KR20210157978A - 유전체 분석 정보를 이용한 개인 맞춤형 영양정보 제공방법 - Google Patents

유전체 분석 정보를 이용한 개인 맞춤형 영양정보 제공방법 Download PDF

Info

Publication number
KR20210157978A
KR20210157978A KR1020200076159A KR20200076159A KR20210157978A KR 20210157978 A KR20210157978 A KR 20210157978A KR 1020200076159 A KR1020200076159 A KR 1020200076159A KR 20200076159 A KR20200076159 A KR 20200076159A KR 20210157978 A KR20210157978 A KR 20210157978A
Authority
KR
South Korea
Prior art keywords
gene expression
subject
gene
genetic
distribution
Prior art date
Application number
KR1020200076159A
Other languages
English (en)
Inventor
유영
Original Assignee
농업회사법인 (주)케어앤모어
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 농업회사법인 (주)케어앤모어 filed Critical 농업회사법인 (주)케어앤모어
Priority to KR1020200076159A priority Critical patent/KR20210157978A/ko
Publication of KR20210157978A publication Critical patent/KR20210157978A/ko

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/60—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to nutrition control, e.g. diets
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B40/00—ICT specially adapted for biostatistics; ICT specially adapted for bioinformatics-related machine learning or data mining, e.g. knowledge discovery or pattern finding
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • 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
    • G16B50/00—ICT programming tools or database systems specially adapted for bioinformatics
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders

Abstract

본 발명은 개인 유전체를 이용한 개인 맞춤형 영양정보 제공 방법에 관한 것이다. 종래의 예측 유전체 검사 시스템은 의뢰자의 요구 및 의심 질환의 종류에 따라 대형병원 같은 지정 병원에 검사가 가능했지만 관련 규제 완화에 따라 개인이 직접 시험의뢰 및 결과를 받을 수 있어 질병 및 건강관리에 개인 유전자 분석 데이터가 용이하게 활용되고 있다.
본 발명에 따른 유전체 분석정보를 이용한 개인 맞춤형 영양정보 제공방법은 집단 유전자 분석 데이터와 피검자 유전자 분석 결과를 정량, 정성적으로 분석하여 피검자의 질병 및 건강 관련 데이터베이스, 연구 데이터베이스 및 유전자 데이터베이스로 부터 개선된 알고리즘에 의해 객관적이고 연관성을 도출하고, 상기 단계에서 도출된 특정 질병 및 건강 관련 유전자들의 복합성을 분석 및 수치화 하여 피검자의 질병민감성이 높은 질환 예방 및 건강 상태를 향상을 위한 맞춤형 영양정보를 제공 시키는 효과가 있을 것으로 기대된다.

Description

유전체 분석 정보를 이용한 개인 맞춤형 영양정보 제공방법{Method for providing personalized nutrition information through genetic analysis}
본 발명은 개인의 유전정보를 분석하여 개인의 질병 및 건강상태를 측정하는 시스템에 관한 것으로서, 더욱 상세하게는 피검자 유전정보를 분석하여 질병 예방 및 건강유지에 필요한 영양정보 제공방법에 관한 것이다.
유전체(genome)란 한 생물이 가지는 모든 유전 정보를 말한다. 어느 한 개인의 유전체를 서열화(sequencing)하는 기술은 발전을 거듭하여, 차세대 서열화(Next Generation Sequencing) 기술, 차차세대 서열화(Next Next Generation Sequencing) 기술 등 여러 기술들이 개발되고 있다. 핵산 서열, 단백질 등과 같은 유전 정보들은 분석은 당뇨병, 암과 같은 질병을 발현시키는 유전체를 찾거나, 유전적 다양성과 개체의 발현 특성 간의 상관관계 등을 파악하기 위하여 폭넓게 활용된다. 특히, 개인으로부터 수집된 유전 정보들은 서로 다른 증상이나 질병 진행과 관련된 개인의 유전적인 특징을 규명하는데 있어서 중요하다. 따라서 개인의 핵산 서열, 단백질 등과 같은 유전 정보는 현재와 미래의 질병 관련 정보를 파악하여 질병을 예방하거나 질병의 초기 단계에서 최적의 치료 방법을 선택할 수 있도록 하는 핵심적인 데이터이다. 생물의 유전 정보들로서 SNP(Single Nucleotide Polymorphism), CNV(Copy Number Variation) 등을 검출하는 DNA 칩(chip), 마이크로어레이 등과 같은 유전체 검출 장비를 활용하여 개인의 유전 정보를 정확히 분석하는 기술들이 연구 중에 있다.
공개특허공보 제10-2019-0080832호 (SNP를 이용한 질병 관련 유전체 분석 시스템 및 장치) 공개특허공보 제10-2019-0124188호 (개인별 단일염기 다형성 정보에 따른 질병예측 프로그램 및 맞춤형 영양정보 제공 방법) 등록특허공보 제10-1967248호 (개인의 유전 정보를 분석하는 방법 및 장치)
이에 본 발명자들은 유전체 분석 정보를 이용하여 질병 예방 및 피검자 맞춤형 영양정보 제공방법에 대한 개발을 위하여 노력한 결과, 이용자의 유전 정보와 질병 민감도 상관관계를 데이터화한 데이터베이스의 데이터와 매칭하여 피검자의 질병 민감도를 수치화하고 예측된 질병을 예방하기 위한 맞춤형 영양정보 제공방법을 완성하게 되었다. 이에, 본 발명의 목적은 개인별 유전정보에 따른 질병을 예측하고 이것을 예방할 수 있는 맞춤형 영양정보 제공방법을 제공하는데 있다.
또한, 상기 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체를 제공하는데 있다.
상기 목적을 달성하기 위한 본 발명의 유전체 분석정보를 이용한 개인 맞춤형 영양 정보 제공방법은;
(a) 유전자 네트워크에 포함된 유전자들의 유전자 발현 패턴들에 대한 정상인 집단의 유전자 발현 데이터 및 피검자 유전자 발현 데이터를 획득하는 단계;
(b) 상기 (a) 단계에서 획득된 정상인 집단 유전자 데이터에 포함된, 상기 정상인 집단에 속한 개인들의 유전자 분석을 통한 대표 패턴을 추정하는 단계;
(c) 상기 정상인 집단 및 상기 피검자 각각의 유전자 발현 패턴의 유사도의 분포를 분석하는 단계;
(d) 상기 분석된 유사도의 분포에 기초하여 상기 피검자의 유전자 네트워크의 유전적 이상 판단; 및
(e) 상기 (d) 단계의 판단에 따른 개인 맞춤형 영양정보를 제공하는 단계;를 포함한다.
또한, 상기 유전정보의 분석방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체를 제공한다.
또한, 상기 방법들을 포함하는 유전 정보 분석 및 맞춤형 영양 정보 제공 장치를 제공한다.
본 발명에 따른 유전정보를 이용한 개인 맞춤형 영양정보 제공 방법에 따르면 상기된 바에 따르면, 정상인 집단의 유전자 발현과 한 명의 피검자의 유전자 발현 차이를 정량화함으로써, 피검자의 유전적 이상 여부를 정확하게 분석할 수 있다. 즉, 유전자 정보에 담긴 의미를 정량적으로 분석할 수 있다. 또한, 어느 유전자 정보에서 소수의 유전자가 정상과 크게 다르거나, 다수의 유전자가 정상인 집단과 다른 경우에도 피검사자의 유전적 이상을 민감하게 분석해 낼 수 있다.
도 1은 본 발명의 실시예에 따른 개인 유전 정보 분석 시스템 나타낸다.
도 2a 및 2b는 본 발명의 실시예에 따른 유전 정보 분석 장치(111)가 피검자(002)의 유전자 네트워크를 해석하는 과정을 나타낸다.
도 3은 본 발명의 실시예에 따른 개인 유전 정보 시스템 구성도를 나타낸다.
도 4는 본 발명의 실시예에 따른 개인 유전 정보 분석 흐름도를 나타낸다.
도 5는 본 발명의 실시예에 따른 데이터 획득부(100)에서 획득된 유전 발현 데이터에 포함된 유전자 발현 패턴들을 측정한 결과를 나타낸 것이다.
이하, 첨부한 도 1을 참조하여 본 발명을 상세히 설명한다. 도 1은 본 발명의 일 실시예에 따른 유전정보 분석시스템을 도시한 도면이다. 도 1을 참고하면, 유전정보 분석 시스템은 정상인 집단(001) 및 피검자(002)의 유전 정보를 분석하기 위한 유전자 분석 데이터 구축(010), 정상인 집단 및 피검자의 유전자 분석 (020) 및 개인 유전정보 분석 장치(111)를 포함한다.
최근에는, 유전자 연구의 발달로 인하여 유전자에 포함된 유전자들 간의 기능적 상관관계들이 서서히 밝혀짐으로써, 유전자들 간의 유전자 네트워크의 분석이 주목받고 있다. 이는, 어느 생물체 내에서 일어나는 거의 모든 생리 현상은 하나의 유전자가 아닌 여러 개의 유전자들의 상호작용에 의해 이뤄지기 때문이라고 할 수 있다.
유전자 네트워크는 유전자들 간에 서로 복잡하게 연결된 네트워크로 표현되어 있고, 이는 당해 기술분야에서 이미 공지된 데이터베이스(DB)로부터 획득될 수 있다. 하지만, 유전자 분석 기술의 발달로 인하여 새로운 유전자 네트워크가 계속하여 발견되고 업데이트되고 있으므로, 본 실시예에서 설명하고자 하는 유전자 네트워크는 공지된 데이터베이스로부터 얻을 수 있는 유전자 네트워크에 한정되지 않는다.
유전정보 분석시스템에서 유전정보 분석장치(111)는 피검자(002)의 유전자 네트워크에 관한 유전정보를 분석(020)하여, 피검자(002)의 건강 상태를 진단하는 장치이다.
도 2a 및 2b는 본 발명의 일 실시예에 따라 유전정보 분석 장치(111)가 피검자(002)의 유전자 네트워크(020)를 설명하기 위한 도면들이다. 도 2a를 참고하면, 피검자(002)의 특정 유전자 네트워크의 분석 결과, 정상인 집단(001)의 유전자 발현패턴에 비하여 단 하나의 유전자(예를 들어, SLC23A1 유전자)의 유전자 발현 패턴에 차이가 있는 경우에도, 유전 정보 분석 장치(111)는 이를 정확하게 분석하여 질환을 진단할 수 있다.
다시 도 1을 참고하면, 유전 정보 분석 시스템에서 유전 정보 분석 장치(111)은 정상인 집단(001)의 유전자 발현 패턴과 한 명의 피검자(002)의 유전자 발현 패턴의 차이를 정량화함으로써, 유전자 네트워크의 유전적 이상 여부를 정확하게 분석한다. 즉, 유전 정보 분석 장치(111)는 종래의 Fisher Exact Test와 달리, 연속적인 값을 갖는 유전자 발현 레벨을 이분화(focus gene 또는 non-focus gene)하지 않음으로써, 유전자 네트워크에 대한 유전자 발현 레벨에 담긴 정보를 잃지 않고 그대로 이용할 수 있으므로, 유전자 네트워크에 담긴 의미를 정확하게 분석할 수 있다.
이하에서는 본 실시예에 따른 유전 정보 분석 장치(111)의 동작 및 기능 등에 대하여 보다 상세하게 설명하도록 하겠다.
도 3은 본 발명의 일 실시예에 따른 유전정보 분석장치 시스템의 구성도이다. 도 3를 참고하면, 유전정보 분석장치(111)는 데이터 획득부(100), 발현 패턴 추정부(200), 발현 패턴 분석부(300) 및 판단부(400)를 포함한다. 유전정보 분석장치(111)는 일반적으로 사용되는 프로세서들로 구현될 수 있다. 즉, 유전정보 분석장치(111)는 다수의 논리 게이트들의 어레이로 구현될 수 있고, 범용적인 마이크로프로세서와 이 마이크로프로세서에서 실행될 수 있는 프로그램이 저장된 메모리의 조합으로 구현될 수도 있다. 또한, 유전정보 분석장치(111)는 응용 프로그램의 모듈 형태로 구현될 수도 있다.
데이터 획득부(100)는 특정 유전자 네트워크에 포함된 유전자들의 유전자 발현 패턴들에 대한 정상인 집단(001)의 유전 발현 데이터 및 피검자(002)의 유전 발현 데이터를 획득한다. 데이터 획득부(100)에서 획득되는 유전자 발현 패턴들에 대한 발현 데이터들은 정상인 집단(001) 및 피검자(002) 각각으로부터 채취된 생물학적 샘플(예를 들어, 혈액, 소변 등)들이 마이크로어레이에서 혼성화(hybridization) 반응을 거친 후, High Content Cell Imaging 장치, High Content Screening 장치 또는 High Throughput Screening 장치와 같은 이미지 분석 장치들에 의해 분석된 이미지 데이터에 해당될 수 있다. 또는, 이와 같은 이미지 데이터로부터 분석된 유전자 발현 패턴들을 수치화시킨 통계 데이터에 해당될 수 있다.
도 5에서, 본 발명의 일 실시예에 따른 데이터 획득부(100)에서 획득된 유전 발현 데이터에 포함된 유전자 발현 패턴들을 설명하기 위한 도면이다. 도 5에서, FTO, GCKR , CELSR2, G6PC2, ATP2B1, OCA2, chr20p11, EDAR , AGER , AGER, MMP1, SLC23A1, AHR 은 하나의 유전자 네트워크에 포함된 유전자들인 것으로 가정한다.
발현 패턴 추정부(200)는 데이터 획득부(100)에서 획득된 정상인 집단(001)에 속한 여러 개인들의 유전자 발현 패턴의 분포를 요약하는 대표 발현 패턴을 추정한다.
보다 상세하게 설명하면, 발현 패턴 추정부(200)는 유전자 발현 데이터에 포함된 유전자들 각각에 대하여, 유전자 발현 패턴들의 평균, 가중 평균, 중앙 값(median value) 등과 같은 방법에 기초한 대표 값(또는 센트로이드(centroid))을 계산함으로써, 유전자들 각각의 대표 발현 패턴을 추정한다.
예를 들어, 발현 패턴 추정부(200)는 아래의 수학식 1을 이용하여 평균 값에 기초한 대표 값(또는 센트로이드) 으로서 대표 발현 패턴을 추정할 수 있다.
[수학식 1]
Figure pat00001
발현 패턴 분석부(300)는 추정된 대표 발현 패턴에 대한, 정상인 집단(001)에 속한 개인들 및 피검자(002) 각각의 유전자 발현 패턴의 유사도(similarity)의 분포를 분석한다.
특히, 발현 패턴 분석부(300)는 대표 발현 패턴에 대한, 정상인 집단(001)에 속한 개인들 및 피검자(002) 각각의 유전자 발현 패턴의 통계적 거리(statistical distance)를 이용하여 유사도의 분포를 분석할 수 있다. 통계적 거리의 예를 들면, 마할라노비스 거리(Mahalanobis distance), 유클리드 거리(Euclid distance) 또는 맨하탄 거리(Manhattan distance)(동의어: cityblock distance, taxicab geometry), 최대거리(maximumdistance), 최소거리(minimum distance) 또는 상관 계수(correlation coefficient) 등이 있다.
발현 패턴 분석부(300)는 대표 발현 패턴과 정상인 집단(001)에 속한 개인들 각각에 대한 유전자 네트워크간의 통계적 거리들을 획득한다. 마할라노비스 거리를 이용하는 경우, 분석부는 유전자 발현 패턴 데이터에 포함된 유전자 발현 패턴들의 공분산(covariance 또는 covariancematrix)에 기초하여 마할라노비스 거리를 계산한다. 이 때, 발현 패턴 분석부는 아래의 수학식 2를 이용하여 정상인 집단(001)에 대한 마할라노비스 거리를 계산할 수 있다.
[수학식 2]
Figure pat00002
또한, 발현 패턴 분석부(300)는 대표 발현 패턴과 피검자(002)에 대한 유전자 네트워크간의 통계적 거리를 분석한다. 이 때, 발현 패턴 분석부는 아래의 수학식 3을 이용하여 피검자(002)에 대한 마할라노비스 거리를 계산할 수 있다.
[수학식 3]
Figure pat00003
판단부(400)는 분석된 유사도의 분포에 기초하여 유전자 발현 데이터에 포함된 피검자(002)의 유전자 네트워크의 유전적 이상을 판단한다. 보다 상세하게 설명하면 판단부(400)는 정상인 집단(001)에 대한 통계 모델을 이용하여, 피검자(002)의 통계적 유의 수준(statistical significance level)을 검정(test)함으로써 유전적 이상을 판단한다.
특히, 판단부(400)는 유전적 이상을 판단하기 위한 기준으로서 소정의 임계값을 설정하고, 피검자(002)의 통계에 대한 통계적 유의 수준과 소정의 임계값을 비교하여 유전적 이상의 정도를 판단할 수 있다. 여기서, 통계적 유의 수준 및 소정의 임계값은 확률, 누적 확률(cumulative probability), 순위, 분위수(quantile) 또는 편차 등의 종류에 해당되는 값일 수 있다. 따라서, 판단부(400)는 피검자(002)에 관한 유전자 발현 데이터에 포함된 유전자 네트워크들 각각에 대한 유전적 이상을 판단할 수 있다.
다른 실시예에 따르면, 발현 패턴 추정부(200), 발현 패턴 분석부(300) 및 판단부(400)는 데이터 변환부에 의하여 피검자 유전자 발현 데이터로부터 변환된 데이터를 이용하여, 앞서 설명된 과정들을 동일하게 수행한다. 다시 말하면, 추정부(200), 분석부(300) 및 판단부(400)는 제 1 발현 데이터 및 제 2 발현 데이터를 그대로 이용하는 대신에, 데이터 변환부에 의하여 변환된 데이터를 이용하여 앞서 설명된 추정, 분석 및 판단 과정을 수행한다.
다시 도 1을 참고하면, 유전 정보 분석 장치(111)는 종래와는 다르게, 연속적인 값을 갖는 유전자 발현 레벨을 이분화(focus gene 또는 non-focus gene)하지 않고 그대로 이용하므로, 유전자 네트워크에 담긴 의미(유전적 이상 여부)를 정확하게 분석할 수 있다.
도 4은 본 발명의 다른 일 실시예에 따른 유전 정보를 분석하는 방법을 도시한 흐름도이다. 도 4을 참고하면, 본 실시예에 따른 유전 정보의 분석 방법은 도 1 및 3에 도시된 유전 정보 분석 시스템(111)에서 시계열적으로 처리되는 단계들로 구성된다.
110 단계에서, 데이터 획득부(100)는 유전자 네트워크에 포함된 유전자들의 유전자 발현 패턴들에 대한 정상인 집단(001)의 유전 발현 데이터 및 피검자(002)의 유전 발현 데이터를 획득한다.
220 단계에서, 발현 패턴 추정부(200)는, 정상인 집단(001)에 속한 개인들의 유전자 발현 패턴의 분포를 요약하는 대표 발현 패턴을 추정한다.
330 단계에서, 발현 패턴 분석부(300)는 추정된 대표 발현 패턴에 대한, 정상인 집단(001)에 속한 개인들 및 피검자 각각의 유전자 발현 패턴의 유사도의 분포를 분석한다.
440 단계에서, 판단부(400)는 분석된 유사도의 분포에 기초하여 피검자(002)의 유전자 네트워크의 유전적 이상을 판단하고, 추출된 질병을 기초로 데이터베이스의 영양정보를 검색하여 피검자 맞춤형 영양정보(열량, 탄수화물, 지방, 단백질, 비타민, 미네랄 등)를 제공한다.
한편, 상술한 본 발명의 실시예들은 컴퓨터에서 실행될 수 있는 프로그램으로 작성 가능하고, 컴퓨터로 읽을 수 있는 기록매체를 이용하여 상기 프로그램을 동작시키는 범용 디지털 컴퓨터에서 구현될 수 있다.
또한, 본 발명에 따른 유전 정보 분석 및 맞춤형 영양 정보 제공 장치는
(a) 유전자 네트워크에 포함된 유전자들의 유전자 발현 패턴들에 대한 정상인 집단의 유전자 발현 데이터 및 피검자의 유전자 발현 데이터 획득부;
(b) 상기 (a) 단계에서 획득된 정상인 집단에 속한 개인들의 유전자 발현 패턴의 분포를 요약하는 대표 발현 패턴 추정부;
(c) 상기 (b) 단계에서 추정된 패턴에 대한 정상인 집단 유전자와 상기 피검자 유전자 발현 패턴의 유사도 분포 분석부;
(d) 상기 (c) 단계에서 분석된 유사도의 분포에 기초하여 상기 획득된 피검자의 유전자 네트워크의 유전적 이상 판단부; 및
(e) 상기 (d) 단계의 판단에 따른 개인 맞춤형 영양정보 제공부;를 포함한다.
이제까지 본 발명에 대하여 그 바람직한 실시예들을 중심으로 살펴보았다. 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자는 본 발명이 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 변형된 형태로 구현될 수 있음을 이해할 수 있을 것이다. 그러므로 개시된 실시예들은 한정적인 관점이 아니라 설명적인 관점에서 고려되어야 한다. 본 발명의 범위는 전술한 설명이 아니라 청구범위에 나타나 있으며, 그와 동등한 범위 내에 있는 모든 차이점은 본 발명에 포함된 것으로 해석되어야 할 것이다.

Claims (7)

  1. (a) 유전자 네트워크에 포함된 유전자들의 유전자 발현 패턴들에 대한 정상인 집단의 유전자 발현 데이터 및 피검자의 유전자 발현 데이터를 획득하는 단계;
    (b) 상기 (a) 단계에서 획득된 정상인 집단에 속한 개인들의 유전자 발현 패턴의 분포를 요약하는 대표 발현 패턴을 추정하는 단계;
    (c) 상기 (b) 단계에서 추정된 패턴에 대한 정상인 집단 유전자와 상기 피검자 유전자 발현 패턴의 유사도의 분포를 분석하는 단계;
    (d) 상기 (c) 단계에서 분석된 유사도의 분포에 기초하여 상기 획득된 피검자의 유전자 네트워크의 유전적 이상 판단; 및
    (e) 상기 (d) 단계의 판단에 따른 개인 맞춤형 영양정보를 제공하는 단계;
    를 포함하는 유전 정보 분석 및 맞춤형 영양 정보 제공하는 방법.
  2. 제1항에 있어서, 상기 (b) 단계는 하기 수학식 1을 이용하여 상기 획득된 정상인 집단 유전자 발현 데이터에 포함된 유전자들 각각에 대하여 유전자 발현 패턴들의 평균, 가중평균 및 중앙 값 중 적어도 하나에 기초한 대표 값 또는 센트로이드를 계산함으로써 상기 유전자들 각각의 상기 대표 발현 패턴을 추정하는 것을 특징으로 하는 유전 정보 분석 및 맞춤형 영양 정보 제공하는 방법.
    [수학식 1]
    Figure pat00004
  3. 제1항에 있어서, 상기 (c) 단계는 하기 수학식 2를 이용하여 상기 추정된 대표 발현 패턴에 대한 상기 정상인의 유전자 발현 패턴을 마할라노비스 거리를 이용하여 상기 유사도의 분포를 분석하는 것을 특징으로 하는 유전 정보 분석 및 맞춤형 영양 정보 제공하는 방법.
    [수학식 2]
    Figure pat00005
  4. 제1항에 있어서, 상기 (c) 단계는 하기 수학식 3을 이용하여 상기 추정된 대표 발현 패턴에 대한 상기 피검자의 유전자 발현 패턴을 마할라노비스 거리를 이용하여 상기 유사도의 분포를 분석하는 것을 특징으로 하는 유전 정보 분석 및 맞춤형 영양 정보 제공하는 방법.
    [수학식 3]
    Figure pat00006
  5. 제1항에 있어서, 상기 (d) 단계는 상기 정상인 집단에 대해 분석된 유사도들의 분포에서 상기 피검자에 대해 분석된 유사도가 존재하는 지점에 해당되는 통계적 유의 수준을 검정함으로써 유전적 이상을 판단하는 것을 특징으로 하는 유전 정보 분석 및 맞춤형 영양 정보 제공하는 방법.
  6. 제1항 내지 제5항 중 어느 한 항의 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체.
  7. (a) 유전자 네트워크에 포함된 유전자들의 유전자 발현 패턴들에 대한 정상인 집단의 유전자 발현 데이터 및 피검자의 유전자 발현 데이터 획득부;
    (b) 상기 (a) 단계에서 획득된 정상인 집단에 속한 개인들의 유전자 발현 패턴의 분포를 요약하는 대표 발현 패턴 추정부;
    (c) 상기 (b) 단계에서 추정된 패턴에 대한 정상인 집단 유전자와 상기 피검자 유전자 발현 패턴의 유사도 분포 분석부;
    (d) 상기 (c) 단계에서 분석된 유사도의 분포에 기초하여 상기 획득된 피검자의 유전자 네트워크의 유전적 이상 판단부; 및
    (e) 상기 (d) 단계의 판단에 따른 개인 맞춤형 영양정보 제공부;
    를 포함하는 유전 정보 분석 및 맞춤형 영양 정보 제공 장치.
KR1020200076159A 2020-06-23 2020-06-23 유전체 분석 정보를 이용한 개인 맞춤형 영양정보 제공방법 KR20210157978A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200076159A KR20210157978A (ko) 2020-06-23 2020-06-23 유전체 분석 정보를 이용한 개인 맞춤형 영양정보 제공방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200076159A KR20210157978A (ko) 2020-06-23 2020-06-23 유전체 분석 정보를 이용한 개인 맞춤형 영양정보 제공방법

Publications (1)

Publication Number Publication Date
KR20210157978A true KR20210157978A (ko) 2021-12-30

Family

ID=79178658

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200076159A KR20210157978A (ko) 2020-06-23 2020-06-23 유전체 분석 정보를 이용한 개인 맞춤형 영양정보 제공방법

Country Status (1)

Country Link
KR (1) KR20210157978A (ko)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101967248B1 (ko) 2012-08-16 2019-04-10 삼성전자주식회사 개인의 유전 정보를 분석하는 방법 및 장치
KR20190080832A (ko) 2016-05-27 2019-07-08 (주) 메디젠휴먼케어 Snp를 이용한 질병 관련 유전체 분석 시스템 및 장치
KR20190124188A (ko) 2019-10-25 2019-11-04 박선민 개인별 단일염기 다형성 정보에 따른 질병예측 프로그램 및 맞춤형 영양정보 제공방법

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101967248B1 (ko) 2012-08-16 2019-04-10 삼성전자주식회사 개인의 유전 정보를 분석하는 방법 및 장치
KR20190080832A (ko) 2016-05-27 2019-07-08 (주) 메디젠휴먼케어 Snp를 이용한 질병 관련 유전체 분석 시스템 및 장치
KR20190124188A (ko) 2019-10-25 2019-11-04 박선민 개인별 단일염기 다형성 정보에 따른 질병예측 프로그램 및 맞춤형 영양정보 제공방법

Similar Documents

Publication Publication Date Title
US7454293B2 (en) Methods for enhanced detection and analysis of differentially expressed genes using gene chip microarrays
CN112020565A (zh) 用于确保基于测序的测定的有效性的质量控制模板
CN107301331B (zh) 一种基于基因芯片数据的疾病影响因素的挖掘方法
JP2013505730A (ja) 患者を分類するためのシステムおよび方法
US20120310539A1 (en) Predicting gene variant pathogenicity
JP2008511058A (ja) コンピュータシステムを用いるデータ品質および／または部分異数染色体の決定
CN107408163B (zh) 用于分析基因的方法及装置
US20230222311A1 (en) Generating machine learning models using genetic data
JP2003021630A (ja) 臨床診断サービスを提供するための方法
JP2018068752A (ja) 機械学習装置、機械学習方法及びプログラム
JP7041614B6 (ja) 生体データにおけるパターン認識のマルチレベルアーキテクチャ
US20140180599A1 (en) Methods and apparatus for analyzing genetic information
CN111226281B (zh) 确定染色体非整倍性、构建分类模型的方法和装置
KR101967248B1 (ko) 개인의 유전 정보를 분석하는 방법 및 장치
KR102492977B1 (ko) 마이크로바이옴을 이용한 건강 정보 제공 방법 및 분석장치
Kalaiyarasi et al. Performance analysis of ovarian cancer detection and classification for microarray gene data
CN115836349A (zh) 用于评估纵向生物特征数据的系统和方法
KR102072815B1 (ko) 마이크로바이옴을 이용한 건강 상태 분류 방법 및 장치
KR101771042B1 (ko) 질병 관련 유전자 탐색 장치 및 그 방법
KR20210157978A (ko) 유전체 분석 정보를 이용한 개인 맞춤형 영양정보 제공방법
KR20150039484A (ko) 유전 정보를 이용하여 암을 진단하는 방법 및 장치
JPWO2006088208A1 (ja) 生体の生理変化の予測方法および装置
Guindani et al. More nonparametric Bayesian inference in applications
US20200105374A1 (en) Mixture model for targeted sequencing
US20220259657A1 (en) Method for discovering marker for predicting risk of depression or suicide using multi-omics analysis, marker for predicting risk of depression or suicide, and method for predicting risk of depression or suicide using multi-omics analysis