KR20220062839A

KR20220062839A - 인공지능 기반 모체 시료 중 태아 분획 결정 방법

Info

Publication number: KR20220062839A
Application number: KR1020200148498A
Authority: KR
Inventors: 최용준; 정웅; 김동선; 박준영; 이현규; 현승우; 조은해; 이준남
Original assignee: 두에이아이(주); 주식회사 지씨지놈
Priority date: 2020-11-09
Filing date: 2020-11-09
Publication date: 2022-05-17

Abstract

본 발명은 인공지능 기반 태아 분획 결정 방법에 관한 것으로, 보다 구체적으로는 생체시료에서 핵산을 추출하여, 서열정보를 획득하여 정렬한 리드를 기반으로 벡터화된 데이터를 생성한 후, K-평균 군집화(K-means clustering)을 통해 군집을 선별하고, 특징을 추출한 다음, 태아 분획을 결정하도록 학습된 인공지능 모델에 입력하여 태아 분획을 결정하는 방법을 이용한 인공지능 기반 태아 분획 결정 방법에 관한 것이다. 본 발명에 따른 인공지능 기반 태아 분획 결정 방법은, 기존의 리드 개수(read count), 리드 길이 또는 bin size 기반으로 태아 분획을 결정하는 방법 등에서 상기 변수에 의해 정확도가 변하는데 비해, 벡터화된 데이터를 생성하여, K-평균 군집화를 통해 군집화된 데이터를 AI 알고리즘을 이용하여 분석하기 때문에, 리드 depth, 리드 길이 또는 bin size에 상관없이 높은 정확도를 나타낼 뿐만 아니라, 국내 산모 15,000명의 데이터를 기반으로 학습한 인공지능 모델을 사용하기 때문에 한국인 특이적 태아 분획 결정 성능이 매우 뛰어나다.

Description

인공지능 기반 모체 시료 중 태아 분획 결정 방법 {Method for determining fetal fraction in maternal sample based on artificial intelligence}

본 발명은 인공지능 기반 태아 분획 결정 방법에 관한 것으로, 보다 구체적으로는 생체시료에서 핵산을 추출하여, 서열정보를 획득하여 정렬한 리드를 기반으로 벡터화된 데이터를 생성한 후, K-평균 군집화(K-means clustering)을 통해 군집을 선별하고, 특징을 추출한 다음, 태아 분획을 결정하도록 학습된 인공지능 모델에 입력하여 태아 분획을 결정하는 방법을 이용한 인공지능 기반 태아 분획 결정 방법에 관한 것이다.

평균 수명의 증가 및 초혼 연령이 높아짐에 따라 고령 산모의 비율이 증가하고 있으며 그에 따라 선천성 기형이 발생할 확률이 높아졌다. 선청성 기형은 염색체 이상과 관련이 있는데, 염색체 이상은 염색체의 결실 또는 중복, 염색체 중 일부의 결실 또는 중복, 또는 염색체 내의 손상(break), 전위(translocation), 또는 역위(inversion)를 의미하는 것일 수 있다. 염색체 이상은 유전적 균형의 장애 중 하나로, 태아 사망 또는 육체 및 정신 상태의 심각한 결함 및 종양 질환을 유발한다. 예컨대, 다운증후군(Down's syndrome)은 21번 염색체가 3개 존재하여(trisomy 21) 유발되는 염색체 수 이상의 흔한 형태이다. 에드워드증후군(Edwards syndrome) (trisomy 18), 파타우 증후군(Patau syndrome) (trisomy 13), 터너증후군(Turner syndrome) (XO), 및 클라인펠터 증후군(Klinefelter syndrome) (XXY) 또한 염색체 수 이상에 해당한다.

염색체 이상은 핵형 검사(Karyotype), FISH(Fluorescent In Situ Hybridization)를 사용하여 검출 가능하다. 이러한 검출법은 시간, 노력 및 정확도 측면에서 불리하다. 또한, DNA 마이크로어레이를 염색체 이상 검출에 사용할 수 있다. 특히, 게놈 DNA 마이크로어레이 시스템의 경우, 프로브의 제작이 용이하고 염색체의 확장된 영역뿐 아니라 염색체의 인트론 영역에서의 염색체 이상을 검출할 수 있지만, 염색체 내의 위치 및 기능이 확인된 DNA 단편을 많은 수로 제작하기에 곤란하다.

최근, 차세대 시퀀싱 기술이 염색체 수 이상 분석에 사용되고 있다(Park, H., Kim et al., Nat Genet 2010, 42, 400-405.; Kidd, J. M. et al., Nature 2008, 453, 56-64). 그러나 이 기술은 염색체 수 이상 분석을 위한 높은 coverage reading을 요구하며, CNV 측정은 독립적인 입증(validation)을 또한 필요로 한다. 따라서 비용이 매우 높고, 결과를 이해하기 어려우므로, 그 당시 일반적인 유전자 검색분석으로서 적절하지 못하였다.

한편, 태아 염색체 이상에 대한 기존 산전 검사 항목에는 초음파 검사, 혈중 표지자 검사, 양수검사, 융모막검사, 경피제대혈검사 등이 존재한다(Mujezinovic F, et al. Obstet Gynecol. 2007, 110(3):687-94.). 이 중 초음파 검사와 혈중 표지자 검사는 선별검사, 양수 염색체 검사는 확진 검사로 분류한다. 비침습적 방법인 초음파 검사와 혈중 표지자 검사는 태아에 대한 직접적인 시료 채취를 하지 않아 안전한 방법이지만 검사의 민감도가 80% 이하로 떨어진다(ACOG Committee on Practice Bulletins. 2007). 침습적 방법인 양수검사, 융모막검사, 경피제대혈 검사는 태아 염색체 이상을 확진할 수 있으나, 침습적 의료행위로 인한 태아의 소실 확률이 존재한다는 단점이 있다.

1997년 Lo 등이 모체 혈장 및 혈청에서 태아 유래 유전물질을 Y 염색체 염기서열분석에 성공하여 모체 내 태아 유전물질을 산전 검사에 이용하게 되었다(Lo YM, et al. Lancet. 1997, 350(9076):485-7). 모체 혈액 내의 태아 유전물질은 태반 재형성 과정 중 세포사멸과정을 겪은 영양막 세포의 일부분이 물질 교환 기전을 통해 모체 혈액으로 들어간 것으로 실제로는 태반으로부터 유래하고 이를 cff DNA(cell-free fetal DNA)라 정의한다.

cff DNA는 빠르면 배아 이식 18일째부터, 37일째에는 대부분의 모체 혈액 내에서 발견된다. cff DNA는 300bp 이하의 짧은 가닥이며 모체 혈액 내 소량으로 존재하는 특징을 가지고 있기 때문에 이를 태아 염색체 이상 검출에 적용하기 위하여 차세대염기서열분석기법(NGS)을 이용한 대규모 병렬 염기분석 기술이 사용되고 있다. 대규모 병렬 염기분석 기술을 이용한 비침습적 태아 염색체 이상 검출 성능은 염색체에 따라 90-99% 이상의 검출 민감도를 나타내고 있으나, 위양성 및 위음성 결과가 1-10%에 해당하고 있어 이에 대한 교정 기술이 필요한 시점이다(Gil MM, et al. Ultrasound Obstet Gynecol. 2015, 45(3):249-66).

이러한 cff DNA에 기반한 비침습적 산전 검사(noninvasive prenatal test, NIPT)를 수행함에 있어서, 모체 내 태아 유전물질의 분획(fetal fraction)이 최소 5%이상은 있어야 정확도를 보장할 수 있음이 알려져 있다.

태아 분획(fetal fraction)을 측정하는 가장 단순하고 표준적인 방법은 Y 염색체의 리드 비율을 결정하는 것이지만(I. Hudecova et al., PLoS ONE, Art. no. e88484, vol. 9, no. 2, 2014.), 이 방법은 남성 태아에서만 적합하다는 단점이 있다.

태아 DNA 분획을 측정하는 다른 방법은 성별에 관계없이 사용할 수 있는 단일 염기 다형성 (SNP) 기반 플랫폼들이다(G. J. Liao et al., Clin. Chem., vol. 57, no. 1, pp. 92-101, 2011; B. Zimmermann et al., Prenatal Diagnosis, vol. 32, no. 13, pp. 1233-1241, 2012; P. Jiang et al., Npj Genomic Med., vol. 1, no. 1, p. 16013, 2016.). 그러나 임산부의 백혈구를 유전자형으로 만들려면 추가 비용과 시간이 필요하다는 단점이 있다. 최근에, SNP 대치 법을 사용하여 태아 분획을 측정하는 대안적인 방법이 개발되었다(M. Kim et al., Bioinformatics, vol. 34, no. 7, pp. 1086-1091, 2018.).

한편, 기계학습을 이용하여 태아 분획을 예측하려는 연구가 많이 수행되었으며, 대표적인 방법으로는 Sequenom 社의 SeqFF 방법이 있다(Kim SK et al., Prenat Diagn. Vol. 35(8), pp. 810-5, 2015). 이 방법은 상염색체의 정보를 이용하여 태아 분획을 예측하는 기계학습 모델로서, 상염색체를 50 kb(kilo base pair)의 일정한 크기로 나누어 해당 영역 내의 리드 count 정보를 feature map을 만들고 이를 이용하여 태아 분획을 예측하는 방법이다.

다른 방법으로는 PREFACE라는 방법이 있는데, 이 방법은 복제수와 Y 염색체의 Fetal fraction(FFY) 값을 기반으로 principal component analysis를 통해 unsupervised learning을 수행한 다음, 이를 feature로 하여 ANN을 수행하여 태아 분획을 예측하는 방법이다(Raman L et al., Prenat Diagn. Vol. 39(10), pp. 925-933, 2019.).

최근에는 상기 방법들이 입력하는 리드의 depth, 리드의 길이 또는 bin size에 따라 그 정확도가 달라지기 때문에 각각의 방법이 제시한 정확도(Ex: SeqFF

93%)를 항상 얻을 수는 없다는 사실이 보고되었다(S. Kim et al., IEEE Access, Vol. 8, pp. 106880-106888, 2020).

따라서, 리드 depth, 리드 길이 또는 bin size에 상관없이 높은 정확도를 나타낼 수 있는 인공지능 기반 태아 분획 예측 방법이 필요한 실정이다.

이에, 본 발명자들은 상기 문제점들을 해결하고, 높은 민감도와 정확도의인공지능 기반 태아 분획 결정 방법을 개발하기 위해 예의 노력한 결과, 염색체 영역에 정렬되는 리드를 기반으로 벡터화된 데이터를 생성하고, K-평균 군집화를 통해 군집을 선별하여 특징을 추출한 다음, 이를 태아 분획을 결정하도록 학습된 인공지능 모델에 입력할 경우, 높은 민감도와 정확도로 태아 분획을 결정할 수 있다는 것을 확인하고, 본 발명을 완성하였다.

본 발명의 목적은 인공지능 기반 태아 분획 결정 방법을 제공하는 것이다.

본 발명의 다른 목적은 인공지능 기반 태아 분획 결정 장치를 제공하는 것이다.

본 발명의 또 다른 목적은 상기 방법으로 태아의 분획을 결정하는 프로세서에 의해 실행되도록 구성되는 명령을 포함하는 컴퓨터 판독 가능한 저장 매체를 제공하는 것이다.

상기 목적을 달성하기 위하여, 본 발명은 a) 생체시료에서 핵산을 추출하여 서열정보를 획득하는 단계; b) 획득한 서열정보(reads)를 표준 염색체 서열 데이터베이스(reference genome database)에 정렬(alignment)하는 단계; c) 상기 정렬된 서열정보(reads)를 전처리하여 벡터화된 데이터를 생성하는 단계; d) 생성된 상기 벡터화된 데이터를 K-평균 군집화(K-means clustering)를 통해 군집화한 다음, 군집(cluster)을 선별하는 단계; 및 e) 상기 선별된 군집에서 특징(feature)을 추출하여 태아의 분획을 결정하도록 학습된 인공지능 모델에 입력하여 태아 분획을 결정하는 단계를 포함하는 인공지능 기반 태아 분획 결정 방법을 제공한다.

본 발명은 또한, 생체시료에서 핵산을 추출하여 서열정보를 해독하는 해독부; 해독된 서열을 표준 염색체 서열 데이터베이스에 정렬하는 정렬부; 정렬된 서열 기반의 핵산단편을 전처리하여 벡터화된 데이터를 생성하는 데이터 생성부; 생성된 벡터화된 데이터를 군집화한 다음, 군집을 선별하는 군집 선별부; 및 선별된 군집에서 특징을 추출하여 태아의 분획을 결정하도록 학습된 인공지능 모델에 입력하여 태아 분획을 결정하는 태아 분획 결정부를 포함하는 인공지능 기반 태아 분획 결정 장치를 제공한다.

본 발명은 또한, 컴퓨터 판독 가능한 저장 매체로서, 태아 분획을 결정하는 프로세서에 의해 실행되도록 구성되는 명령을 포함하되, a) 생체시료에서 핵산을 추출하여 서열정보를 획득하는 단계; b) 획득한 서열정보(reads)를 표준 염색체 서열 데이터베이스(reference genome database)에 정렬(alignment)하는 단계; c) 상기 정렬된 서열정보(reads)를 전처리하여 벡터화된 데이터를 생성하는 단계; d) 생성된 상기 벡터화된 데이터를 K-평균 군집화(K-means clustering)를 통해 군집화한 다음, 군집(cluster)를 선별하는 단계; 및 e) 상기 선별된 군집에서 특징(feature)을 추출하여 태아의 분획을 결정하도록 학습된 인공지능 모델에 입력하여 태아 분획을 결정하는 단계를 통하여, 태아 분획을 결정하는 프로세서에 의해 실행되도록 구성되는 명령을 포함하는 컴퓨터 판독 가능한 저장 매체를 제공한다.

본 발명에 따른 인공지능 기반 태아 분획 결정 방법은, 기존의 리드 개수(read count), 리드 길이 또는 bin size 기반으로 태아 분획을 결정하는 방법 등에서 상기 변수에 의해 정확도가 변하는데 비해, 벡터화된 데이터를 생성하여, K-평균 군집화를 통해 군집화된 데이터를 AI 알고리즘을 이용하여 분석하기 때문에, 리드 depth, 리드 길이 또는 bin size에 상관없이 높은 정확도를 나타낼 뿐만 아니라, 국내 산모 15,000명의 데이터를 기반으로 학습한 인공지능 모델을 사용하기 때문에 한국인 특이적 태아 분획 결정 성능이 매우 뛰어나다.

도 1은 본 발명의 인공지능 기반 태아 분획을 결정하기 위한 전체 흐름도이다.
도 2는 본 발명의 일 실시예에 따라 생성한 군집(cluster)를 나타낸 도식이다.
도 3은 본 발명의 일 실시예에 따라 설계한 심층 신경망(deep neural network)의 레이아웃이다.
도 4는 본 발명의 일 실시예에 따라 수행한 3차행렬을 1차행렬인 빈도수 벡터로 변환하는 과정을 나타낸 개략도이다.
도 5는 본 발명의 일 실시예에 따라 구축한 인공지능 모델의 성능을 남자 태아 산모 데이터를 이용하여 확인한 결과이다.
도 6은 본 발명의 일 실시예에 따라 구축한 인공지능 모델의 성능을 여자 태아 산모 데이터를 이용하여 확인한 결과이다.

다른 식으로 정의되지 않는 한, 본 명세서에서 사용된 모든 기술적 및 과학적 용어들은 본 발명이 속하는 기술 분야에서 숙련된 전문가에 의해서 통상적으로 이해되는 것과 동일한 의미를 갖는다. 일반적으로 본 명세서에서 사용된 명명법 및 이하에 기술하는 실험 방법은 본 기술 분야에서 잘 알려져 있고 통상적으로 사용되는 것이다.

제1, 제2, A, B 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 해당 구성요소들은 상기 용어들에 의해 한정되지는 않으며, 단지 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 이하 설명하는 기술의 권리 범위를 벗어나지 않으면서 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다. 및/또는 이라는 용어는 복수의 관련된 기재된 항목들의 조합 또는 복수의 관련된 기재된 항목들 중의 어느 항목을 포함한다.

본 명세서에서 사용되는 용어에서 단수의 표현은 문맥상 명백하게 다르게 해석되지 않는 한 복수의 표현을 포함하는 것으로 이해되어야 하고, "포함한다" 등의 용어는 설시된 특징, 개수, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함을 의미하는 것이지, 하나 또는 그 이상의 다른 특징들이나 개수, 단계 동작 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 배제하지 않는 것으로 이해되어야 한다.

도면에 대한 상세한 설명을 하기에 앞서, 본 명세서에서의 구성부들에 대한 구분은 각 구성부가 담당하는 주기능 별로 구분한 것에 불과함을 명확히 하고자 한다. 즉, 이하에서 설명할 2개 이상의 구성부가 하나의 구성부로 합쳐지거나 또는 하나의 구성부가 보다 세분화된 기능별로 2개 이상으로 분화되어 구비될 수도 있다. 그리고 이하에서 설명할 구성부 각각은 자신이 담당하는 주기능 이외에도 다른 구성부가 담당하는 기능 중 일부 또는 전부의 기능을 추가적으로 수행할 수도 있으며, 구성부 각각이 담당하는 주기능 중 일부 기능이 다른 구성부에 의해 전담되어 수행될 수도 있음은 물론이다.

또, 방법 또는 동작 방법을 수행함에 있어서, 상기 방법을 이루는 각 과정들은 문맥상 명백하게 특정 순서를 기재하지 않은 이상 명기된 순서와 다르게 일어날 수 있다. 즉, 각 과정들은 명기된 순서와 동일하게 일어날 수도 있고 실질적으로 동시에 수행될 수도 있으며 반대의 순서대로 수행될 수도 있다.

본 발명에서는, 샘플에서 획득한 서열 분석 데이터를 참조 유전체에 정렬한 다음, 정렬된 핵산단편을 기반으로 벡터화된 데이터를 생성한 다음, K-평균 군집화를 통해 군집을 선별하여 특징을 추출한 다음, 태아 분획을 결정하도록 학습된 인공지능 모델에 입력할 경우, 높은 민감도와 정확도로 태아 분획을 결정할 수 있다는 것을 확인하고자 하였다.

즉, 본 발명의 일 실시예에서는, 혈액에서 추출한 DNA를 시퀀싱 한 뒤, 참조 염색체에 정렬하고, 상기 정렬된 서열정보를 전처리하여 벡터화된 데이터를 생성한 다음, 이를 K-평균 군집화를 통해 군집을 선별한 뒤, 선별된 군집에서 특징(feature)를 추출하여 DNN에 학습시켜, 태아 분획을 결정하는 방법을 개발하였다(도 1).

따라서, 본 발명은 일 관점에서,

a) 생체시료에서 핵산을 추출하여 서열정보를 획득하는 단계;

b) 획득한 서열정보(reads)를 표준 염색체 서열 데이터베이스(reference genome database)에 정렬(alignment)하는 단계;

c) 상기 정렬된 서열정보(reads)를 전처리하여 벡터화된 데이터를 생성하는 단계;

d) 생성된 상기 벡터화된 데이터를 K-평균 군집화(K-means clustering)를 통해 군집화한 다음, 군집(cluster)을 선별하는 단계; 및

e) 상기 선별된 군집에서 특징(feature)을 추출하여 태아의 분획을 결정하도록 학습된 인공지능 모델에 입력하여 태아 분획을 결정하는 단계를 포함하는 인공지능 기반 태아 분획 결정 방법에 관한 것이다.

본 발명에 있어서, 상기 생물학적 시료는 태아 유래 핵산을 포함하는 것을 특징으로 할 수 있다.

본 발명에 있어서, 상기 핵산 단편은 생체시료에서 추출한 핵산의 조각이면 제한없이 이용할 수 있으나, 바람직하게는 세포 유리 핵산 또는 세포 내 핵산의 조각일 수 있으나, 이에 한정되는 것은 아니다.

본 발명에 있어서, 상기 핵산 단편은 직접 서열분석하거나, 차세대 염기서열 분석을 통해 서열분석하거나 또는 비특이적 전장 유전체 증폭(non-specific whole genome amplification)을 통해 서열분석하여 얻은 것임을 특징으로 할 수 있다.

본 발명에서 상기 핵산 단편은 차세대 염기서열 분석을 이용할 경우에는 리드를 의미할 수 있다.

본 발명에 있어서,

상기 a) 단계는

(i) 혈액, 혈청, 혈장, 질 세포, 모발, 타액, 소변, 점막 분비물, 객담, 대변, 눈물, 구강세포, 태반세포 또는 태아세포를 포함하는 양수, 조직세포 및 이의 혼합물에서 핵산을 수득하는 단계;

(ii) 채취된 핵산에서 솔팅-아웃 방법(salting-out method), 컬럼 크로마토그래피 방법(column chromatography method) 또는 비드 방법(beads method)을 사용하여 단백질, 지방, 및 기타 잔여물을 제거하고 정제된 핵산을 수득하는 단계;

(iii) 정제된 핵산 또는 효소적 절단, 분쇄, 수압 절단 방법(hydroshear method)으로 무작위 단편화(random fragmentation)된 핵산에 대하여, 싱글 엔드 시퀀싱(single-end sequencing) 또는 페어 엔드 시퀀싱(pair-end sequencing) 라이브러리(library)를 제작하는 단계;

(iv) 제작된 라이브러리를 차세대 유전자서열검사기(next-generation sequencer)에 반응시키는 단계; 및

(v) 차세대 유전자서열검사기에서 핵산의 서열정보(reads)를 획득하는 단계;를 포함하는 것을 특징으로 할 수 있다.

본 발명에 있어서, 상기 차세대 유전자서열검사기(next-generation sequencer)는 당업계에 공지된 임의의 시퀀싱 방법으로 사용될 수 있다. 선택 방법에 의해 분리된 핵산의 시퀀싱은 전형적으로는 차세대 시퀀싱(NGS)을 사용하여 수행된다. 차세대 시퀀싱은 개개의 핵산 분자 또는 고도로 유사한 방식으로 개개의 핵산 분자에 대해 클론으로 확장된 프록시 중 하나의 뉴클레오타이드 서열을 결정하는 임의의 시퀀싱 방법을 포함한다(예를 들어, 10⁵개 이상의 분자가 동시에 시퀀싱된다). 일 실시형태에서, 라이브러리 내 핵산 종의 상대적 존재비는 시퀀싱 실험에 의해 만들어진 데이터에서 그것의 동족 서열의 상대적 발생 수를 계측함으로써 추정될 수 있다. 차세대 시퀀싱 방법은 당업계에 공지되어 있고, 예를 들어 본 명세서에 참조로서 포함된 문헌(Metzker, M. (2010) Nature Biotechnology Reviews 11:31-46)에 기재된다.

일 실시형태에서, 차세대 시퀀싱은 개개의 핵산 분자의 뉴클레오타이드 서열을 결정하기 위해 한다(예를 들어, 헬리코스 바이오사이언스(Helicos BioSciences)의 헬리스코프 유전자 시퀀싱 시스템(HeliScope Gene Sequencing system) 및 퍼시픽바이오사이언스의 팩바이오 알에스 시스템(PacBio RS system)). 다른 실시형태에서, 시퀀싱, 예를 들어, 더 적지만 더 긴 리드를 만들어내는 다른 시퀀싱 방법보다 시퀀싱 단위 당 서열의 더 많은 염기를 만들어내는 대량병렬의 짧은-리드 시퀀싱(예를 들어, 캘리포니아주 샌디에고에 소재한 일루미나 인코포레이티드(Illumina Inc.) 솔렉사 시퀀서(Solexa sequencer)) 방법은 개개의 핵산 분자에 대해 클론으로 확장된 프록시의 뉴클레오타이드 서열을 결정한다(예를 들어, 캘리포니아주 샌디에고에 소재한 일루미나 인코포레이티드(Illumina Inc.) 솔렉사 시퀀서(Solexa sequencer); 454 라이프 사이언스(Life Sciences)(코네티컷주 브랜포드에 소재) 및 아이온 토렌트(Ion Torrent)). 차세대 시퀀싱을 위한 다른 방법 또는 기계는, 이하에 제한되는 것은 아니지만, 454 라이프 사이언스(Life Sciences)(코네티컷주 브랜포드에 소재), 어플라이드 바이오시스템스(캘리포니아주 포스터 시티에 소재; SOLiD 시퀀서), 헬리코스 바이오사이언스 코포레이션(매사추세츠주 캠브릿지에 소재) 및 에멀젼 및 마이크로 유동 시퀀싱 기법 나노 점적(예를 들어, 지누바이오(GnuBio) 점적)에 의해 제공된다.

차세대 시퀀싱을 위한 플랫폼은, 이하에 제한되는 것은 아니지만, 로슈(Roche)/454의 게놈 시퀀서(Genome Sequencer: GS) FLX 시스템, 일루미나(Illumina)/솔렉사(Solexa) 게놈 분석기(Genome Analyzer: GA), 라이프(Life)/APG의 서포트 올리고(Support Oligonucleotide Ligation Detection: SOLiD) 시스템, 폴로네이터(Polonator)의 G.007 시스템, 헬리코스 바이오사이언스의 헬리스코프 유전자 시퀀싱 시스템(Helicos BioSciences' HeliScope Gene Sequencing system) 및 퍼시픽 바이오사이언스(Pacific Biosciences)의 팩바이오알에스(PacBio RS) 시스템을 포함한다.

NGS 테크놀로지스는, 예를 들어 주형 제조, 시퀀싱 및 이미징 및 데이터 분석 단계 중 하나 이상을 포함할 수 있다.

주형 제조. 주형 제조를 위한 방법은 핵산(예를 들어, 게놈 DNA 또는 cDNA)을 작은 크기로 무작위로 파괴하는 단계 및 시퀀싱 주형(예를 들어, 단편 주형 또는 메이트-쌍 주형)을 만드는 단계와 같은 단계들을 포함할 수 있다. 공간적으로 분리된 주형은 고체 표면 또는 지지체에 부착되거나 또는 고정될 수 있는데, 이는 대량의 시퀀싱 반응이 동시에 수행되도록 한다. NGS 반응을 위해 사용될 수 있는 주형의 유형은, 예를 들어 단일 DNA 분자로부터 유래된 클론이 증폭된 주형 및 단일 DNA 분자 주형을 포함한다.

클론이 증폭된 주형의 제조방법은, 예를 들어 에멀젼 PCR(emulsion PCR: emPCR) 및 고체상 증폭을 포함한다.

EmPCR은 NGS를 위한 주형을 제조하기 위해 사용될 수 있다. 전형적으로, 핵산 단편의 라이브러리가 만들어지며, 보편적 프라이밍 부위를 함유하는 어댑터는 단편의 말단에 결찰된다. 그 다음에 단편은 단일 가닥으로 변성되고, 비드에 의해 포획된다. 각 비드는 단일 핵산 분자를 포획한다. 증폭 및 emPCR 비드의 풍부화 후, 다량의 주형이 부착될 수 있고, 표준 현미경 슬라이드(예를 들어, 폴로네이터(Polonator)) 상에서 폴리아크릴아마이드 겔에 고정되며, 아미노-코팅된 유리 표면(예를 들어, Life/APG; 폴로네이터(Polonator))에 화학적으로 가교되거나, 또는 개개의 피코타이터플레이트(PicoTiterPlate: PTP) 웰(예를 들어, 로슈(Roche)/454) 상에 증착되는데, 이때 NGS 반응이 수행될 수 있다.

고체상 증폭이 또한 사용되어 NGS를 위한 주형을 생성할 수 있다. 전형적으로, 전방 및 후방 프라이머는 고체지지체에 공유적으로 부착된다. 증폭된 단편의 표면 밀도는 지지체 상에서 프라이머 대 주형의 비로써 정의된다. 고체상 증폭은 수백만개의 공간적으로 분리된 주형 클러스터(예를 들어, 일루미나/솔렉사(Illumina/Solexa))를 생성할 수 있다. 주형 클러스터의 말단은 NGS 반응을 위한 보편적 프라이머에 혼성화될 수 있다.

클론으로 증폭된 주형의 제조를 위한 다른 방법은, 예를 들어 다중 치환 증폭(Multiple Displacement Amplification: MDA)(Lasken R. S. Curr Opin Microbiol. 2007; 10(5):510-6)을 포함한다. MDA는 비-PCR 기반 DNA 증폭 기법이다. 반응은 주형에 대해 무작위 헥사머 프라이머를 어닐링하는 단계 및 일정한 온도에서 고충실도 효소, 전형적으로 Ф에 의해 DNA를 합성하는 단계를 수반한다. MDA는 더 낮은 오류 빈도로 거대한 크기의 생성물을 만들 수 있다.

PCR과 같은 주형 증폭 방법은 표적에 NGS 플랫폼을 결합시킬 수 있거나 또는 게놈의 특이적 영역을 풍부화할 수 있다(예를 들어, 엑손). 대표적인 주형 풍부화 방법은, 예를 들어 마이크로점적 PCR 기법(Tewhey R. et al., Nature Biotech. 2009, 27:1025-1031), 맞춤-설계된 올리고뉴클레오타이드 마이크로어레이(예를 들어, 로슈(Roche)/님블젠(NimbleGen) 올리고뉴클레오타이드 마이크로어레이) 및 용액-기반 혼성화 방법(예를 들어, 분자역위 프로브(molecular inversion probe: MIP))(Porreca G. J. et al., Nature Methods, 2007, 4:931-936; Krishnakumar S. et al., Proc. Natl. Acad. Sci. USA, 2008, 105:9296-9310; Turner E. H. et al., Nature Methods, 2009, 6:315-316) 및 바이오틴화된 RNA 포획 서열(Gnirke A. et al., Nat. Biotechnol. 2009;27(2):182-9)을 포함한다.

단일-분자 주형은 NGS 반응을 위해 사용될 수 있는 주형의 다른 유형이다. 공간적으로 분리된 단일 분자 주형은 다양한 방법에 의해 고체 지지체 상에 고정될 수 있다. 한 접근에서, 개개의 프라이머 분자는 고체 지지체에 공유적으로 부착된다. 어댑터는 주형에 첨가되고, 주형은 그 다음에 고정된 프라이머에 혼성화된다. 다른 접근에서, 단일-분자 주형은 고정된 프라이머로부터 단일-가닥의 단일-분자 주형을 프라이밍하고 연장시킴으로써 고체 지지체에 공유적으로 부착된다. 그 다음에 보편적 프라이머는 주형에 혼성화된다. 또 다른 접근에서, 단일 폴리머라제 분자는 프라이밍된 주형이 결합된 고체 지지체에 부착된다.

시퀀싱 및 이미징. NGS를 위한 대표적인 시퀀싱 및 이미징 방법은, 이하에 제한되는 것은 아니지만, 사이클릭 가역적 종결(cyclic reversible termination: CRT), 결찰에 의한 시퀀싱(sequencing by ligation: SBL), 단일-분자 첨가(파이로시퀀싱(pyrosequencing)) 및 실시간 시퀀싱을 포함한다.

CRT는 뉴클레오타이드 포함, 형광 이미징 및 절단 단계를 최소로 포함하는 사이클릭 방법에서 가역 종결자를 사용한다. 전형적으로, DNA 폴리머라제는 프라이머에 주형 염기의 상보적 뉴클레오타이드에 대해 상보적인 단일의 형광으로 변형된 뉴클레오타이드를 포함시킨다. DNA 합성은 단일 뉴클레오타이드의 첨가 후 종결되고, 미포함된 뉴클레오타이드는 세척된다. 포함된 표지 뉴클레오타이드의 동일성을 결정하기 위해 이미징이 수행된다. 그 다음에, 절단 단계에서, 종결/억제기 및 형광 염료는 제거된다. CRT 방법을 사용하는 대표적인 NGS 플랫폼은, 이하에 제한되는 것은 아니지만, 전체 내부 반사 형광(total internal reflection fluorescence: TIRF)에 의해

검출된 4-색 CRT 방법과 결합된 클론으로 증폭된 주형 방법을 사용하는 일루미나(Illumina)/솔렉사(Solexa) 게놈 분석기(GA); 및 TIRF에 의해 검출된 1-색 CRT 방법과 결합된 단일-분자 주형 방법을 사용하는 헬리코스 바이오사이언스(Helicos BioSciences)/헬리스코프(HeliScope)를 포함한다.

SBL은 시퀀싱을 위해 DNA 리가제 및 1-염기-암호화된 프로브 또는 2-염기-암호화된 프로브 중 하나를 사용한다.

전형적으로, 형광 표지된 프로브는 프라이밍된 주형에 인접한 상보적 서열에 혼성화된다. DNA 리가제는 프라이머에 염료-표지된 프로브를 결찰시키기 위해 사용된다. 비-결찰 프로브가 세척된 후 결찰된 프로브의 동일성을 결정하기 위하여 형광 이미징이 수행된다. 형광 염료는 후속의 결찰 주기를 위해 5'-PO4 기를 재생하는 절단가능한 프로브를 사용하여 제거될 수 있다. 대안적으로, 새로운 프라이머는 오래된 프라이머가 제거된 후 주형에 혼성화될 수 있다. 대표적인 SBL 플랫폼은, 이하에 제한되는 것은 아니지만, 라이프(Life)/APG/SOLiD(지지체 올리고뉴클레오타이드 결찰 검출)를 포함하는데, 이는 2-염기-암호화된 프로브를 사용한다.

파이로시퀀싱 방법은 다른 화학발광 효소로 DNA 폴리머라제의 활성을 검출하는 단계를 기반으로 한다. 전형적으로, 해당 방법은 한 번에 하나의 염기쌍을 따라 상보적 가닥을 합성하고, 각 단계에서 실제로 첨가된 염기를 검출함으로써 DNA의 단일 가닥을 시퀀싱시킨다. 주형 DNA는 고정적이며, A, C, G 및 T 뉴클레오타이드의 용액은 순차적으로 첨가되고, 반응으로부터 제거된다. 빛은 단지 뉴클레오타이드 용액이 주형의 짝지어지지 않은 염기를 보충할 때에만 생성된다. 화학발광 신호를 생성하는 용액의 서열은 주형의 서열을 결정하게 한다. 대표적인 파이로시퀀싱 플랫폼은, 이하에 제한되는 것은 아니지만, PTP 웰에 증착된 백만 내지 2백만개의 비드에 의한 emPCR에 의해 제조된 DNA 주형을 사용하는 로슈(Roche)/454를 포함한다.

실시간 시퀀싱은 DNA 합성 동안 염료-표지된 뉴클레오타이드의 연속적 포함을 이미징하는 단계를 수반한다. 대표적인 실시간 시퀀싱 플랫폼은, 이하에 제한되는 것은 아니지만, 포스페이트 연결된 뉴클레오타이드가 성장되는 프라이머 가닥에 포함될 때 서열 정보를 얻기 위한 개개의 0-모드 웨이브가이드(zero-mode waveguide, ZMW)

검출기의 표면에 부착된 DNA 폴리머라제 분자를 사용하는 퍼시픽 바이오사이언스 플랫폼(Pacific Biosciences); 형광 공명 에너지 전달(fluorescence resonance energy transfer, FRET)에 의한 뉴클레오타이드 포함 후 향상된 신호를 만들기 위해 부착된 형광 염료와 함께 유전자 조작된 DNA 폴리머라제를 사용하는 라이프(Life)/비시겐(VisiGen) 플랫폼; 및 시퀀싱 반응에서 염료-퀀처 뉴클레오타이드를 사용하는 LI-COR 바이오사이언스(Biosciences) 플랫폼을 포함한다.

NGS의 다른 시퀀싱 방법은, 이하에 제한되는 것은 아니지만, 나노포어 시퀀싱, 혼성화에 의한 시퀀싱, 나노-트랜지스터 어레이 기반 시퀀싱, 폴로니(polony) 시퀀싱, 주사형전자 터널링 현미경(scanning tunneling microscopy, STM) 기반 시퀀싱 및 나노와이어-분자 센서 기반 시퀀싱을 포함한다.

나노포어 시퀀싱은 단일-핵산 폴리머에서 분석될 수 있는 고도로 밀폐된 공간을 제공하는 나노-규모 포어를 통해서 용액 중의 핵산 분자의 전기영동을 수반한다. 나노포어 시퀀싱의 대표적인 방법은, 예를 들어 문헌[Branton D. et al., Nat Biotechnol. 2008; 26(10):1146-53]에 기재된다.

혼성화에 의한 시퀀싱은 DNA 마이크로어레이를 사용하는 비-효소적 방법이다. 전형적으로, DNA의 단일 풀은 형광으로 표지되며, 공지된 서열을 함유하는 어레이에 혼성화된다. 어레이 상의 주어진 스팟으로부터 혼성화 신호는 DNA 서열을 확인할 수 있다. DNA 이중-가닥에서 DNA 중 한 가닥의 그것의 상보적 가닥에 결합은 혼성체 영역이 짧거나 또는 구체된 미스매치 검출 단백질이 존재할 때, 단일-염기 미스매치에 대해서 조차도 민감하다. 혼성화에 의한 시퀀싱의 대표적인 방법은, 예를 들어 문헌(Hanna G.J. et al., J. Clin. Microbiol. 2000; 38(7): 2715-21; 및 Edwards J.R. et al., Mut. Res. 2005; 573(1-2): 3-12)에 기재된다.

폴로니 시퀀싱은 폴로니 증폭 및 다중 단일-염기-연장(FISSEQ)을 통해 시퀀싱에 따르는 것을 기반으로 한다. 폴로니 증폭은 폴리아크릴아마이드 필름 상에서 인시츄로 DNA를 증폭시키는 방법이다. 대표적인 폴로니 시퀀싱 방법은, 예를 들어 미국특허 출원 공개 제2007/0087362호에 기재된다.

탄소나노튜브 전계 효과 트랜지스터(Carbon NanoTube Field Effect Transistor: CNTFET)와 같은 나노-트랜지스터 어레이 기반 장치가 또한 NGS를 위해 사용될 수 있다. 예를 들어, DNA 분자는 신장되고, 마이크로-제작된 전극에 의해 나노튜브에 걸쳐 구동된다. DNA 분자는 탄소 나노튜브 표면과 순차적으로 접촉하게 되고, DNA 분자와 나노튜브 사이의 전하 전달에 기인하여 각 염기로부터의 전류 흐름의 차이가 만들어진다. DNA는 이들 차이를 기록함으로써 시퀀싱된다. 대표적인 나노-트랜지스터 어레이 기반 시퀀싱 방법은, 예를 들어 미국특허 공개 제2006/0246497호에 기재된다.

주사형전자 터널링 현미경(STM)은 또한 NGS를 위해 사용될 수 있다. STM은 표본의 래스터 주사(raster scan)를 수행하는 피에조-전자-제어 프로브를 사용하여 그것 표면의 이미지를 형성한다. STM은, 예를 들어 작동기-구동 가요성 갭과 주사형전자 터널링 현미경을 통합시킴으로써 일관된 전자 터널링 이미징 및 분광학을 만드는 단일 DNA 분자의 물리적 특성을 이미징하기 위해 사용될 수 있다. STM을 사용하는 대표적인 시퀀싱 방법은, 예를 들어 미국특허출원 공개 제2007/0194225호에 기재된다.

나노와이어-분자 센서로 구성된 분자-분석 장치가 또한 NGS를 위해 사용될 수 있다. 이러한 장치는 DNA와 같은 나노와이어 및 핵산 분자에 배치된 질소성 물질의 상호작용을 검출할 수 있다. 분자 가이드는 상호작용 및 후속하는 검출을 허용하기 위해 분자 센서 근처의 분자를 가이딩하기 위해 배치된다. 나노와이어-분자 센서를 사용하는 대표적인 시퀀싱 방법은 예를 들어 미국특허 출원 공개 제2006/0275779호에 기재된다.

이중 말단의 시퀀싱 방법이 NGS를 위해 사용될 수 있다. 이중 말단 시퀀싱은 DNA의 센스와 안티센스 가닥 둘 다를 시퀀싱하기 위해 차단 및 미차단 프라이머를 사용한다. 전형적으로, 이들 방법은 핵산의 제1 가닥에 미차단 프라이머를 어닐링시키는 단계; 핵산의 제2 가닥에 제2의 차단 프라이머를 어닐링 시키는 단계; 폴리머라제로 제1 가닥을 따라 핵산을 연장시키는 단계; 제1 시퀀싱 프라이머를 종결시키는 단계; 제2 프라이머를 차단해제(deblocking)하는 단계; 및 제2 가닥을 따라 핵산을 연장시키는 단계를 포함한다. 대표적인 이중 가닥 시퀀싱 방법은, 예를 들어 미국특허 제7,244,567호에 기재된다.

본 발명에서 상기 b) 단계에서 데이터 분석은 NGS 리드가 만들어진 후, 그것들은 공지된 기준 서열에 대해 정렬되거나 데노보 조립된다.

예를 들어, 샘플(예를 들어, 종양 샘플)에서 단일-뉴클레오타이드 다형성 및 구조적 변이체와 같은 유전적 변형을 확인하는 것은 기준 서열(예를 들어, 야생형 서열)에 대해 NGS 리드를 정렬함으로써 수행될 수 있다. NGS에 대한 서열 정렬방법은, 예를 들어 문헌(Trapnell C. and Salzberg S.L. Nature Biotech., 2009, 27:455-457]에 기재된다.

드노보 조립체의 예는, 예를 들어 문헌(Warren R. et al., Bioinformatics, 2007, 23:500-501; Butler J. et al., Genome Res., 2008, 18:810-820; 및 Zerbino D.R. 및 Birney E., Genome Res., 2008, 18:821-829)에 기재된다.

서열 정렬 또는 어셈블리는 하나 이상의 NGS 플랫폼으로부터의 리드 데이터를 사용하여, 예를 들어 로슈(Roche)/454 및 일루미나(Illumina)/솔렉사(Solexa) 리드 데이터를 혼합하여 수행될 수 있다.본 발명에 있어서, 상기 정렬단계는 이에 제한되지는 않으나, BWA 알고리즘 및 hg19 서열을 이용하여 수행되는 것일 수 있다.

본 발명에 있어서, 상기 b) 단계의 서열 정렬은 컴퓨터 알고리즘으로서 게놈에서 리드 서열(예를 들어, 차세대 시퀀싱으로부터의, 예를 들어 짧은-리드 서열)이 대부분 리드 서열과 기준 서열 사이의 유사성을 평가함으로써 유래될 가능성이 있는 경우로부터 동일성에 대해 사용되는 컴퓨터적 방법 또는 접근을 포함한다. 서열 정렬 문제에 다양한 알고리즘이 적용될 수 있다. 일부 알고리즘은 상대적으로 느리지만, 상대적으로 높은 특이성을 허용한다. 이들은, 예를 들어 역동적 프로그래밍-기반 알고리즘을 포함한다. 역동적 프로그래밍은 그것들이 더 간단한 단계로 나누어짐으로써 복잡한 문제를 해결하는 방법이다. 다른 접근은 상대적으로 더 효율적이지만, 전형적으로 철저하지 않다. 이는, 예를 들어 대량 데이터베이스 검색을 위해 설계된 휴리스틱(heuristic) 알고리즘 및 확률적(probabilistic) 방법을 포함한다.

전형적으로, 정렬 과정에 두 단계가 있을 수 있다: 후보자 검사 및 서열 정렬. 후보자 검사는 가능한 정렬 위치의 더 짧은 열거에 대해 전체 게놈으로부터 서열 정렬을 위한 검색 공간을 감소시킨다. 용어가 시사하는 바와 같이 서열 정렬은 후보자 검사 단계에 제공된 서열을 갖는 서열을 정렬시키는 단계를 포함한다. 이는 광역 정렬(예를 들어, 니들만-분쉬(Needleman-Wunsch) 정렬) 또는 국소 정렬(예를 들어, 스미스-워터만 정렬)을 사용하여 수행될 수 있다.

대부분의 속성 정렬 알고리즘은 색인 방법에 기반한 3가지 유형 중 하나를 특징으로 할 수 있다: 해쉬 테이블(예를 들어, BLAST, ELAND, SOAP), 접미사트리(예를 들어, Bowtie, BWA) 및 병합 정렬(예를 들어, 슬라이더(Slider))에 기반한 알고리즘. 짧은 리드 서열은 정렬을 위해 전형적으로 사용된다. 짧은-리드 서열에 대한 서열 정렬 알고리즘/프로그램의 예는, 이하에 제한되는 것은 아니지만, BFAST (Homer N. et al., PLoS One. 2009;4(11):e7767), BLASTN(월드 와이드 웹상의 blast.ncbi.nlm.nih.gov에서), BLAT(Kent W.J. Genome Res. 2002;12(4):656-64), 보타이(Bowtie)(Langmead B. et al., Genome Biol. 2009;10(3):R25), BWA(Li H. and Durbin R. Bioinformatics, 2009, 25:1754-60), BWA-SW(Li H. and Durbin R. Bioinformatics, 2010;26(5):589-95), 클라우드버스트(CloudBurst)(Schatz M.C. Bioinformatics. 2009;25(11):1363-9), 코로나 라이트(Corona Lite)(Applied Biosystems, Carlsbad, California, USA), CASHX(Fahlgren N. et al., RNA, 2009; 15, 992-1002), CUDA-EC (Shi H. et al., J Comput Biol. 2010;17(4):603-15), ELAND(월드 와이드 웹상의 bioit.dbi.udel.edu/howto/eland에서), GNUMAP(Clement N.L. et al., Bioinformatics. 2010;26(1):38-45), GMAP(Wu T.D. and Watanabe C.K. Bioinformatics. 2005;21(9):1859-75), GSNAP(Wu T.D. and Nacu S., Bioinformatics. 2010;26(7):873-81), 제니오스 어셈블러(Geneious Assembler)(뉴질랜드 오클랜드에 소재한 Biomatters Ltd.), LAST, MAQ(Li H. et al., Genome Res. 2008;18(11):1851-8), Mega-BLAST(월드 와이드 웹 상의 ncbi.nlm.nih.gov/blast/megablast.shtml에서), MOM(Eaves H.L. and Gao Y. Bioinformatics. 2009;25(7):969-70), MOSAIK(월드 와이드 웹 상의 bioinformatics.bc.edu/marthlab/Mosaik에서), 노보얼라인(Novoalign)(월드 와이드 웹 상의 novocraft.com/main/index.php에서), 팔맵퍼(PALMapper)(월드 와이드 웹 상의 fml.tuebingen.mpg.de/raetsch/suppl/palmapper에서), PASS(Campagna D. et al., Bioinformatics. 2009;25(7):967-8), PatMaN(Prufer K. et al., Bioinformatics. 2008; 24(13):1530-1), PerM(Chen Y. et al., Bioinformatics, 2009, 25 (19): 2514-2521), ProbeMatch(Kim Y.J. et al., Bioinformatics. 2009;25(11):1424-5), QPalma(de Bona F. et al., Bioinformatics, 2008, 24(16): i174), RazerS(Weese D. et al., Genome Research, 2009, 19:1646-1654), RMAP (Smith A.D. et al., Bioinformatics. 2009;25(21):2841-2), SeqMap(Jiang H. et al. Bioinformatics. 2008;24:2395-2396.), Shrec(Salmela L., Bioinformatics. 2010;26(10):1284-90), SHRiMP(Rumble S.M. et al., PLoS Comput. Biol., 2009, 5(5):e1000386), SLIDER(Malhis N. et al., Bioinformatics, 2009, 25 (1): 6-13), 슬림 서치(SLIM Search)(Muller T. et al., Bioinformatics. 2001;17 Suppl 1:S182-9), SOAP(Li R. et al., Bioinformatics. 2008;24(5):713-4), SOAP2(Li R. et al., Bioinformatics. 2009;25(15):1966-7), SOCS(Ondov B.D. et al., Bioinformatics, 2008; 24(23):2776-7), SSAHA(Ning Z. et al., Genome Res. 2001;11(10):1725-9), SSAHA2(Ning Z. et al., Genome Res. 2001;11(10):1725-9), 스탬피(Stampy)(Lunter G. and Goodson M. Genome Res. 2010, epub ahead of print), 타이판(Taipan)(월드 와이드 웹 상의 taipan.sourceforge.net에서), UGENE(월드 와이드 웹 상의 ugene.unipro.ru에서), XpressAlign(월드 와이드 웹 상의 bcgsc.ca/platform/bioinfo/software/XpressAlign에서), 및 ZOOM(캐나다 온타리오주 워터루에 소재한 바이오인포매틱스 솔루션 인코포레이티드(Bioinformatics Solutions Inc.))을 포함한다.

서열 정렬 알고리즘은, 예를 들어 시퀀싱 기법, 리드 길이, 리드 수, 입수가능한 컴퓨팅 자료 및 민감성/스코어링 필요조건을 포함하는 다수의 인자에 기반하여 선택될 수 있다. 상이한 서열 정렬 알고리즘은 상이한 속도 수준, 정렬 민감성 및 정렬 특이성을 달성할 수 있다. 정렬 특이성은 예측된 정렬과 비교하여 정확하게 정렬된 전형적으로 서브미션에서 발견되는 바와 같이 정렬된 표적 서열 잔기의 백분율을 지칭한다. 정렬 민감성은 또한 서브미션에서 정확하게 정렬된 보통 예측된 정렬에서 발견되는 바와 같이 정렬된 표적 서열 잔기의 백분율을 지칭한다.

정렬 알고리즘, 예컨대 ELAND 또는 SOAP는 속도가 고려되는 제1 인자일 때 기준 게놈에 대해 짧은 리드(예를 들어, 일루미나(Illumina)/솔렉사(Solexa) 시퀀서제)을 정렬하는 목적으로 사용될 수 있다. BLAST 또는 Mega-BLAST와 같은 정렬 알고리즘은 특이성이 가장 중요한 인자일 때, 이들 방법이 상대적으로 더 느리지만, 짧은 판독(예를 들어, 로슈(Roche) FLX제)을 사용하여 유사성 조사의 목적을 위해 사용될 수 있다. MAQ 또는 노보얼라인(Novoalign)와 같은 정렬 알고리즘은 품질 스코어를 고려하며, 따라서 정확성이 본질을 가질 때 단일- 또는 짝지어진-말단 데이터에 대해 사용될 수 있다(예를 들어, 고속-대량 SNP 검색에서). 보타이(Bowtie) 또는 BWA와 같은 정렬 알고리즘은 버로우즈-휠러 변환(Burrows-Wheeler Transform: BWT)을 사용하며, 따라서 상대적으로 작은 메모리 풋프린트(memory footprint)를 필요로 한다. BFAST, PerM, SHRiMP, SOCS 또는 ZOOM과 같은 정렬 알고리즘은 색공간 리드를 맵핑하며, 따라서 ABI의 SOLiD 플랫폼과 함께 사용될 수 있다. 일부 적용에서, 2 이상의 정렬 알고리즘으로부터의 결과가 조합될 수 있다.

본 발명에 있어서, 상기 b) 단계의 서열정보(reads)의 길이는, 5 내지 5000 bp이고, 사용하는 서열정보의 수는 5천 내지 500만개가 될 수 있으나, 이에 한정되는 것은 아니다.

본 발명에서 있어서, 상기 c) 단계를 수행하기에 앞서 정렬된 핵산단편의 정렬 일치도 점수(mapping quality score)를 만족하는 핵산단편을 따로 분류하는 단계를 추가로 포함하는 것을 특징으로 할 수 있다.

본 발명에서 상기 정렬 일치도 점수(mapping quality score)는 원하는 기준에 따라 달라질 수 있으나, 바람직하게는 15-70점, 더욱 바람직하게는 50~70점 일 수 있고, 가장 바람직하게는 60점일 수 있다.

본 발명에 있어서, 상기 c) 단계는 하기의 단계를 포함하여 수행하는 것을 특징으로 할 수 있다:

i) 정렬된 리드의 빈도수(depth)값이 1 이상인 위치들의 염색체 번호, 위치 정보, 빈도수를 저장하는 단계;

ii) 염색체 크기와 같은 크기의 영벡터를 초기화 한 다음, 상기 저장된 데이터의 염색체 위치 정보에 해당하는 구간 마다 빈도수를 더하여 1번 염색체부터 22번 염색체에 대하여 각각 계산하여 빈도수 벡터로 변환하는 단계.

본 발명에서, 각 샘플에서 정렬된 리드의 정보를 이용하여 빈도수(depth)값이 1 이상이 위치들의 염색체 번호, 위치 정보 및 빈도수는 BED(Browser Extensible Data) 형식으로 저장될 수 있으나, 이에 한정되는 것은 아니다.

본 발명에서, 각 샘플 별로 수득한 염색체, 위치정보 및 빈도수를 그대로 이용하여 데이터를 가공하면 3차 행렬을 이용하여 클러스터링을 수행하게 된다. 이 경우 연산량이 증가하게 되어 많은 computing power가 요구된다. 따라서 이러한 computing power 요구치를 낮게 하기 위해서는 데이터를 1차 행렬로 나타내야 한다. 또한 이러한 1차 행렬 데이터는 reads에서 나타나는 특정 alignment pattern의 시작점과 끝점에 대한 interval 정보 및 read가 나타나는 빈도수인 depth 정보까지 포함하고 있어야 데이터의 유실없이 인공지능 모델이 학습을 할 수 있다. 이를 위해서는 염색체 크기만큼의 영벡터를 초기화 한 후, 염색체 위치정보에 해당하는 구간마다 빈도수를 더해주면 3차행렬을 1차행렬인 빈도수 벡터로 변환할 수 있다.

본 발명에서 상기 영벡터는 일반적으로 쓰이는 모든 성분이 0인 벡터를 의미하고, 염색체 위치 정보에 해당하는 구간은 리드의 시작과 끝을 포함하는 것 의미할 수 있으나, 이에 한정되는 것은 아니다.

본 발명에서 상기 3차 행렬을 1차 행렬인 빈도수 벡터로 변환하는 것은 예를 들어, 각 리드의 시작점과 끝점, 빈도수의 3차원 데이터를 임의의 방식으로 압축/통합 후 시작점, 끝점, 통합된 빈도수를 1차원의 데이터로 계산하는 것을 의미할 수 있으나, 이에 한정되는 것은 아니다.

본 발명에 있어서, 상기 d) 단계는 하기의 단계를 포함하여 수행하는 것을 특징으로 할 수 있다:

i) 벡터화된 데이터를 이용하여 염색체 별로 K-평균 군집화를 수행하되, 하기 수식 1을 이용하여 염색체의 크기에 비례한 max K 값을 설정하는 단계; 및

수식 1:

ii) 1번 염색체부터 22번 염색체 별로 대표성을 가지는 최적의 K 값을 설정하는 단계; 및

iii) 상기 염색체 별로 설정된 최적의 K 값을 이용하여 염색체 별로 군집(cluster)을 선별하는 단계.

본 발명에 있어서, ii) 단계는 너비 우선 탐색(breadth-first search), 일정량 탐색(uniform-cost search), 깊이 우선 탐색(depth-first search), 깊이 제한 탐색(depth-limited search), 반복적 깊이 심화 탐색(iterative deepening search) 및 양방향 탐색(bidirectional search)으로 구성된 군에서 선택되는 하나 이상의 방법을 이용하는 것을 특징으로 할 수 있으나, 이에 한정되는 것은 아니다.

본 발명에 있어서, 상기 e) 단계의 특징을 추출하는 단계는 하기의 단계를 포함하여 수행하는 것을 특징으로 할 수 있다:

i) 주성분분석, 부분최소제곱회귀, T-분포 확률적 임베딩(TSNE) 또는 벌점화 회귀 모형(penalized linear regression)을 이용하여 특징을 추출하는 단계; 및

ii) 그리드 탐색(grid search), 랜덤 탐색(random search) 또는 베이지안 최적화(Bayesian optimization)을 이용하여 특징을 추출하는 방법을 최적화하는 단계.

본 발명에 있어서, 상기 i) 단계에서 벌점화 회귀 모형을 이용할 경우, 상기 모형은 능형(ridge) 모형, 라소(lasso) 모형 및 신축망(elastic net) 모형으로 구성된 군에서 선택되는 것을 특징으로 할 수 있으나, 이에 한정되는 것은 아니다.

본 발명에 있어서, 상기 e) 단계의 인공지능 모델은 남자 태아를 가진 산모의 cfDNA 데이터에서 Y 염색체의 비율을 하기 수식 2로 계산하여 label로 설정한 다음, 추출한 특징을 인공신경망에 입력하여 태아의 분획을 결정하는 방법을 학습시키는 것을 특징으로 할 수 있다:

수식 2:

본 발명에 있어서, 상기 (e) 단계의 인공지능 모델은 태아의 분획을 결정하도록 학습할 수 있는 모델이면 제한없이 사용가능하며, 바람직하게는 딥러닝 모델인 것을 특징으로 할 수 있다.

본 발명에 있어서, 상기 인공지능 모델은 인공신경망 기반으로 벡터화된 데이터를 분석할 수 있는 인공신경망 알고리즘이면 제한없이 이용할 수 있으나, 바람직하게는 합성곱 신경망(convolutional neural network, CNN), 심층 신경망(Deep Neural Network, DNN), 순환 신경망(Recurrent Neural Network, RNN) 및 오토 인코더(autoencoder)로 구성된 군에서 선택되는 것을 특징으로 할 수 있으나, 이에 한정되는 것은 아니다.

본 발명에 있어서, 상기 순환 신경망은 LSTM(Long-short term memory) 신경망, GRU(Gated Recurrent Unit) 신경망, 바닐라 순환 신경망(Vanilla recurrent neural network) 및 집중적 순환 신경망(attentive recurrent neural network)으로 구성된 군에서 선택되는 것을 특징으로 할 수 있다.

본 발명에 있어서, 상기 인공신경망이 DNN일 경우, 손실함수는 하기 수식 3으로 표시되는 것을 특징으로 할 수 있다.

수식 3:

여기서,

은 n번째 데이터의 관측 자료값,

은 n번째 데이터의 예측값을 의미하며

은 평균 제곱 오차값을 의미한다.

본 발명은 다른 관점에서, 생체시료에서 핵산을 추출하여 서열정보를 해독하는 해독부;

해독된 서열을 표준 염색체 서열 데이터베이스에 정렬하는 정렬부;

정렬된 서열 기반의 핵산단편을 전처리하여 벡터화된 데이터를 생성하는 데이터 생성부;

생성된 벡터화된 데이터를 군집화한 다음, 군집을 선별하는 군집 선별부; 및

선별된 군집에서 특징을 추출하여 태아의 분획을 결정하도록 학습된 인공지능 모델에 입력하여 태아 분획을 결정하는 태아 분획 결정부를 포함하는 인공지능 기반 태아 분획 결정 장치에 관한 것이다.

본 발명은 또 다른 관점에서, 컴퓨터 판독 가능한 저장 매체로서, 태아 분획을 결정하는 프로세서에 의해 실행되도록 구성되는 명령을 포함하되,

d) 생성된 상기 벡터화된 데이터를 K-평균 군집화(K-means clustering)를 통해 군집화한 다음, 군집(cluster)를 선별하는 단계; 및

e) 상기 선별된 군집에서 특징(feature)을 추출하여 태아의 분획을 결정하도록 학습된 인공지능 모델에 입력하여 태아 분획을 결정하는 단계를 통하여, 태아 분획을 결정하는 프로세서에 의해 실행되도록 구성되는 명령을 포함하는 컴퓨터 판독 가능한 저장 매체에 관한 것이다.

실시예

이하, 실시예를 통하여 본 발명을 더욱 상세히 설명하고자 한다. 이들 실시예는 오로지 본 발명을 예시하기 위한 것으로서, 본 발명의 범위가 이들 실시예에 의해 제한되는 것으로 해석되지는 않는 것은 당업계에서 통상의 지식을 가진 자에게 있어서 자명할 것이다.

실시예 1. 혈액에서 DNA를 추출하여, 차세대 염기서열 분석 수행

정상인 15,951 혈액을 10mL씩 채취하여 EDTA Tube에 보관하였으며, 채취 후 2시간 이내에 1200g, 4℃ 15분의 조건으로 혈장 부분만 1차 원심분리한 다음, 1차 원심분리된 혈장을 16000g, 4℃ 10분의 조건으로 2차 원심분리하여 침전물을 제외한 혈장 상층액을 분리하였다. 분리된 혈장에 대해 Tiangenmicro DNA kit (Tiangen)을 사용하여 cell-free DNA를 추출하고, Truseq Nano DNA HT library prep kit (Illumina)를 사용해 Library preparation 과정을 수행한 다음, Nextseq500 장비 (Illumina) 를 75 Single-end 모드로 sequencing을 진행하였다. 그 결과, 샘플 당 약 13 million 개의 reads가 생산되는 것을 확인하였다.

실시예 2. Sequencing data 전처리 및 빈도수 벡터 생성

샘플들의 패턴을 파악하고자, 생산된 raw data를 human reference genome에 align하여 BAM (Binary Alignment Map) 형식의 파일을 생성하였고, Align의 정확도가 떨어지는 data는 분석의 정확도 역시 낮출 위험이 있기 때문에 mapping quality score 기준 60 미만인 reads는 filtering 과정을 통해 제거한 다음, 각 샘플에서 align된 read의 정보를 이용하여, 빈도수 (depth) 값이 1 이상인 위치들의 염색체, 위치정보, 빈도수를 BED (Browser Extensible Data) 형식으로 저장하였다.

각 샘플 별로 수득한 염색체, 위치정보 및 빈도수를 그대로 이용하여 데이터를 가공하면 3차 행렬을 이용하여 clustering하게 된다. 이 경우 연산량이 증가하게 되어 많은 computing power가 요구되기 때문에, 이러한 computing power 요구치를 낮게 하기 위해서는 데이터를 1차 행렬로 전환하기 위해 염색체 크기만큼의 영벡터를 초기화 한 후, 염색체 위치정보에 해당하는 구간마다 빈도수를 더해주면 3차행렬을 1차행렬인 빈도수 벡터로 변환하였다.

즉, 각 리드의 시작점과 끝점 그리고 빈도수를 가지는 3차원 데이터를 0을 제외한 구간으로 임의로 통합한 후, 빈도수를 평균 등 통계적인 방법으로 병합/압축한 다음, 압축된 3차원 데이터를 시작점과 끝점, 빈도수를 이용하여 수식 4의 방법으로 1차원 데이터로 계산을 하였다(도 4).

수식 4:

실시예 3. 위치정보 병합 및 군집화(clustering)

개별 샘플 기준으로 빈도수 1인 영역은 alignment 단계에서 발생하는 분석상의 노이즈로 생각하여 clustering에 사용하지 않았고, 모든 개별 샘플에 대한 빈도수 벡터를 22개의 개별 염색체 (chr1~chr22)에 대하여 계산 한 후, 염색체 단위 별로 clustering을 진행하였다.

그 결과, 묶여지는 cluster는 다양한 크기의 alignment pattern을 포함하는 영역의 특성 상 cluster 별 크기가 다양한 것을 확인하였다(도 2).

K-means clustering을 위해서 cluster의 개수인 K 값을 적절한 범위 내에서 찾는 것이 중요한 요인이 될 수 있는데, 이때 적절한 max K를 설정하지 않게 되면 무수히 많은 반복 연산을 수행해야 하기 때문에 최적의 K 값을 찾는데 컴퓨터의 자원이 많이 소모가 된다.

따라서 개별 염색체의 크기에 비례한 max K 값을 하기 수식 1로 설정하고, 22개의 염색체(chr1 ~ chr22)에 대하여 대표성을 가지는 최적의 K 값을 iterative deepening search 방법을 통해 설정하여 clustering을 진행하였다.

수식 1:

실시예 4. 클러스터별 특징(feature) 추출

선별한 Cluster들을 Input-X의 특징(feature)으로 생각할 수 있는데, 이러한 특징들은 수 만개의 고차원 데이터로 나타나는데 그 수는 클러스터 방법에 따라 약간 차이가 있다. 이러한 고차원의 데이터를 모델 학습에 모두 활용하는 것은 성능에 영향을 미칠 수 있으므로, 차원 축소, 특징 추출 등의 방법으로 고차원의 데이터를 저차원의 데이터로 바꿀 필요가 있다.

따라서 고차원 데이터에서 대표적인 특징 추출(feature selection) 기법인 벌점화 회귀 모형(penalized linear regression) 중 Elastic-Net 모형을 활용하여 중요한 클러스터들을 선별하였다.

하지만 특징 추출을 할 때, 중요한 클러스터를 얼마만큼 선별할 것인지 즉, 특징 선택을 얼마만큼 할 것인지 여부 또한 모델 성능에 중요한 영향을 미치므로, 그리드 탐색(grid-search) 방식을 활용하여 모델에 최적화된 클러스터 추출 방법을 찾았다.

즉, Elastic-Net 모형에서 정규화의 방식인 L1, L2 제한을 어떠한 방식으로 조절하는지에 따라 특징 추출 모델의 결과와 선별되는 특징이 달라질 수 있으므로, Elastic-Net 모형에서 alpha 값과 l1_ratio 값에 대하여 그리드 탐색 방법을 적용하여 클러스터에 대한 특징을 추출하였다.

실시예 5. 딥러닝 모델 구축 및 성능 검증

태아의 성별이 남성인 경우 산모의 cfDNA에서 나타나는 Y 염색체는 산모에서 유래한 염색체가 아니라 태아에서 유래한 염색체로 볼 수 있으므로, 남자 태아를 가진 산모의 cfDNA 데이터에서 Y 염색체의 비율을 계산하고, clustered binning data를 이용하여 Y 염색체의 비율을 계산하는 방식으로 태아의 분획을 예측하는 모델을 구축하였다.

Y 염색체와 X 염색체의 경우 PAR(pseudoautosomal region)과 같이 유사한 서열의 영역이 존재하게 되고, 이러한 유사한 염기 서열의 특성은 X 염색체의 염기 조각이 reference genome에 Align하는 과정에서 Y 염색체에 mapping이 되어 데이터에 noise처럼 작용하게 되므로, 이러한 특성을 제거하기 위해서 산모의 cfDNA의 Y 염색체의 비율을 재조정 할 필요가 있는데, 이를 위해 수식 2를 이용하여 재조정된 Y 염색체의 비율을 계산하였다.

수식 2:

이렇게 새로 계산된 염색체 Y의 비율을 Label로 두고, clustered binning data를 feature map으로 활용하여 Fully connected Dense layer를 이용한 DNN 모델을 설계하였다.

전체 남자 태아 산모 데이터의 약 80% 정도의 학습 데이터 세트를 사용하여 태아 분획 모델을 학습하였고, 약 10% 정도의 검증 데이터 세트를 사용하여 학습 중간에 평가를 진행하여 학습의 파라미터를 갱신하는데 사용하였으며, 약 10% 정도의 시험 데이터 세트를 이용하여 학습된 모델의 성능을 평가하였다. 여자 태아 산모 데이터는 시험 세트로만 활용하였다.

그 결과, 시험 데이터 세트를 이용한 성능 평가 결과 Pearson's correlation 0.954, Root Mean Square Error 1.319, Mean Absolute Error 0.994로 높은 수준의 상관관계 및 낮은 오차 범위를 나타내고 있다는 것을 확인하였다(표 1 및 도 5).

한편, 동일한 남자 태아 산모 데이터를 이용한 SeqFF 모델의 결과와의 상관관계는 Pearson's correlation 0.898로 확인된 바, 본 발명에서 구축한 모델의 성능이 더욱 뛰어난 것을 확인할 수 있다.

상기의 방법으로 구축한 모델을 기반으로 여자 태아 산모에서 테스트한 결과, 하기 표 2 및 도 6에 기재된 바와 같이 SeqFF 모델에 비해 Pearson's correlation이 0.913으로 예측 성능이 뛰어난 것을 확인하였다.

이상으로 본 발명 내용의 특정한 부분을 상세히 기술하였는 바, 당업계의 통상의 지식을 가진 자에게 있어서 이러한 구체적 기술은 단지 바람직한 실시 양태일 뿐이며, 이에 의해 본 발명의 범위가 제한되는 것이 아닌 점은 명백할 것이다. 따라서, 본 발명의 실질적인 범위는 첨부된 청구항들과 그것들의 등가물에 의하여 정의된다고 할 것이다.

Claims

a) 생체시료에서 핵산을 추출하여 서열정보를 획득하는 단계;
b) 획득한 서열정보(reads)를 표준 염색체 서열 데이터베이스(reference genome database)에 정렬(alignment)하는 단계;
c) 상기 정렬된 서열정보(reads)를 전처리하여 벡터화된 데이터를 생성하는 단계;
d) 생성된 상기 벡터화된 데이터를 K-평균 군집화(K-means clustering)를 통해 군집화한 다음, 군집(cluster)을 선별하는 단계; 및
e) 상기 선별된 군집에서 특징(feature)을 추출하여 태아의 분획을 결정하도록 학습된 인공지능 모델에 입력하여 태아 분획을 결정하는 단계를 포함하는 인공지능 기반 태아 분획 결정 방법.
제1항에 있어서, 상기 a) 단계는 다음의 단계를 포함하는 방법으로 수행되는 것을 특징으로 하는 인공지능 기반 태아 분획 결정 방법:
(i) 혈액, 혈청, 혈장, 질 세포, 모발, 타액, 소변, 점막 분비물, 객담, 대변, 눈물, 구강세포, 태반세포 또는 태아세포를 포함하는 양수, 조직세포 및 이의 혼합물에서 핵산을 수득하는 단계;
(ii) 채취된 핵산에서 솔팅-아웃 방법(salting-out method), 컬럼 크로마토그래피 방법(column chromatography method) 또는 비드 방법(beads method)을 사용하여 단백질, 지방, 및 기타 잔여물을 제거하고 정제된 핵산을 수득하는 단계;
(iii) 정제된 핵산 또는 효소적 절단, 분쇄, 수압 절단 방법(hydroshear method)으로 무작위 단편화(random fragmentation)된 핵산에 대하여, 싱글 엔드 시퀀싱(single-end sequencing) 또는 페어 엔드 시퀀싱(pair-end sequencing) 라이브러리(library)를 제작하는 단계;
(iv) 제작된 라이브러리를 차세대 유전자서열검사기(next-generation sequencer)에 반응시키는 단계; 및
(v) 차세대 유전자서열검사기에서 핵산의 서열정보(reads)를 획득하는 단계.
제1항에 있어서, 상기 생물학적 시료는 태아 유래 핵산을 포함하는 것을 특징으로 하는 인공지능 기반 태아 분획 결정 방법.
제1항에 있어서, 상기 c) 단계를 수행하기에 앞서 정렬된 핵산 단편의 정렬 일치도 점수(mapping quality score)가 기준값 이상인 리드를 선별하는 단계를 추가로 포함하는 것을 특징으로 하는 인공지능 기반 태아 분획 결정 방법.
제4항에 있어서, 상기 기준값은 50 내지 70점인 것을 특징으로 하는 인공지능 기반 태아 분획 결정 방법.
제1항에 있어서, 상기 c) 단계는 하기의 단계를 포함하여 수행하는 것을 특징으로 하는 인공지능 기반 태아 분획 결정 방법:
i) 정렬된 리드의 빈도수(depth)값이 1 이상인 위치들의 염색체 번호, 위치 정보, 빈도수를 저장하는 단계;
ii) 염색체 크기와 같은 크기의 영벡터를 초기화 한 다음, 상기 저장된 데이터의 염색체 위치 정보에 해당하는 구간인 각 염색체에서의 리드가 나타나는 시작점 및 끝점에서 관측되는 빈도수를 더하여 1번 염색체부터 22번 염색체에 대하여 각각 계산하여 빈도수 벡터로 변환하는 단계.
제1항에 있어서, 상기 d) 단계는 하기의 단계를 포함하여 수행하는 것을 특징으로 하는 인공지능 기반 태아 분획 결정 방법:
i) 벡터화된 데이터를 이용하여 염색체 별로 K-평균 군집화를 수행하되, 하기 수식 1을 이용하여 염색체의 크기에 비례한 max K 값을 설정하는 단계; 및
수식 1:

ii) 1번 염색체부터 22번 염색체 별로 대표성을 가지는 최적의 K 값을 설정하는 단계; 및
iii) 상기 염색체 별로 설정된 최적의 K 값을 이용하여 염색체 별로 군집(cluster)을 선별하는 단계.
제7항에 있어서, 상기 ii) 단계는 너비 우선 탐색(breadth-first search), 일정량 탐색(uniform-cost search), 깊이 우선 탐색(depth-first search), 깊이 제한 탐색(depth-limited search), 반복적 깊이 심화 탐색(iterative deepening search) 및 양방향 탐색(bidirectional search)으로 구성된 군에서 선택되는 하나 이상의 방법을 이용하는 것을 특징으로 하는 인공지능 기반 태아 분획 결정 방법.
제1항에 있어서, 상기 e) 단계의 특징을 추출하는 단계는 하기의 단계를 포함하여 수행하는 것을 특징으로 하는 인공지능 기반 태아 분획 결정 방법:
i) 주성분분석, 부분최소제곱회귀, T-분포 확률적 임베딩(TSNE) 또는 벌점화 회귀 모형(penalized linear regression)을 이용하여 특징을 추출하는 단계; 및
ii) 그리드 탐색(grid search), 랜덤 탐색(random search) 또는 베이지안 최적화(Bayesian optimization)을 이용하여 특징을 추출하는 방법을 최적화하는 단계.
제9항에 있어서, 상기 i) 단계에서 벌점화 회귀 모형을 이용할 경우, 상기 모형은 능형(ridge) 모형, 라소(lasso) 모형 및 신축망(elastic net) 모형으로 구성된 군에서 선택되는 것을 특징으로 하는 인공지능 기반 태아 분획 결정 방법.
제1항에 있어서, 상기 e) 단계의 인공지능 모델은 남자 태아를 가진 산모의 cfDNA 데이터에서 Y 염색체의 비율을 하기 수식 2로 계산하여 label로 설정한 다음, 추출한 특징을 인공신경망에 입력하여 태아의 분획을 결정하는 방법을 학습시키는 것을 특징으로 하는 인공지능 기반 태아 분획 결정 방법:
수식 2:
제11항에 있어서, 상기 인공신경망은 합성곱 신경망(convolutional neural network, CNN), 심층 신경망(Deep Neural Network, DNN) 및 순환 신경망(Recurrent Neural Network, RNN)으로 구성된 군에서 선택되는 것을 특징으로 하는 인공지능 기반 태아 분획 결정 방법.
제12항에 있어서, 상기 인공신경망이 DNN일 경우, 손실함수는 하기 수식 3으로 표시되는 것을 특징으로 하는 인공지능 기반 태아 분획 결정 방법:
수식 3:

여기서,
은 n번째 데이터의 관측 자료값,
은 n번째 데이터의 예측값을 의미하며
은 평균 제곱 오차값을 의미한다.
생체시료에서 핵산을 추출하여 서열정보를 해독하는 해독부;
해독된 서열을 표준 염색체 서열 데이터베이스에 정렬하는 정렬부;
정렬된 서열 기반의 핵산단편을 전처리하여 벡터화된 데이터를 생성하는 데이터 생성부;
생성된 벡터화된 데이터를 군집화한 다음, 군집을 선별하는 군집 선별부; 및
선별된 군집에서 특징을 추출하여 태아의 분획을 결정하도록 학습된 인공지능 모델에 입력하여 태아 분획을 결정하는 태아 분획 결정부를 포함하는 인공지능 기반 태아 분획 결정 장치.
컴퓨터 판독 가능한 저장 매체로서, 태아 분획을 결정하는 프로세서에 의해 실행되도록 구성되는 명령을 포함하되,
a) 생체시료에서 핵산을 추출하여 서열정보를 획득하는 단계;
b) 획득한 서열정보(reads)를 표준 염색체 서열 데이터베이스(reference genome database)에 정렬(alignment)하는 단계;
c) 상기 정렬된 서열정보(reads)를 전처리하여 벡터화된 데이터를 생성하는 단계;
d) 생성된 상기 벡터화된 데이터를 K-평균 군집화(K-means clustering)를 통해 군집화한 다음, 군집(cluster)를 선별하는 단계; 및
e) 상기 선별된 군집에서 특징(feature)을 추출하여 태아의 분획을 결정하도록 학습된 인공지능 모델에 입력하여 태아 분획을 결정하는 단계를 통하여, 태아 분획을 결정하는 프로세서에 의해 실행되도록 구성되는 명령을 포함하는 컴퓨터 판독 가능한 저장 매체.