genetic variants of a non-weighted model according to an embodiment of the present invention.

도 10a는 본 발명의 일 실시예에 따른 p 값(통계적 유의성)에 따른 상위 SNP의 개수 별 GRS 및 AUC를 도시한 표이다. 10A is a table showing GRS and AUC for each number of upper SNPs according to p value (statistical significance) according to an embodiment of the present invention.

도 10b 내지 10g는 각각 SNP 마커가 4개인 경우부터 9개인 경우까지 순차적으로 case(관심 형질을 가진 집단, 환자군)과 control(관심 형질을 가지지 않은 집단, 정상군)에 대한 GRS 분포를 도시한 그래프이다. 10B to 10G are graphs showing the distribution of GRS for case (group with trait of interest, patient group) and control (group without trait of interest, normal group) sequentially from 4 to 9 cases of SNP markers, respectively to be.

도 9a 내지 10g를 참조하면, 가중치를 부여한 위험도 모델의 경우에서 모든 마커 개수 유형에서 높은 GRS 값을 가지며, 높은 정확도를 가진다는 것을 확인할 수 있다. Referring to FIGS. 9A to 10G, it can be seen that in the case of a weighted risk model, all types of markers have a high GRS value and a high accuracy.

도 11은 본 발명의 일 실시예에 따른 GRS 그룹별 전립선암에 대한 교차비를 설명하기 위한 도면이다. 11 is a diagram for explaining an odds ratio for prostate cancer for each GRS group according to an embodiment of the present invention.

교차비는 입력변수(독립변수 또는 설명변수)가 종속변수에 대한 인과관계를 파악하기 위한 것으로, 입력변수와 종속변수 사이에서 계산된 값이 1을 넘으면 양(positive)의 연관성을 나타내고, 계산된 값이 1보다 낮으면 음(negative)의 연관성을 나타내는 지표이다.The odds ratio is to determine the causal relationship of the input variable (independent variable or explanatory variable) to the dependent variable. If the calculated value between the input variable and the dependent variable exceeds 1, it indicates a positive association, and the calculated value If it is lower than 1, it is an index indicating a negative association.

즉, 특정 대립유전자를 가지고 있는 사람들에서의 질병 여부에 대한 비(odds) 와 그 대립유전자가 없는 사람들이 가지는 질병에 대한 여부의 비 (ratio) 및 특정 대립유전자를 가진 그룹과 그렇지 않은 그룹의 질병의 위험도를 비교하기 위함이다. That is, the ratio of the disease in people with a specific allele (odds) and the disease in people without the allele, and the disease in the group with and without the specific allele. This is to compare the risk of

Prostate cancer group (Cases)Prostate cancer group (Cases) Healthy controlsHealthy controls Risk alleleRisk allele AA BB Protective alleleProtective allele CC DD

Odds Ratio =

도 11의 x축은 본 발명의 일 실시예에 따른 도 7b 내지 7g의 GRS 분포에서 GRS를 상위로부터 도수분포로 4분위 수(Quartile)로 그룹화하여 배열한 것이고, y축은 각각의 GRS 그룹 별 전립선암에 대한 교차비에 대한 것이다. The x-axis of FIG. 11 is a grouping and arrangement of GRSs in a quartile in a frequency distribution from the top in the GRS distributions of FIGS. 7b to 7g according to an embodiment of the present invention, and the y-axis is prostate cancer for each GRS group. For odds ratio.

도 11을 참조하면, Q4(4분위 수의 가장 상위 그룹)은 GRS 범위가 0.26~0.45이며, 교차비(OR, Odds Ratio)가 6으로 전립선암에 대하여 큰 연관성을 가진다. 이외의 그룹으로 Q3는 GRS 범위 0.19~0.26 및 교차비 3.1, Q2는 GRS 범위 0.12~0.19 및 교차비 1.72, Q1은 GRS 범위 0-0.12를 보이며, 다른 그룹과의 연관성 비교를 위한 참조 그룹으로써 교차비 1을 보인다. Referring to FIG. 11, Q4 (the highest group of quartiles) has a GRS range of 0.26 to 0.45, and an odds ratio (OR) of 6, which has a great association with prostate cancer. In other groups, Q3 has a GRS range of 0.19 to 0.26 and odds ratio 3.1, Q2 has a GRS range of 0.12 to 0.19 and odds ratio 1.72, Q1 has a GRS range of 0-0.12, and odds ratio 1 is used as a reference group for comparison with other groups. see.

도 12은 본 발명의 일 실시예에 따른 GRS 그룹 중·고위험군 그룹에서의 교차비를 설명하기 위한 도면이다. 도 10을 참조하면, Q4 그룹 안에서도 GRS cut-off가 0.35인 top 2.5% 인 경우의 교차비가 4.65로 가장 큰 것으로 나타난다. 12 is a diagram for explaining an odds ratio in the middle/high risk group of the GRS group according to an embodiment of the present invention. Referring to FIG. 10, the odds ratio in the case of the top 2.5% with a GRS cut-off of 0.35 is the largest at 4.65 even in the Q4 group.

도 13은 본 발명의 일 실시예에 따른 상이한 인구집단의 가중위험점수 비교를 위해 포함되는 유전변이를 설명하기 위한 도면이다. 13 is a diagram for explaining genetic variation included for comparison of weighted risk scores of different population groups according to an embodiment of the present invention.

본 분석에서 포함된 SNP들과 가장 많은 수의 SNP (N=4) 가 겹치는 Xu, Jianfeng, et al. ＂Genome-wide association study in Chinese men identifies two new prostate cancer risk loci at 9q31. 2 and 19q13. 4.＂ Nature genetics 44.11 (2012): 1231. 문헌의 결과 (Supplementary Table 2) 중 유럽인종의 OR 값을 참조한 것이다. Xu, Jianfeng, et al. ＂Genome-wide association study in Chinese men identifies two new prostate cancer risk loci at 9q31. 2 and 19q13. 4.” Nature genetics 44.11 (2012): 1231. It refers to the OR value of European races in the results of the literature (Supplementary Table 2).

도 13을 참조하면, 특히 대립유전자(risk allele) A의 SNP rs4430796의 경우, 한국인(KOR)에 GRS는 0.292고 유럽인(EUR)에 대한 GRS는 0.086으로 크게 차이남을 알 수 있다.Referring to FIG. 13, in particular, in the case of SNP rs4430796 of risk allele A, it can be seen that the GRS for Koreans (KOR) is 0.292 and the GRS for Europeans (EUR) is 0.086.

예를 들어 산출장치(100)는 피험자의 인종 정보가 한국인으로 판단한 경우, rs16901979, rs1512268, rs4430796 및 rs2735839과 같은 SNP를 가중치 모델에 포함하여 위험도를 계산할 수 있다. For example, when it is determined that the race information of the subject is Korean, the calculation device 100 may calculate the risk by including SNPs such as rs16901979, rs1512268, rs4430796, and rs2735839 in the weighting model.

도 14a 및 14b는 본 발명의 일 실시예에 따른 가중치 위험도 모델을 유럽인 데이터 및 한국인 데이터에 적용하였을 때의 GRS 분포를 도시한 도면이다. 14A and 14B are diagrams illustrating GRS distribution when a weighted risk model according to an embodiment of the present invention is applied to European data and Korean data.

도 14a는 유럽인 데이터에서 도출된 가중치를 적용하였을 때의 GRS 분포를 나타내고, 도 14b는 한국인 데이터에서 도출된 가중치를 적용하였을 때의 GRS 분포를 나타낸다. FIG. 14A shows a GRS distribution when a weight derived from European data is applied, and FIG. 14B shows a GRS distribution when a weight derived from Korean data is applied.

도 14a를 참조하면, rs1512268, rs4430796 및 rs2735839과 같은 SNP를 포함한 가중치 모델에 유럽인 데이터가 적용된 결과 control과 case 모두 낮은 GRS를 보인다. 반면, 한국인 데이터가 적용되면 도 12b에서와 같이 상대적으로 높은 GRS 분포를 보인다. Referring to FIG. 14A, as a result of applying European data to a weighted model including SNPs such as rs1512268, rs4430796 and rs2735839, both control and case show low GRS. On the other hand, when Korean data is applied, a relatively high GRS distribution is shown as in FIG. 12B.

도 15a 및 15b는 본 발명의 일 실시예에 따른 가중치 위험도 모델을 유럽인 데이터 및 한국인 데이터에 적용하였을 때의 ROC 곡선을 도시한 도면이다. 15A and 15B are diagrams illustrating ROC curves when a weighted risk model according to an embodiment of the present invention is applied to European data and Korean data.

구체적으로 도 15a는 유럽인 데이터에서 도출된 가중치를 적용하였을 때의 ROC를 나타내고, 도 15b는 한국인 데이터에서 도출된 가중치를 적용하였을 때의 ROC를 나타낸다. Specifically, FIG. 15A shows the ROC when the weight derived from the European data is applied, and FIG. 15B shows the ROC when the weight derived from the Korean data is applied.

도 14a 및 14b와 마찬가지로, 한국인 데이터의 경우 AUC가 0.604로 유럽인 데이터의 AUC 0.591에 비해 더 높은 성능을 보인다. 즉, 인종 별로 상이한 가중치 모델을 사용하여야 할 필요성이 있음을 알 수 있다.14A and 14B, the AUC of the Korean data is 0.604, which is higher than the AUC of 0.591 of the European data. That is, it can be seen that there is a need to use different weight models for each race.

이에, 본 발명의 산출장치(100)는 인종 별 가중치 위험도 모델을 상이하게 변경함으로써, 높은 정확도의 위험점수를 산출할 수 있다. Accordingly, the calculation apparatus 100 of the present invention may calculate a risk score with high accuracy by changing the weighted risk model for each race differently.

도 16a 및 16b는 본 발명의 일 실시예에 따른 유전위험 점수 그룹을 설명하기 위한 도면이다. 16A and 16B are diagrams for explaining a group of genetic risk scores according to an embodiment of the present invention.

도 16a는 x축은 GRS 분포에서 GRS를 상위로부터 도수분포로 5분위 수(Quintile)로 그룹화하여 배열한 것이고, y축은 case(환자군) 및 control(정상군)에 대한 수를 나타낸다. 16A shows GRSs in the GRS distribution by grouping them into quintiles from the top to the frequency distribution, and the y-axis shows the numbers for case (patient group) and control (normal group).

도 16b는 x축은 GRS 분포에서 GRS를 상위로부터 도수분포로 4분위 수(Quartile)로 그룹화하여 배열한 것이고, y축은 case(환자군) 및 control(정상군)에 대한 수를 나타낸다.FIG. 16B is an x-axis arranging GRSs in a GRS distribution by grouping them into quartiles from the top to the frequency distribution, and the y-axis shows the numbers for case (patient group) and control (normal group).

즉, 본 발명의 산출장치(100)는 실시예에 따라서 GRS를 기준으로 4분위 또는 5분위 등 다양하게 그룹화할 수 있다. 산출장치(100)는 가중치 위험도 모델을 통해 피험자에 대한 유전위험 점수를 산출하면 해당 점수가 어느 그룹에 속하는지 판단할 수 있다. That is, the calculation device 100 of the present invention may group variously, such as a quartile or a quintile, based on the GRS according to an embodiment. When calculating the genetic risk score for the subject through the weighted risk model, the calculation device 100 may determine which group the corresponding score belongs to.

본 발명의 일 실시예에 따르면, 산출장치(100)는 제1 유전 정보보다 후행하는 시점의 피험자의 제2 유전 정보를 입력받을 수 있다. 이 경우 제2 유전 정보에 대한 유전위험 점수가 속하는 그룹이 제1 유전 정보에 대한 유전위험 점수에 비해 고위험 그룹으로 변경되는 경우, 산출장치(100)는 해당 피험자를 집중관리 대상자로 설정할 수 있다. 산출장치(100)는 집중관리 대상자로 설정된 피험자에게 생활 습관 개선, 주기적인 전립선암 진단 제안 등 다양한 가이드라인을 제시할 수 있다. According to an embodiment of the present invention, the calculation device 100 may receive the second genetic information of the subject at a later point than the first genetic information. In this case, when the group to which the genetic risk score for the second genetic information belongs is changed to a high-risk group compared to the genetic risk score for the first genetic information, the calculation device 100 may set the subject as an intensive management target. The calculation device 100 may present various guidelines such as lifestyle improvement and periodic prostate cancer diagnosis proposals to a subject set as an intensive management target.

본 발명의 또 다른 실시예에 따르면, 제2 유전 정보보다 후행하는 제3 유전 정보에 대한 유전위험 점수가 저위험 그룹으로 변경되는 경우, 산출장치(100)는 해당 피험자를 집중관리 대상자에서 해제할 수 있다. According to another embodiment of the present invention, when the genetic risk score for the third genetic information that follows the second genetic information is changed to the low-risk group, the calculation device 100 releases the subject from the subject of intensive management. I can.

한편, 상술한 본 발명의 다양한 실시 예들에 따른 방법들은, 기존 전자 장치에 설치 가능한 어플리케이션 형태로 구현될 수 있다. Meanwhile, the above-described methods according to various embodiments of the present disclosure may be implemented in the form of an application that can be installed in an existing electronic device.

또한, 상술한 본 발명의 다양한 실시 예들에 따른 방법들은, 기존 전자 장치에 대한 소프트웨어 업그레이드, 또는 하드웨어 업그레이드만으로도 구현될 수 있다. In addition, the above-described methods according to various embodiments of the present disclosure may be implemented only by software upgrade or hardware upgrade of an existing electronic device.

또한, 상술한 본 발명의 다양한 실시예들은 전자 장치에 구비된 임베디드 서버, 또는 전자장치의 외부 서버를 통해 수행되는 것도 가능하다. In addition, various embodiments of the present invention described above may be performed through an embedded server provided in an electronic device or an external server of the electronic device.

한편, 본 발명의 일 실시예에 따르면, 이상에서 설명된 다양한 실시예들은 소프트웨어(software), 하드웨어(hardware) 또는 이들의 조합을 이용하여 컴퓨터(computer) 또는 이와 유사한 장치로 읽을 수 있는 기록매체(computer readable recording medium)에 저장된 명령어를 포함하는 소프트웨어로 구현될 수 있다. 일부 경우에 있어 본 명세서에서 설명되는 실시예들이 프로세서 자체로 구현될 수 있다. 소프트웨어적인 구현에 의하면, 본 명세서에서 설명되는 절차 및 기능과 같은 실시 예들은 별도의 소프트웨어 모듈들로 구현될 수 있다. 소프트웨어 모듈들 각각은 본 명세서에서 설명되는 하나 이상의 기능 및 동작을 수행할 수 있다. Meanwhile, according to an embodiment of the present invention, various embodiments described above are a recording medium that can be read by a computer or a similar device using software, hardware, or a combination thereof. computer readable recording medium). In some cases, the embodiments described herein may be implemented by the processor itself. According to software implementation, embodiments such as procedures and functions described in the present specification may be implemented as separate software modules. Each of the software modules may perform one or more functions and operations described herein.

한편, 컴퓨터(computer) 또는 이와 유사한 장치는, 저장 매체로부터 저장된 명령어를 호출하고, 호출된 명령어에 따라 동작할 수 있는 장치로서, 개시된 실시 예들에 따른 장치를 포함할 수 있다. 상기 명령이 프로세서에 의해 실행될 경우, 프로세서가 직접, 또는 상기 프로세서의 제어 하에 다른 구성요소들을 이용하여 상기 명령에 해당하는 기능을 수행할 수 있다. 명령은 컴파일러 또는 인터프리터에 의해 생성 또는 실행되는 코드를 포함할 수 있다. Meanwhile, a computer or similar device is a device capable of calling a command stored from a storage medium and operating according to the called command, and may include a device according to the disclosed embodiments. When the command is executed by the processor, the processor may perform a function corresponding to the command directly or by using other components under the control of the processor. Instructions may include code generated or executed by a compiler or interpreter.

기기로 읽을 수 있는 기록매체는, 비일시적 기록매체(non-transitory computer readable recording medium)의 형태로 제공될 수 있다. 여기서, '비일시적'은 저장매체가 신호(signal)를 포함하지 않으며 실재(tangible)한다는 것을 의미할 뿐 데이터가 저장매체에 반영구적 또는 임시적으로 저장 됨을 구분하지 않는다. 이때 비일시적 컴퓨터 판독 가능 매체란 레지스터, 캐쉬, 메모리 등과 같이 짧은 순간 동안 데이터를 저장하는 매체가 아니라 반영구적으로 데이터를 저장하며, 기기에 의해 판독(reading)이 가능한 매체를 의미한다. 비일시적 컴퓨터 판독 가능 매체의 구체적인 예로는, CD, DVD, 하드 디스크, 블루레이 디스크, USB, 메모리카드, ROM 등이 있을 수 있다.The recording medium that can be read by the device may be provided in the form of a non-transitory computer readable recording medium. Here,'non-transient' means that the storage medium does not contain a signal and is tangible, but does not distinguish between semi-permanent or temporary storage of data in the storage medium. In this case, the non-transitory computer-readable medium refers to a medium that stores data semi-permanently and can be read by a device, rather than a medium that stores data for a short moment, such as a register, cache, and memory. Specific examples of the non-transitory computer-readable medium may include CD, DVD, hard disk, Blu-ray disk, USB, memory card, ROM, and the like.

이와 같이 본 발명은 도면에 도시된 실시예를 참고로 설명되었으나 이는 예시적인 것에 불과하며, 당해 기술분야에서 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 다른 실시예가 가능하다는 점을 이해할 것이다. 따라서 본 발명의 진정한 기술적 보호 범위는 첨부된 청구범위의 기술적 사상에 의하여 정해져야 할 것이다.As described above, the present invention has been described with reference to the embodiments shown in the drawings, but these are only exemplary, and those of ordinary skill in the art will understand that various modifications and equivalent other embodiments are possible therefrom. . Therefore, the true technical protection scope of the present invention should be determined by the technical spirit of the appended claims.

Claims

A race information input unit into which race information is input;
A mode determining unit determining a first mode or a second mode according to the input race information;
A first gene mutation detection probe for detecting a gene mutation corresponding to the determined first mode;
A second gene mutation detection probe for detecting mutation of a gene corresponding to the determined second mode;
A first reservoir for storing a first raw material of the first gene mutation detection probe;
A second storage for storing a second raw material of the second genetic mutation detection probe;
A first connection tube for transferring the first raw material stored in the first storage to the first genetic mutation detection probe; And
A reagent kit for detection of a prostate cancer gene vibo marker, including; a second connecting tube for transferring the second raw material stored in the second storage to the second gene mutation detection probe.