KR20240076358A - Apparatus and method for generating immunopeptidome pmhc information using artificial intelligence - Google Patents

Apparatus and method for generating immunopeptidome pmhc information using artificial intelligence Download PDF

Info

Publication number
KR20240076358A
KR20240076358A KR1020230079876A KR20230079876A KR20240076358A KR 20240076358 A KR20240076358 A KR 20240076358A KR 1020230079876 A KR1020230079876 A KR 1020230079876A KR 20230079876 A KR20230079876 A KR 20230079876A KR 20240076358 A KR20240076358 A KR 20240076358A
Authority
KR
South Korea
Prior art keywords
data
mhc
classes
peptide
learning
Prior art date
Application number
KR1020230079876A
Other languages
Korean (ko)
Inventor
송성재
서정한
임채열
Original Assignee
주식회사 네오젠티씨
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 주식회사 네오젠티씨 filed Critical 주식회사 네오젠티씨
Priority to KR1020230079876A priority Critical patent/KR20240076358A/en
Publication of KR20240076358A publication Critical patent/KR20240076358A/en

Links

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/50Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
    • G01N33/68Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving proteins, peptides or amino acids
    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16BBIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B25/00ICT specially adapted for hybridisation; ICT specially adapted for gene or protein expression
    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16BBIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B30/00ICT specially adapted for sequence analysis involving nucleotides or amino acids
    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16BBIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B30/00ICT specially adapted for sequence analysis involving nucleotides or amino acids
    • G16B30/10Sequence alignment; Homology search
    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16BBIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B35/00ICT specially adapted for in silico combinatorial libraries of nucleic acids, proteins or peptides
    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16BBIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B40/00ICT specially adapted for biostatistics; ICT specially adapted for bioinformatics-related machine learning or data mining, e.g. knowledge discovery or pattern finding
    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16BBIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B40/00ICT specially adapted for biostatistics; ICT specially adapted for bioinformatics-related machine learning or data mining, e.g. knowledge discovery or pattern finding
    • G16B40/20Supervised data analysis
    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16BBIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B5/00ICT specially adapted for modelling or simulations in systems biology, e.g. gene-regulatory networks, protein interaction networks or metabolic networks
    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16BBIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B50/00ICT programming tools or database systems specially adapted for bioinformatics
    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16BBIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B50/00ICT programming tools or database systems specially adapted for bioinformatics
    • G16B50/40Encryption of genetic data
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/50Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
    • G01N33/68Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving proteins, peptides or amino acids
    • G01N33/6803General methods of protein analysis not limited to specific proteins or families of proteins
    • G01N33/6818Sequencing of polypeptides

Landscapes

  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Biotechnology (AREA)
  • General Health & Medical Sciences (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Biophysics (AREA)
  • Evolutionary Biology (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Theoretical Computer Science (AREA)
  • Bioethics (AREA)
  • Molecular Biology (AREA)
  • Chemical & Material Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Proteomics, Peptides & Aminoacids (AREA)
  • Analytical Chemistry (AREA)
  • Genetics & Genomics (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Epidemiology (AREA)
  • Public Health (AREA)
  • Software Systems (AREA)
  • Immunology (AREA)
  • Biochemistry (AREA)
  • Physiology (AREA)
  • Biomedical Technology (AREA)
  • Urology & Nephrology (AREA)
  • Hematology (AREA)
  • Library & Information Science (AREA)
  • Microbiology (AREA)
  • Cell Biology (AREA)
  • Food Science & Technology (AREA)
  • Medicinal Chemistry (AREA)
  • General Physics & Mathematics (AREA)
  • Pathology (AREA)

Abstract

컴퓨팅 장치에 의해 수행되는, 인공지능 기반의 예측 모델을 훈련시키는(training) 방법이 개시된다. 상기 방법은, 펩타이드 및 주조직 적합 복합체(Major Histocompatibility Complex; MHC)에 대응되는 제 1 입력 데이터 및 상기 제 1 입력 데이터에 대응되는 제 1 라벨링(labeling) 데이터를 포함하는 제 1 학습 데이터를 획득하는 단계 - 상기 제 1 라벨링 데이터는 펩타이드와 MHC의 결합(binding)과 관련된 제 1 개수의 클래스들과 대응됨 -, 펩타이드와 MHC의 결합과 관련된 제 2 개수의 클래스들을 분류하도록 제 2 학습 데이터에 기초하여 사전 학습된 제 1 예측 모델을 이용하여, 상기 제 1 학습 데이터로부터, 상기 제 2 개수의 클래스들에 대한 제 1 예측 결과를 획득하는 단계, 상기 제 1 예측 결과 및 상기 제 1 라벨링 데이터에 기초하여, 상기 제 1 학습 데이터의 제 1 라벨링 데이터를, 펩타이드와 MHC의 결합과 관련된 제 3 개수의 클래스들과 대응되는 제 2 라벨링 데이터로 업데이트하는 단계, 상기 제 2 라벨링 데이터 및 상기 제 1 입력 데이터를 포함하는 제 3 학습 데이터를 생성하는 단계, 및 상기 제 3 학습 데이터에 기초하여, 상기 제 3 개수의 클래스들을 분류하도록 제 2 예측 모델을 훈련하는 단계를 포함할 수 있다.A method of training an artificial intelligence-based prediction model performed by a computing device is disclosed. The method includes obtaining first learning data including first input data corresponding to a peptide and a Major Histocompatibility Complex (MHC) and first labeling data corresponding to the first input data. Step - the first labeling data corresponds to a first number of classes related to the binding of the peptide and the MHC - based on the second learning data to classify a second number of classes related to the binding of the peptide to the MHC Obtaining a first prediction result for the second number of classes from the first learning data using a pre-trained first prediction model, based on the first prediction result and the first labeling data Thus, updating the first labeling data of the first learning data with second labeling data corresponding to a third number of classes related to the combination of peptide and MHC, the second labeling data and the first input data It may include generating third training data including, and training a second prediction model to classify the third number of classes based on the third training data.

Description

인공지능 기술을 이용하여 면역펩티돔 pMHC 정보를 생성하기 위한 방법 및 장치{APPARATUS AND METHOD FOR GENERATING IMMUNOPEPTIDOME PMHC INFORMATION USING ARTIFICIAL INTELLIGENCE}Method and device for generating immunopeptidome pMHC information using artificial intelligence technology {APPARATUS AND METHOD FOR GENERATING IMMUNOPEPTIDOME PMHC INFORMATION USING ARTIFICIAL INTELLIGENCE}

본 개시내용은 인공지능 기술에 관한 것이며, 보다 구체적으로 인공지능 기술을 이용하여 면역펩티돔(immunopeptidome)으로 작용하는 펩타이드-주조직 적합성 복합체(peptide-Major Histocompatibility Complex; pMHC)의 정보 생성에 관한 것이다.The present disclosure relates to artificial intelligence technology, and more specifically, to the generation of information of the peptide-Major Histocompatibility Complex (pMHC), which acts as an immunopeptidome, using artificial intelligence technology. .

주조직 적합성 복합체는 면역계에서 작용하는 'MHC 분자'를 암호화하는 유전자 자리이다. MHC 분자에는 1형(class I)과 2형(class II)이 존재할 수 있다. The major histocompatibility complex is a locus that encodes ‘MHC molecules’ that function in the immune system. MHC molecules can be of type 1 (class I) and type 2 (class II).

면역펩티돔은 세포의 표면에서 표현되는 펩타이드들의 세트를 의미하며, 예를 들어 면역펩티돔은 MHC와 연관된 펩타이드들의 조합을 의미할 수 있다.An immunopeptidome refers to a set of peptides expressed on the surface of a cell. For example, an immunopeptidome may refer to a combination of peptides associated with MHC.

인간 백혈구 항원(Human Leukocyte Antigen; HLA)은 인간의 주조직 적합성 복합체(Major Histocompatibility Complex; MHC) 유전자에 의해 생성되는 당단백 분자이다. HLA는 성숙한 적혈구에는 존재하지 않지만 미성숙 적아세포(erythroblast)에서는 발현이 되며 백혈구 및/또는 혈소판 등의 혈액세포를 포함한 인체 내 모든 조직세포의 표면에 발현된다. MHC 유전자는 모든 척추동물에 존재하며 인간의 MHC 유전자를 HLA 유전자, 이로부터 발현된 산물을 HLA이라고 한다.Human Leukocyte Antigen (HLA) is a glycoprotein molecule produced by the human Major Histocompatibility Complex (MHC) gene. HLA is not present in mature red blood cells, but is expressed in immature erythroblasts and is expressed on the surface of all tissue cells in the human body, including blood cells such as white blood cells and/or platelets. MHC genes exist in all vertebrates, and the human MHC gene is called an HLA gene, and the product expressed therefrom is called HLA.

MHC 유전자들은 자기(self) 및 비자기(non-self)의 인지, 항원 자극에 대한 면역반응, 세포성 면역과 체액성 면역의 조절 및 질병에 대한 감수성 등에 관여한다. MHC 유전자의 산물인 HLA는 고형 장기이식에서 이식된 장기의 생존에 있어서 ABO 혈액형 다음으로 중요한 항원이다. HLA는 골수이식에 있어서 이식의 성패에 가장 중요한 역할을 하는 것으로 알려져 있다. 따라서, HLA의 차이를 면역학적으로 인지하는 것이 이식된 조직에 대한 거부반응(rejection action)의 첫 단계라 볼 수 있다. 또한, 수혈요법에 있어서 HLA와 항체는 혈소판수혈불응증, 발열성 비용혈성 수혈 부작용, 급성 폐손상, 수혈 후 이식편대숙주병과 같은 여러 가지 부작용의 발생에 중요한 역할을 한다.MHC genes are involved in recognition of self and non-self, immune response to antigen stimulation, regulation of cellular and humoral immunity, and susceptibility to disease. HLA, a product of the MHC gene, is the second most important antigen after the ABO blood group in the survival of the transplanted organ in solid organ transplantation. HLA is known to play the most important role in the success or failure of bone marrow transplantation. Therefore, immunological recognition of HLA differences can be considered the first step in rejection action against transplanted tissue. Additionally, in transfusion therapy, HLA and antibodies play an important role in the occurrence of various side effects such as platelet transfusion refractoriness, febrile non-hemolytic transfusion side effects, acute lung injury, and post-transfusion graft-versus-host disease.

HLA는 MHC와 마찬가지로 크게 Class I 및 Class II로 분류될 수 있다. Class I은 HLA-A, HLA-B, HLA-C로 분류되고 대부분의 유핵세포 및 혈소판에서 발현되며, 세포독성 T 세포가 바이러스에 감염된 세포나 종양세포를 인지하여 제거할 때 항원 인식(antigen recognition)에 필수적이다. HLA Class II는 HLA-DR, HLA-DQ, HLA-DP로 분류되고 B 세포, 단핵세포, 수지상세포, 활성화된 T 세포에서 발현되며, 헬퍼 T 세포(helper T cell)의 항원 수용체(antigen receptor)와 작용하여 세포성 및 체액성 면역반응을 유발하고, 그리고 항원제시세포에 표현된 항원을 인지할 때 필수적인 것으로 알려져 있다. HLA는 인간이 가지고 있는 유전자 중에서 가장 큰 다형성(polymorphism)을 보이는 유전자이며 인종 및 민족 간에도 빈도 차이가 존재한다. HLA, like MHC, can be broadly classified into Class I and Class II. Class I is classified into HLA-A, HLA-B, and HLA-C and is expressed in most nucleated cells and platelets. When cytotoxic T cells recognize and eliminate virus-infected cells or tumor cells, they recognize antigens. ) is essential. HLA Class II is classified into HLA-DR, HLA-DQ, and HLA-DP and is expressed in B cells, monocytes, dendritic cells, and activated T cells, and is an antigen receptor for helper T cells. It is known to act as a trigger to induce cellular and humoral immune responses and to be essential when recognizing antigens expressed on antigen-presenting cells. HLA is a gene that shows the greatest polymorphism among genes possessed by humans, and differences in frequency also exist among races and ethnicities.

감염 미생물 유래의 단백질 혹은 암세포 특유의 단백질에서 유래한 펩타이드가 MHC에 결합하여 세포표면에 제시되면 T 세포가 인식하여 면역반응을 유발함으로써 감염된 세포 혹은 암세포를 제거하게 된다. 이처럼 T 세포는 정상적인 인체에 존재하지 않는 이물질에 대한 특정한 면역반응을 결정하는 핵심 조절자(player)이다. 따라서, pMHC와 결합되는 TCR(T Cell Receptor)에 대한 예측은 감염질환이나 암의 예방을 위한 개인화된 백신의 개발에 활용될 수 있다.When a peptide derived from an infectious microorganism-derived protein or a cancer cell-specific protein binds to MHC and is presented on the cell surface, T cells recognize it and trigger an immune response to eliminate the infected cell or cancer cell. In this way, T cells are key regulators (players) that determine specific immune responses to foreign substances that do not exist in the normal human body. Therefore, prediction of TCR (T Cell Receptor) binding to pMHC can be used in the development of personalized vaccines to prevent infectious diseases or cancer.

대한민국 등록특허 10-2322832Republic of Korea registered patent 10-2322832

본 개시내용은 전술한 배경기술에 대응하여 안출된 것으로, pMHC와 결합가능한 TCR을 보다 효율적인 방식으로 그리고/또는 보다 정확하게 예측 또는 식별하기 위함이다.The present disclosure has been made in response to the above-described background technology, and is intended to predict or identify TCRs capable of binding pMHC in a more efficient manner and/or more accurately.

본 개시내용의 기술적 과제들은 이상에서 언급한 기술적 과제로 제한되지 않으며, 언급되지 않은 또 다른 기술적 과제들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.The technical problems of the present disclosure are not limited to the technical problems mentioned above, and other technical problems not mentioned will be clearly understood by those skilled in the art from the description below.

본 개시내용의 일 실시예에 따라, 컴퓨팅 장치에 의해 수행되는, 인공지능 기반의 예측 모델을 훈련시키는(training) 방법이 개시된다. 상기 방법은: 펩타이드 및 주조직 적합 복합체(Major Histocompatibility Complex; MHC)에 대응되는 제 1 입력 데이터 및 상기 제 1 입력 데이터에 대응되는 제 1 라벨링(labeling) 데이터를 포함하는 제 1 학습 데이터를 획득하는 단계 - 상기 제 1 라벨링 데이터는 펩타이드와 MHC의 결합(binding)과 관련된 제 1 개수의 클래스들과 대응됨 -, 펩타이드와 MHC의 결합과 관련된 제 2 개수의 클래스들을 분류하도록 제 2 학습 데이터에 기초하여 사전 학습된 제 1 예측 모델을 이용하여, 상기 제 1 학습 데이터로부터, 상기 제 2 개수의 클래스들에 대한 제 1 예측 결과를 획득하는 단계, 상기 제 1 예측 결과 및 상기 제 1 라벨링 데이터에 기초하여, 상기 제 1 학습 데이터의 제 1 라벨링 데이터를, 펩타이드와 MHC의 결합과 관련된 제 3 개수의 클래스들과 대응되는 제 2 라벨링 데이터로 업데이트하는 단계, 상기 제 2 라벨링 데이터 및 상기 제 1 입력 데이터를 포함하는 제 3 학습 데이터를 생성하는 단계, 및 상기 제 3 학습 데이터에 기초하여, 상기 제 3 개수의 클래스들을 분류하도록 제 2 예측 모델을 훈련하는 단계를 포함할 수 있다.According to one embodiment of the present disclosure, a method for training an artificial intelligence-based prediction model performed by a computing device is disclosed. The method includes: obtaining first learning data including first input data corresponding to a peptide and a Major Histocompatibility Complex (MHC) and first labeling data corresponding to the first input data. Step - the first labeling data corresponds to a first number of classes related to the binding of the peptide and the MHC - based on the second learning data to classify a second number of classes related to the binding of the peptide to the MHC Obtaining a first prediction result for the second number of classes from the first learning data using a pre-trained first prediction model, based on the first prediction result and the first labeling data Thus, updating the first labeling data of the first learning data with second labeling data corresponding to a third number of classes related to the combination of peptide and MHC, the second labeling data and the first input data It may include generating third training data including, and training a second prediction model to classify the third number of classes based on the third training data.

일 실시예에서, 상기 제 1 개수의 클래스들은, 펩타이드와 MHC 간의 결합 가능성을 정량적으로 나타내는 제 1 스코어에 대응되는 제 1 클래스 및 펩타이드와 MHC 간의 결합 가능성을 정량적으로 나타내는 제 2 스코어에 대응되는 제 2 클래스를 포함하며, 상기 제 2 개수의 클래스들은, 펩타이드와 MHC 간의 결합 가능성을 정량적으로 나타내는 제 3 스코어에 대응되는 제 3 클래스 및 펩타이드와 MHC 간의 결합 가능성을 정량적으로 나타내는 제 4 스코어에 대응되는 제 4 클래스를 포함하며, 그리고 상기 제 3 스코어는 상기 제 1 스코어보다 큰 값을 가지며, 상기 제 1 스코어는 상기 제 2 스코어보다 큰 값을 가지며, 상기 제 2 스코어는 상기 제 4 스코어보다 큰 값을 가질 수 있다.In one embodiment, the first number of classes includes a first class corresponding to a first score quantitatively indicating the binding possibility between the peptide and the MHC, and a first class corresponding to a second score quantitatively indicating the binding possibility between the peptide and the MHC. It includes two classes, wherein the second number of classes corresponds to a third score that quantitatively represents the binding possibility between the peptide and MHC, and a fourth score that quantitatively represents the binding possibility between the peptide and MHC. a fourth class, and the third score has a value greater than the first score, the first score has a value greater than the second score, and the second score has a value greater than the fourth score. You can have

일 실시예에서, 상기 제 1 개수의 클래스들과 상기 제 2 개수의 클래스들의 적어도 일부는, 서로 상이한 기준에 기초하여 결정될 수 있다.In one embodiment, at least some of the first number of classes and the second number of classes may be determined based on different criteria.

일 실시예에서, 상기 제 1 개수의 클래스들은 제 1 소스(source)로부터 획득된 데이터에 기초하여 결정되며, 그리고 상기 제 2 개수의 클래스들은 제 2 소스로부터 획득된 데이터에 기초하여 결정될 수 있다. 상기 제 1 소스로부터 획득된 데이터는 제 2 소스로부터 획득된 데이터에 비해 신뢰도가 낮을 수 있다.In one embodiment, the first number of classes may be determined based on data obtained from a first source, and the second number of classes may be determined based on data obtained from a second source. Data obtained from the first source may be less reliable than data obtained from the second source.

일 실시예에서, 상기 제 1 학습 데이터는, 공공(public) 데이터베이스의 데이터로부터 펩타이드와 MHC가 결합하는 것으로 라벨링된 학습 데이터 및 상기 공공 데이터베이스의 데이터로부터 펩타이드와 MHC가 결합하지 않는 것으로 라벨링된 학습 데이터를 포함하며, 그리고 상기 제 2 학습 데이터는, 질량 분석(Mass Spectrometry, MS) 데이터로부터 펩타이드와 MHC가 결합하는 것으로 라벨링된 학습 데이터 및 상기 MS 데이터로부터 펩타이드와 MHC가 결합하지 않는 것으로 라벨링된 학습 데이터를 포함할 수 있다.In one embodiment, the first learning data includes learning data labeled as binding between a peptide and MHC from data in a public database, and learning data labeled as not binding between a peptide and MHC from data in the public database. It includes, and the second learning data is, learning data labeled as binding between the peptide and MHC from mass spectrometry (MS) data, and learning data labeled as not binding between the peptide and MHC from the MS data. may include.

일 실시예에서, 상기 공공 데이터베이스의 데이터는 펩타이드-MHC 복합체(pMHC)의 반수 최대 억제 농도(IC50), 또는 pMHC 결합의 반감기(half-life, t1/2) 중 적어도 하나를 포함할 수 있다.In one embodiment, the data in the public database may include at least one of the half maximal inhibitory concentration (IC50) of the peptide-MHC complex (pMHC), or the half-life (t 1/2 ) of pMHC binding. .

일 실시예에서, 상기 제 1 학습 데이터의 제 1 라벨링 데이터를, 펩타이드와 MHC의 결합과 관련된 제 3 개수의 클래스들과 대응되는 제 2 라벨링 데이터로 업데이트하는 단계는, 상기 제 1 개수의 클래스들과 상기 제 2 개수의 클래스들의 조합에 기초하여, 상기 제 1 학습 데이터에 대응되는 제 1 라벨링 데이터를 상기 제 3 개수의 클래스들과 대응되는 상기 제 2 라벨링 데이터로 업데이트하는 단계를 포함할 수 있다. 상기 제 3 개수의 클래스들은, 상기 제 1 개수의 클래스들과 상기 제 2 개수의 클래스들 간의 조합 가능한 경우의 수와 대응될 수 있다.In one embodiment, the step of updating the first labeling data of the first learning data with the second labeling data corresponding to a third number of classes related to the combination of peptide and MHC includes the first number of classes and updating first labeling data corresponding to the first learning data with the second labeling data corresponding to the third number of classes based on a combination of the second number of classes. . The third number of classes may correspond to the number of possible combinations between the first number of classes and the second number of classes.

일 실시예에서, 상기 제 1 학습 데이터의 제 1 라벨링 데이터를, 펩타이드와 MHC의 결합과 관련된 제 3 개수의 클래스들과 대응되는 제 2 라벨링 데이터로 업데이트하는 단계는, 상기 제 1 예측 결과가 상기 제 1 입력 데이터의 펩타이드와 MHC가 결합하는 것을 나타내고, 그리고 상기 제 1 라벨링 데이터가 상기 제 1 입력 데이터의 펩타이드와 MHC가 결합하는 것을 나타내는 경우, 상기 제 1 라벨링 데이터를 제 1 정량값의 결합 가능성을 나타내는 제 2 라벨링 데이터로 업데이트하는 단계, 상기 제 1 예측 결과가 상기 제 1 입력 데이터의 펩타이드와 MHC가 결합하는 것을 나타내고, 그리고 상기 제 1 라벨링 데이터가 상기 제 1 입력 데이터의 펩타이드와 MHC가 결합하지 않는 것을 나타내는 경우, 상기 제 1 라벨링 데이터를 제 2 정량값의 결합 가능성을 나타내는 제 2 라벨링 데이터로 업데이트하는 단계, 상기 제 1 예측 결과가 상기 제 1 입력 데이터의 펩타이드와 MHC가 결합하지 않는 것을 나타내고, 그리고 상기 제 1 라벨링 데이터가 상기 제 1 입력 데이터의 펩타이드와 MHC가 결합하는 것을 나타내는 경우, 상기 제 1 라벨링 데이터를 제 3 정량값의 결합 가능성을 나타내는 제 2 라벨링 데이터로 업데이트하는 단계, 및 상기 제 1 예측 결과가 상기 제 1 입력 데이터의 펩타이드와 MHC가 결합하지 않는 것을 나타내고, 그리고 상기 제 1 라벨링 데이터가 상기 제 1 입력 데이터의 펩타이드와 MHC가 결합하지 않는 것을 나타내는 경우, 상기 제 1 라벨링 데이터를 제 4 정량값의 결합 가능성을 나타내는 제 2 라벨링 데이터로 업데이트하는 단계를 포함할 수 있다. 상기 제 1 정량값은 상기 제 2 정량값보다 큰 값을 가지며, 상기 제 2 정량값은 상기 제 3 정량값보다 큰 값을 가지며, 상기 제 3 정량값은 상기 제 4 정량값보다 큰 값을 가질 수 있다.In one embodiment, the step of updating the first labeling data of the first learning data with the second labeling data corresponding to the third number of classes related to the combination of peptide and MHC, the first prediction result is If the peptide of the first input data indicates binding to the MHC, and the first labeling data indicates that the peptide of the first input data binds to the MHC, the possibility of binding the first labeling data to the first quantitative value updating with second labeling data indicating that the first prediction result indicates that the peptide of the first input data is bound to the MHC, and the first labeling data indicates that the peptide of the first input data is bound to the MHC. updating the first labeling data with second labeling data indicating a binding possibility of a second quantitative value, if the first prediction result indicates that the peptide and the MHC of the first input data do not bind. Indicates, and if the first labeling data indicates that the peptide of the first input data and MHC bind, updating the first labeling data with second labeling data indicating the binding possibility of a third quantitative value, and If the first prediction result indicates that the peptide of the first input data does not bind to the MHC, and the first labeling data indicates that the peptide of the first input data does not bind to the MHC, the first labeling and updating the data with second labeling data indicating a possible combination of the fourth quantitative value. The first quantitative value has a greater value than the second quantitative value, the second quantitative value has a greater value than the third quantitative value, and the third quantitative value has a greater value than the fourth quantitative value. You can.

일 실시예에서, 상기 제 1 학습 데이터의 제 1 라벨링 데이터를, 펩타이드와 MHC의 결합과 관련된 제 3 개수의 클래스들과 대응되는 제 2 라벨링 데이터로 업데이트하는 단계는 상기 제 1 예측 결과에 포함된 클래스와 상기 제 1 라벨링 데이터에 포함된 클래스가 대응되는지 여부에 기초하여, 상기 제 1 학습 데이터의 제 1 라벨링 데이터를, 펩타이드와 MHC의 결합과 관련된 제 3 개수의 클래스들과 대응되는 제 2 라벨링 데이터로 업데이트하는 단계를 포함할 수 있다.In one embodiment, the step of updating the first labeling data of the first learning data with the second labeling data corresponding to a third number of classes related to the combination of peptide and MHC is included in the first prediction result. Based on whether a class corresponds to a class included in the first labeling data, second labeling the first labeling data of the first learning data to correspond to a third number of classes related to the combination of a peptide and MHC. It may include updating with data.

일 실시예에서, 상기 제 2 라벨링 데이터 및 상기 제 1 입력 데이터를 포함하는 제 3 학습 데이터를 생성하는 단계는 상기 제 1 예측 결과에 포함된 클래스와 상기 제 1 라벨링 데이터에 포함된 클래스가 서로 대응되는 경우, 상기 제 1 라벨링 데이터를 상기 제 2 라벨링 데이터로 사용하고 그리고 상기 제 2 라벨링 데이터 및 상기 제 1 입력 데이터를 상기 제3 학습 데이터에 포함시키는 단계, 및 상기 제 1 예측 결과에 포함된 클래스와 상기 제 1 라벨링 데이터에 포함된 클래스가 서로 대응되지 않는 경우, 상기 제 1 입력 데이터를 상기 제 3 학습 데이터에 포함시키지 않는 단계를 포함할 수 있다.In one embodiment, the step of generating third training data including the second labeling data and the first input data is such that the class included in the first prediction result and the class included in the first labeling data correspond to each other. If so, using the first labeling data as the second labeling data and including the second labeling data and the first input data in the third training data, and a class included in the first prediction result. If the classes included in the first labeling data do not correspond to each other, the method may include not including the first input data in the third learning data.

일 실시예에서, 상기 제 2 라벨링 데이터 및 상기 제 1 입력 데이터를 포함하는 제 3 학습 데이터를 생성하는 단계는 상기 제 1 입력 데이터에 대응되는 정답 데이터가 상기 제 1 라벨링 데이터에서 상기 제 2 라벨링 데이터로 업데이트된 상기 제 3 학습 데이터를 생성하는 단계를 포함할 수 있다.In one embodiment, the step of generating third learning data including the second labeling data and the first input data is performed when the correct answer data corresponding to the first input data is selected from the first labeling data and the second labeling data. It may include generating the updated third learning data.

일 실시예에서, 상기 제 1 예측 모델은 펩타이드와 MHC 간의 결합가능성에 대한 이진(binary) 종류의 출력을 생성하는 인공지능 기반 분류 모델에 대응되며, 상기 제 2 예측 모델은 펩타이드와 MHC 간의 결합 가능성에 대한 3개 이상의 종류의 출력을 생성하는 인공지능 기반 분류 모델에 대응될 수 있다.In one embodiment, the first prediction model corresponds to an artificial intelligence-based classification model that generates a binary type output for the binding possibility between the peptide and the MHC, and the second prediction model corresponds to the binding possibility between the peptide and the MHC. It can correspond to an artificial intelligence-based classification model that generates three or more types of output.

일 실시예에서, 상기 제 3 개수는 상기 제 1 개수보다 큰 값을 가지며 그리고 상기 제 3 개수는 상기 제 2 개수보다 큰 값을 가질 수 있다.In one embodiment, the third number may have a value greater than the first number and the third number may have a value greater than the second number.

일 실시예에서, 상기 제 1 예측 모델 또는 상기 제 2 예측 모델은 RNN(Recurrent Neural Network), LSTM(Long Short Term Memory) 네트워크, BiLSTM(Bidirectional Long Short Term Memory) 네트워크, BERT(Bidirectional Encoder Representations from Transformers), GRU(Gated Recurrent Unit), 또는 BiGRU(Bidirectional Gated Recurrent Unit)를 포함할 수 있다.In one embodiment, the first prediction model or the second prediction model is a Recurrent Neural Network (RNN), a Long Short Term Memory (LSTM) network, a Bidirectional Long Short Term Memory (BiLSTM) network, or a Bidirectional Encoder Representations from Transformers (BERT). ), a Gated Recurrent Unit (GRU), or a Bidirectional Gated Recurrent Unit (BiGRU).

일 실시예에서, 상기 제 1 예측 모델에 입력되기 이전에 상기 제 1 학습 데이터에 포함된 상기 제 1 입력 데이터에 토큰화(tokenization) 프로세스가 적용되며, 상기 토큰화 프로세스는 상이한 길이의 아미노산 서열들 각각에 대한 출현 빈도를 분석함으로써, 상이한 길이의 아미노산 서열들 각각에 대응되는 길이를 가지는 토큰들을 생성할 수 있다. 상기 출현 빈도는 하나의 펩타이드 서열 내에서 특정 아미노산 서열이 발견될 확률을 정량적으로 나타낸 값, 또는 전체 펩타이드들의 개수에 대한 상기 전체 펩타이드들에서 특정 아미노산 서열이 발견된 횟수의 비율을 정량적으로 나타낸 값을 포함할 수 있다.In one embodiment, a tokenization process is applied to the first input data included in the first training data before being input to the first prediction model, and the tokenization process includes amino acid sequences of different lengths. By analyzing the frequency of occurrence for each, tokens having lengths corresponding to each of amino acid sequences of different lengths can be generated. The frequency of appearance is a value that quantitatively represents the probability that a specific amino acid sequence is found within one peptide sequence, or a value that quantitatively represents the ratio of the number of times a specific amino acid sequence is found in all peptides to the number of total peptides. It can be included.

일 실시예에서, 상기 토큰화 프로세스는 제 1 길이를 가지는 아미노산 서열들에 대한 출현 빈도를 분석함에 따라 획득되는 제 1 세트의 아미노산 서열들에 대한 제 1 토큰 그룹을 생성하는 단계, 및 상기 제 1 그룹에 포함된 상기 제 1 세트의 아미노산 서열들이 제외된 상태에서, 상기 제 1 길이보다 짧은 길이인 제 2 길이를 가지는 아미노산 서열들에 대한 출현 빈도를 분석함에 따라 획득되는 제 2 세트의 아미노산 서열들을 포함하는 제 2 토큰 그룹을 생성하는 단계를 포함할 수 있다. 상기 제 1 토큰 그룹에 포함된 토큰들은 상기 제 1 길이를 가지며 그리고 상기 제 2 토큰 그룹에 포함된 토큰들은 상기 제 2 길이를 가질 수 있다.In one embodiment, the tokenization process includes generating a first token group for a first set of amino acid sequences obtained by analyzing the frequency of occurrence for amino acid sequences having a first length, and the first group of tokens for a first set of amino acid sequences. A second set of amino acid sequences obtained by analyzing the frequency of occurrence of amino acid sequences having a second length shorter than the first length, with the first set of amino acid sequences included in the group excluded. It may include the step of generating a second token group including. Tokens included in the first token group may have the first length and tokens included in the second token group may have the second length.

일 실시예에서, 상기 토큰화 프로세스는 외부 데이터베이스 또는 상기 컴퓨팅 장치에 포함된 데이터베이스로부터 펩타이드 리스트를 획득하는 단계, 아미노산 서열의 길이가 K인 아미노산 세트들 각각에 대해서 상기 펩타이드 리스트 내에서의 제 1 출현 빈도를 결정하는 단계, 상기 아미노산 서열의 길이가 K인 아미노산 세트들 중에서 상기 제 1 출현 빈도가 사전 결정된 제 1 임계값 이상인 제 1 아미노산 세트를 결정하는 단계, 상기 아미노산 서열의 길이가 K-1인 아미노산 세트들 각각에 대해서 상기 펩타이드 리스트 내에서의 제 2 출현 빈도를 결정하는 단계, 상기 아미노산 서열의 길이가 K-1인 아미노산 세트들 중에서, 상기 제 2 출현 빈도가 사전 결정된 제 2 임계값 이상인 제 2 아미노산 세트를 결정하는 단계, 및 상기 제 1 아미노산 세트에 대해서는 K의 길이로 토큰화를 수행하고 그리고 상기 제 2 아미노산 세트에 대해서는 K-1의 길이로 토큰화를 수행하는 단계를 포함할 수 있다. 여기서 K은 2이상의 자연수이며 그리고 상기 제 1 임계값과 상기 제 2 임계값은 서로 동일하거나 또는 상이한 값을 가질 수 있다.In one embodiment, the tokenization process includes obtaining a list of peptides from an external database or a database included in the computing device, and for each set of amino acids whose amino acid sequence length is K, the first occurrence in the list of peptides Determining a frequency, determining a first set of amino acids whose first occurrence frequency is greater than or equal to a first predetermined threshold among sets of amino acids whose length of the amino acid sequence is K, wherein the length of the amino acid sequence is K-1 determining a second frequency of occurrence within the peptide list for each of the sets of amino acids, wherein, among the sets of amino acids whose amino acid sequences have a length of K-1, the second frequency of occurrence is greater than or equal to a second predetermined threshold; determining a set of two amino acids, and performing tokenization with a length of K for the first set of amino acids and performing tokenization with a length of K-1 for the second set of amino acids. . Here, K is a natural number of 2 or more, and the first threshold value and the second threshold value may have the same or different values.

일 실시예에서, 상기 토큰화 프로세스는 외부 데이터베이스 또는 상기 컴퓨팅 장치에 포함된 데이터베이스로부터 펩타이드 리스트를 획득하는 단계, 외부 데이터베이스 또는 상기 컴퓨팅 장치에 포함된 데이터베이스로부터 CDR3 리스트를 획득하는 단계, 아미노산 서열의 길이가 N-M인 아미노산 세트들 중에서, 상기 펩타이드 리스트 내에서의 출현 빈도가 사전 결정된 임계값 이상인 제 M+1 아미노산 세트를 토큰 리스트에 포함시키고 그리고 상기 제 M+1 아미노산 세트를 상기 펩타이드 리스트에서 제거하는 방식으로, 상기 토큰 리스트를 구성하는 단계 - 여기서 M은 0이상의 정수이며, 그리고 N-M은 2보다 큰 자연수임 -, 상기 토큰 리스트를 구성하는 단계가 수행된 이후, 상기 M의 값을 1 만큼 증가시키고 그리고 종료 조건이 만족되었는지 여부를 판단하는 단계, 상기 종료 조건이 만족되지 않은 경우, 상기 토큰 리스트를 구성하는 단계를 재수행하는 단계, 및 상기 종료 조건이 만족되는 경우, 상기 토큰 리스트에 포함된 아미노산 세트들 각각에 대응되는 아미노산 서열 길이로 상기 아미노산 세트들 각각에 대응되는 토큰을 생성하는 방식으로 토큰화를 수행하는 단계를 포함할 수 있다.In one embodiment, the tokenization process includes obtaining a peptide list from an external database or a database included in the computing device, obtaining a CDR3 list from an external database or a database included in the computing device, the length of the amino acid sequence Among amino acid sets where N-M, the M+1 amino acid set whose frequency of occurrence in the peptide list is greater than or equal to a predetermined threshold is included in the token list, and the M+1 amino acid set is removed from the peptide list. , where M is an integer greater than 0, and N-M is a natural number greater than 2, after the step of constructing the token list is performed, the value of M is increased by 1, and determining whether a termination condition is satisfied; if the termination condition is not satisfied, re-performing the step of constructing the token list; and if the termination condition is satisfied, sets of amino acids included in the token list. It may include performing tokenization by generating tokens corresponding to each of the sets of amino acids with corresponding amino acid sequence lengths.

일 실시예에서, 컴퓨터 판독가능 저장 매체에 저장되는 컴퓨터 프로그램이 개시된다. 상기 컴퓨터 프로그램은 컴퓨팅 장치에 의해 실행 시 상기 컴퓨팅 장치로 하여금 인공지능 기반의 예측 모델을 학습시키는 동작들을 수행하도록 하며, 상기 동작들은: 펩타이드 및 주조직 적합 복합체에 대응되는 제 1 입력 데이터 및 상기 제 1 입력 데이터에 대응되는 제 1 라벨링 데이터를 포함하는 제 1 학습 데이터를 획득하는 동작 - 상기 제 1 라벨링 데이터는 펩타이드와 MHC의 결합과 관련된 제 1 개수의 클래스들과 대응됨 -, 펩타이드와 MHC의 결합과 관련된 제 2 개수의 클래스들을 분류하도록 제 2 학습 데이터에 기초하여 사전 학습된 제 1 예측 모델을 이용하여, 상기 제 1 학습 데이터로부터, 상기 제 2 개수의 클래스들에 대한 제 1 예측 결과를 획득하는 동작, 상기 제 1 예측 결과 및 상기 제 1 라벨링 데이터에 기초하여, 상기 제 1 학습 데이터의 제 1 라벨링 데이터를, 펩타이드와 MHC의 결합과 관련된 제 3 개수의 클래스들과 대응되는 제 2 라벨링 데이터로 업데이트하는 동작, 상기 제 2 라벨링 데이터 및 상기 제 1 입력 데이터를 포함하는 제 3 학습 데이터를 생성하는 동작, 및 상기 제 3 학습 데이터에 기초하여, 상기 제 3 개수의 클래스들을 분류하도록 제 2 예측 모델을 훈련하는 동작을 포함할 수 있다.In one embodiment, a computer program stored on a computer-readable storage medium is disclosed. The computer program, when executed by a computing device, causes the computing device to perform operations for learning an artificial intelligence-based prediction model, the operations comprising: first input data corresponding to a peptide and a major histocompatibility complex, and the first input data corresponding to the peptide and the major histocompatibility complex. 1 An operation of acquiring first learning data including first labeling data corresponding to input data, wherein the first labeling data corresponds to a first number of classes related to the binding of the peptide and the MHC, of the peptide and the MHC. Using a first prediction model pre-trained based on the second training data to classify a second number of classes related to the combination, produce a first prediction result for the second number of classes from the first training data An operation of obtaining, based on the first prediction result and the first labeling data, labeling the first labeling data of the first learning data with a second label corresponding to a third number of classes related to the combination of peptide and MHC. updating with data, generating third training data including the second labeling data and the first input data, and classifying the third number of classes based on the third training data. It may include the operation of training a prediction model.

일 실시예에 따른 컴퓨팅 장치가 개시된다. 상기 컴퓨팅 장치는, 적어도 하나의 프로세서, 및 메모리를 포함할 수 있다. 상기 적어도 하나의 프로세서는: 펩타이드 및 주조직 적합 복합체에 대응되는 제 1 입력 데이터 및 상기 제 1 입력 데이터에 대응되는 제 1 라벨링 데이터를 포함하는 제 1 학습 데이터를 획득하는 동작 - 상기 제 1 라벨링 데이터는 펩타이드와 MHC의 결합과 관련된 제 1 개수의 클래스들과 대응됨 -, 펩타이드와 MHC의 결합과 관련된 제 2 개수의 클래스들을 분류하도록 제 2 학습 데이터에 기초하여 사전 학습된 제 1 예측 모델을 이용하여, 상기 제 1 학습 데이터로부터, 상기 제 2 개수의 클래스들에 대한 제 1 예측 결과를 획득하는 동작, 상기 제 1 예측 결과 및 상기 제 1 라벨링 데이터에 기초하여, 상기 제 1 학습 데이터의 제 1 라벨링 데이터를, 펩타이드와 MHC의 결합과 관련된 제 3 개수의 클래스들과 대응되는 제 2 라벨링 데이터로 업데이트하는 동작, 상기 제 2 라벨링 데이터 및 상기 제 1 입력 데이터를 포함하는 제 3 학습 데이터를 생성하는 동작, 및 상기 제 3 학습 데이터에 기초하여, 상기 제 3 개수의 클래스들을 분류하도록 제 2 예측 모델을 훈련하는 동작을 수행할 수 있다.A computing device according to one embodiment is disclosed. The computing device may include at least one processor and memory. The at least one processor is configured to: acquire first learning data including first input data corresponding to a peptide and a major histocompatibility complex and first labeling data corresponding to the first input data - the first labeling data; corresponds to a first number of classes related to the binding of the peptide and the MHC -, using the first prediction model pre-trained based on the second training data to classify the second number of classes related to the binding of the peptide and the MHC Thus, an operation of obtaining a first prediction result for the second number of classes from the first learning data, based on the first prediction result and the first labeling data, a first prediction result of the first learning data Updating labeling data with second labeling data corresponding to a third number of classes related to the combination of a peptide and MHC, generating third learning data including the second labeling data and the first input data. Based on the operation and the third learning data, an operation of training a second prediction model to classify the third number of classes may be performed.

본 개시내용의 일 실시예에 따른 방법 및 장치는, pMHC와 결합가능한 TCR을 보다 효율적인 방식으로 그리고/또는 보다 정확하게 예측 또는 식별할 수 있다.Methods and devices according to an embodiment of the present disclosure can predict or identify TCRs capable of binding pMHC in a more efficient manner and/or more accurately.

도 1은 본 개시내용의 일 실시예에 따른 컴퓨팅 장치의 블록 구성도를 개략적으로 도시한다.
도 2는 본 개시내용의 일 실시예에 따른 인공지능 기반 모델의 예시적인 구조를 도시한다.
도 3은 본 개시내용의 일 실시예에 따라 pMHC들을 결합 정도에 따라 분류하는 예측 모델의 훈련 방법을 예시적으로 도시한다.
도 4는 본 개시내용의 일 실시예에 따라 pMHC들을 결합 정도에 따라 이진 분류하는 예측 모델의 훈련 방법을 예시적으로 도시한다.
도 5는 본 개시내용의 일 실시예에 따라 선재하는 라벨링 데이터와 예측 모델을 통해 출력된 예측 결과에 기초하여 라벨링 데이터를 업데이트하여 새로운 클래스들을 생성하는 방법을 예시적으로 도시한다.
도 6은 본 개시내용의 일 실시예에서 따라 업데이트된 라벨링 데이터 및 학습 데이터에 기초한 예측 모델의 훈련 방법을 예시적으로 도시한다.
도 7은 본 개시내용의 일 실시예에 따른 토큰화 프로세스를 예시적으로 나타낸다.
도 8은 본 개시내용의 일 실시예에 따른 컴퓨팅 환경의 개략도이다.
1 schematically shows a block diagram of a computing device according to an embodiment of the present disclosure.
2 shows an example structure of an artificial intelligence-based model according to an embodiment of the present disclosure.
Figure 3 exemplarily shows a method of training a prediction model that classifies pMHCs according to the degree of binding according to an embodiment of the present disclosure.
Figure 4 exemplarily shows a method of training a prediction model for binary classifying pMHCs according to the degree of binding according to an embodiment of the present disclosure.
FIG. 5 exemplarily illustrates a method of generating new classes by updating labeling data based on pre-existing labeling data and a prediction result output through a prediction model according to an embodiment of the present disclosure.
6 exemplarily illustrates a method of training a prediction model based on updated labeling data and training data according to an embodiment of the present disclosure.
7 illustratively illustrates a tokenization process according to one embodiment of the present disclosure.
8 is a schematic diagram of a computing environment according to one embodiment of the present disclosure.

다양한 실시예들이 도면을 참조하여 설명된다. 본 명세서에서, 다양한 설명들이 본 개시내용의 이해를 제공하기 위해서 제시된다. 본 개시내용의 실시를 위한 구체적인 내용을 설명하기에 앞서, 본 개시내용의 기술적 요지와 직접적 관련이 없는 구성에 대해서는 본 발명의 기술적 요지를 흩뜨리지 않는 범위 내에서 생략하였음에 유의하여야 할 것이다. 또한, 본 명세서 및 청구범위에 사용된 용어 또는 단어는 발명자가 자신의 발명을 최선의 방법으로 설명하기 위해 적절한 용어의 개념을 정의할 수 있다는 원칙에 입각하여 본 발명의 기술적 사상에 부합하는 의미와 개념으로 해석되어야 할 것이다.Various embodiments are described with reference to the drawings. In this specification, various descriptions are presented to provide an understanding of the disclosure. Before describing specific details for implementing the present disclosure, it should be noted that configurations that are not directly related to the technical gist of the present disclosure have been omitted to the extent that they do not distract from the technical gist of the present invention. In addition, the terms or words used in this specification and claims have meanings that are consistent with the technical idea of the present invention, based on the principle that the inventor can define the concept of appropriate terms in order to explain his or her invention in the best way. It should be interpreted as a concept.

본 명세서에서 사용되는 용어 "컴포넌트", "모듈", "시스템", "부" 등은 컴퓨터-관련 엔티티, 하드웨어, 펌웨어, 소프트웨어, 소프트웨어 및 하드웨어의 조합, 또는 소프트웨어의 실행을 지칭하며, 상호 교환 가능하게 사용될 수 있다. 예를 들어, 컴포넌트는 프로세서상에서 실행되는 처리과정(procedure), 프로세서, 객체, 실행 스레드, 프로그램, 및/또는 컴퓨터일 수 있지만, 이들로 제한되는 것은 아니다. 예를 들어, 컴퓨팅 장치에서 실행되는 애플리케이션 및 컴퓨팅 장치 모두 컴포넌트일 수 있다. 하나 이상의 컴포넌트는 프로세서 및/또는 실행 스레드 내에 상주할 수 있다. 일 컴포넌트는 하나의 컴퓨터 내에 로컬화 될 수 있다. 일 컴포넌트는 2개 이상의 컴퓨터들 사이에 분배될 수 있다. 또한, 이러한 컴포넌트들은 그 내부에 저장된 다양한 데이터 구조들을 갖는 다양한 컴퓨터 판독가능한 매체로부터 실행할 수 있다. 컴포넌트들은 예를 들어 하나 이상의 데이터 패킷들을 갖는 신호(예를 들면, 로컬 시스템, 분산 시스템에서 다른 컴포넌트와 상호작용하는 하나의 컴포넌트로부터의 데이터 및/또는 신호를 통해 다른 시스템과 인터넷과 같은 네트워크를 통해 전송되는 데이터)에 따라 로컬 및/또는 원격 처리들을 통해 통신할 수 있다.As used herein, the terms "component", "module", "system", "part", etc. refer to a computer-related entity, hardware, firmware, software, a combination of software and hardware, or an implementation of software, and are used interchangeably. It can possibly be used. For example, a component may be, but is not limited to, a process running on a processor, a processor, an object, a thread of execution, a program, and/or a computer. For example, both an application running on a computing device and the computing device can be a component. One or more components may reside within a processor and/or thread of execution. A component may be localized within one computer. A component may be distributed between two or more computers. Additionally, these components can execute from various computer-readable media having various data structures stored thereon. Components may transmit signals, for example, with one or more data packets (e.g., data and/or signals from one component interacting with other components in a local system, a distributed system, to other systems and over a network such as the Internet). Depending on the data being transmitted, they may communicate through local and/or remote processes.

더불어, 용어 "또는"은 배타적 "또는"이 아니라 내포적 "또는"을 의미하는 것으로 의도된다. 즉, 달리 특정되지 않거나 문맥상 명확하지 않은 경우에, "X는 A 또는 B를 이용한다"는 자연적인 내포적 치환 중 하나를 의미하는 것으로 의도된다. 즉, X가 A를 이용하거나; X가 B를 이용하거나; 또는 X가 A 및 B 모두를 이용하는 경우, "X는 A 또는 B를 이용한다"가 이들 경우들 어느 것으로도 적용될 수 있다. 또한, 본 명세서에 사용된 "및/또는"이라는 용어는 열거된 관련 아이템들 중 하나 이상의 아이템의 가능한 모든 조합을 지칭하고 포함하는 것으로 이해되어야 한다.Additionally, the term “or” is intended to mean an inclusive “or” and not an exclusive “or.” That is, unless otherwise specified or clear from context, “X utilizes A or B” is intended to mean one of the natural implicit substitutions. That is, either X uses A; X uses B; Or, if X uses both A and B, “X uses A or B” can apply to either of these cases. Additionally, the term “and/or” as used herein should be understood to refer to and include all possible combinations of one or more of the related listed items.

또한, "포함한다" 및/또는 "포함하는"이라는 용어는, 해당 특징 및/또는 구성요소가 존재함을 의미하는 것으로 이해되어야 한다. 다만, "포함한다" 및/또는 "포함하는"이라는 용어는, 하나 이상의 다른 특징, 구성요소 및/또는 이들의 그룹의 존재 또는 추가를 배제하지 않는 것으로 이해되어야 한다. 또한, 달리 특정되지 않거나 단수 형태를 지시하는 것으로 문맥상 명확하지 않은 경우에, 본 명세서와 청구범위에서 단수는 일반적으로 "하나 또는 그 이상"을 의미하는 것으로 해석되어야 한다.Additionally, the terms “comprise” and/or “comprising” should be understood to mean that the corresponding feature and/or element is present. However, the terms “comprise” and/or “comprising” should be understood as not excluding the presence or addition of one or more other features, elements and/or groups thereof. Additionally, unless otherwise specified or the context is clear to indicate a singular form, the singular terms herein and in the claims should generally be construed to mean “one or more.”

그리고, "A 또는 B 중 적어도 하나" 또는 “A 및 B 중 적어도 하나” 라는 용어는, "A만을 포함하는 경우", "B 만을 포함하는 경우", "A와 B의 구성으로 조합된 경우"를 의미하는 것으로 해석되어야 한다.And, the term “at least one of A or B” or “at least one of A and B” means “if it contains only A,” “if it contains only B,” or “if it is a combination of A and B.” It should be interpreted to mean.

당업자들은 추가적으로 여기서 개시된 실시예들과 관련되어 설명된 다양한 예시적인 논리적 구성요소들, 블록들, 모듈들, 회로들, 수단들, 로직들, 및 알고리즘들이 전자 하드웨어, 컴퓨터 소프트웨어, 또는 양쪽 모두의 조합들로 구현될 수 있음을 인식해야 한다. 하드웨어 및 소프트웨어의 상호교환성을 명백하게 예시하기 위해, 다양한 예시적인 구성요소들, 블록들, 수단들, 로직들, 모듈들, 회로들, 및 단계들은 그들의 기능성 측면에서 일반적으로 위에서 설명되었다. 그러한 기능성이 하드웨어로 또는 소프트웨어로서 구현되는지 여부는 전반적인 시스템에 부과된 특정 어플리케이션(application) 및 설계 제한들에 달려 있다. 숙련된 기술자들은 각각의 특정 어플리케이션들을 위해 다양한 방법들로 설명된 기능성을 구현할 수 있다. 다만, 그러한 구현의 결정들이 본 개시내용의 영역을 벗어나게 하는 것으로 해석되어서는 안 된다.Those skilled in the art will additionally recognize that the various illustrative logical components, blocks, modules, circuits, means, logics, and algorithms described in connection with the embodiments disclosed herein may be implemented using electronic hardware, computer software, or a combination of both. It must be recognized that it can be implemented with To clearly illustrate the interchangeability of hardware and software, various illustrative components, blocks, means, logic, modules, circuits, and steps have been described above generally in terms of their functionality. Whether such functionality is implemented in hardware or software will depend on the specific application and design constraints imposed on the overall system. A skilled technician can implement the described functionality in a variety of ways for each specific application. However, such implementation decisions should not be construed as causing a departure from the scope of the present disclosure.

제시된 실시예들에 대한 설명은 본 개시의 기술 분야에서 통상의 지식을 가진 자가 본 발명을 이용하거나 또는 실시할 수 있도록 제공된다. 이러한 실시예들에 대한 다양한 변형들은 본 개시의 기술 분야에서 통상의 지식을 가진 자에게 명백할 것이다. 여기에 정의된 일반적인 원리들은 본 개시의 범위를 벗어남이 없이 다른 실시예들에 적용될 수 있다. 그리하여, 본 발명은 여기에 제시된 실시예 들로 한정되는 것이 아니다. 본 발명은 여기에 제시된 원리들 및 신규한 특징들과 일관되는 최광의의 범위에서 해석되어야 할 것이다. The description of the presented embodiments is provided to enable anyone skilled in the art to use or practice the present invention. Various modifications to these embodiments will be apparent to those skilled in the art. The general principles defined herein may be applied to other embodiments without departing from the scope of the disclosure. Therefore, the present invention is not limited to the embodiments presented herein. The present invention is to be interpreted in the broadest scope consistent with the principles and novel features presented herein.

본 개시내용에서의 제 1, 제 2, 또는 제 3 과 같이 제 N 으로 표현되는 용어들은 적어도 하나의 엔티티들을 구분하기 위해 사용된다. 예를 들어, 제 1 과 제 2로 표현된 엔티티들은 서로 동일하거나 또는 상이할 수 있다.In the present disclosure, terms represented by N, such as first, second, or third, are used to distinguish at least one entity. For example, the entities expressed as first and second may be the same or different from each other.

본 개시내용에서는 설명의 편의를 위하여, MHC에 대한 일례로 인간 백혈구 항원(Human Leukocyte Antigen; HLA)을 예시적으로 사용하기로 한다. 따라서, 이하에서 사용되는 HLA 또는 MHC에 대한 설명은 MHC 또는 HLA에 대한 설명을 표현하기 위한 일례이며, 본 개시내용의 권리범위는 청구범위에 기재된 내용에 근거하여 결정될 것이며, HLA에 대한 예시를 통해 그 권리범위가 HLA로 제한 해석되지는 않아야 할 것이다. 이처럼, 본 개시내용에서의 HLA와 MHC는 서로 교환 가능하게 사용될 수 있다.In this disclosure, for convenience of explanation, human leukocyte antigen (HLA) is used as an example of MHC. Therefore, the description of HLA or MHC used below is an example for expressing the description of MHC or HLA, and the scope of rights of the present disclosure will be determined based on the content stated in the claims, and through examples of HLA The scope of the rights should not be interpreted as limited to HLA. As such, HLA and MHC in the present disclosure may be used interchangeably.

본 개시내용에서 사용되는 용어, “인간 백혈구 항원(HLA)”은 인간의 MHC 유전자에 의해 생성되는 당단백 분자로, 인간이 가지고 있는 유전자 중에서 가장 큰 다형성(polymorphism)을 보이는 유전자이다. HLA 타입을 결정하는 HLA 타이핑은 장기이식, 면역치료, 질병관련 연구, 친자감별과 같은 부친시험, 법의학적 이용, 유전학적 연구 등의 다양한 분야에서 매우 활발하게 이용될 수 있다. The term “human leukocyte antigen (HLA)” used in this disclosure is a glycoprotein molecule produced by the human MHC gene, and is a gene that shows the greatest polymorphism among genes possessed by humans. HLA typing, which determines HLA type, can be actively used in various fields such as organ transplantation, immunotherapy, disease-related research, paternity tests such as paternity determination, forensic use, and genetic research.

본 개시내용에서의 HLA 타입은 예를 들어, HLA-A 타입, HLA-B 타입 및/또는 HLA-C 타입을 포함할 수 있다.HLA types in the present disclosure may include, for example, HLA-A type, HLA-B type, and/or HLA-C type.

일 실시예에서, MHC와 펩타이드의 결합체는 항원제시세포(antigen presenting cell, APC)에서 프로테아좀(proteasome)을 통한 가공을 거쳐 MHC class I 분자를 통한 펩타이드 항원 제시 복합체를 의미할 수 있다. 프로테아좀은 LMP-2와 LMP-7 (low molecular weight polypeptide)의 2개의 단위체들로 구성되어 있다. 이러한 2개의 프로테아좀의 단위체들은 MHC 유전자 내의 TAP-1과 TAP-2 유전자 부근에 위치하고 있다. 프로테아좀의 단위체들은 MHC I 분자에 결합하는 펩타이드의 분해에 특히 중요하다. 사이토카인인 인터페론 감마(IFN-γ)를 세포에 처리(treatment)하면, LMP-2와 LMP-7의 발현이 유도될 수 있다. LMP-2와 LMP-7의 발현은 프로테아좀의 기질 특이성에 변화를 초래하여, 펩타이드로의 분해 능력을 증가시킨다. LMP 단백질 뿐만 아니라 MHC I, MECL-1 등의 항원제시에 관련된 단백질들이 IFN-γ에 의하여 발현이 증가하여, 항원제시 세포에서 항원제시가 증가될 수 있다.In one embodiment, the complex of MHC and peptide may refer to a peptide antigen presentation complex through MHC class I molecules after processing through the proteasome in an antigen presenting cell (APC). The proteasome is composed of two monomers, LMP-2 and LMP-7 (low molecular weight polypeptide). These two proteasome monomers are located near the TAP-1 and TAP-2 genes within the MHC gene. Proteasome monomers are particularly important for the degradation of peptides that bind to MHC I molecules. When cells are treated with the cytokine interferon gamma (IFN-γ), the expression of LMP-2 and LMP-7 can be induced. Expression of LMP-2 and LMP-7 changes the substrate specificity of the proteasome, increasing its ability to decompose into peptides. The expression of proteins related to antigen presentation, such as MHC I and MECL-1, as well as LMP proteins, is increased by IFN-γ, which can increase antigen presentation in antigen-presenting cells.

MHC I 분자는 프로테아좀에 의해 분해된 펩타이드 항원 뿐 아니라, 소포체 내에 존재하는 단백질분해효소에 의해 생성된 펩타이드와 결합하기도 한다.MHC I molecules bind not only to peptide antigens degraded by the proteasome, but also to peptides produced by proteolytic enzymes present in the endoplasmic reticulum.

타파신(tapasin)은 TAP-1(transporter associated with antigen processing)과 소포체(ER) 내에서 안정한 3차구조를 이룬 MHC I 사이의 교량 역할을 하고, 펩타이드가 들어오면 MHC I 복합체는 결합해있던 타파신과 TAP 단백질을 이탈하여 완전한 펩타이드-MHC class I 복합체가 된다.Tapasin acts as a bridge between TAP-1 (transporter associated with antigen processing) and MHC I, which has a stable tertiary structure within the endoplasmic reticulum (ER), and when a peptide enters, the MHC I complex is bound to the tapasin. It leaves the Shin and TAP proteins and becomes a complete peptide-MHC class I complex.

T 세포는 세포표면에 제시된 외부 항원만을 인지하는데, TCR과 MHC 분자의 펩타이드 결합 틈새부위에 제시된 항원-펩타이드 간 상호작용에 의해 성숙된 말초 T 세포의 활성이 시작된다.T cells only recognize external antigens presented on the cell surface, and the activation of mature peripheral T cells begins through the interaction between the antigen and peptide presented in the peptide binding niche of the TCR and MHC molecules.

도 1은 본 개시내용의 일 실시예에 따른 컴퓨팅 장치(100)의 블록 구성도를 개략적으로 도시한다. 1 schematically shows a block diagram of a computing device 100 according to an embodiment of the present disclosure.

본 개시의 일 실시예에 따른 컴퓨팅 장치(100)는 프로세서(110) 및 메모리(130)를 포함할 수 있다.Computing device 100 according to an embodiment of the present disclosure may include a processor 110 and a memory 130.

도 1에 도시된 컴퓨팅 장치(100)의 구성은 간략화 하여 나타낸 예시일 뿐이다. 본 개시의 일 실시예에서 컴퓨팅 장치(100)는 컴퓨팅 장치(100)의 컴퓨팅 환경을 수행하기 위한 다른 구성들이 포함될 수 있고, 개시된 구성들 중 일부만이 컴퓨팅 장치(100)를 구성할 수도 있다. The configuration of the computing device 100 shown in FIG. 1 is only a simplified example. In one embodiment of the present disclosure, the computing device 100 may include different components for performing the computing environment of the computing device 100, and only some of the disclosed components may configure the computing device 100.

본 개시내용에서의 컴퓨팅 장치(100)는 본 개시내용의 실시예들을 구현하기 위한 시스템을 구성하는 임의의 형태의 노드를 의미할 수 있다. 컴퓨팅 장치(100)는 임의의 형태의 사용자 단말 또는 임의의 형태의 서버를 의미할 수 있다. 전술한 컴퓨팅 장치(100)의 컴포넌트들은 예시적인 것으로 일부가 제외될 수 있거나 또는 추가 컴포넌트가 포함될 수도 있다. 일례로, 전술한 컴퓨팅 장치(100)가 사용자 단말을 포함하는 경우, 출력부(미도시) 및 입력부(미도시)가 상기 컴퓨팅 장치(100)의 범위 내에 포함될 수 있다.The computing device 100 in the present disclosure may refer to any type of node constituting a system for implementing embodiments of the present disclosure. Computing device 100 may refer to any type of user terminal or any type of server. The components of the computing device 100 described above are exemplary and some may be excluded or additional components may be included. For example, when the above-described computing device 100 includes a user terminal, an output unit (not shown) and an input unit (not shown) may be included within the scope of the computing device 100.

본 개시내용에서의 컴퓨팅 장치(100)는 후술될 본 개시내용의 실시예들에 따른 기술적 특징들을 수행할 수 있다. 예를 들어, 컴퓨팅 장치(100)는 MHC 및 펩타이드 대응되는 입력 데이터를 이용하는 인공지능 기반의 예측 모델을 사용하여, 입력 데이터에 대응되는 MHC 및 펩타이드의 결합 정도를 포함하는 예측 결과를 생성할 수 있다. 예를 들어, 컴퓨팅 장치(100)는 피검체로부터 획득된 시료로부터 MHC 및 펩타이드에 대한 정보를 획득하고, 펩타이드-MHC 결합체에 대한 질량 분석(Mass spectrometry, MS) 데이터 등을 기반으로 TCR의 CDR3에 대응되는 예측 결과를 생성할 수 있다.The computing device 100 in the present disclosure may perform technical features according to embodiments of the present disclosure, which will be described later. For example, the computing device 100 uses an artificial intelligence-based prediction model that uses input data corresponding to MHC and peptides to generate a prediction result including the degree of binding of MHC and peptides corresponding to the input data. . For example, the computing device 100 obtains information about MHC and peptides from a sample obtained from a subject, and stores information on the CDR3 of the TCR based on mass spectrometry (MS) data for the peptide-MHC conjugate. Corresponding prediction results can be generated.

본 개시내용의 일 실시예에서, 컴퓨팅 장치(100)는 염기 서열 분석(예컨대, Next Generation Sequencing)를 수행한 결과를 서버 또는 외부 엔티티 등으로부터 획득할 수 있다. 다른 실시예에서, 컴퓨팅 장치(100)는 피검체 유래의 생물학적 시료로부터 획득된 유전자 데이터(예컨대, DNA 또는 RNA)에 대한 염기 서열 분석을 수행할 수도 있다. 본 개시내용에서 사용되는 용어, 염기서열 분석은 염기의 서열을 분석할 수 있는 임의의 형태의 기법들에 의해 수행될 수 있으며, 예를 들어, 전장 유전체 염기서열 분석(whole genome sequencing), 전체 엑솜 염기서열 분석(whole exome sequencing) 또는 전체 전사체 염기서열 분석(whole transcriptome sequencing)을 포함할 수 있으나, 이에 제한되는 것은 아니다.In one embodiment of the present disclosure, the computing device 100 may obtain a result of performing base sequence analysis (eg, Next Generation Sequencing) from a server or an external entity. In another embodiment, the computing device 100 may perform base sequence analysis on genetic data (eg, DNA or RNA) obtained from a biological sample derived from a subject. As the term used in the present disclosure, base sequencing may be performed by any type of technique capable of analyzing the sequence of bases, for example, whole genome sequencing, whole exome It may include, but is not limited to, whole exome sequencing or whole transcriptome sequencing.

본 개시내용에서 사용되는 용어, 피검체는 주조직 적합 복합체(MHC), 펩타이드 및/또는 이들의 결합체(complex)를 포함하는 생물학적 시료를 획득하기 위한 대상체 또는 개체를 의미할 수 있다.As used in the present disclosure, the term "subject" may refer to a subject or individual for obtaining a biological sample containing a major histocompatibility complex (MHC), a peptide, and/or a complex thereof.

본 개시내용에서 사용되는 용어, 시료는 MHC 타입을 결정하고자 하는 개체 또는 대상체로부터 획득된 것이라면 제한 없이 사용할 수 있으며, 예를 들어 생검(biopsy) 등으로 얻어진 세포나 조직, 혈액, 전혈, 혈청, 혈장, 타액, 뇌척수액, 각종 분비물, 소변 및/또는 대변 등일 수 있다. 바람직하게 시료는 혈액, 혈장, 혈청, 타액, 비액, 객담, 복수, 질 분비물 및/또는 소변으로 이루어진 군에서 선택될 수 있으며, 보다 바람직하게는 혈액, 혈장 또는 혈청일 수 있다. 상기 시료는 검출 또는 진단에 사용하기 전에 사전 처리할 수 있다. 예를 들어, 사전처리 방법은 균질화(homogenization), 여과, 증류, 추출, 농축, 방해 성분의 불활성화, 및/또는 시약의 첨가 등을 포함할 수 있다. 본 개시내용에서, 생물학적 시료는 조직, 세포, 전혈, 및/또는 혈액인 것일 수 있으나, 이에 제한되는 것은 아니다.The terms and samples used in the present disclosure can be used without limitation as long as they are obtained from an individual or subject whose MHC type is to be determined, for example, cells or tissues, blood, whole blood, serum, plasma obtained by biopsy, etc. , saliva, cerebrospinal fluid, various secretions, urine and/or feces, etc. Preferably, the sample may be selected from the group consisting of blood, plasma, serum, saliva, nasal fluid, sputum, ascites, vaginal secretions and/or urine, and more preferably may be blood, plasma or serum. The sample may be pretreated prior to use for detection or diagnosis. For example, pretreatment methods may include homogenization, filtration, distillation, extraction, concentration, inactivation of interfering components, and/or addition of reagents, etc. In the present disclosure, the biological sample may be, but is not limited to, tissue, cells, whole blood, and/or blood.

일 실시예에서, 프로세서(110)는 적어도 하나의 코어로 구성될 수 있으며, 컴퓨팅 장치(100)의 중앙 처리 장치(CPU: central processing unit), 범용 그래픽 처리 장치 (GPGPU: general purpose graphics processing unit), 텐서 처리 장치(TPU: tensor processing unit) 등의 데이터 분석 및/또는 처리를 위한 프로세서를 포함할 수 있다.In one embodiment, the processor 110 may consist of at least one core, including a central processing unit (CPU) and a general purpose graphics processing unit (GPGPU) of the computing device 100. , may include a processor for data analysis and/or processing, such as a tensor processing unit (TPU).

프로세서(110)는 메모리(130)에 저장된 컴퓨터 프로그램을 판독하여 본 개시내용의 일 실시예에 따라, pMHC의 결합 정도를 포함하는 예측 결과를 생성할 수 있다.The processor 110 may read the computer program stored in the memory 130 and generate a prediction result including the degree of pMHC binding, according to an embodiment of the present disclosure.

본 개시의 일 실시예에 따라 프로세서(110)는 신경망의 학습을 위한 연산을 수행할 수도 있다. 프로세서(110)는 딥러닝(DL: deep learning)에서 학습을 위한 입력 데이터의 처리, 입력 데이터에서의 피쳐 추출, 오차 계산, 역전파(backpropagation)를 이용한 신경망의 가중치 업데이트 등의 신경망의 학습을 위한 계산을 수행할 수 있다. 프로세서(110)의 CPU, GPGPU, 및 TPU 중 적어도 하나가 네트워크 함수의 학습을 처리할 수 있다. 예를 들어, CPU 와 GPGPU가 함께 네트워크 함수의 학습, 네트워크 함수를 이용한 데이터 분류를 처리할 수 있다. 또한, 본 개시의 일 실시예에서 복수의 컴퓨팅 장치들의 프로세서들을 함께 사용하여 네트워크 함수의 학습, 네트워크 함수를 이용한 데이터 분류를 처리할 수도 있다. 또한, 본 개시의 일 실시예에 따른 컴퓨팅 장치에서 수행되는 컴퓨터 프로그램은 CPU, GPGPU 또는 TPU 실행가능 프로그램일 수 있다.According to an embodiment of the present disclosure, the processor 110 may perform an operation for learning a neural network. The processor 110 is used for learning neural networks, such as processing input data for learning in deep learning (DL), extracting features from input data, calculating errors, and updating the weights of the neural network using backpropagation. Calculations can be performed. At least one of the CPU, GPGPU, and TPU of the processor 110 may process learning of the network function. For example, CPU and GPGPU can work together to process learning of network functions and data classification using network functions. Additionally, in one embodiment of the present disclosure, processors of a plurality of computing devices may be used together to process learning of a network function and data classification using a network function. Additionally, a computer program executed in a computing device according to an embodiment of the present disclosure may be a CPU, GPGPU, or TPU executable program.

추가적으로, 프로세서(110)는 통상적으로 컴퓨팅 장치(100)의 전반적인 동작을 처리할 수 있다. 예를 들어, 프로세서(110)는 컴퓨팅 장치(100)에 포함된 구성요소들을 통해 입력 또는 출력되는 데이터, 정보, 또는 신호 등을 처리하거나 저장부에 저장된 응용 프로그램을 구동함으로써, 사용자에게 적절한 정보 또는 기능을 제공 또는 처리할 수 있다.Additionally, processor 110 may typically handle overall operations of computing device 100. For example, the processor 110 processes data, information, or signals input or output through components included in the computing device 100 or runs an application program stored in the storage to provide information or information appropriate to the user. Functions can be provided or processed.

본 개시의 일 실시예에 따르면, 메모리(130)는 프로세서(110)가 생성하거나 결정한 임의의 형태의 정보 및 컴퓨팅 장치(100)가 수신한 임의의 형태의 정보를 저장할 수 있다. 본 개시의 일 실시예에 따르면, 메모리(130)는 프로세서(110)가 본 개시의 실시예들에 따른 동작을 수행하도록 하는 컴퓨터 소프트웨어를 저장하는 저장매체 일 수 있다. 따라서, 메모리(130)는 본 개시내용에 실시예들을 수행하는 데 필요한 소프트웨어 코드, 코드의 실행 대상이 되는 데이터, 코드의 실행 결과를 저장하기 위한 컴퓨터 판독 매체들을 의미할 수 있다.According to one embodiment of the present disclosure, the memory 130 may store any type of information generated or determined by the processor 110 and any type of information received by the computing device 100. According to an embodiment of the present disclosure, the memory 130 may be a storage medium that stores computer software that allows the processor 110 to perform operations according to embodiments of the present disclosure. Accordingly, the memory 130 may refer to computer readable media for storing software codes required to perform embodiments of the present disclosure, data to be executed by the codes, and execution results of the codes.

본 개시의 일 실시예에 따르면, 메모리(130)는 임의의 타입의 저장 매체를 의미할 수 있다 예를 들어, 메모리(130)는 플래시 메모리 타입(flash memory type), 하드디스크 타입(hard disk type), 멀티미디어 카드 마이크로 타입(multimedia card micro type), 카드 타입의 메모리(예를 들어 SD 또는 XD 메모리 등), 램(Random Access Memory, RAM), SRAM(Static Random Access Memory), 롬(Read-Only Memory, ROM), EEPROM(Electrically Erasable Programmable Read-Only Memory), PROM(Programmable Read-Only Memory), 자기 메모리, 자기 디스크, 광디스크 중 적어도 하나의 타입의 저장매체를 포함할 수 있다. 컴퓨팅 장치(100)는 인터넷(internet) 상에서 상기 메모리(130)의 저장 기능을 수행하는 웹 스토리지(web storage)와 관련되어 동작할 수도 있다. 전술한 메모리에 대한 기재는 예시일 뿐, 본 개시내용에서 사용되는 메모리(130)는 전술한 예시들로 제한되지 않는다.According to one embodiment of the present disclosure, the memory 130 may refer to any type of storage medium. For example, the memory 130 may be a flash memory type or a hard disk type. ), multimedia card micro type, card type memory (e.g. SD or XD memory, etc.), RAM (Random Access Memory), SRAM (Static Random Access Memory), ROM (Read-Only) Memory, ROM), EEPROM (Electrically Erasable Programmable Read-Only Memory), PROM (Programmable Read-Only Memory), magnetic memory, magnetic disk, and optical disk. The computing device 100 may operate in connection with web storage that performs a storage function of the memory 130 on the Internet. The description of the memory described above is only an example, and the memory 130 used in the present disclosure is not limited to the examples described above.

본 개시내용에서의 통신부(미도시)는 유선 및 무선 등과 같은 그 통신 양태를 가리지 않고 구성될 수 있으며, 단거리 통신망(PAN: Personal Area Network), 근거리 통신망(WAN: Wide Area Network) 등 다양한 통신망으로 구성될 수 있다. 또한, 상기 네트워크부(150) 공지의 월드와이드웹(WWW: World Wide Web) 기반으로 동작할 수 있으며, 적외선(IrDA: Infrared Data Association) 또는 블루투스(Bluetooth)와 같이 단거리 통신에 이용되는 무선 전송 기술을 이용할 수도 있다.The communication unit (not shown) in the present disclosure can be configured regardless of the communication mode, such as wired or wireless, and can be used in various communication networks such as a personal area network (PAN) and a wide area network (WAN). It can be configured. In addition, the network unit 150 can operate based on the well-known World Wide Web (WWW), and is a wireless transmission technology used for short-distance communication such as Infrared Data Association (IrDA) or Bluetooth. You can also use .

본 개시내용에서의 컴퓨팅 장치(100)는 임의의 형태의 사용자 단말 및/또는 임의의 형태의 서버를 포함할 수 있다. 따라서, 본 개시내용의 실시예들은 서버 및/또는 사용자 단말에 의해 수행될 수 있다.Computing device 100 in the present disclosure may include any type of user terminal and/or any type of server. Accordingly, embodiments of the present disclosure may be performed by a server and/or a user terminal.

사용자 단말은 서버 또는 다른 컴퓨팅 장치와 상호작용 가능한 임의의 형태의 단말을 포함할 수 있다. 사용자 단말은 예를 들어, 휴대폰, 스마트 폰(smart phone), 노트북 컴퓨터(laptop computer), PDA(personal digital assistants), 슬레이트 PC(slate PC), 태블릿 PC(tablet PC) 및 울트라북(ultrabook)을 포함할 수 있다.A user terminal may include any type of terminal capable of interacting with a server or other computing device. User terminals include, for example, mobile phones, smart phones, laptop computers, personal digital assistants (PDAs), slate PCs, tablet PCs, and ultrabooks. It can be included.

서버는 예를 들어, 마이크로프로세서, 메인프레임 컴퓨터, 디지털 프로세서, 휴대용 디바이스 및 디바이스 제어기 등과 같은 임의의 타입의 컴퓨팅 시스템 또는 컴퓨팅 장치를 포함할 수 있다.Servers may include any type of computing system or computing device, such as, for example, microprocessors, mainframe computers, digital processors, portable devices, and device controllers.

추가적인 실시예에서 전술한 서버는 면역펩티돔 정보, 펩타이드 시퀀스의 정보, 염기 서열 정보 또는 유전자 정보를 저장 및 관리하는 엔티티를 의미할 수도 있다. 서버는 면역펩티돔 정보, 펩타이드 서열의 정보, 위치 별 아미노산 식별자들의 정보, 염기 서열 정보, 유전자 정보 또는 데이터베이스(예를 들어, IEDB, HLA atlas Ligand, SysteMHC Altas)의 신뢰도 정보 등을 저장하기 위한 저장부(미도시)를 포함할 수 있으며, 저장부는 서버내에 포함되거나 혹은 서버의 관리 하에 존재할 수 있다. 다른 예시로, 저장부는 서버 외부에 존재하여 서버와 통신가능한 형태로 구현될 수도 있다. 이 경우 서버와는 상이한 다른 외부 서버에 의해 저장부가 관리 및 제어될 수 있다.In an additional embodiment, the above-described server may mean an entity that stores and manages immunopeptidome information, peptide sequence information, base sequence information, or genetic information. The server stores immunopeptidome information, peptide sequence information, amino acid identifier information for each position, nucleotide sequence information, genetic information, or reliability information of databases (e.g., IEDB, HLA atlas Ligand, SysteMHC Altas). It may include a storage unit (not shown), and the storage unit may be included in the server or may exist under the management of the server. As another example, the storage unit may be implemented in a form that exists outside the server and can communicate with the server. In this case, the storage may be managed and controlled by an external server that is different from the server.

도 2는 본 개시내용의 일 실시예에 따른 인공지능 기반 모델의 예시적인 구조를 도시한다.2 shows an example structure of an artificial intelligence-based model according to an embodiment of the present disclosure.

본 명세서에 걸쳐, 예측 모델, 인공지능 기반의 예측 모델, 인공지능 모델, 인공지능 기반 모델, 연산 모델, 신경망, 네트워크 함수, 뉴럴 네트워크(neural network)는 동일한 의미로 사용될 수 있다.Throughout this specification, prediction model, artificial intelligence-based prediction model, artificial intelligence model, artificial intelligence-based model, computational model, neural network, network function, and neural network may be used with the same meaning.

신경망은 일반적으로 노드라 지칭될 수 있는 상호 연결된 계산 단위들의 집합으로 구성될 수 있다. 이러한 노드들은 뉴런(neuron)들로 지칭될 수도 있다. 신경망은 적어도 하나 이상의 노드들을 포함하여 구성된다. 신경망들을 구성하는 노드(또는 뉴런)들은 하나 이상의 링크에 의해 상호 연결될 수 있다.A neural network can generally consist of a set of interconnected computational units, which can be referred to as nodes. These nodes may also be referred to as neurons. A neural network consists of at least one node. Nodes (or neurons) that make up neural networks may be interconnected by one or more links.

신경망 내에서, 링크를 통해 연결된 하나 이상의 노드들은 상대적으로 입력 노드 및 출력 노드의 관계를 형성할 수 있다. 입력 노드 및 출력 노드의 개념은 상대적인 것으로서, 하나의 노드에 대하여 출력 노드 관계에 있는 임의의 노드는 다른 노드와의 관계에서 입력 노드 관계에 있을 수 있으며, 그 역도 성립할 수 있다. 상술한 바와 같이, 입력 노드 대 출력 노드 관계는 링크를 중심으로 생성될 수 있다. 하나의 입력 노드에 하나 이상의 출력 노드가 링크를 통해 연결될 수 있으며, 그 역도 성립할 수 있다.Within a neural network, one or more nodes connected through a link may form a relative input node and output node relationship. The concepts of input node and output node are relative, and any node in an output node relationship with one node may be in an input node relationship with another node, and vice versa. As described above, input node to output node relationships can be created around links. One or more output nodes can be connected to one input node through a link, and vice versa.

하나의 링크를 통해 연결된 입력 노드 및 출력 노드 관계에서, 출력 노드의 데이터는 입력 노드에 입력된 데이터에 기초하여 그 값이 결정될 수 있다. 여기서 입력 노드와 출력 노드를 상호 연결하는 링크는 가중치(weight)를 가질 수 있다. 가중치는 가변적일 수 있으며, 신경망이 원하는 기능을 수행하기 위해, 사용자 또는 알고리즘에 의해 가변 될 수 있다. 예를 들어, 하나의 출력 노드에 하나 이상의 입력 노드가 각각의 링크에 의해 상호 연결된 경우, 출력 노드는 상기 출력 노드와 연결된 입력 노드들에 입력된 값들 및 각각의 입력 노드들에 대응하는 링크에 설정된 가중치에 기초하여 출력 노드 값을 결정할 수 있다.In a relationship between an input node and an output node connected through one link, the value of the data of the output node may be determined based on the data input to the input node. Here, the link connecting the input node and the output node may have a weight. Weights may be variable and may be varied by the user or algorithm in order for the neural network to perform the desired function. For example, when one or more input nodes are connected to one output node by respective links, the output node is set to the values input to the input nodes connected to the output node and the links corresponding to each input node. The output node value can be determined based on the weight.

상술한 바와 같이, 신경망은 하나 이상의 노드들이 하나 이상의 링크를 통해 상호 연결되어 신경망 내에서 입력 노드 및 출력 노드 관계를 형성한다. 신경망 내에서 노드들과 링크들의 개수 및 노드들과 링크들 사이의 연관관계, 링크들 각각에 부여된 가중치의 값에 따라, 신경망의 특성이 결정될 수 있다. 예를 들어, 동일한 개수의 노드 및 링크들이 존재하고, 링크들의 가중치 값이 상이한 두 신경망이 존재하는 경우, 두 개의 신경망들은 서로 상이한 것으로 인식될 수 있다.As described above, in a neural network, one or more nodes are interconnected through one or more links to form an input node and output node relationship within the neural network. The characteristics of the neural network may be determined according to the number of nodes and links within the neural network, the correlation between the nodes and links, and the value of the weight assigned to each link. For example, if the same number of nodes and links exist and two neural networks with different weight values of the links exist, the two neural networks may be recognized as different from each other.

신경망은 하나 이상의 노드들의 집합으로 구성될 수 있다. 신경망을 구성하는 노드들의 부분 집합은 레이어(layer)를 구성할 수 있다. 신경망을 구성하는 노드들 중 일부는, 최초 입력 노드로부터의 거리들에 기초하여, 하나의 레이어(layer)를 구성할 수 있다. 예를 들어, 최초 입력 노드로부터 거리가 n인 노드들의 집합은, n 레이어를 구성할 수 있다. 최초 입력 노드로부터 거리는, 최초 입력 노드로부터 해당 노드까지 도달하기 위해 거쳐야 하는 링크들의 최소 개수에 의해 정의될 수 있다. 그러나, 이러한 레이어의 정의는 설명을 위한 임의적인 것으로서, 신경망 내에서 레이어의 차수는 상술한 것과 상이한 방법으로 정의될 수 있다. 예를 들어, 노드들의 레이어는 최종 출력 노드로부터 거리에 의해 정의될 수도 있다.A neural network may consist of a set of one or more nodes. A subset of nodes that make up a neural network can form a layer. Some of the nodes constituting the neural network may form one layer based on the distances from the first input node. For example, a set of nodes with a distance n from the initial input node may constitute n layers. The distance from the initial input node can be defined by the minimum number of links that must be passed to reach the node from the initial input node. However, this definition of a layer is arbitrary for explanation purposes, and the order of a layer within a neural network may be defined in a different way than described above. For example, a layer of nodes may be defined by distance from the final output node.

본 개시내용의 일 실시예에서, 뉴런들 또는 노드들의 집합은 레이어라는 표현으로 정의될 수 있다.In one embodiment of the present disclosure, a set of neurons or nodes may be defined by the expression layer.

최초 입력 노드는 신경망 내의 노드들 중 다른 노드들과의 관계에서 링크를 거치지 않고 데이터가 직접 입력되는 하나 이상의 노드들을 의미할 수 있다. 또는, 신경망 네트워크 내에서, 링크를 기준으로 한 노드 간의 관계에 있어서, 링크로 연결된 다른 입력 노드들을 가지지 않는 노드들을 의미할 수 있다. 이와 유사하게, 최종 출력 노드는 신경망 내의 노드들 중 다른 노드들과의 관계에서, 출력 노드를 가지지 않는 하나 이상의 노드들을 의미할 수 있다. 또한, 히든 노드는 최초 입력 노드 및 최후 출력 노드가 아닌 신경망을 구성하는 노드들을 의미할 수 있다. The initial input node may refer to one or more nodes in the neural network through which data is directly input without going through links in relationships with other nodes. Alternatively, in the relationship between nodes based on links within a neural network, it may refer to nodes that do not have other input nodes connected by links. Similarly, the final output node may refer to one or more nodes that do not have an output node in their relationship with other nodes among the nodes in the neural network. Additionally, hidden nodes may refer to nodes constituting a neural network other than the first input node and the last output node.

본 개시의 일 실시예에 따른 신경망은 입력 레이어의 노드의 개수가 출력 레이어의 노드의 개수와 동일할 수 있으며, 입력 레이어에서 히든 레이어로 진행됨에 따라 노드의 수가 감소하다가 다시 증가하는 형태의 신경망일 수 있다. 또한, 본 개시의 다른 일 실시예에 따른 신경망은 입력 레이어의 노드의 개수가 출력 레이어의 노드의 개수보다 적을 수 있으며, 입력 레이어에서 히든 레이어로 진행됨에 따라 노드의 수가 감소하는 형태의 신경망일 수 있다. 또한, 본 개시의 또 다른 일 실시예에 따른 신경망은 입력 레이어의 노드의 개수가 출력 레이어의 노드의 개수보다 많을 수 있으며, 입력 레이어에서 히든 레이어로 진행됨에 따라 노드의 수가 증가하는 형태의 신경망일 수 있다. 본 개시의 또 다른 일 실시예에 따른 신경망은 상술한 신경망들의 조합된 형태의 신경망일 수 있다.The neural network according to an embodiment of the present disclosure is a neural network in which the number of nodes in the input layer may be the same as the number of nodes in the output layer, and the number of nodes decreases and then increases again as it progresses from the input layer to the hidden layer. You can. In addition, the neural network according to another embodiment of the present disclosure may be a neural network in which the number of nodes in the input layer may be less than the number of nodes in the output layer, and the number of nodes decreases as it progresses from the input layer to the hidden layer. there is. In addition, the neural network according to another embodiment of the present disclosure may be a neural network in which the number of nodes in the input layer may be greater than the number of nodes in the output layer, and the number of nodes increases as it progresses from the input layer to the hidden layer. You can. A neural network according to another embodiment of the present disclosure may be a neural network that is a combination of the above-described neural networks.

딥 뉴럴 네트워크(DNN: deep neural network, 심층신경망)는 입력 레이어와 출력 레이어 외에 복수의 히든 레이어를 포함하는 신경망을 의미할 수 있다. 딥 뉴럴 네트워크를 이용하면 데이터의 잠재적인 구조(latent structures)를 파악할 수 있다. 즉, 사진, 글, 비디오, 음성, 단백질 시퀀스 구조, 유전자 시퀀스 구조, 펩타이드 서열의 구조, 음악의 잠재적인 구조(예를 들어, 어떤 물체가 사진에 있는지, 글의 내용과 감정이 무엇인지, 음성의 내용과 감정이 무엇인지 등), 및/또는 펩타이드와 MHC 간의 결합 친화도를 파악할 수 있다. 딥 뉴럴 네트워크는 컨볼루션 뉴럴 네트워크(CNN: convolutional neural network), 리커런트 뉴럴 네트워크(RNN: recurrent neural network), 오토 인코더(auto encoder), 적대적 생성 네트워크(GAN: Generative Adversarial Network), 제한 볼츠만 머신(RBM: restricted boltzmann machine), 심층 신뢰 네트워크(DBN: deep belief network), Q 네트워크, U 네트워크, 샴 네트워크, 등을 포함할 수 있다. 전술한 딥 뉴럴 네트워크의 기재는 예시일 뿐이며 본 개시는 이에 제한되지 않는다.A deep neural network (DNN) may refer to a neural network that includes multiple hidden layers in addition to the input layer and output layer. Deep neural networks allow you to identify latent structures in data. That is, the potential structure of a photo, text, video, voice, protein sequence structure, gene sequence structure, peptide sequence structure, music (e.g., which object is in the photo, what is the content and emotion of the text, the voice (what the content and emotions are, etc.), and/or the binding affinity between the peptide and MHC. Deep neural networks include convolutional neural networks (CNNs), recurrent neural networks (RNNs), auto encoders, generative adversarial networks (GANs), and restricted Boltzmann machines ( It may include restricted boltzmann machine (RBM), deep belief network (DBN), Q network, U network, Siamese network, etc. The description of the deep neural network described above is only an example and the present disclosure is not limited thereto.

일례로, 본 개시내용의 인공지능 기반의 예측 모델은, RNN(Recurrent Neural Network), LSTM(Long Short Term Memory) 네트워크, BiLSTM(Bidirectional Long Short Term Memory) 네트워크, BERT(Bidirectional Encoder Representations from Transformers), GRU(Gated Recurrent Unit), 또는 BiGRU(Bidirectional Gated Recurrent Unit)를 포함할 수 있다.For example, the artificial intelligence-based prediction model of the present disclosure includes Recurrent Neural Network (RNN), Long Short Term Memory (LSTM) network, Bidirectional Long Short Term Memory (BiLSTM) network, Bidirectional Encoder Representations from Transformers (BERT), It may include a Gated Recurrent Unit (GRU) or a Bidirectional Gated Recurrent Unit (BiGRU).

본 개시내용의 인공지능 기반의 예측 모델은 입력 레이어, 히든 레이어 및 출력 레이어를 포함하는 전술한 임의의 구조의 네트워크 구조에 의해 표현될 수 있다.The artificial intelligence-based prediction model of the present disclosure can be expressed by a network structure of any of the structures described above, including an input layer, a hidden layer, and an output layer.

본 개시내용의 인공지능 기반 모델에서 사용될 수 있는 뉴럴 네트워크는 지도 학습(supervised learning), 비지도 학습(unsupervised learning), 반지도학습(semi supervised learning), 전이 학습(transfer learning) 또는 강화학습(reinforcement learning) 중 적어도 하나의 방식으로 학습될 수 있다. 뉴럴 네트워크의 학습은 뉴럴 네트워크가 특정한 동작을 수행하기 위한 지식을 뉴럴 네트워크에 적용하는 과정일 수 있다. 일례로, 본 개시내용의 일 실시예에 따른 예측 모델은, 아미노산 서열들 중 일부의 아미노산에 마스크(mask)를 적용한 이후, 마스킹된(masked) 아미노산을 맞추는 반-지도 학습(semi-supervised learning) 방법으로 학습될 수 있다.Neural networks that can be used in the artificial intelligence-based model of the present disclosure include supervised learning, unsupervised learning, semi-supervised learning, transfer learning, or reinforcement learning. It can be learned in at least one of the following ways: Learning of a neural network may be a process of applying knowledge for the neural network to perform a specific operation to the neural network. For example, a prediction model according to an embodiment of the present disclosure applies a mask to some amino acids among the amino acid sequences and then uses semi-supervised learning to match the masked amino acids. It can be learned in this way.

뉴럴 네트워크는 출력의 오류를 최소화하는 방향으로 학습될 수 있다. 뉴럴 네트워크의 학습에서 반복적으로 학습 데이터를 뉴럴 네트워크에 입력시키고 학습 데이터에 대한 뉴럴 네트워크의 출력과 타겟의 에러를 계산하고, 에러를 줄이기 위한 방향으로 뉴럴 네트워크의 에러를 뉴럴 네트워크의 출력 레이어에서부터 입력 레이어 방향으로 역전파(backpropagation)하여 뉴럴 네트워크의 각 노드의 가중치를 업데이트 하는 과정이다. 지도 학습의 경우 각각의 학습 데이터에 정답이 라벨링 되어있는 학습 데이터를 사용하며(즉, 라벨링된 학습 데이터), 비지도 학습의 경우는 각각의 학습 데이터에 정답이 라벨링되어 있지 않을 수 있다. 즉, 예를 들어 데이터 분류에 관한 지도 학습의 경우의 학습 데이터는 학습 데이터 각각에 카테고리가 라벨링된 데이터 일 수 있다. 라벨링된 학습 데이터가 뉴럴 네트워크에 입력되고, 뉴럴 네트워크의 출력(카테고리)과 학습 데이터의 라벨을 비교함으로써 오류(error)가 계산될 수 있다. 다른 예로, 데이터 분류에 관한 비지도 학습의 경우 입력인 학습 데이터가 뉴럴 네트워크 출력과 비교됨으로써 오류가 계산될 수 있다. 계산된 오류는 뉴럴 네트워크에서 역방향(즉, 출력 레이어에서 입력 레이어 방향)으로 역전파되며, 역전파에 따라 뉴럴 네트워크의 각 레이어의 각 노드들의 연결 가중치가 업데이트 될 수 있다. 업데이트 되는 각 노드의 연결 가중치는 학습률(learning rate)에 따라 변화량이 결정될 수 있다. 입력 데이터에 대한 뉴럴 네트워크의 계산과 에러의 역전파는 학습 사이클(epoch)을 구성할 수 있다. 학습률은 뉴럴 네트워크의 학습 사이클의 반복 횟수에 따라 상이하게 적용될 수 있다. 예를 들어, 뉴럴 네트워크의 학습 초기에는 높은 학습률을 사용하여 뉴럴 네트워크가 빠르게 일정 수준의 성능을 확보하도록 하여 효율성을 높이고, 학습 후기에는 낮은 학습률을 사용하여 정확도를 높일 수 있다.Neural networks can be trained to minimize output errors. In neural network learning, learning data is repeatedly input into the neural network, the output of the neural network and the error of the target for the learning data are calculated, and the error of the neural network is transferred from the output layer of the neural network to the input layer in the direction of reducing the error. This is the process of updating the weight of each node in the neural network through backpropagation. In the case of supervised learning, learning data in which the correct answer is labeled for each learning data is used (i.e., labeled learning data), and in the case of unsupervised learning, the correct answer may not be labeled in each learning data. That is, for example, in the case of supervised learning on data classification, the learning data may be data in which each training data is labeled with a category. Labeled training data is input to the neural network, and the error can be calculated by comparing the output (category) of the neural network with the label of the training data. As another example, in the case of unsupervised learning on data classification, the error can be calculated by comparing the input training data with the neural network output. The calculated error is backpropagated in the reverse direction (i.e., from the output layer to the input layer) in the neural network, and the connection weight of each node in each layer of the neural network can be updated according to backpropagation. The amount of change in the connection weight of each updated node may be determined according to the learning rate. The neural network's calculation of input data and backpropagation of errors can constitute a learning cycle (epoch). The learning rate may be applied differently depending on the number of repetitions of the learning cycle of the neural network. For example, in the early stages of neural network training, a high learning rate can be used to increase efficiency by allowing the neural network to quickly achieve a certain level of performance, and in the later stages of training, a low learning rate can be used to increase accuracy.

뉴럴 네트워크의 학습에서 일반적으로 학습 데이터는 실제 데이터(즉, 학습된 뉴럴 네트워크를 이용하여 처리하고자 하는 데이터)의 부분집합일 수 있으며, 따라서, 학습 데이터에 대한 오류는 감소하나 실제 데이터에 대해서는 오류가 증가하는 학습 사이클이 존재할 수 있다. 과적합(overfitting)은 이와 같이 학습 데이터에 과하게 학습하여 실제 데이터에 대한 오류가 증가하는 현상이다. 예를 들어, 노란색 고양이를 보여 고양이를 학습한 뉴럴 네트워크가 노란색 이외의 고양이를 보고는 고양이임을 인식하지 못하는 현상이 과적합의 일종일 수 있다. 과적합은 머신러닝 알고리즘의 오류를 증가시키는 원인으로 작용할 수 있다. 이러한 과적합을 막기 위하여 다양한 최적화 방법이 사용될 수 있다. 과적합을 막기 위해서는 학습 데이터를 증가시키거나, 레귤라리제이션(regularization), 학습의 과정에서 네트워크의 노드 일부를 비활성화하는 드롭아웃(dropout), 배치 정규화 레이어(batch normalization layer)의 활용 등의 방법이 적용될 수 있다.In the learning of neural networks, the training data can generally be a subset of real data (i.e., the data to be processed using the learned neural network), and thus the error for the training data is reduced, but the error for the real data is reduced. There may be an incremental learning cycle. Overfitting is a phenomenon in which errors in actual data increase due to excessive learning on training data. For example, a phenomenon in which a neural network that learned a cat by showing a yellow cat fails to recognize that it is a cat when it sees a non-yellow cat may be a type of overfitting. Overfitting can cause errors in machine learning algorithms to increase. To prevent such overfitting, various optimization methods can be used. To prevent overfitting, methods such as increasing the training data, regularization, dropout to disable some of the network nodes during the learning process, and use of a batch normalization layer are used. It can be applied.

본 개시의 일 실시예에 따른 데이터 구조를 저장한 컴퓨터 판독가능 매체가 개시된다. 전술한 데이터 구조는 본 개시내용에서의 저장부에 저장될 수 있으며, 프로세서에 의해 실행될 수 있으며 그리고 통신부에 의해 송수신될 수 있다.A computer-readable medium storing a data structure according to an embodiment of the present disclosure is disclosed. The above-described data structure can be stored in a storage unit in the present disclosure, executed by a processor, and transmitted and received by a communication unit.

데이터 구조는 데이터에 효율적인 접근 및 수정을 가능하게 하는 데이터의 조직, 관리, 저장을 의미할 수 있다. 데이터 구조는 특정 문제(예를 들어, 최단 시간으로 데이터 검색, 데이터 저장, 데이터 수정) 해결을 위한 데이터의 조직을 의미할 수 있다. 데이터 구조는 특정한 데이터 처리 기능을 지원하도록 설계된, 데이터 요소들 간의 물리적이거나 논리적인 관계로 정의될 수도 있다. 데이터 요소들 간의 논리적인 관계는 사용자 정의 데이터 요소들 간의 연결관계를 포함할 수 있다. 데이터 요소들 간의 물리적인 관계는 컴퓨터 판독가능 저장매체(예를 들어, 영구 저장 장치)에 물리적으로 저장되어 있는 데이터 요소들 간의 실제 관계를 포함할 수 있다. 데이터 구조는 구체적으로 데이터의 집합, 데이터 간의 관계, 데이터에 적용할 수 있는 함수 또는 명령어를 포함할 수 있다. 효과적으로 설계된 데이터 구조를 통해 컴퓨팅 장치는 컴퓨팅 장치의 자원을 최소한으로 사용하면서 연산을 수행할 수 있다. 구체적으로 컴퓨팅 장치는 효과적으로 설계된 데이터 구조를 통해 연산, 읽기, 삽입, 삭제, 비교, 교환, 검색의 효율성을 높일 수 있다.Data structure can refer to the organization, management, and storage of data to enable efficient access and modification of data. Data structure can refer to the organization of data to solve a specific problem (e.g., retrieving data, storing data, or modifying data in the shortest possible time). A data structure may be defined as a physical or logical relationship between data elements designed to support a specific data processing function. Logical relationships between data elements may include connection relationships between user-defined data elements. Physical relationships between data elements may include actual relationships between data elements that are physically stored in a computer-readable storage medium (e.g., a persistent storage device). A data structure may specifically include a set of data, relationships between data, and functions or instructions applicable to the data. Effectively designed data structures allow computing devices to perform computations while minimizing the use of the computing device's resources. Specifically, computing devices can increase the efficiency of operations, reading, insertion, deletion, comparison, exchange, and search through effectively designed data structures.

데이터 구조는 데이터 구조의 형태에 따라 선형 데이터 구조와 비선형 데이터 구조로 구분될 수 있다. 선형 데이터 구조는 하나의 데이터 뒤에 하나의 데이터만이 연결되는 구조일 수 있다. 선형 데이터 구조는 리스트(List), 스택(Stack), 큐(Queue), 데크(Deque)를 포함할 수 있다. 리스트는 내부적으로 순서가 존재하는 일련의 데이터 집합을 의미할 수 있다. 리스트는 연결 리스트(Linked List)를 포함할 수 있다. 연결 리스트는 각각의 데이터가 포인터를 가지고 한 줄로 연결되어 있는 방식으로 데이터가 연결된 데이터 구조일 수 있다. 연결 리스트에서 포인터는 다음이나 이전 데이터와의 연결 정보를 포함할 수 있다. 연결 리스트는 형태에 따라 단일 연결 리스트, 이중 연결 리스트, 원형 연결 리스트로 표현될 수 있다. 스택은 제한적으로 데이터에 접근할 수 있는 데이터 나열 구조일 수 있다. 스택은 데이터 구조의 한 쪽 끝에서만 데이터를 처리(예를 들어, 삽입 또는 삭제)할 수 있는 선형 데이터 구조일 수 있다. 스택에 저장된 데이터는 늦게 들어갈수록 빨리 나오는 데이터 구조(LIFO-Last in First Out)일 수 있다. 큐는 제한적으로 데이터에 접근할 수 있는 데이터 나열 구조로서, 스택과 달리 늦게 저장된 데이터일수록 늦게 나오는 데이터 구조(FIFO-First in First Out)일 수 있다. 데크는 데이터 구조의 양 쪽 끝에서 데이터를 처리할 수 있는 데이터 구조일 수 있다.Data structures can be divided into linear data structures and non-linear data structures depending on the type of data structure. A linear data structure may be a structure in which only one piece of data is connected to another piece of data. Linear data structures may include List, Stack, Queue, and Deque. A list can refer to a set of data that has an internal order. The list may include a linked list. A linked list may be a data structure in which data is connected in such a way that each data is connected in a single line with a pointer. In a linked list, a pointer may contain connection information to the next or previous data. Depending on its form, a linked list can be expressed as a singly linked list, a doubly linked list, or a circularly linked list. A stack may be a data listing structure that allows limited access to data. A stack can be a linear data structure in which data can be processed (for example, inserted or deleted) at only one end of the data structure. Data stored in the stack may have a data structure (LIFO-Last in First Out) where the later it enters, the sooner it comes out. A queue is a data listing structure that allows limited access to data. Unlike the stack, it can be a data structure (FIFO-First in First Out) where data stored later is released later. A deck can be a data structure that can process data at both ends of the data structure.

비선형 데이터 구조는 하나의 데이터 뒤에 복수개의 데이터가 연결되는 구조일 수 있다. 비선형 데이터 구조는 그래프(Graph) 데이터 구조를 포함할 수 있다. 그래프 데이터 구조는 정점(Vertex)과 간선(Edge)으로 정의될 수 있으며 간선은 서로 다른 두개의 정점을 연결하는 선을 포함할 수 있다. 그래프 데이터 구조 트리(Tree) 데이터 구조를 포함할 수 있다. 트리 데이터 구조는 트리에 포함된 복수개의 정점 중에서 서로 다른 두개의 정점을 연결시키는 경로가 하나인 데이터 구조일 수 있다. 즉 그래프 데이터 구조에서 루프(loop)를 형성하지 않는 데이터 구조일 수 있다.A non-linear data structure may be a structure in which multiple pieces of data are connected behind one piece of data. Nonlinear data structures may include graph data structures. A graph data structure can be defined by vertices and edges, and an edge can include a line connecting two different vertices. Graph data structure may include a tree data structure. A tree data structure may be a data structure in which there is only one path connecting two different vertices among a plurality of vertices included in the tree. In other words, it may be a data structure that does not form a loop in the graph data structure.

본 명세서에 걸쳐, 인공지능 기반 모델, 연산 모델, 신경망, 네트워크 함수, 뉴럴 네트워크(neural network)는 동일한 의미로 사용될 수 있다. 이하에서는 신경망으로 통일하여 기술한다. 데이터 구조는 신경망을 포함할 수 있다. 그리고 신경망을 포함한 데이터 구조는 컴퓨터 판독가능 매체에 저장될 수 있다. 신경망을 포함한 데이터 구조는 또한 신경망에 의한 처리를 위하여 전처리된 데이터, 신경망에 입력되는 데이터, 신경망의 가중치, 신경망의 하이퍼 파라미터, 신경망으로부터 획득한 데이터, 신경망의 각 노드 또는 레이어와 연관된 활성 함수, 신경망의 학습을 위한 손실 함수 등을 포함할 수 있다. 신경망을 포함한 데이터 구조는 상기 개시된 구성들 중 임의의 구성 요소들을 포함할 수 있다. 즉 신경망을 포함한 데이터 구조는 신경망에 의한 처리를 위하여 전처리된 데이터, 신경망에 입력되는 데이터, 신경망의 가중치, 신경망의 하이퍼 파라미터, 신경망으로부터 획득한 데이터, 신경망의 각 노드 또는 레이어와 연관된 활성 함수, 신경망의 학습을 위한 손실 함수 등 전부 또는 이들의 임의의 조합을 포함하여 구성될 수 있다. 전술한 구성들 이외에도, 신경망을 포함한 데이터 구조는 신경망의 특성을 결정하는 임의의 다른 정보를 포함할 수 있다. 또한, 데이터 구조는 신경망의 연산 과정에 사용되거나 발생되는 모든 형태의 데이터를 포함할 수 있으며 전술한 사항에 제한되는 것은 아니다. 컴퓨터 판독가능 매체는 컴퓨터 판독가능 기록 매체 및/또는 컴퓨터 판독가능 전송 매체를 포함할 수 있다. 신경망은 일반적으로 노드라 지칭될 수 있는 상호 연결된 계산 단위들의 집합으로 구성될 수 있다. 이러한 노드들은 뉴런(neuron)들로 지칭될 수도 있다. 신경망은 적어도 하나 이상의 노드들을 포함하여 구성된다.Throughout this specification, artificial intelligence-based model, computational model, neural network, network function, and neural network may be used with the same meaning. Below, it is described in a unified manner as a neural network. Data structures may include neural networks. And the data structure including the neural network may be stored in a computer-readable medium. Data structures including neural networks also include data preprocessed for processing by a neural network, data input to the neural network, weights of the neural network, hyperparameters of the neural network, data acquired from the neural network, activation functions associated with each node or layer of the neural network, neural network It may include a loss function for learning. A data structure containing a neural network may include any of the components disclosed above. In other words, the data structure including the neural network includes preprocessed data for processing by the neural network, data input to the neural network, weights of the neural network, hyperparameters of the neural network, data acquired from the neural network, activation functions associated with each node or layer of the neural network, neural network It may be configured to include all or any combination of the loss function for learning. In addition to the configurations described above, a data structure containing a neural network may include any other information that determines the characteristics of the neural network. Additionally, the data structure may include all types of data used or generated in the computational process of a neural network and is not limited to the above. Computer-readable media may include computer-readable recording media and/or computer-readable transmission media. A neural network can generally consist of a set of interconnected computational units, which can be referred to as nodes. These nodes may also be referred to as neurons. A neural network consists of at least one node.

데이터 구조는 신경망에 입력되는 데이터를 포함할 수 있다. 신경망에 입력되는 데이터를 포함하는 데이터 구조는 컴퓨터 판독가능 매체에 저장될 수 있다. 신경망에 입력되는 데이터는 신경망 학습 과정에서 입력되는 학습 데이터 및/또는 학습이 완료된 신경망에 입력되는 입력 데이터를 포함할 수 있다. 신경망에 입력되는 데이터는 전처리(pre-processing)를 거친 데이터 및/또는 전처리 대상이 되는 데이터를 포함할 수 있다. 전처리는 데이터를 신경망에 입력시키기 위한 데이터 처리 과정을 포함할 수 있다. 따라서 데이터 구조는 전처리 대상이 되는 데이터 및 전처리로 발생되는 데이터를 포함할 수 있다. 전술한 데이터 구조는 예시일 뿐 본 개시는 이에 제한되지 않는다.The data structure may include data input to the neural network. A data structure containing data input to a neural network may be stored in a computer-readable medium. Data input to the neural network may include learning data input during the neural network learning process and/or input data input to the neural network on which training has been completed. Data input to the neural network may include data that has undergone pre-processing and/or data subject to pre-processing. Preprocessing may include a data processing process to input data into a neural network. Therefore, the data structure may include data subject to preprocessing and data generated by preprocessing. The above-described data structure is only an example and the present disclosure is not limited thereto.

데이터 구조는 신경망의 가중치를 포함할 수 있다. (본 명세서에서 가중치, 파라미터는 동일한 의미로 사용될 수 있다.) 그리고 신경망의 가중치를 포함한 데이터 구조는 컴퓨터 판독가능 매체에 저장될 수 있다. 신경망은 복수개의 가중치를 포함할 수 있다. 가중치는 가변적일 수 있으며, 신경망이 원하는 기능을 수행하기 위해, 사용자 또는 알고리즘에 의해 가변 될 수 있다. 예를 들어, 하나의 출력 노드에 하나 이상의 입력 노드가 각각의 링크에 의해 상호 연결된 경우, 출력 노드는 상기 출력 노드와 연결된 입력 노드들에 입력된 값들 및 각각의 입력 노드들에 대응하는 링크에 설정된 가중치에 기초하여 출력 노드에서 출력되는 데이터 값을 결정할 수 있다. 전술한 데이터 구조는 예시일 뿐 본 개시는 이에 제한되지 않는다.The data structure may include the weights of the neural network. (In this specification, weights and parameters may be used with the same meaning.) And the data structure including the weights of the neural network may be stored in a computer-readable medium. A neural network may include multiple weights. Weights may be variable and may be varied by the user or algorithm in order for the neural network to perform the desired function. For example, when one or more input nodes are connected to one output node by respective links, the output node is set to the values input to the input nodes connected to the output node and the links corresponding to each input node. Based on the weight, the data value output from the output node can be determined. The above-described data structure is only an example and the present disclosure is not limited thereto.

제한이 아닌 예로서, 가중치는 신경망 학습 과정에서 가변되는 가중치 및/또는 신경망 학습이 완료된 가중치를 포함할 수 있다. 신경망 학습 과정에서 가변되는 가중치는 학습 사이클이 시작되는 시점의 가중치 및/또는 학습 사이클 동안 가변되는 가중치를 포함할 수 있다. 신경망 학습이 완료된 가중치는 학습 사이클이 완료된 가중치를 포함할 수 있다. 따라서 신경망의 가중치를 포함한 데이터 구조는 신경망 학습 과정에서 가변되는 가중치 및/또는 신경망 학습이 완료된 가중치를 포함한 데이터 구조를 포함할 수 있다. 그러므로 상술한 가중치 및/또는 각 가중치의 조합은 신경망의 가중치를 포함한 데이터 구조에 포함되는 것으로 한다. 전술한 데이터 구조는 예시일 뿐 본 개시는 이에 제한되지 않는다.As an example and not a limitation, the weights may include weights that are changed during the neural network learning process and/or weights for which neural network learning has been completed. Weights that change during the neural network learning process may include weights that change at the start of the learning cycle and/or weights that change during the learning cycle. Weights for which neural network training has been completed may include weights for which a learning cycle has been completed. Therefore, the data structure including the weights of the neural network may include weights that are changed during the neural network learning process and/or the data structure including the weights for which neural network learning has been completed. Therefore, the above-mentioned weights and/or combinations of each weight are included in the data structure including the weights of the neural network. The above-described data structure is only an example and the present disclosure is not limited thereto.

신경망의 가중치를 포함한 데이터 구조는 직렬화(serialization) 과정을 거친 후 컴퓨터 판독가능 저장 매체(예를 들어, 메모리, 하드 디스크)에 저장될 수 있다. 직렬화는 데이터 구조를 동일하거나 다른 컴퓨팅 장치에 저장하고 나중에 다시 재구성하여 사용할 수 있는 형태로 변환하는 과정일 수 있다. 컴퓨팅 장치는 데이터 구조를 직렬화하여 네트워크를 통해 데이터를 송수신할 수 있다. 직렬화된 신경망의 가중치를 포함한 데이터 구조는 역직렬화(deserialization)를 통해 동일한 컴퓨팅 장치 또는 다른 컴퓨팅 장치에서 재구성될 수 있다. 신경망의 가중치를 포함한 데이터 구조는 직렬화에 한정되는 것은 아니다. 나아가 신경망의 가중치를 포함한 데이터 구조는 컴퓨팅 장치의 자원을 최소한으로 사용하면서 연산의 효율을 높이기 위한 데이터 구조(예를 들어, 비선형 데이터 구조에서 B-Tree, R-Tree, Trie, m-way search tree, AVL tree, Red-Black Tree)를 포함할 수 있다. 전술한 사항은 예시일 뿐 본 개시는 이에 제한되지 않는다.The data structure including the weights of the neural network may be stored in a computer-readable storage medium (e.g., memory, hard disk) after going through a serialization process. Serialization can be the process of converting a data structure into a form that can be stored on the same or a different computing device and later reorganized and used. Computing devices can transmit and receive data over a network by serializing data structures. Data structures containing the weights of a serialized neural network can be reconstructed on the same computing device or on a different computing device through deserialization. The data structure including the weights of the neural network is not limited to serialization. Furthermore, the data structure including the weights of the neural network is a data structure to increase computational efficiency while minimizing the use of computing device resources (e.g., B-Tree, R-Tree, Trie, m-way search tree in non-linear data structures). , AVL tree, Red-Black Tree). The foregoing is merely an example and the present disclosure is not limited thereto.

데이터 구조는 신경망의 하이퍼 파라미터(Hyper-parameter)를 포함할 수 있다. 그리고 신경망의 하이퍼 파라미터를 포함한 데이터 구조는 컴퓨터 판독가능 매체에 저장될 수 있다. 하이퍼 파라미터는 사용자에 의해 가변되는 변수일 수 있다. 하이퍼 파라미터는 예를 들어, 학습률(learning rate), 비용 함수(cost function), 학습 사이클 반복 횟수, 가중치 초기화(Weight initialization)(예를 들어, 가중치 초기화 대상이 되는 가중치 값의 범위 설정), Hidden Unit 개수(예를 들어, 히든 레이어의 개수, 히든 레이어의 노드 수)를 포함할 수 있다. 전술한 데이터 구조는 예시일 뿐 본 개시는 이에 제한되지 않는다.The data structure may include hyper-parameters of a neural network. And the data structure including the hyperparameters of the neural network can be stored in a computer-readable medium. A hyperparameter may be a variable that can be changed by the user. Hyperparameters include, for example, learning rate, cost function, number of learning cycle repetitions, weight initialization (e.g., setting the range of weight values subject to weight initialization), Hidden Unit. It may include a number (e.g., number of hidden layers, number of nodes in hidden layers). The above-described data structure is only an example and the present disclosure is not limited thereto.

본 개시의 일 실시예에 따른 예측 모델에 대한 네트워크 함수로서 트랜스포머(transformer)가 고려될 수도 있다. 일례로, 예측 모델은 트랜스포머 기반으로 동작될 수 있다. 이러한 예측 모델은 예를 들어 어텐션 알고리즘이 적용된 순환 신경망 또는 어텐션 알고리즘이 적용된 트랜스포머를 사용하여 동작될 수 있다.A transformer may be considered as a network function for the prediction model according to an embodiment of the present disclosure. As an example, the prediction model may operate based on a transformer. This prediction model may be operated using, for example, a recurrent neural network to which an attention algorithm is applied or a transformer to which an attention algorithm is applied.

일 실시예에서, 트랜스포머는 임베딩된 데이터들을 인코딩하는 인코더 및 인코딩된 데이터들을 디코딩하는 디코더로 구성될 수 있다. 트랜스포머는 일련의 데이터(a series of data)들을 수신하여, 인코딩 및 디코딩 단계를 거처 상이한 타입의 일련의 데이터들을 출력하는 구조를 지닐 수 있다. 일 실시예에서, 일련의 데이터들은 트랜스포머가 연산가능한 형태로 가공될 수 있다. 일련의 데이터들을 트랜스포머가 연산가능한 형태로 가공하는 과정은 임베딩 과정을 포함할 수 있다. 데이터 토큰, 임베딩 벡터, 임베딩 토큰 등과 같은 표현들은, 트랜스포머가 처리할 수 있는 형태로 임베딩된 데이터들을 지칭하는 것일 수 있다.In one embodiment, the transformer may be comprised of an encoder that encodes the embedded data and a decoder that decodes the encoded data. A transformer may have a structure that receives a series of data, goes through encoding and decoding steps, and outputs a series of data of different types. In one embodiment, a series of data can be processed into a form that can be operated by a transformer. The process of processing a series of data into a form that can be operated by a transformer may include an embedding process. Expressions such as data token, embedding vector, embedding token, etc. may refer to data embedded in a form that a transformer can process.

트랜스포머가 일련의 데이터들을 인코딩 및 디코딩하기 위하여, 트랜스포머 내의 인코더 및 디코더들을 어텐션(attention) 알고리즘을 활용하여 처리할 수 있다. 어텐션 알고리즘이란 주어진 쿼리(Query)에 대해, 하나 이상의 키(Key)에 대한 유사도를 구하고, 이렇게 주어진 유사도를, 각각의 키(Key)와 대응하는 값(Value)에 반영한 후, 유사도가 반영된 값(Value)들을 가중합하여 어텐션(attention) 값을 계산하는 알고리즘을 의미할 수 있다. In order for the transformer to encode and decode a series of data, the encoders and decoders within the transformer can be processed using an attention algorithm. The attention algorithm calculates the similarity of one or more keys for a given query, reflects the given similarity to the value corresponding to each key, and returns the reflected similarity value ( It may refer to an algorithm that calculates the attention value by weighting the values.

쿼리(Query), 키(Key) 및 값(Value)를 어떻게 설정하느냐에 따라, 다양한 종류의 어텐션 알고리즘이 분류될 수 있다. 예를 들어, 쿼리, 키 및 값을 모두 동일하게 설정하여 어텐션을 구하는 경우, 이는 셀프-어텐션 알고리즘을 의미할 수 있다. 입력된 일련의 데이터들을 병렬로 처리하기 위해, 임베딩 벡터를 차원을 축소하여, 각 분할된 임베딩 벡터에 대해 개별적인 어텐션 헤드를 구하여 어텐션을 구하는 경우, 이는 멀티-헤드(multi-head) 어텐션 알고리즘을 의미할 수 있다.Depending on how the query, key, and value are set, various types of attention algorithms can be classified. For example, if attention is obtained by setting the query, key, and value all the same, this may mean a self-attention algorithm. In order to process a series of input data in parallel, when the dimension of the embedding vector is reduced and attention is obtained by obtaining individual attention heads for each divided embedding vector, this refers to a multi-head attention algorithm. can do.

일 실시예에서, 트랜스포머는 복수의 멀티-헤드 셀프 어텐션 알고리즘 또는 멀티-헤드 인코더-디코더 알고리즘을 수행하는 모듈들로 구성될 수 있다. 일 실시예에서, 트랜스포머는 임베딩 레이어, 정규화 레이어, 소프트맥스(softmax) 층 등 어텐션 알고리즘이 아닌 부가적인 구성요소들 또한 포함할 수 있다. 어텐션 알고리즘을 이용하여 트랜스포머를 구성하는 방법은 Vaswani et al., Attention Is All You Need, 2017 NIPS에 개시된 방법을 포함할 수 있으며, 이는 여기에 참조로서 통합된다. In one embodiment, the transformer may be composed of modules that perform a plurality of multi-head self-attention algorithms or multi-head encoder-decoder algorithms. In one embodiment, the transformer may also include additional components other than the attention algorithm, such as an embedding layer, a normalization layer, and a softmax layer. A method of configuring a transformer using an attention algorithm may include the method disclosed in Vaswani et al., Attention Is All You Need, 2017 NIPS, which is incorporated herein by reference.

트랜스포머는 임베딩된 자연어, 임베딩된 시퀀스 정보, 분할된 이미지 데이터, 오디오 파형 등 다양한 데이터 도메인에 적용하여, 일련의 입력 데이터를 일련의 출력 데이터로 변환할 수 있다. 다양한 데이터 도메인을 가진 데이터들을 트랜스포머에 입력가능한 일련의 데이터들로 변환하기 위해, 트랜스포머는 데이터들을 임베딩할 수 있다. 트랜스포머는 일련의 입력 데이터 사이의 상대적 위치관계 또는 위상관계를 표현하는 추가적인 데이터를 처리할 수 있다. 또는 일련의 입력 데이터에 입력 데이터들 사이의 상대적인 위치관계 또는 위상관계를 표현하는 벡터들이 추가적으로 반영되어 일련의 입력 데이터가 임베딩될 수 있다. 일 예에서, 일련의 입력 데이터 사이의 상대적 위치관계는, 자연어 문장 내에서의 어순, 각각의 분할된 이미지의 상대적 위치 관계, 분할된 오디오 파형의 시간 순서 등을 포함할 수 있으나, 이에 제한되지 않는다. 일련의 입력 데이터들 사이의 상대적인 위치관계 또는 위상관계를 표현하는 정보를 추가하는 과정은 위치 인코딩(positional encoding)으로 지칭될 수 있다.Transformers can be applied to various data domains such as embedded natural language, embedded sequence information, segmented image data, and audio waveforms to convert a series of input data into a series of output data. In order to convert data with various data domains into a series of data that can be input to the transformer, the transformer can embed the data. Transformers can process additional data expressing relative positional or phase relationships between a series of input data. Alternatively, the series of input data may be embedded by additionally reflecting vectors expressing relative positional relationships or phase relationships between the input data. In one example, the relative positional relationship between a series of input data may include, but is not limited to, word order within a natural language sentence, relative positional relationship of each segmented image, temporal order of segmented audio waveforms, etc. . The process of adding information expressing relative positional or phase relationships between a series of input data may be referred to as positional encoding.

데이터를 임베딩하여 트랜스포머로 변환하는 방법의 일 예는 Dosovitskiy, et al., AN IMAGE IS WORTH 16X16 WORDS: TRANSFORMERS FOR IMAGE RECOGNITION AT SCALE에 개시되어 있으며, 해당 문서는 여기에 참조로서 통합된다.An example of a method for embedding data and converting it to a transformer is disclosed in Dosovitskiy, et al., AN IMAGE IS WORTH 16X16 WORDS: TRANSFORMERS FOR IMAGE RECOGNITION AT SCALE, which document is incorporated herein by reference.

도 3은 본 개시내용의 일 실시예에 따라 pMHC들을 결합 정도에 따라 분류하는 예측 모델의 훈련 방법을 예시적으로 도시한다.Figure 3 exemplarily shows a method of training a prediction model that classifies pMHCs according to the degree of binding according to an embodiment of the present disclosure.

일 실시예에서, 도 3에서 도시되는 단계들은 컴퓨팅 장치(100)에 의해 수행될 수 있다. 추가적인 실시예에서, 도 3에서 도시되는 단계들 중 일부는 사용자 단말에서 수행되고 다른 일부는 서버에서 수행되는 방식과 같이 도 3에서의 단계들은 복수의 엔티티들에 의해 구현될 수도 있다.In one embodiment, the steps shown in FIG. 3 may be performed by computing device 100. In a further embodiment, the steps shown in FIG. 3 may be implemented by multiple entities, such that some of the steps shown in FIG. 3 are performed at a user terminal and others are performed at a server.

일 실시예에서, 컴퓨팅 장치(100)는 펩타이드-주조직 적합 복합체 결합체(pMHC)에 대응되는 제 1 입력 데이터에 및 제 1 입력 데이터에 대응되는 제 1 라벨링 데이터를 포함하는 제 1 학습 데이터를 획득할 수 있다(S310).In one embodiment, the computing device 100 acquires first learning data including first input data corresponding to a peptide-major histocompatibility complex conjugate (pMHC) and first labeling data corresponding to the first input data. You can do it (S310).

일례로, 제 1 입력 데이터는 상기 pMHC에 대응되는 펩타이드 및 MHC의 아미노산들의 서열들을 포함할 수 있다. 다른 예시로, 펩타이드와 MHC의 아미노산 서열 각각은 서로 통합될 수 있다. 이에 따라 통합된 입력 데이터는 pMHC를 나타내는 아미노산 서열을 나타낼 수 있다.For example, the first input data may include sequences of peptides corresponding to the pMHC and amino acids of the MHC. As another example, the amino acid sequences of the peptide and MHC may be integrated into each other. Accordingly, the integrated input data may represent an amino acid sequence representing pMHC.

일례로, 아미노산 서열은 예를 들어, 아미노산을 나타내는 식별자들의 그룹을 포함할 수 있다.In one example, an amino acid sequence may include a group of identifiers that represent amino acids, for example.

다른 예시로, 제 1 입력 데이터의 MHC의 데이터는 염기 서열(nucleic sequence)의 형태, 인간 백혈구 항원(Human Leukocyte Antigen, HLA)의 타입, 또는 HLA을 코딩하는 DNA(DeoxyriboNucleic Acid) 서열을 포함할 수도 있다.As another example, the MHC data of the first input data may include the form of a nucleotide sequence, a type of human leukocyte antigen (HLA), or a DNA (DeoxyriboNucleic Acid) sequence encoding HLA. there is.

일 실시예에서, 제 1 입력 데이터는 공공 데이터베이스 및/또는 실험 결과 데이터로부터 획득될 수 있다. 일례로 제 1 입력 데이터의 실험 결과 데이터는 MHC의 MS 분석법(Mass Spectrometry), LC-MS/MS 법(Liquid Chromatography-MS/MS analysis), 생어법(Sanger sequencing method), 에드만 분해법(Edman Degradation), 또는 PMF 분석법(Peptide Mass Fingerprinting) 등을 통해 식별될 수 있으나 이에 국한되지 않는다.In one embodiment, the first input data may be obtained from public databases and/or experimental results data. For example, the experimental result data of the first input data is MHC MS analysis method (Mass Spectrometry), LC-MS/MS method (Liquid Chromatography-MS/MS analysis), Sanger sequencing method, and Edman Degradation method. ), or PMF analysis (Peptide Mass Fingerprinting), etc., but is not limited to this.

추가적인 실시예에서, 입력 데이터는 아미노산 서열에 대하여 Blosum 인코딩 또는 원-핫 인코딩이 적용된 입력 데이터를 포함할 수 있다.In a further embodiment, the input data may include input data to which Blosum encoding or one-hot encoding has been applied to the amino acid sequence.

추가적인 실시예에서, 입력 데이터는 아미노산들의 극성을 나타내는 인자, 아미노산들의 분자량을 나타내는 인자, 아미노산들의 소수성, 친수성 또는 중성 여부를 나타내는 인자, 아미노산들의 전하 특성(properties of electrical charge)에 대한 인자, 또는 아미노산들의 방향족 또는 지방족 여부를 나타내는 인자 중 적어도 하나의 인자를 추가로 포함할 수도 있다.In a further embodiment, the input data may be a factor indicating the polarity of amino acids, a factor indicating the molecular weight of the amino acids, a factor indicating whether the amino acids are hydrophobic, hydrophilic, or neutral, a factor regarding the properties of electrical charge of the amino acids, or an amino acid. It may additionally include at least one factor among factors indicating whether they are aromatic or aliphatic.

일 실시예에서, 컴퓨팅 장치(100)는 제 1 입력 데이터에 대응되는 제 1 라벨링(labeling) 데이터를 포함하는 제 1 학습 데이터를 획득할 수 있다. 라벨링 과정을 통해 제 1 입력 데이터에 포함된 pMHC들은 펩타이드와 MHC 사이의 결합 정도를 기반으로 복수개의 클래스로 라벨링될 수 있다. 일 실시예에서, 복수개의 클래스들은 제 1 개수의 클래스들과 대응될 수 있다. 이러한 제 1 개수의 클래스들의 적어도 일부는 제 1 예측 모델의 사전 학습과정에서 사용되는 제 2 개수의 클래스들의 적어도 일부와 상이할 수 있다. In one embodiment, the computing device 100 may acquire first learning data including first labeling data corresponding to first input data. Through the labeling process, pMHCs included in the first input data can be labeled into a plurality of classes based on the degree of binding between the peptide and MHC. In one embodiment, a plurality of classes may correspond to a first number of classes. At least some of the first number of classes may be different from at least some of the second number of classes used in the pre-training process of the first prediction model.

일례로, 라벨링 데이터는 6가지의 라벨링을 가질 수 있으며, 제 1a 라벨(label)은 펩타이드-MHC 결합 정도가 100%, 제 1b 라벨은 펩타이드-MHC 결합 정도가 80%, 제 1c 라벨은 펩타이드-MHC 결합 정도가 60%, 제 1d 라벨은 펩타이드-MHC 결합 정도가 40%, 제 1e 라벨은 펩타이드-MHC 결합 정도가 20%, 제 1f 라벨은 펩타이드-MHC 결합 정도가 0%임을 나타낼 수 있다.For example, the labeling data may have six types of labeling, where the 1a label has a peptide-MHC binding degree of 100%, the 1b label has a peptide-MHC binding degree of 80%, and the 1c label has a peptide-MHC binding degree of 100%. The MHC binding degree is 60%, the 1d label may indicate a peptide-MHC binding degree of 40%, the 1e label may indicate a peptide-MHC binding degree of 20%, and the 1f label may indicate a peptide-MHC binding degree of 0%.

추가적인 실시예에서, 제 1 라벨링 데이터를 획득하는 과정은 제 1 입력 데이터에 포함된 pMHC들은 IC50(반수 최대 억제농도)이 500nM 이하인 경우 펩타이드와 MHC 사이의 결합 정도가 100%로 라벨링되고, IC50이 500nM 초과인 경우 펩타이드와 MHC 사이의 결합 정도가 0%로 라벨링될 수 있다.In an additional embodiment, the process of acquiring the first labeling data is such that the pMHCs included in the first input data are labeled with a degree of binding between the peptide and MHC of 100% when the IC50 (half maximum inhibitory concentration) is 500 nM or less, and the IC50 is 500 nM or less. If it exceeds 500nM, the degree of binding between the peptide and MHC can be labeled as 0%.

추가적인 예시로, 제 1 입력 데이터에 포함된 pMHC들은 IC50이 250nM 이하인 경우 펩타이드와 MHC 사이의 결합 정도가 100%로 라벨링되고, IC50이 250nM 초과, 500nM 이하인 경우 펩타이드와 MHC 사이의 결합 정도가 67%로 라벨링되고, 500nM 초과, 750nM 이하인 경우 펩타이드와 MHC 사이의 결합 정도가 33%로 라벨링되고, 750nM 초과인 경우 펩타이드와 MHC 사이의 결합 정도가 0%로 라벨링될 수 있다. pMHC 결합 정도를 나타내는 지표는 상기 IC50으로 한정되지 않는다.As an additional example, pMHCs included in the first input data are labeled with a binding degree of 100% between the peptide and MHC when the IC50 is 250 nM or less, and when the IC50 is greater than 250 nM and less than 500 nM, the binding degree between the peptide and MHC is labeled as 67%. If it is above 500nM and below 750nM, the degree of binding between the peptide and MHC may be labeled as 33%, and if it is above 750nM, the degree of binding between the peptide and MHC may be labeled as 0%. The indicator indicating the degree of pMHC binding is not limited to the IC50.

일 실시예에서, 컴퓨팅 장치(100)는 제 1 입력 데이터에 대한 토큰화(tokenization) 프로세스 및 세그멘팅(segmenting) 프로세스를 포함하는 전처리(preprocessing)를 수행함으로써, 제 1 학습 데이터를 생성할 수 있다.In one embodiment, the computing device 100 may generate first learning data by performing preprocessing including a tokenization process and a segmenting process on the first input data. .

토큰화 프로세스 및 세그멘팅 프로세스에 대한 추가적인 설명은 도 7에서 후술하기로 한다.Additional description of the tokenization process and segmenting process will be described later in FIG. 7.

일 실시예에서, 컴퓨팅 장치(100)는 펩타이드와 MHC의 결합과 관련된 제 2 개수의 클래스들을 분류하도록 제 2 학습 데이터에 기초하여 사전 학습된 제 1 예측 모델을 이용하여, 제 1 학습 데이터로부터, 제 2 개수의 클래스들에 대한 제 1 예측 결과를 획득할 수 있다(S320).In one embodiment, computing device 100 uses a first prediction model pre-trained based on the second training data to classify a second number of classes associated with the binding of a peptide and an MHC, from the first training data, The first prediction result for the second number of classes may be obtained (S320).

일 실시예에서, 펩타이드-MHC의 결합과 관련된 제 2 개수의 클래스들을 분류하도록 제 2 학습 데이터에 기초하여 사전 학습된 제 1 예측 모델은 제 1 예측 결과를 획득하는 데에 이용될 수 있다.In one embodiment, a first prediction model pre-trained based on the second training data to classify a second number of classes related to peptide-MHC binding may be used to obtain the first prediction result.

일 실시예에서, 제 1 라벨링 데이터는 펩타이드와 MHC의 결합과 관련된 제 1 개수의 클래스들과 대응될 수 있다. 상기 제 1 개수의 클래스들은, 펩타이드와 MHC 간의 결합 가능성을 정량적으로 나타내는 제 1 스코어에 대응되는 제 1 클래스 및 펩타이드와 MHC 간의 결합 가능성을 정량적으로 나타내는 제 2 스코어에 대응되는 제 2 클래스를 포함할 수 있다. 추가적인 예시에서, 제 2 개수의 클래스들은 펩타이드와 MHC 간의 결합 가능성을 정량적으로 나타내는 제 3 스코어에 대응되는 제 3 클래스, 및 펩타이드와 MHC 간의 결합 가능성을 정량적으로 나타내는 제 4 스코어에 대응되는 제 4 클래스를 포함할 수 있다.In one embodiment, the first labeling data may correspond to a first number of classes associated with binding of a peptide to MHC. The first number of classes may include a first class corresponding to a first score quantitatively indicating the binding possibility between the peptide and MHC, and a second class corresponding to a second score quantitatively indicating the binding possibility between the peptide and MHC. You can. In a further example, the second number of classes is a third class corresponding to a third score quantitatively representing the binding potential between the peptide and the MHC, and a fourth class corresponding to a fourth score quantitatively representing the binding probability between the peptide and the MHC. may include.

일 실시예에서, 제 1 예측 모델에 입력될 제 1 학습 데이터는 제 1 라벨링 데이터에 기반하여 생성될 수 있으며 그리고 제 1 예측 모델은 사전 학습 과정에서 제 2 라벨링 데이터에 기반한 제 2 학습 데이터에 기반하여 사전 학습될 수 있다. 이처럼, 본 개시내용의 일 실시예에 따른 기법은 특정한 라벨링 기준에 따라 제 1 예측 모델을 사전 학습시키고 그리고 상기 특정한 라벨링 기준과 상이한 기준에 따라 라벨링된 입력 데이터 또는 학습 데이터를 사전 학습이 완료된 제 1 예측 모델에 입력함으로써 제 1 예측 결과를 얻을 수 있다. 여기서, 제 1 예측 결과는 제 1 예측 모델이 사전 학습된 제 2 학습 데이터에 대응되는 제 2 개수의 클래스들을 포함할 수 있다.In one embodiment, the first training data to be input to the first prediction model may be generated based on the first labeling data, and the first prediction model may be generated based on the second training data based on the second labeling data in the pre-training process. So it can be learned in advance. In this way, the technique according to an embodiment of the present disclosure pre-trains a first prediction model according to a specific labeling standard, and input data or training data labeled according to a standard different from the specific labeling standard is used as a first prediction model for which pre-training has been completed. The first prediction result can be obtained by inputting it into the prediction model. Here, the first prediction result may include a second number of classes corresponding to second training data on which the first prediction model was pre-trained.

클래스의 개수들과 펩타이드와 MHC 간의 결합 가능성을 정량적으로 나타내는 스코어들에 대한 설명은 도 4, 도 5, 및 도 6에서 후술하기로 한다.A description of the scores that quantitatively represent the number of classes and the possibility of binding between peptides and MHC will be described later in FIGS. 4, 5, and 6.

일 실시예에서, 제 2 학습 데이터는 MS 데이터(예를 들어, LC-MS/MS 데이터)로부터 펩타이드와 MHC가 결합하는 것으로 라벨링된 학습 데이터 및 상기 MS 데이터로부터 펩타이드와 MHC가 결합하지 않는 것으로 라벨링된 학습 데이터를 포함할 수 있다. 추가적인 실시예에서, 제 2 학습 데이터는 펩타이드와 MHC를 입력으로 하고 결합 정도를 출력으로 하는 별도의 인공지능 기반의 모델에 의해 결정될 수도 있다.In one embodiment, the second learning data is training data labeled as binding between a peptide and MHC from MS data (e.g., LC-MS/MS data) and training data labeled as not binding between a peptide and MHC from the MS data. may include training data. In an additional embodiment, the second learning data may be determined by a separate artificial intelligence-based model that uses peptide and MHC as input and the degree of binding as output.

일 실시예에서, 제 1 학습 데이터를 구축할 때 사용된 데이터들의 신뢰도와 제 2 학습 데이터를 구축할 때 사용된 데이터들의 신뢰도는 서로 상이할 수 있다. 예를 들어, 제 1 예측 모델을 사전학습 시키기 위하여 사용되는 제 2 학습 데이터는 상대적으로 신뢰도가 높은 데이터에 기반하여 라벨링이 이루어질 수 있으며, 사전학습이 완료된 제 1 예측 모델에 입력되는 제 1 학습 데이터는 상대적으로 신뢰도가 낮은 데이터에 기반하여 라벨링이 이루어질 수 있다.In one embodiment, the reliability of the data used to construct the first learning data and the reliability of the data used to construct the second learning data may be different from each other. For example, the second training data used to pre-train the first prediction model may be labeled based on data with relatively high reliability, and the first training data input to the first prediction model for which pre-training has been completed Labeling may be done based on relatively unreliable data.

일 실시예에서, 제 1 예측 모델의 사전 학습은 제 2 학습 데이터에 기초하여 제 2 개수(예를 들어, 2개)의 클래스들을 분류하도록 사전 학습될 수 있다. 추가적인 실시예에서, 제 1 예측 모델의 사전 학습은, 실험 데이터를 통해 결합이 일어난 것으로 식별된 pMHC(Binding pMHC)와 실험 데이터를 통해 결합이 일어나지 않은 것으로 식별된 pMHC(Non-binding pMHC)의 정답 데이터 세트를 이용할 수 있다.In one embodiment, the first prediction model may be pre-trained to classify a second number (eg, two) of classes based on second training data. In a further embodiment, the pre-training of the first prediction model includes the correct answer of pMHC (Binding pMHC) identified as having occurred through experimental data and pMHC (Non-binding pMHC) identified as having not occurred through experimental data. Data sets are available.

제 1 예측 모델의 사전 학습에 대하여는 도 4에서 후술하기로 한다.Pre-learning of the first prediction model will be described later in FIG. 4.

일 실시예에서, 컴퓨팅 장치(100)는 사전 학습된 제 1 예측 모델을 이용하여, 제 1 학습 데이터로부터 제 2 개수의 클래스들에 대한 제 1 예측 결과를 획득할 수 있다.In one embodiment, the computing device 100 may obtain a first prediction result for a second number of classes from first training data using a pre-trained first prediction model.

일 실시예에서, 제 1 학습 데이터는 공공 데이터베이스(예를 들어, IEDB, HLA atlas Ligand, SysteMHC, Altas)의 데이터로부터 펩타이드와 MHC가 결합하는 것으로 라벨링된 학습 데이터 및 공공 데이터베이스의 데이터로부터 펩타이드와 MHC가 결합하지 않는 것으로 라벨링된 학습 데이터를 포함할 수 있다. 추가적인 실시예에서, 제 1 학습 데이터는 펩타이드와 MHC를 입력으로 하고 결합 정도를 출력으로 하는 별도의 인공지능 기반의 모델에 의해 결정될 수도 있다.In one embodiment, the first training data is training data labeled as binding between a peptide and an MHC from data in a public database (e.g., IEDB, HLA atlas Ligand, SysteMHC, Altas), and training data labeled as binding a peptide and an MHC from data in a public database (e.g., IEDB, HLA atlas Ligand, SysteMHC, Altas). may contain training data labeled as non-binding. In an additional embodiment, the first learning data may be determined by a separate artificial intelligence-based model that uses peptide and MHC as input and the degree of binding as output.

일 실시예에서, 제 1 예측 모델을 이용하여 제 1 학습 데이터로부터 출력된 제 1 예측 결과는 공공 데이터 베이스의 pMHC 결합 정도를 포함하는 데이터로부터 결합 정도를 세분화할 수 있다. 세분화된 결합 정도를 포함하는 데이터는 새로운 클래스로 분류될 수 있다. 일례로, 제 1 예측 모델을 이용하여 출력된 제 1 예측 결과는 상기 제 2 학습 데이터가 제 1 예측 모델에 의하여 데이터 정제(data cleansing)된 것으로 볼 수 있다. 데이터 정제는 pMHC 결합 정도에 대한 값 등(예를 들어, IC50, t1/2)을 처리하여 pMHC 결합 정도에 대한 데이터의 신뢰도를 높이는 작업일 수 있다.In one embodiment, the first prediction result output from the first learning data using the first prediction model may refine the degree of binding from data including the degree of pMHC binding in a public database. Data containing a fine-grained degree of combination can be classified into new classes. For example, the first prediction result output using the first prediction model can be viewed as data cleansing of the second learning data by the first prediction model. Data purification may be a task to increase the reliability of data on the degree of pMHC binding by processing values for the degree of pMHC binding (e.g., IC50, t 1/2 ).

일 실시예에서, 컴퓨팅 장치(100)는 제 1 예측 결과 및 제 1 라벨링 데이터에 기초하여, 제 1 학습 데이터의 제 1 라벨링 데이터를 펩타이드와 MHC의 결합과 관련된 제 3 개수의 클래스들과 대응되는 제 2 라벨링 데이터로 업데이트할 수 있다(S330).In one embodiment, the computing device 100, based on the first prediction result and the first labeling data, classifies the first labeling data of the first learning data to correspond to a third number of classes related to the combination of the peptide and the MHC. It can be updated with the second labeling data (S330).

일 실시예에서, 라벨링 데이터를 업데이트한다는 것은, 제 1 입력 데이터에 대응되는 라벨링 데이터의 라벨링 기준을 변경하거나, 라벨링 방식을 변경하거나, 또는 라벨링 값을 변경하는 것을 포괄하도록 사용될 수 있다.In one embodiment, updating labeling data may be used to encompass changing the labeling standard of the labeling data corresponding to the first input data, changing the labeling method, or changing the labeling value.

일 실시예에서, 제 1 예측 결과는 제 1 예측 모델을 통해 획득된 pMHC의 결합 정도를 포함하는 정보를 기준으로 분류된 pMHC들의 결과를 포함할 수 있다.In one embodiment, the first prediction result may include the results of pMHCs classified based on information including the degree of binding of pMHC obtained through the first prediction model.

일 실시예에서, 제 1 라벨링 데이터는 펩타이드 및 MHC에 대응되는 제 1 입력 데이터에 대응될 수 있다. 일례로, 제 1 라벨링 데이터는 제 1 학습 데이터에 포함되는 제 1 입력 데이터의 pMHC들의 결합 정도에 따라, 100% 결합을 나타내는 제 1a 라벨링, 80% 결합을 나타내는 제 1b 라벨링, 60% 결합을 나타내는 제 1c 라벨링, 40% 결합을 나타내는 제 1d 라벨링, 20% 결합을 나타내는 제 1e 라벨링, 0% 결합을 나타내는 제 1f 라벨링을 포함할 수 있다.In one embodiment, the first labeling data may correspond to first input data corresponding to peptides and MHC. For example, the first labeling data may be 1a labeling indicating 100% binding, 1b labeling indicating 80% binding, and 60% binding depending on the degree of binding of pMHCs of the first input data included in the first learning data. A 1c labeling, a 1d labeling indicating 40% binding, a 1e labeling indicating 20% binding, and a 1f labeling indicating 0% binding.

일 실시예에서, 제 1 개수의 클래스들과 상기 제 2 개수의 클래스들의 조합에 기초하여, 제 1 학습 데이터에 대응되는 제 1 라벨링 데이터를 제 3 개수의 클래스들과 대응되는 제 2 라벨링 데이터로 업데이트할 수 있다.In one embodiment, based on a combination of the first number of classes and the second number of classes, first labeling data corresponding to the first training data is converted into second labeling data corresponding to the third number of classes. It can be updated.

일 실시예에서, 제 3 개수의 클래스들에서 개수는 3 이상의 자연수를 의미할 수 있다. 추가적인 실시예에서, 제 3 개수(예를 들어, 4개)의 클래스들과 대응되는 제 2 라벨링 데이터는 예를 들어, pMHC의 정량화된 결합을 의미하는 클래스 1', pMHC의 정량화된 약한 결합을 의미하는 클래스 2', pMHC의 정량화된 약한 비결합(non-binding)을 의미하는 클래스 3', pMHC의 정량화된 비결합을 의미하는 클래스 4'에 대응될 수 있다. 이러한 예시에서, 제 1 개수의 클래스들은 신뢰도가 낮은 테스트에 따라 획득된 결합 또는 비결합을 나타내는 2개의 클래스들을 포함할 수 있으며, 제 2 개수의 클래스들은 신뢰도가 높은 테스트에 따라 획득된 결합 또는 비결합을 나타내는 2개의 클래스들을 포함할 수 있다. 제 2 개수의 클래스들로 사전학습된 제 1 예측 모델의 출력은 제 2 개수의 클래스들을 포함할 것이고, 이러한 제 2 개수의 클래스들과 입력되는 제 1 학습 데이터에 라벨링된 제 1 개수의 클래스들을 비교함으로써, 제 1 입력 데이터에 라벨링될 새로운 형태의 클래스들이 생성될 수 있다. 이러한 예시에서는 제 1 클래스들에 대응되는 2개의 클래스들과 제 2 클래스들에 대응되는 2개의 클래스들의 조합에 따라 총 4개의 클래스들이 제 3 클래스들로 생성될 수 있다. 이에 따라, 4개의 클래스들을 기준으로 한 라벨링이 적용된 제 1 입력 데이터가 제 3 학습 데이터를 구성할 수 있으며, 이러한 제 3 학습 데이터에 기반하여 제 1 예측 모델이 재훈련되거나 또는 제 2 예측 모델이 훈련될 수 있다. 이러한 방식으로, 상대적으로 정확도 혹은 신뢰도가 낮은 테스트의 결과에 따른 라벨링 결과에 대한 정확도가 높아질 수 있으며, 이에 따라 충분한 양의 학습 데이터가 획득 및 생성될 수 있다는 기술적 효과가 달성될 수 있다.In one embodiment, the number in the third number of classes may mean a natural number of 3 or more. In a further embodiment, the second labeling data corresponding to a third number (e.g., 4) of classes is class 1', e.g., class 1', meaning quantified binding of pMHC, quantified weak binding of pMHC. It may correspond to class 2', meaning quantified weak non-binding of pMHC, class 3', meaning quantified weak non-binding of pMHC, and class 4', meaning quantified non-binding of pMHC. In this example, a first number of classes may include two classes representing association or disunion obtained according to a low-confidence test, and a second number of classes may include two classes representing association or non-association obtained according to a high-confidence test. It can contain two classes representing a combination. The output of the first prediction model pretrained with the second number of classes will include the second number of classes, and the first number of classes labeled in the input first training data with this second number of classes. By comparing, new types of classes to be labeled in the first input data can be created. In this example, a total of four classes can be created as third classes according to a combination of two classes corresponding to the first classes and two classes corresponding to the second classes. Accordingly, first input data to which labeling based on four classes is applied may constitute third learning data, and the first prediction model is retrained or the second prediction model is retrained based on this third learning data. It can be trained. In this way, the accuracy of labeling results according to the results of tests with relatively low accuracy or reliability can be increased, and the technical effect that a sufficient amount of learning data can be acquired and generated can be achieved.

제 1 라벨링 데이터를 제 2 라벨링 데이터로 업데이트하는 단계에 대한 추가적인 설명은 도 5에서 후술하기로 한다.Additional description of the step of updating the first labeling data to the second labeling data will be described later with reference to FIG. 5.

일 실시예에서, 컴퓨팅 장치(100)는 제 2 라벨링 데이터 및 제 1 입력 데이터를 포함하는 제 3 학습 데이터를 생성할 수 있다(S340).In one embodiment, the computing device 100 may generate third learning data including second labeling data and first input data (S340).

일 실시예에서, 제 3 학습 데이터는 상기 제 3 개수의 클래스를 분류하도록 제 2 예측 모델을 훈련하는 데에 사용될 수 있다. 추가적인 실시예에서, 제 3 학습 데이터는 제 3 개수의 클래스를 분류하도록 제 1 예측 모델을 재훈련시키는데 사용될 수도 있다. 이에 따라, 제 1 예측 모델 및/또는 제 2 예측 모델은 제 3 개수의 클래스들로 보다 정확하게 보다 세분화되어 학습될 수 있어서, 이러한 학습의 결과 제 1 예측 모델 및/또는 제 2 예측 모델의 추론 성능이 향상될 수 있다.In one embodiment, the third training data may be used to train a second prediction model to classify the third number of classes. In a further embodiment, the third training data may be used to retrain the first prediction model to classify a third number of classes. Accordingly, the first prediction model and/or the second prediction model can be learned to be more accurately segmented into a third number of classes, so that the inference performance of the first prediction model and/or the second prediction model as a result of such learning This can be improved.

추가적인 실시예에서, 제 2 라벨링 데이터 및 제 1 입력 데이터를 포함하는 제 3 학습 데이터를 생성하는 단계는, 제 1 예측 결과에 포함된 클래스와 상기 제 1 라벨링 데이터에 포함된 클래스가 서로 대응되는 경우, 상기 제 1 라벨링 데이터를 상기 제 2 라벨링 데이터로 사용하고 그리고 상기 제 2 라벨링 데이터 및 상기 제 1 입력 데이터를 상기 제 3 학습 데이터에 포함할 수 있다.In a further embodiment, the step of generating third training data including second labeling data and first input data may be performed when the class included in the first prediction result and the class included in the first labeling data correspond to each other. , the first labeling data may be used as the second labeling data, and the second labeling data and the first input data may be included in the third learning data.

추가적인 실시예에서, 제 2 라벨링 데이터 및 제 1 입력 데이터를 포함하는 제 3 학습 데이터를 생성하는 단계는, 제 1 예측 결과에 포함된 클래스와 상기 제 1 라벨링 데이터에 포함된 클래스가 서로 대응되지 않는 경우, 상기 제 1 입력 데이터를 상기 제 3 학습 데이터에 포함시키지 않을 수 있다. 이러한 실시예에서 제 1 예측 결과에 포함된 클래스가 "비결합"이고 제 1 라벨링 데이터에 포함된 클래스가 "결합"으로 서로 대응되지 않는 경우, 제 1 예측 결과에 대응되는 제 1 입력 데이터는 제 3 학습 데이터를 구축하는데 사용되지 않을 수 있다. 이에 따라, 제 3 학습 데이터의 신뢰도 및 정확도가 상승될 수 있다는 기술적 효과가 도출될 수 있다.In a further embodiment, the step of generating third training data including second labeling data and first input data may be performed when the class included in the first prediction result and the class included in the first labeling data do not correspond to each other. In this case, the first input data may not be included in the third learning data. In this embodiment, if the class included in the first prediction result is “non-combined” and the class included in the first labeling data is “combined” and do not correspond to each other, the first input data corresponding to the first prediction result is 3 May not be used to build training data. Accordingly, the technical effect that the reliability and accuracy of the third learning data can be increased can be derived.

제 2 라벨링 데이터 및 제 1 입력 데이터를 포함하는 제 3 학습데이터를 생성하는 단계에 대한 추가적인 설명은 도 6에서 후술하기로 한다.Additional description of the step of generating third learning data including second labeling data and first input data will be described later with reference to FIG. 6 .

일 실시예에서, 컴퓨팅 장치(100)는 제 3 학습 데이터에 기초하여, 제 3 개수의 클래스들을 분류하도록 제 2 예측 모델을 훈련할 수 있다(S350).In one embodiment, the computing device 100 may train a second prediction model to classify a third number of classes based on the third learning data (S350).

일 실시예에서, 예측 모델들은 학습 데이터에 기초하여 사전 결정된 개수의 클래수들을 분류하기 위한 임의의 방식의 학습 방법에 기반하여 동작될 수 있다.In one embodiment, prediction models may be operated based on any learning method to classify a predetermined number of classes based on training data.

일 실시예에서, 결합 가능한 MHC와 펩타이드 혹은 MHC 및 펩타이드 각각은 실험 결과 데이터 및/또는 공공 데이터베이스(예를 들어, IEDB, HLA atlas Ligand, SysteMHC Altas)를 통해 획득될 수 있다.In one embodiment, MHC and peptides capable of binding, or each of MHC and peptides, may be obtained through experimental result data and/or public databases (e.g., IEDB, HLA atlas Ligand, SysteMHC Altas).

제 3 학습 데이터에 기초하여, 제 3 개수의 클래스들을 분류하도록 제 2 예측 모델(또는 제 1 예측 모델)을 훈련하는 단계에 대한 추가적인 설명은 도 6에서 후술하기로 한다.Additional description of the step of training the second prediction model (or first prediction model) to classify the third number of classes based on the third learning data will be described later with reference to FIG. 6.

도 4는 본 개시내용의 일 실시예에 따라 pMHC들을 결합 정도에 따라 이진 분류하는 예측 모델의 훈련 방법을 예시적으로 도시한다.Figure 4 exemplarily shows a method of training a prediction model for binary classifying pMHCs according to the degree of binding according to an embodiment of the present disclosure.

일 실시예에 따라 pMHC들을 결합 정도에 따라 이진 분류하는 예측 모델의 훈련 방법이 도 4에 예시적으로 도시된다. 도 4에서 도시되는 단계들은 컴퓨팅 장치(100)에 의해 수행될 수 있다.According to one embodiment, a method of training a prediction model that binary classifies pMHCs according to the degree of binding is illustratively shown in FIG. 4. The steps shown in FIG. 4 may be performed by computing device 100.

일 실시예의 따른 예측 모델의 예시인 제 1 예측 모델(420)은 제 2 학습 데이터(410)를 이용하여 훈련될 수 있다. 제 2 학습 데이터(410)는 결합된 것으로 식별된 pMHC 학습 데이터들(412a, 412b)과 결합되지 않은 것으로 식별된 pMHC 학습 데이터들(414a, 414b)로 구성될 수 있다.The first prediction model 420, which is an example of a prediction model according to an embodiment, may be trained using the second learning data 410. The second learning data 410 may be composed of pMHC learning data 412a, 412b identified as combined and pMHC learning data 414a, 414b identified as not combined.

일 실시예에서, 제 1 예측 모델(420)의 사전 학습은, 실험 데이터를 통해 결합이 일어난 것으로 식별된 pMHC(Binding pMHC)와 실험 데이터를 통해 결합이 일어나지 않은 것으로 식별된 pMHC(Non-binding pMHC)의 정답 데이터를 학습 데이터 세트로 한 지도 학습, 반-지도 학습, 비지도 학습, 전이 학습 또는 강화학습을 포함할 수 있다.In one embodiment, the pre-training of the first prediction model 420 includes pMHC (Binding pMHC) identified as having occurred through experimental data and pMHC (Non-binding pMHC) identified as having not occurred through experimental data. ) may include supervised learning, semi-supervised learning, unsupervised learning, transfer learning, or reinforcement learning using the correct answer data of ) as the learning data set.

일례로, 제 1 예측 모델의 상기 반-지도 학습을 수행하기 위해 컴퓨팅 장치(100)는, 실험 데이터를 통해 결합이 일어난 것으로 식별된 pMHC의 일부는 Binding pMHC 라벨링(412a)하고(labeled, L), 실험 데이터를 통해 결합이 일어난 것으로 식별된 pMHC의 일부는 Binding pMHC로 라벨링하지 않고(412b)(unlabeled, U) 진행할 수 있다. 또한, 제 1 예측 모델의 상기 반-지도 학습을 수행하기 위해 컴퓨팅 장치(100)는, 실험 데이터를 통해 결합이 일어나지 않은 것으로 식별된 pMHC의 일부는 Non-binding pMHC로 라벨링(414a)하고, 실험 데이터를 통해 결합이 일어나지 않은 것으로 식별된 pMHC의 일부는 Non-binding pMHC로 라벨링하지 않고(414b) 진행할 수 있다.For example, in order to perform the semi-supervised learning of the first prediction model, the computing device 100 labels (412a) Binding pMHC a portion of pMHC identified as having been bound through experimental data (labeled, L). , the part of pMHC identified as having bound through experimental data can be proceeded without labeling it as Binding pMHC (412b) (unlabeled, U). Additionally, in order to perform the semi-supervised learning of the first prediction model, the computing device 100 labels a portion of pMHC identified through experimental data as non-binding pMHC as non-binding pMHC (414a), and performs the semi-supervised learning of the first prediction model. Some of the pMHC identified through data as having not occurred can be processed without labeling them as non-binding pMHC (414b).

추가적인 실시예에서, 학습 데이터의 일부로써, 라벨링한 학습 데이터들(412a, 414a, 512a, 514a, 612a, 614a)(도 4, 도5, 및 도6에서 L)과 학습 데이터의 다른 일부로써, 라벨링 하지 않은 학습 데이터들(412b, 414b, 512b, 514b, 612b, 614b)(도 4, 도5, 및 도6에서 U)의 구성 비율은 예측 모델들(420, 520, 640)의 성능 평가에 의하여 달리 정해질 수 있다. 일례로, 도 4에서 제 2 학습 데이터(410)를 구성하는 라벨링된 데이터(412a, 414a)와 라벨링 되지 않은 데이터(412b, 414b)의 비율은 1:2로 표현되었으나, L과 U의 구성 비율은 이에 국한되지 않는다.In a further embodiment, as part of the training data, labeled training data 412a, 414a, 512a, 514a, 612a, 614a (L in FIGS. 4, 5, and 6) and other parts of the training data, The composition ratio of the unlabeled training data (412b, 414b, 512b, 514b, 612b, 614b) (U in FIGS. 4, 5, and 6) is used to evaluate the performance of the prediction models (420, 520, 640). It may be determined differently. For example, in FIG. 4, the ratio of labeled data (412a, 414a) and unlabeled data (412b, 414b) constituting the second learning data 410 is expressed as 1:2, but the ratio of L and U is not limited to this.

추가적인 실시예에서, 학습 데이터 내에서 L과 U의 구성 비율은 예측 모델의 성능 평가에 의하여 다른 L과 U의 구성 비율로 설정되어, 예측 모델의 정확도가 보다 증대될 수 있다.In an additional embodiment, the composition ratio of L and U in the learning data is set to a different composition ratio of L and U by evaluating the performance of the prediction model, so that the accuracy of the prediction model can be further increased.

일 실시예에서, 제 1 예측 모델(420)에 의하여 출력되는 분류 결과(430)는 펩타이드와 MHC의 결합과 관련된 복수개의 클래스들을 포함할 수 있다. 일례로, 복수개의 클래스들은 pMHC를 구성하는 펩타이드와 MHC의 결합 정도에 관련될 수 있다.In one embodiment, the classification result 430 output by the first prediction model 420 may include a plurality of classes related to the binding of a peptide and MHC. For example, a plurality of classes may be related to the degree of binding between the peptide constituting pMHC and MHC.

추가적인 실시예에서, 제 1 예측 모델(420)에 의하여 출력되는 분류 결과(430)는 제 2 개수(예컨대, 2개)의 클래스들에 포함된 제 1 클래스(432) 및 제 2 클래스(434)로 이루어질 수 있다.In a further embodiment, the classification result 430 output by the first prediction model 420 includes a first class 432 and a second class 434 included in a second number (e.g., two) of classes. It can be done with

추가적인 실시예에서, 제 1 클래스(432) 및 제 2 클래스(434)는 제 1 클래스(432)에 대응되는 제 1 스코어와 제 2 클래스(434)에 대응되는 제 2 스코어를 기준으로 분류될 수 있다. 일례로, 제 1 스코어는 MS 분석 결과, 결합하는 것으로 식별(예를 들어, IC50 ≤ 500nM)하고 제 2 스코어는 MS 분석 결과, 결합하는 것으로 식별(예를 들어, IC50 > 500nM)하여 클래스들(432, 434)을 구분할 수 있다.In a further embodiment, the first class 432 and the second class 434 may be classified based on a first score corresponding to the first class 432 and a second score corresponding to the second class 434. there is. In one example, the first score identifies binding as a result of MS analysis (e.g., IC50 ≤ 500nM) and the second score identifies binding as a result of MS analysis (e.g., IC50 > 500nM) to classify the classes ( 432, 434) can be distinguished.

도 5는 본 개시내용의 일 실시예에 따라 선재하는 라벨링 데이터와 예측 모델을 통해 출력된 예측 결과에 기초하여 라벨링 데이터를 업데이트하여 새로운 클래스들을 생성하는 방법을 예시적으로 도시한다.FIG. 5 exemplarily illustrates a method of generating new classes by updating labeling data based on pre-existing labeling data and a prediction result output through a prediction model according to an embodiment of the present disclosure.

일 실시예에서, 제 1 예측 모델(520)을 통해 분류된 제 1 예측 결과(532)와 제 1 라벨링 데이터(512a, 512b, 514a, 514b)에 기초하여 라벨링 데이터를 업데이트하여 새로운 클래스들이 생성될 수 있다.In one embodiment, new classes are created by updating labeling data based on the first prediction result 532 classified through the first prediction model 520 and the first labeling data 512a, 512b, 514a, and 514b. You can.

일 실시예에서, 제 1 개수의 클래스들(532)과 상기 제 2 개수의 클래스들(430)의 조합에 기초하여, 제 1 학습 데이터(510)에 대응되는 제 1 라벨링 데이터(53a, 53b)를 제 3 개수의 클래스들(540)과 대응되는 제 2 라벨링 데이터(54a, 54b, 54c, 54d)로 업데이트할 수 있다.In one embodiment, based on a combination of the first number of classes 532 and the second number of classes 430, first labeling data 53a, 53b corresponding to the first learning data 510 may be updated with second labeling data 54a, 54b, 54c, and 54d corresponding to the third number of classes 540.

일 실시예에서, 제 3 개수의 클래스들(540)에서 개수는 3 이상의 자연수를 의미할 수 있다. 추가적인 실시예에서, 제 3 개수(예를 들어, 4개)의 클래스들(540)과 대응되는 제 2 라벨링 데이터(54a, 54b, 54c, 54d)는 예를 들어, pMHC의 정량화된 결합을 의미하는 클래스 1', pMHC의 정량화된 약한 결합을 의미하는 클래스 2', pMHC의 정량화된 약한 비결합(non-binding)을 의미하는 클래스 3', pMHC의 정량화된 비결합을 의미하는 클래스 4'에 대응될 수 있다. 이러한 예시에서, 제 1 개수의 클래스들(532)은 신뢰도가 낮은 테스트에 따라 획득된 결합 또는 비결합을 나타내는 2개의 클래스들을 포함할 수 있으며, 제 2 개수의 클래스들(430)은 신뢰도가 높은 테스트에 따라 획득된 결합 또는 비결합을 나타내는 2개의 클래스들을 포함할 수 있다. 제 2 개수의 클래스들(430)로 사전학습된 제 1 예측 모델의 출력은 제 2 개수의 클래스들(430)을 포함할 것이고, 이러한 제 2 개수의 클래스들(430)과 입력되는 제 1 학습 데이터에 라벨링된 제 1 개수의 클래스들(532)을 비교함으로써, 제 1 입력 데이터에 라벨링될 새로운 형태의 클래스들(540)이 생성될 수 있다. 이러한 예시에서는 제 1 개수의 클래스들(532)에 대응되는 2개의 클래스들(53a, 53b)과 제 2 개수의 클래스들(430)에 대응되는 2개의 클래스들(432, 434)의 조합에 따라 총 4개의 클래스들이 제 3 개수의 클래스들(540)로 생성될 수 있다.In one embodiment, the number in the third number of classes 540 may mean a natural number of 3 or more. In a further embodiment, the second labeling data 54a, 54b, 54c, 54d corresponding to a third number (e.g. four) of classes 540 refers to quantified binding of pMHC, for example. Class 1', which means quantified weak binding of pMHC, Class 2', which means quantified weak non-binding of pMHC, Class 3', which means quantified weak non-binding of pMHC, and Class 4' which means quantified non-binding of pMHC. can be responded to. In this example, the first number of classes 532 may include two classes representing association or non-association obtained according to a low-confidence test, and the second number of classes 430 may include a high-confidence test. It may contain two classes representing the binding or non-binding obtained according to the test. The output of the first prediction model pretrained with the second number of classes 430 will include the second number of classes 430, and the first learning input with this second number of classes 430 By comparing the first number of classes 532 labeled in the data, new types of classes 540 to be labeled in the first input data may be created. In this example, according to the combination of two classes (53a, 53b) corresponding to the first number of classes (532) and two classes (432, 434) corresponding to the second number of classes (430) A total of four classes can be created with the third number of classes 540.

일 실시예에서, 우선 제 1 예측 모델(520)의 출력에 포함된 제 1 개수의 클래스들(532)은 이진 분류에 따라 결합 pMHC(53a)와 비결합 pMHC(53b)으로 출력된다.In one embodiment, the first number of classes 532 included in the output of the first prediction model 520 are output as combined pMHC 53a and non-bound pMHC 53b according to binary classification.

추가적인 실시예에서, 새로운 클래스의 생성(500)은, 예를 들어, 제 1 학습 데이터(510)의 결합된 것으로 식별된 pMHC 학습 데이터들(512a, 512b)이 결합 pMHC(53a)로 예측된 경우, 새로운 클래스 1'(54a)을 생성하는 과정을 포함할 수 있다. 또한, 제 1 학습 데이터(510)의 결합된 것으로 식별된 pMHC 학습 데이터들(512a, 512b)이 비결합 pMHC(53b)로 예측된 경우, 새로운 클래스 2'(54a)를 생성하는 과정을 포함할 수 있다.In a further embodiment, the creation of a new class 500 may be performed, for example, when the pMHC training data 512a, 512b identified as combined in the first training data 510 are predicted to be a combined pMHC 53a. , may include the process of creating a new class 1' (54a). In addition, when the pMHC learning data (512a, 512b) identified as combined in the first learning data (510) is predicted to be an unbound pMHC (53b), a process of generating a new class 2' (54a) may be included. You can.

추가적인 예시로, 새로운 클래스의 생성(500)은, 제 1 학습 데이터(510)의 결합되지 않는 것으로 식별된 pMHC 학습 데이터들(514a, 514b)이 결합 pMHC(53a)로 예측된 경우 새로운 클래스 3'(54c)을 생성하는 과정을 포함할 수 있다. 또한, 제 1 학습 데이터(510)의 결합되지 않는 것으로 식별된 pMHC 학습 데이터들(514a, 514b)이 비결합 pMHC(53b)로 예측된 경우, 새로운 클래스 4'(54d)를 생성하는 과정을 포함할 수 있다. 이러한 방식으로 새로운 클래스의 생성(500)은 각각 결합 pMHC, 약한 결합 pMHC, 약한 비결합 pMHC, 또는 비결합 pMHC를 나타내는 클래스 1', 클래스 2', 클래스 3', 또는 클래스 4'(54a, 54b, 54c, 54d)를 포함하는 새로운 클래스들(540)을 생성할 수 있다.As a further example, the creation of a new class 500 may generate new class 3' when the pMHC training data 514a, 514b identified as not combined in the first training data 510 are predicted to be a combined pMHC 53a. It may include a process of generating (54c). In addition, when the pMHC learning data (514a, 514b) identified as non-binding in the first learning data (510) is predicted to be non-binding pMHC (53b), a process of generating a new class 4' (54d) is included. can do. In this way, the creation of new classes 500 can be class 1', class 2', class 3', or class 4', representing binding pMHC, weakly binding pMHC, weakly unbinding pMHC, or nonbinding pMHC, respectively (54a, 54b). , 54c, and 54d) can be created.

일 실시예에 따라, 상기 4개의 새로운 클래스들(540, 620)을 기준으로 한 라벨링이 적용된 제 1 학습 데이터(610)가 제 3 학습 데이터(630)를 구성할 수 있으며, 이러한 제 3 학습 데이터(630)에 기반하여 제 1 예측 모델(420, 520)이 재훈련되거나 또는 제 2 예측 모델(640)이 훈련될 수 있다. 이러한 방식으로, 상대적으로 정확도 혹은 신뢰도가 낮은 테스트의 결과에 따른 라벨링 결과에 대한 정확도가 높아질 수 있으며, 이에 따라 충분한 양의 학습 데이터가 획득 및 생성될 수 있다는 기술적 효과가 달성될 수 있다.According to one embodiment, the first learning data 610 to which labeling based on the four new classes 540 and 620 is applied may constitute third learning data 630, and this third learning data Based on 630, the first prediction models 420 and 520 may be retrained or the second prediction model 640 may be trained. In this way, the accuracy of labeling results according to the results of tests with relatively low accuracy or reliability can be increased, and the technical effect that a sufficient amount of learning data can be acquired and generated can be achieved.

도 6은 본 개시내용의 일 실시예에서 따라 업데이트된 라벨링 데이터 및 학습 데이터에 기초한 예측 모델의 훈련 방법을 예시적으로 도시한다.6 exemplarily illustrates a method of training a prediction model based on updated labeling data and training data according to an embodiment of the present disclosure.

일 실시예에서, 새로운 클래스들(620)과 제 1 학습 데이터(610)에 기초한 재라벨링(Re-Labeling)(63) 데이터 및 제 1 입력 데이터를 포함하는 제 3 학습 데이터(630)에 기반하여 제 2 예측 모델(640)이 훈련될 수 있다.In one embodiment, based on third training data 630 including new classes 620 and re-labeling 63 data based on first training data 610 and first input data. A second prediction model 640 may be trained.

일 실시예에서, 상기 제 3 학습 데이터(630)에 포함되는 입력 데이터, 라벨링 데이터 및/또는 재라밸링 데이터 풀(data pool)은, 도 6에서 도시되는 바와 같이 제 1 학습데이터(610)에 국한되지 않는다. 일례로, 제 3 학습 데이터(630)에 포함되는 데이터를 구성하기 위한 제 1 학습 데이터(610)는, 도 5의 제 1 예측 모델(520)을 훈련하기 위하여 사용되는 제 1 학습 데이터(510)과는 다른 종류의 공공 데이터베이스 및/또는 실험 결과 데이터를 포함할 수 있다. 이와 같은 방식의 제 3 학습 데이터(630)의 구성(632a, 632b, 634a, 634b)으로 제 2 예측 모델(640)의 훈련이 이루어질 수 있다.In one embodiment, the input data, labeling data, and/or relabeling data pool included in the third learning data 630 is limited to the first learning data 610, as shown in FIG. 6. It doesn't work. For example, the first learning data 610 for configuring the data included in the third learning data 630 is the first learning data 510 used to train the first prediction model 520 of FIG. 5. It may include different types of public databases and/or experimental result data. The second prediction model 640 can be trained by configuring the third learning data 630 in this way (632a, 632b, 634a, 634b).

일 실시예에서, 제 2 예측 모델(640)은 제 3 개수의 클래스들(650)을 포함하는 예측 결과를 출력할 수 있다. 일례로, 제 3 개수의 클래스들(650)은 4개의 클래스를 가질 수 있다. 각각의 클래스는 펩타이드와 MHC가 결합일 확률이 높을수록 낮은 번호의 클래스(예컨대, 클래스 1(65a))에 분류되고, 펩타이드와 MHC가 비결합일 확률이 낮을수록 높은 번호의 클래스(예컨대, 클래스 N(65c), 여기서 N은 자연수)에 분류될 수 있다. 추가적인 예시에서, 각각의 클래스는 펩타이드와 MHC 간의 결합이 강할수록 낮은 번호의 클래스(예컨대, 클래스 1(65a))에 분류되고, 펩타이드와 MHC 간의 결합이 약할수록 높은 번호의 클래스(예컨대, 클래스 N(65c), 여기서 N은 자연수)에 분류될 수 있다. 이들 클래스(65a, 65b, 65c)는 컴퓨터 장치(100)의 예측 모델 구동에 유리한 방식으로 넘버링(numbering)될 수 있으며, 숫자, 벡터, 행렬 등에 국한되지 않는다.In one embodiment, the second prediction model 640 may output a prediction result including a third number of classes 650. For example, the third number of classes 650 may have four classes. Each class is classified into a lower-numbered class (e.g., class 1 (65a)) the higher the probability that the peptide and MHC are bound, and the lower the probability that the peptide and MHC are unbound, the higher-numbered class (e.g., class N (65c), where N is a natural number). In a further example, each class is classified into a lower numbered class (e.g., class 1 (65a)) as the binding between the peptide and the MHC is stronger, and into a higher numbered class (e.g., class N) as the binding between the peptide and the MHC is weaker. (65c), where N is a natural number). These classes 65a, 65b, and 65c can be numbered in a way that is advantageous for driving a prediction model of the computer device 100, and are not limited to numbers, vectors, matrices, etc.

일 실시예에서, 예측 모델(640)의 추론(inference) 과정에서 제 1 학습 데이터에 대한 pMHC 분류 결과의 새로운 클래스들(620) 및 제 2 학습 데이터에 대한 pMHC 분류 결과(532)를 조합하거나 다른 모델에 입력하는 방식으로, 학습 데이터 세트에 대응하는 pMHC 분류 결과(650)가 출력될 수 있다. 이러한 예측 모델의 훈련 방식은 다면적이고 효과적인 pMHC의 분류 결과를 생성할 수 있다.In one embodiment, in the inference process of the prediction model 640, the new classes 620 of the pMHC classification result for the first training data and the pMHC classification result 532 for the second training data are combined or other By inputting it into the model, the pMHC classification result 650 corresponding to the learning data set can be output. This prediction model training method can produce multifaceted and effective pMHC classification results.

도 7은 본 개시내용의 일 실시예에 따른 토큰화 프로세스를 예시적으로 나타낸다.7 illustratively illustrates a tokenization process according to one embodiment of the present disclosure.

일 실시예에서, 제 1 입력 데이터(710)의 전처리는 토큰화 프로세스(720) 및 세그멘팅 프로세스(730)를 포함할 수 있다. 토큰화 프로세스(720)는, 단일 또는 복수개 단위로 아미노산 서열들을 토큰화 하는 것을 포함할 수 있다. 세그멘팅 프로세스(730)는 토큰화된 토큰 그룹들(712, 714)을 조합하는 프로세스 및/또는 pMHC를 구성하는 아미노산 서열 중 펩타이드의 아미노산 서열 토큰들과 MHC의 아미노산 서열 토큰들을 분리(separating)하는 프로세스를 의미할 수 있다. 일 실시예에서, 학습 데이터 세트(740)는 토큰화 프로세스(720) 및 세그멘팅 프로세스(730)에 기반하여 생성되는 데이터로서, 예측 모델의 훈련을 위해 사용될 수 있다.In one embodiment, preprocessing of first input data 710 may include tokenization process 720 and segmentation process 730. The tokenization process 720 may include tokenizing amino acid sequences in single or multiple units. The segmenting process 730 is a process of combining the tokenized token groups 712 and 714 and/or separating the amino acid sequence tokens of the peptide and the amino acid sequence tokens of the MHC among the amino acid sequences constituting the pMHC. It can mean a process. In one embodiment, the training data set 740 is data generated based on the tokenization process 720 and the segmentation process 730 and can be used for training a prediction model.

일 실시예에서, 토큰화 프로세스(720)는, 상이한 길이의 아미노산 서열들 각각에 대한 출현 빈도를 분석함으로써, 상이한 길이의 아미노산 서열들 각각에 대응되는 길이를 가지는 토큰들을 생성하는 프로세스를 포함할 수 있다. 여기서 아미노산 서열의 길이는 아미노산 서열에 포함되는 아미노산들의 개수와 대응될 수 있다. 일례로, 아미노산 서열의 길이가 4인 경우, 해당 아미노산 서열에 포함된 아미노산들의 개수는 4일 수 있다. 라벨링의 대상이 되는 입력 데이터는 토큰화 결과에 따른 토큰의 단위로 라벨링 및 학습될 수 있다.In one embodiment, tokenization process 720 may include a process of generating tokens having a length corresponding to each of the different length amino acid sequences by analyzing the frequency of occurrence for each of the different length amino acid sequences. there is. Here, the length of the amino acid sequence may correspond to the number of amino acids included in the amino acid sequence. For example, if the length of the amino acid sequence is 4, the number of amino acids included in the amino acid sequence may be 4. Input data subject to labeling can be labeled and learned in units of tokens according to the tokenization result.

일례로, 토큰화 프로세스는 토큰 그룹화 프로세스를 포함할 수 있다. 즉, 토큰 그룹화 프로세스에 의해 생성된 토큰들에 기반하여, 제 1 입력 데이터에 대한 토큰화가 수행될 수 있다.In one example, the tokenization process may include a token grouping process. That is, tokenization of the first input data may be performed based on tokens generated by the token grouping process.

일 실시예에서, 출현 빈도는 하나의 펩타이드의 아미노산 서열 내에서 특정 아미노산 서열이 발견될 확률을 정량적으로 나타낸 값을 나타낼 수 있다. 일 실시예에서, 출현 빈도는 전체 펩타이드들의 개수에 대한 상기 전체 펩타이드들에서 특정 아미노산 서열이 발견된 횟수의 비율을 정량적으로 나타낸 값을 나타낼 수 있다.In one embodiment, the frequency of appearance may represent a value that quantitatively represents the probability of a specific amino acid sequence being found within the amino acid sequence of one peptide. In one embodiment, the frequency of appearance may quantitatively represent the ratio of the number of times a specific amino acid sequence is found in all peptides to the total number of peptides.

일 실시예에서, 토큰화 프로세스는, 제 1 길이를 가지는 아미노산 서열들에 대한 출현 빈도를 분석함에 따라 획득되는 제 1 세트의 아미노산 서열들에 대한 제 1 토큰 그룹을 생성하는 단계, 및 제 1 토큰 그룹에 포함된 상기 제 1 세트의 아미노산 서열들이 제외된 상태에서, 제 1 길이보다 짧은 길이인 제 2 길이를 가지는 아미노산 서열들에 대한 출현 빈도를 분석함에 따라 획득되는 제 2 세트의 아미노산 서열들을 포함하는 제 2 토큰 그룹을 생성하는 단계를 포함할 수 있다. 여기서 제 1 토큰 그룹에 포함된 토큰들은 제 1 길이를 가지며 그리고 제 2 토큰 그룹에 포함된 토큰들은 제 2 길이를 가질 수 있다.In one embodiment, the tokenization process includes generating a first group of tokens for a first set of amino acid sequences obtained by analyzing the frequency of occurrence for amino acid sequences having a first length, and the first token Comprising a second set of amino acid sequences obtained by analyzing the frequency of occurrence of amino acid sequences having a second length shorter than the first length, with the first set of amino acid sequences included in the group excluded. It may include the step of generating a second token group. Here, tokens included in the first token group may have a first length and tokens included in the second token group may have a second length.

일 실시예에서, 세그멘팅 프로세스는 그룹화된 그룹들을 조합하는 프로세스를 의미할 수 있다. 일례로, 세그멘팅 프로세스는 토큰들을 조합하여 학습 데이터 세트를 생성하는 프로세스를 포함할 수 있다. 세그멘팅 프로세스는 예를 들어 세그먼트 임베딩(segment embedding)을 포함할 수 있다.In one embodiment, the segmenting process may refer to a process of combining grouped groups. In one example, the segmentation process may include combining tokens to create a training data set. The segmenting process may include, for example, segment embedding.

일 실시예에서, 세그멘팅 프로세스는, 구분자(separator) 토큰을 사이에 두고 제 1 입력 데이터의 펩타이드에 대응되는 토큰들 및 제 1 입력 데이터의 MHC에 대응되는 토큰들을 및 구분자 토큰을 사이에 두고 제 1 학습 데이터를 생성할 수 있다.In one embodiment, the segmentation process comprises tokens corresponding to peptides of the first input data and tokens corresponding to the MHC of the first input data with a separator token interposed therebetween. 1 Learning data can be generated.

일 실시예에서, 예측 모델(750)의 학습이 완료된 이후, 예측 모델(750)은 펩타이드 및 MHC에 대응되는 제 1 입력 데이터(710)를 입력 받아, pMHC 결합 정도에 따른 분류 결과를 출력할 수 있다. 추가적인 실시예에서, 예측 모델(750)의 학습이 완료된 이후, 예측 모델(750)은 펩타이드 및 MHC에 대응되는 제 1 입력 데이터(710)를 입력 받아, 다른 예측 모델의 학습 데이터 - 상기 학습 데이터는 라벨링 데이터 및 pMHC의 결합과 관련된 클래스들을 포함할 수 있음 - 에 포함될 입력 데이터를 출력할 수 있다. 추가적인 실시예에서, 예측 모델(750)의 학습이 완료된 이후, 예측 모델(750)은 펩타이드 및 MHC에 대응되는 제 1 입력 데이터(710)를 입력 받아, 상기 예측 모델(750)의 분류 기준을 변경하거나 학습 방식을 변경하기 위하여 상기 예측 모델(750)의 재학습을 위한 학습 데이터에 포함될 입력 데이터를 출력할 수 있다.In one embodiment, after training of the prediction model 750 is completed, the prediction model 750 may receive first input data 710 corresponding to the peptide and MHC and output classification results according to the degree of pMHC binding. there is. In an additional embodiment, after the training of the prediction model 750 is completed, the prediction model 750 receives first input data 710 corresponding to the peptide and MHC, and the training data of another prediction model - the training data May include classes related to binding of labeling data and pMHC - Input data to be included in can be output. In an additional embodiment, after training of the prediction model 750 is completed, the prediction model 750 receives first input data 710 corresponding to peptides and MHC to change the classification criteria of the prediction model 750. Alternatively, in order to change the learning method, input data to be included in the learning data for retraining the prediction model 750 can be output.

일 실시예에서, 제 1 입력 데이터(710)는 펩타이드에 대응되는 아미노산 서열 및/또는 MHC에 대응되는 아미노산 서열을 포함할 수 있다.In one embodiment, the first input data 710 may include an amino acid sequence corresponding to a peptide and/or an amino acid sequence corresponding to MHC.

일 실시예에서, 토큰화 프로세스(720)는 입력 데이터(710)에 대응되는 토큰들(712, 714)을 생성할 수 있다. 일 실시예에서, 토큰화 프로세스(720)는 제 1 입력 데이터(710)의 펩타이드에 대응되는 제 1 토큰(712)을 생성하고, 제 1 입력 데이터(710)의 MHC에 대응되는 제 2 토큰(714)을 생성할 수 있다.In one embodiment, tokenization process 720 may generate tokens 712 and 714 corresponding to input data 710. In one embodiment, tokenization process 720 generates a first token 712 corresponding to a peptide in first input data 710 and a second token corresponding to an MHC in first input data 710 ( 714) can be created.

일 실시예에서, 토큰화 프로세스(720)는 입력 데이터를 보다 작은 단위(예컨대, 보다 짧은 아미노산 구분자들의 서열)로 분할하기 위한 프로세스를 포함하며, 여기서 분할되는 단위는 토큰에 대응될 수 있다.In one embodiment, tokenization process 720 includes a process for splitting input data into smaller units (e.g., shorter sequences of amino acid delimiters), where the split units may correspond to tokens.

본 개시내용의 일 실시예에 따른 세그멘팅 프로세스(730)는 토큰들을 기반으로 학습 데이터 세트(740)를 만드는 프로세스를 포함할 수 있다.Segmenting process 730 according to an embodiment of the present disclosure may include a process of creating a training data set 740 based on tokens.

일 실시예에서, 세그멘팅 프로세스(730)는 펩타이드 및 MHC에 대응되는 제 1 입력 데이터(710)를 포함하는 학습 데이터 세트(740)를 생성할 수 있다. 이러한 학습 데이터 세트(740)에서, 제 1 입력 데이터(710)에 대응되는 분류 결과들 중 일부 또는 전부가 정답 데이터 세트로 재사용될 수 있다.In one embodiment, segmenting process 730 may generate a training data set 740 that includes first input data 710 corresponding to peptides and MHC. In this learning data set 740, some or all of the classification results corresponding to the first input data 710 may be reused as the correct answer data set.

추가적인 실시예에서, 세그멘팅 프로세스(730)를 통해, 예를 들어, 펩타이드에 대응되는 아미노산 서열들 및 MHC에 대응되는 아미노산 서열들이 서로 연접되는 방식으로 통합된 형태의 학습 데이터 세트(740)가 생성될 수 있다.In a further embodiment, a training data set 740 is generated through the segmentation process 730 in an integrated form, for example, by concatenating amino acid sequences corresponding to peptides and amino acid sequences corresponding to MHC. It can be.

일 실시예에서, 제 1 입력 데이터(710)에 포함된 아미노산 서열들은, 예컨대 7개의 아미노산들, 8개의 아미노산들, 9개의 아미노산들, 10개의 아미노산들 또는 11개의 아미노산들 등 다양한 개수(K개)의 아미노산들로 이루어질 수 있다. 이러한 특정 길이의 아미노산들은 아미노산 세트로 지칭될 수 있다. 예컨대, 아미노산의 개수가 총 20개라고 가정하는 경우 길이가 4인 아미노산 서열은 총 20의 4승의 개수로 존재할 수 있다.In one embodiment, the amino acid sequences included in the first input data 710 are various numbers (K), such as 7 amino acids, 8 amino acids, 9 amino acids, 10 amino acids, or 11 amino acids. ) may be composed of amino acids. These specific lengths of amino acids may be referred to as an amino acid set. For example, assuming that the total number of amino acids is 20, amino acid sequences with a length of 4 may exist in a total number of 20 to the power of 4.

본 개시내용의 일 실시예에 따른 아미노산 서열의 길이가 K인 아미노산 세트들 각각에 대한 토큰화 프로세스(720) 과정에서, 제 1 입력 데이터(710)에 포함된 펩타이드 또는 MHC 내에서의 출현 빈도를 결정할 수 있다. 이러한 펩타이드 또는 MHC에 포함된 아미노산 서열들의 범위 내에서 특정 길이의 아미노산 세트가 얼마나 많이 출현되는지 혹은 존재하는지를 판단하는 과정은 출현 빈도 분석으로 지칭될 수 있다. 추가적인 실시예에서, 출현 빈도 분석을 통해 제 1 입력 데이터(710) 내에 포함된 아미노산 서열들 중 특정 아미노산 서열들이 토큰화될 수 있다.During the tokenization process 720 for each set of amino acids whose amino acid sequence has a length of K according to an embodiment of the present disclosure, the frequency of appearance in the peptide or MHC included in the first input data 710 is calculated. You can decide. The process of determining how many times a set of amino acids of a certain length appears or exists within the range of amino acid sequences included in such peptides or MHC may be referred to as frequency of occurrence analysis. In an additional embodiment, specific amino acid sequences among amino acid sequences included in the first input data 710 may be tokenized through frequency of occurrence analysis.

일 실시예에서, 토큰화 프로세스(720)는 외부 데이터베이스 또는 컴퓨팅 장치(100)에 포함된 데이터베이스로부터 펩타이드 리스트를 획득할 수 있다. 추가적인 실시예에서, 컴퓨팅 장치(100)는 아미노산 서열의 길이가 K인 아미노산 세트들 각각에 대해서, 펩타이드 리스트 내에서의 제 1 출현 빈도를 결정할 수 있다. 추가적인 실시예에서, 컴퓨팅 장치(100)는 아미노산 서열의 길이가 K인 아미노산 세트들 중에서, 제 1 출현 빈도가 사전 결정된 제 1 임계값 이상인 제 1 아미노산 세트를 결정할 수 있다. 추가적인 실시예에서, 컴퓨팅 장치(100)는 아미노산 서열의 길이가 K-1인 아미노산 세트들 각각에 대해서, 펩타이드 리스트 내에서의 제 2 출현 빈도를 결정할 수 있다. 추가적인 실시예에서, 컴퓨팅 장치(100)는 아미노산 서열의 길이가 K-1인 아미노산 세트들 중에서, 제 2 출현 빈도가 사전 결정된 제 2 임계값 이상인 제 2 아미노산 세트를 결정할 수 있다. 추가적인 실시예에서, 컴퓨팅 장치(100)는 상기 제 1 아미노산 세트에 대해서는 K의 길이로 토큰화를 수행하고, 상기 제 2 아미노산 세트에 대해서는 K-1의 길이로 토큰화를 수행할 수 있다. 여기서 K는 2이상의 자연수이며, 상기 제 1 임계값과 상기 제 2 임계값은 서로 동일하거나 또는 상이한 값을 가질 수 있다.In one embodiment, tokenization process 720 may obtain the peptide list from an external database or a database included in computing device 100. In a further embodiment, computing device 100 may determine, for each set of amino acids whose amino acid sequence length is K, a first frequency of occurrence within the peptide list. In a further embodiment, the computing device 100 may determine, among sets of amino acids whose amino acid sequences have a length of K, a first set of amino acids whose first frequency of occurrence is equal to or greater than a first predetermined threshold. In a further embodiment, computing device 100 may determine, for each set of amino acids whose amino acid sequence length is K-1, a second frequency of occurrence within the peptide list. In a further embodiment, computing device 100 may determine, among sets of amino acids whose amino acid sequences have a length of K-1, a second set of amino acids whose second frequency of occurrence is equal to or greater than a second predetermined threshold. In a further embodiment, computing device 100 may perform tokenization with a length of K for the first set of amino acids and perform tokenization with a length of K-1 for the second set of amino acids. Here, K is a natural number of 2 or more, and the first threshold value and the second threshold value may have the same or different values.

일 실시예에서, 상기 출현 빈도의 분석은 제 1 입력 데이터(710)에 포함된 MHC의 서열에서 대하여는 이루어지지 않고, 제 1 입력 데이터(710)에 포함된 펩타이드의 서열에 대하여만 이루어질 수 있다. 이는 MHC 종류(예컨대, HLA-A01, HLA-B03, HLA-A02) 간 MHC 아미노산 서열이 특이적으로 달라지는 부분이 적을 수 있거나, 혹은 연속적이지 않기 때문일 수 있다. 이와 같은 일 실시예에 따라 MHC 아미노산 서열에서의 출현빈도를 인자로 사용하지 않고 토큰화 프로세스(720)를 수행함으로써 개선된 예측 결과를 생성할 수 있다.In one embodiment, the analysis of the frequency of occurrence may not be performed on the MHC sequence included in the first input data 710, but only on the peptide sequence included in the first input data 710. This may be because the MHC amino acid sequence between MHC types (eg, HLA-A01, HLA-B03, HLA-A02) may have little specific variation or may not be continuous. According to this embodiment, improved prediction results can be generated by performing the tokenization process 720 without using the frequency of occurrence in the MHC amino acid sequence as a factor.

일 실시예에서, 토큰화 프로세스(720)는 외부 데이터베이스 또는 컴퓨팅 장치(100)에 포함된 데이터베이스로부터 펩타이드 리스트를 획득할 수 있다. 토큰화 프로세스(720)는 아미노산 서열의 길이가 N-M인 아미노산 세트들 중에서, 상기 펩타이드 리스트 내에서의 출현 빈도가 사전 결정된 임계값 이상인 제 M+1 아미노산 세트를 토큰 리스트(712, 714)에 포함시키고 그리고 상기 제 M+1 아미노산 세트를 상기 펩타이드 리스트에서 제거하는 방식으로 토큰 리스트(712, 714)를 구성할 수 있다. 토큰화 프로세스(720)는 토큰 리스트(712, 714)를 구성한 이후, 상기 M의 값을 1 만큼 증가시키고 그리고 종료 조건이 만족되었는지 여부를 판단할 수 있다. 토큰화 프로세스(720)는 종료 조건이 만족되지 않은 경우 토큰 리스트(712, 714)를 구성하는 단계를 재수행하고, 종료 조건이 만족되는 경우 토큰 리스트(712, 714)에 포함된 아미노산 세트들 각각에 대응되는 아미노산 서열 길이로 아미노산 세트들 각각에 대응되는 토큰을 생성하는 방식으로 토큰화를 수행할 수 있다. 여기서, M은 0이상의 정수이며, 그리고 N-M은 2보다 큰 자연수일 수 있다.In one embodiment, tokenization process 720 may obtain the peptide list from an external database or a database included in computing device 100. The tokenization process 720 includes in the token list 712, 714 the M+1th set of amino acids whose frequency of occurrence in the peptide list is greater than or equal to a predetermined threshold among the sets of amino acids whose amino acid sequences are N-M in length. And the token lists 712 and 714 can be constructed by removing the M+1 amino acid set from the peptide list. After constructing the token lists 712 and 714, the tokenization process 720 may increment the value of M by 1 and determine whether a termination condition has been satisfied. The tokenization process 720 re-performs the steps of constructing the token lists 712 and 714 if the termination condition is not satisfied, and if the termination condition is satisfied, adds to each of the amino acid sets included in the token lists 712 and 714. Tokenization can be performed by generating a token corresponding to each set of amino acids with the corresponding amino acid sequence length. Here, M is an integer greater than 0, and N-M can be a natural number greater than 2.

추가적인 예시에서, 종료 조건은 아미노산 서열의 길이를 줄여가면서 출현 빈도 분석을 추가로 수행할지 아니면 출현 빈도 분석을 여기서 종료할 것이지를 결정하기 위한 조건을 포함할 수 있다.In a further example, the termination condition may include conditions for determining whether to further perform the frequency analysis while reducing the length of the amino acid sequence or to end the frequency analysis here.

예를 들어, 종료 조건은, N-M≤1에 해당하는 제 1 종료 조건을 포함할 수 있다. 컴퓨팅 장치(100)는 현재의 N과 M의 값을 기초로 하여 위의 종료 조건이 만족되는 경우, M의 값을 증가시키지 않고 출현 빈도 분석을 종료할 수 있다. 다른 예시로, 종료 조건은 N-M≤2에 해당하는 제 2 종료 조건을 포함할 수 있다.For example, the termination condition may include a first termination condition corresponding to N-M≤1. If the above termination condition is satisfied based on the current values of N and M, the computing device 100 may terminate the frequency of occurrence analysis without increasing the value of M. As another example, the termination condition may include a second termination condition corresponding to N-M≤2.

추가적인 실시예에서, 출현 빈도 분석에서 사용되는 임계값은, N-M의 값의 크기와 음(negative)의 상관관계를 갖도록 가변될 수도 있다. 일례로, N-M의 값이 큰 경우 임계값의 크기는 상대적으로 낮아질 수 있다.In a further embodiment, the threshold used in the frequency of occurrence analysis may be varied to have a negative correlation with the magnitude of the value of N-M. For example, when the value of N-M is large, the size of the threshold may be relatively low.

본 개시내용에서의 예측 모델은 인공지능 기반의 생성(generation) 모델을 의미할 수 있다. 일례로, 예측 모델은 RNN(Recurrent Neural Network), LSTM(Long Short Term Memory) 네트워크, BiLSTM(Bidirectional Long Short Term Memory) 네트워크, BERT(Bidirectional Encoder Representations from Transformers), GRU(Gated Recurrent Unit), 또는 BiGRU(Bidirectional Gated Recurrent Unit)를 포함할 수 있다.The prediction model in this disclosure may mean an artificial intelligence-based generation model. In one example, the prediction model may be a Recurrent Neural Network (RNN), Long Short Term Memory (LSTM) network, Bidirectional Long Short Term Memory (BiLSTM) network, Bidirectional Encoder Representations from Transformers (BERT), Gated Recurrent Unit (GRU), or BiGRU. (Bidirectional Gated Recurrent Unit) may be included.

도 8은 본 개시내용의 일 실시예에 따른 컴퓨팅 환경의 개략도이다.8 is a schematic diagram of a computing environment according to one embodiment of the present disclosure.

본 개시내용에서의 컴포넌트, 모듈 또는 부(unit)는 특정의 태스크를 수행하거나 특정의 추상 데이터 유형을 구현하는 루틴, 프로시져, 프로그램, 컴포넌트, 데이터 구조 등을 포함한다. 또한, 당업자라면 본 개시내용에서 제시되는 방법들이 단일-프로세서 또는 멀티프로세서 컴퓨팅 장치, 미니컴퓨터, 메인프레임 컴퓨터는 물론 퍼스널 컴퓨터, 핸드헬드 컴퓨팅 장치, 마이크로프로세서-기반 또는 프로그램가능 가전 제품, 기타 등등(이들 각각은 하나 이상의 연관된 장치와 연결되어 동작할 수 있음)을 비롯한 다른 컴퓨터 시스템 구성으로 실시될 수 있다는 것을 충분히 인식할 것이다.A component, module, or unit in the present disclosure includes routines, procedures, programs, components, data structures, etc. that perform a specific task or implement a specific abstract data type. Additionally, one of ordinary skill in the art will understand that the methods presented in this disclosure can be used in uni-processor or multiprocessor computing devices, minicomputers, mainframe computers, as well as personal computers, handheld computing devices, microprocessor-based or programmable consumer electronics, etc. ( It will be fully appreciated that each of these may be implemented with other computer system configurations, including those capable of operating in conjunction with one or more associated devices.

본 개시내용에서 설명된 실시예들은 또한 어떤 태스크들이 통신 네트워크를 통해 연결되어 있는 원격 처리 장치들에 의해 수행되는 분산 컴퓨팅 환경에서 실시될 수 있다. 분산 컴퓨팅 환경에서, 프로그램 모듈은 로컬 및 원격 메모리 저장 장치 둘 다에 위치할 수 있다.Embodiments described in this disclosure can also be practiced in distributed computing environments where certain tasks are performed by remote processing devices that are linked through a communications network. In a distributed computing environment, program modules may be located in both local and remote memory storage devices.

컴퓨팅 장치는 통상적으로 다양한 컴퓨터 판독가능 매체를 포함한다. 컴퓨터에 의해 액세스 가능한 매체는 그 어떤 것이든지 컴퓨터 판독가능 매체가 될 수 있고, 이러한 컴퓨터 판독가능 매체는 휘발성 및 비휘발성 매체, 일시적(transitory) 및 비일시적(non-transitory) 매체, 이동식 및 비-이동식 매체를 포함한다. 제한이 아닌 예로서, 컴퓨터 판독가능 매체는 컴퓨터 판독가능 저장 매체 및 컴퓨터 판독가능 전송 매체를 포함할 수 있다.Computing devices typically include a variety of computer-readable media. Computer-readable media can be any medium that can be accessed by a computer, and such computer-readable media includes volatile and non-volatile media, transitory and non-transitory media, removable and non-transitory media. Includes removable media. By way of example, and not limitation, computer-readable media may include computer-readable storage media and computer-readable transmission media.

컴퓨터 판독가능 저장 매체는 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈 또는 기타 데이터와 같은 정보를 저장하는 임의의 방법 또는 기술로 구현되는 휘발성 및 비휘발성 매체, 일시적 및 비-일시적 매체, 이동식 및 비이동식 매체를 포함한다. 컴퓨터 판독가능 저장 매체는 RAM, ROM, EEPROM, 플래시 메모리 또는 기타 메모리 기술, CD-ROM, DVD(digital video disk) 또는 기타 광 디스크 저장 장치, 자기 카세트, 자기 테이프, 자기 디스크 저장 장치 또는 기타 자기 저장 장치, 또는 컴퓨터에 의해 액세스될 수 있고 원하는 정보를 저장하는 데 사용될 수 있는 임의의 기타 매체를 포함하지만, 이에 한정되지 않는다.Computer-readable storage media refers to volatile and non-volatile media, transient and non-transitory media, removable and non-removable, implemented in any method or technology for storage of information such as computer readable instructions, data structures, program modules or other data. Includes media. Computer readable storage media may include RAM, ROM, EEPROM, flash memory or other memory technology, CD-ROM, digital video disk (DVD) or other optical disk storage, magnetic cassette, magnetic tape, magnetic disk storage or other magnetic storage. This includes, but is not limited to, a device, or any other medium that can be accessed by a computer and used to store desired information.

컴퓨터 판독가능 전송 매체는 통상적으로 반송파(carrier wave) 또는 기타 전송 메커니즘(transport mechanism)과 같은 피변조 데이터 신호(modulated data signal)에 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈 또는 기타 데이터 등을 구현하고 모든 정보 전달 매체를 포함한다. 피변조 데이터 신호라는 용어는 신호 내에 정보를 인코딩하도록 그 신호의 특성들 중 하나 이상을 설정 또는 변경시킨 신호를 의미한다. 제한이 아닌 예로서, 컴퓨터 판독가능 전송 매체는 유선 네트워크 또는 직접 배선 접속(direct-wired connection)과 같은 유선 매체, 그리고 음향, RF, 적외선, 기타 무선 매체와 같은 무선 매체를 포함한다. 상술된 매체들 중 임의의 것의 조합도 역시 컴퓨터 판독가능 전송 매체의 범위 안에 포함되는 것으로 한다.A computer-readable transmission medium typically implements computer-readable instructions, data structures, program modules, or other data on a modulated data signal, such as a carrier wave or other transport mechanism. Includes all information delivery media. The term modulated data signal refers to a signal in which one or more of the characteristics of the signal have been set or changed to encode information within the signal. By way of example, and not limitation, computer-readable transmission media includes wired media such as a wired network or direct-wired connection, and wireless media such as acoustic, RF, infrared, and other wireless media. Combinations of any of the above are also intended to be included within the scope of computer-readable transmission media.

컴퓨터(2002)를 포함하는 본 발명의 여러가지 측면들을 구현하는 예시적인 환경(2000)이 나타내어져 있으며, 컴퓨터(2002)는 처리 장치(2004), 시스템 메모리(2006) 및 시스템 버스(2008)를 포함한다. 본 명세서에서의 컴퓨터(200)는 컴퓨팅 장치와 상호 교환가능하게 사용될 수 있다. 시스템 버스(2008)는 시스템 메모리(2006)(이에 한정되지 않음)를 비롯한 시스템 컴포넌트들을 처리 장치(2004)에 연결시킨다. 처리 장치(2004)는 다양한 상용 프로세서들 중 임의의 프로세서일 수 있다. 듀얼 프로세서 및 기타 멀티프로세서 아키텍처도 역시 처리 장치(2004)로서 이용될 수 있다.An example environment 2000 is shown that implements various aspects of the invention, including a computer 2002, which includes a processing unit 2004, a system memory 2006, and a system bus 2008. do. Computer 200 herein may be used interchangeably with computing device. System bus 2008 couples system components, including but not limited to system memory 2006, to processing unit 2004. Processing unit 2004 may be any of a variety of commercially available processors. Dual processors and other multiprocessor architectures may also be used as processing units 2004.

시스템 버스(2008)는 메모리 버스, 주변장치 버스, 및 다양한 상용 버스 아키텍처 중 임의의 것을 사용하는 로컬 버스에 추가적으로 상호 연결될 수 있는 몇가지 유형의 버스 구조 중 임의의 것일 수 있다. 시스템 메모리(2006)는 판독 전용 메모리(ROM)(2010) 및 랜덤 액세스 메모리(RAM)(2012)를 포함한다. 기본 입/출력 시스템(BIOS)은 ROM, EPROM, EEPROM 등의 비휘발성 메모리(2010)에 저장되며, 이 BIOS는 시동 중과 같은 때에 컴퓨터(2002) 내의 구성요소들 간에 정보를 전송하는 일을 돕는 기본적인 루틴을 포함한다. RAM(2012)은 또한 데이터를 캐싱하기 위한 정적 RAM 등의 고속 RAM을 포함할 수 있다.System bus 2008 may be any of several types of bus structures that may further be interconnected to a memory bus, peripheral bus, and local bus using any of a variety of commercial bus architectures. System memory 2006 includes read only memory (ROM) 2010 and random access memory (RAM) 2012. The basic input/output system (BIOS) is stored in non-volatile memory (2010), such as ROM, EPROM, and EEPROM, and is a basic input/output system (BIOS) that helps transfer information between components within the computer (2002), such as during startup. Contains routines. RAM 2012 may also include high-speed RAM, such as static RAM for caching data.

컴퓨터(2002)는 또한 내장형 하드 디스크 드라이브(HDD)(2014)(예를 들어, EIDE, SATA), 자기 플로피 디스크 드라이브(FDD)(2016)(예를 들어, 이동식 디스켓(2018)으로부터 판독을 하거나 그에 기록을 하기 위한 것임), SSD 및 광 디스크 드라이브(2020)(예를 들어, CD-ROM 디스크(2022)를 판독하거나 DVD 등의 기타 고용량 광 매체로부터 판독을 하거나 그에 기록을 하기 위한 것임)를 포함한다. 하드 디스크 드라이브(2014), 자기 디스크 드라이브(2016) 및 광 디스크 드라이브(2020)는 각각 하드 디스크 드라이브 인터페이스(2024), 자기 디스크 드라이브 인터페이스(2026) 및 광 드라이브 인터페이스(2028)에 의해 시스템 버스(2008)에 연결될 수 있다. 외장형 드라이브 구현을 위한 인터페이스(2024)는 예를 들어, USB(Universal Serial Bus) 및 IEEE 1394 인터페이스 기술 중 적어도 하나 또는 그 둘 다를 포함한다.Computer 2002 may also read from or use an internal hard disk drive (HDD) 2014 (e.g., EIDE, SATA), magnetic floppy disk drive (FDD) 2016 (e.g., removable diskette 2018). (for writing to), SSDs, and optical disk drives (2020) (e.g., for reading CD-ROM disks (2022) or for reading from or writing to other high-capacity optical media, such as DVDs). Includes. The hard disk drive 2014, magnetic disk drive 2016, and optical disk drive 2020 are connected to a system bus 2008 by a hard disk drive interface 2024, magnetic disk drive interface 2026, and optical drive interface 2028, respectively. ) can be connected to. The interface 2024 for implementing an external drive includes, for example, at least one or both of Universal Serial Bus (USB) and IEEE 1394 interface technologies.

이들 드라이브 및 그와 연관된 컴퓨터 판독가능 매체는 데이터, 데이터 구조, 컴퓨터 실행가능 명령어, 기타 등등의 비휘발성 저장을 제공한다. 컴퓨터(2002)의 경우, 드라이브 및 매체는 임의의 데이터를 적당한 디지털 형식으로 저장하는 것에 대응한다. 상기에서의 컴퓨터 판독가능 저장 매체에 대한 설명이 HDD, 이동식 자기 디스크, 및 CD 또는 DVD 등의 이동식 광 매체를 언급하고 있지만, 당업자라면 집 드라이브(zip drive), 자기 카세트, 플래쉬 메모리 카드, 카트리지, 기타 등등의 컴퓨터에 의해 판독가능한 다른 유형의 저장 매체도 역시 예시적인 운영 환경에서 사용될 수 있으며 또 임의의 이러한 매체가 본 발명의 방법들을 수행하기 위한 컴퓨터 실행가능 명령어를 포함할 수 있다는 것을 잘 알 것이다.These drives and their associated computer-readable media provide non-volatile storage of data, data structures, computer-executable instructions, and the like. For the computer 2002, drive and media correspond to storing any data in a suitable digital format. Although the description of computer-readable storage media above refers to removable optical media such as HDDs, removable magnetic disks, and CDs or DVDs, those skilled in the art will also recognize removable optical media such as zip drives, magnetic cassettes, flash memory cards, cartridges, etc. It will be appreciated that other types of computer-readable storage media may also be used in the exemplary operating environment and that any such media may contain computer-executable instructions for performing the methods of the invention. .

운영 체제(2030), 하나 이상의 어플리케이션 프로그램(2032), 기타 프로그램 모듈(2034) 및 프로그램 데이터(2036)를 비롯한 다수의 프로그램 모듈이 드라이브 및 RAM(2012)에 저장될 수 있다. 운영 체제, 어플리케이션, 모듈 및/또는 데이터의 전부 또는 그 일부분이 또한 RAM(2012)에 캐싱될 수 있다. 본 발명이 여러가지 상업적으로 이용가능한 운영 체제 또는 운영 체제들의 조합에서 구현될 수 있다는 것을 잘 알 것이다.A number of program modules may be stored in the drive and RAM 2012, including an operating system 2030, one or more application programs 2032, other program modules 2034, and program data 2036. All or portions of the operating system, applications, modules and/or data may also be cached in RAM 2012. It will be appreciated that the invention may be implemented on various commercially available operating systems or combinations of operating systems.

사용자는 하나 이상의 유선/무선 입력 장치, 예를 들어, 키보드(2038) 및 마우스(2040) 등의 포인팅 장치를 통해 컴퓨터(2002)에 명령 및 정보를 입력할 수 있다. 기타 입력 장치(도시 생략)로는 마이크, IR 리모콘, 조이스틱, 게임 패드, 스타일러스 펜, 터치 스크린, 기타 등등이 있을 수 있다. 이들 및 기타 입력 장치가 종종 시스템 버스(2008)에 연결되어 있는 입력 장치 인터페이스(2042)를 통해 처리 장치(2004)에 연결되지만, 병렬 포트, IEEE 1394 직렬 포트, 게임 포트, USB 포트, IR 인터페이스, 기타 등등의 기타 인터페이스에 의해 연결될 수 있다.A user may input commands and information into the computer 2002 through one or more wired/wireless input devices, such as a pointing device such as a keyboard 2038 and a mouse 2040. Other input devices (not shown) may include microphones, IR remote controls, joysticks, game pads, stylus pens, touch screens, etc. These and other input devices are connected to the processing unit 2004 through an input device interface 2042, which is often connected to the system bus 2008, but may also include a parallel port, an IEEE 1394 serial port, a game port, a USB port, an IR interface, It can be connected by other interfaces, etc.

모니터(2044) 또는 다른 유형의 디스플레이 장치도 역시 비디오 어댑터(2046) 등의 인터페이스를 통해 시스템 버스(2008)에 연결된다. 모니터(2044)에 부가하여, 컴퓨터는 일반적으로 스피커, 프린터, 기타 등등의 기타 주변 출력 장치(도시 생략)를 포함한다.A monitor 2044 or other type of display device is also connected to system bus 2008 through an interface, such as a video adapter 2046. In addition to the monitor 2044, computers typically include other peripheral output devices (not shown) such as speakers, printers, etc.

컴퓨터(2002)는 유선 및/또는 무선 통신을 통한 원격 컴퓨터(들)(2048) 등의 하나 이상의 원격 컴퓨터로의 논리적 연결을 사용하여 네트워크화된 환경에서 동작할 수 있다. 원격 컴퓨터(들)(2048)는 워크스테이션, 서버 컴퓨터, 라우터, 퍼스널 컴퓨터, 휴대용 컴퓨터, 마이크로프로세서-기반 오락 기기, 피어 장치 또는 기타 통상의 네트워크 노드일 수 있으며, 일반적으로 컴퓨터(2002)에 대해 기술된 구성요소들 중 다수 또는 그 전부를 포함하지만, 간략함을 위해, 메모리 저장 장치(2050)만이 도시되어 있다. 도시되어 있는 논리적 연결은 근거리 통신망(LAN)(2052) 및/또는 더 큰 네트워크, 예를 들어, 원거리 통신망(WAN)(2054)에의 유선/무선 연결을 포함한다. 이러한 LAN 및 WAN 네트워킹 환경은 사무실 및 회사에서 일반적인 것이며, 인트라넷 등의 전사적 컴퓨터 네트워크(enterprise-wide computer network)를 용이하게 해주며, 이들 모두는 전세계 컴퓨터 네트워크, 예를 들어, 인터넷에 연결될 수 있다.Computer 2002 may operate in a networked environment using logical connections to one or more remote computers, such as remote computer(s) 2048, via wired and/or wireless communications. Remote computer(s) 2048 may be a workstation, server computer, router, personal computer, portable computer, microprocessor-based entertainment device, peer device, or other conventional network node, and generally refers to computer 2002. For simplicity, only memory storage device 2050 is shown, although it includes many or all of the components described. The logical connections depicted include wired/wireless connections to a local area network (LAN) 2052 and/or a larger network, such as a wide area network (WAN) 2054. These LAN and WAN networking environments are common in offices and companies and facilitate enterprise-wide computer networks, such as intranets, all of which can be connected to a worldwide computer network, such as the Internet.

LAN 네트워킹 환경에서 사용될 때, 컴퓨터(2002)는 유선 및/또는 무선 통신 네트워크 인터페이스 또는 어댑터(2056)를 통해 로컬 네트워크(2052)에 연결된다. 어댑터(2056)는 LAN(2052)에의 유선 또는 무선 통신을 용이하게 해줄 수 있으며, 이 LAN(2052)은 또한 무선 어댑터(2056)와 통신하기 위해 그에 설치되어 있는 무선 액세스 포인트를 포함하고 있다. WAN 네트워킹 환경에서 사용될 때, 컴퓨터(2002)는 모뎀(2058)을 포함할 수 있거나, WAN(2054) 상의 통신 서버에 연결되거나, 또는 인터넷을 통하는 등, WAN(2054)을 통해 통신을 정하는 기타 수단을 갖는다. 내장형 또는 외장형 및 유선 또는 무선 장치일 수 있는 모뎀(2058)은 직렬 포트 인터페이스(2042)를 통해 시스템 버스(2008)에 연결된다. 네트워크화된 환경에서, 컴퓨터(2002)에 대해 설명된 프로그램 모듈들 또는 그의 일부분이 원격 메모리/저장 장치(2050)에 저장될 수 있다. 도시된 네트워크 연결이 예시적인 것이며 컴퓨터들 사이에 통신 링크를 설정하는 기타 수단이 사용될 수 있다는 것을 잘 알 것이다.When used in a LAN networking environment, computer 2002 is connected to local network 2052 through wired and/or wireless communications network interfaces or adapters 2056. Adapter 2056 may facilitate wired or wireless communication to LAN 2052, which also includes a wireless access point installed thereon for communicating with wireless adapter 2056. When used in a WAN networking environment, the computer 2002 may include a modem 2058, connected to a communication server on the WAN 2054, or other means of establishing communication over the WAN 2054, such as via the Internet. has Modem 2058, which may be internal or external and a wired or wireless device, is coupled to system bus 2008 via serial port interface 2042. In a networked environment, program modules described for computer 2002, or portions thereof, may be stored in remote memory/storage device 2050. It will be appreciated that the network connections shown are exemplary and that other means of establishing a communications link between computers may be used.

컴퓨터(1602)는 무선 통신으로 배치되어 동작하는 임의의 무선 장치 또는 개체, 예를 들어, 프린터, 스캐너, 데스크톱 및/또는 휴대용 컴퓨터, PDA(portable data assistant), 통신 위성, 무선 검출가능 태그와 연관된 임의의 장비 또는 장소, 및 전화와 통신을 하는 동작을 한다. 이것은 적어도 Wi-Fi 및 블루투스 무선 기술을 포함한다. 따라서, 통신은 종래의 네트워크에서와 같이 미리 정의된 구조이거나 단순하게 적어도 2개의 장치 사이의 애드혹 통신(ad hoc communication)일 수 있다.Computer 1602 may be associated with any wireless device or object deployed and operating in wireless communications, such as a printer, scanner, desktop and/or portable computer, portable data assistant (PDA), communications satellite, wirelessly detectable tag. Performs actions to communicate with any device or location and telephone. This includes at least Wi-Fi and Bluetooth wireless technologies. Accordingly, communication may be a predefined structure as in a conventional network or may simply be ad hoc communication between at least two devices.

제시된 프로세스들에 있는 단계들의 특정한 순서 또는 계층 구조는 예시적인 접근들의 일례임을 이해하도록 한다. 설계 우선순위들에 기반하여, 본 개시내용의 범위 내에서 프로세스들에 있는 단계들의 특정한 순서 또는 계층 구조가 재배열될 수 있다는 것을 이해하도록 한다. 본 개시내용의 방법 청구항들은 샘플 순서로 다양한 단계들의 엘리먼트들을 제공하지만 제시된 특정한 순서 또는 계층 구조에 한정되는 것을 의미하지는 않는다.It is to be understood that the specific order or hierarchy of steps in the processes presented is an example of illustrative approaches. It is to be understood that the specific order or hierarchy of steps in processes may be rearranged within the scope of the present disclosure, based on design priorities. The method claims of this disclosure provide elements of the various steps in a sample order but are not meant to be limited to the specific order or hierarchy presented.

Claims (1)

컴퓨팅 장치에 의해 수행되는, 인공지능 기반의 예측 모델을 훈련하는(training) 방법으로서,
펩타이드 및 주조직 적합 복합체(Major Histocompatibility Complex; MHC)에 대응되는 제 1 입력 데이터 및 상기 제 1 입력 데이터에 대응되는 제 1 라벨링(labeling) 데이터를 포함하는 제 1 학습 데이터를 획득하는 단계 - 상기 제 1 라벨링 데이터는 펩타이드와 MHC의 결합(binding)과 관련된 제 1 개수의 클래스들과 대응됨 -;
펩타이드와 MHC의 결합과 관련된 제 2 개수의 클래스들을 분류하도록 제 2 학습 데이터에 기초하여 사전 학습된 제 1 예측 모델을 이용하여, 상기 제 1 학습 데이터로부터, 상기 제 2 개수의 클래스들에 대한 제 1 예측 결과를 획득하는 단계;
상기 제 1 예측 결과 및 상기 제 1 라벨링 데이터에 기초하여, 상기 제 1 학습 데이터의 제 1 라벨링 데이터를, 펩타이드와 MHC의 결합과 관련된 제 3 개수의 클래스들과 대응되는 제 2 라벨링 데이터로 업데이트하는 단계;
상기 제 2 라벨링 데이터 및 상기 제 1 입력 데이터를 포함하는 제 3 학습 데이터를 생성하는 단계; 및
상기 제 3 학습 데이터에 기초하여, 상기 제 3 개수의 클래스들을 분류하도록 제 2 예측 모델을 훈련하는 단계;
를 포함하는,
방법.
As a method of training an artificial intelligence-based prediction model performed by a computing device,
Obtaining first learning data including first input data corresponding to a peptide and a Major Histocompatibility Complex (MHC) and first labeling data corresponding to the first input data - the first learning data 1 Labeling data corresponds to a first number of classes related to binding of peptides and MHC -;
Using a first prediction model pre-trained based on the second training data to classify a second number of classes related to the binding of a peptide and an MHC, from the first training data, a first prediction model for the second number of classes is generated. 1 Obtaining a prediction result;
Based on the first prediction result and the first labeling data, updating the first labeling data of the first learning data with second labeling data corresponding to a third number of classes related to the combination of peptide and MHC. step;
generating third learning data including the second labeling data and the first input data; and
Based on the third training data, training a second prediction model to classify the third number of classes;
Including,
method.
KR1020230079876A 2022-11-23 2023-06-21 Apparatus and method for generating immunopeptidome pmhc information using artificial intelligence KR20240076358A (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020230079876A KR20240076358A (en) 2022-11-23 2023-06-21 Apparatus and method for generating immunopeptidome pmhc information using artificial intelligence

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020220158101A KR102547969B1 (en) 2022-11-23 2022-11-23 Apparatus and method for generating immunopeptidome pmhc information using artificial intelligence
KR1020230079876A KR20240076358A (en) 2022-11-23 2023-06-21 Apparatus and method for generating immunopeptidome pmhc information using artificial intelligence

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
KR1020220158101A Division KR102547969B1 (en) 2022-11-23 2022-11-23 Apparatus and method for generating immunopeptidome pmhc information using artificial intelligence

Publications (1)

Publication Number Publication Date
KR20240076358A true KR20240076358A (en) 2024-05-30

Family

ID=86947336

Family Applications (2)

Application Number Title Priority Date Filing Date
KR1020220158101A KR102547969B1 (en) 2022-11-23 2022-11-23 Apparatus and method for generating immunopeptidome pmhc information using artificial intelligence
KR1020230079876A KR20240076358A (en) 2022-11-23 2023-06-21 Apparatus and method for generating immunopeptidome pmhc information using artificial intelligence

Family Applications Before (1)

Application Number Title Priority Date Filing Date
KR1020220158101A KR102547969B1 (en) 2022-11-23 2022-11-23 Apparatus and method for generating immunopeptidome pmhc information using artificial intelligence

Country Status (2)

Country Link
KR (2) KR102547969B1 (en)
WO (1) WO2024111885A1 (en)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102547969B1 (en) * 2022-11-23 2023-06-26 주식회사 네오젠티씨 Apparatus and method for generating immunopeptidome pmhc information using artificial intelligence

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102322832B1 (en) 2019-04-22 2021-11-12 한국과학기술연구원 Human leukocyte antigen A24:02 allele specific binding peptides and uses thereof

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102547969B1 (en) * 2022-11-23 2023-06-26 주식회사 네오젠티씨 Apparatus and method for generating immunopeptidome pmhc information using artificial intelligence

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102322832B1 (en) 2019-04-22 2021-11-12 한국과학기술연구원 Human leukocyte antigen A24:02 allele specific binding peptides and uses thereof

Also Published As

Publication number Publication date
WO2024111885A1 (en) 2024-05-30
KR102547969B1 (en) 2023-06-26
KR102547969B9 (en) 2024-02-08

Similar Documents

Publication Publication Date Title
KR102547977B1 (en) Apparatus and method for generating tcr information corresponding to pmhc using artificial intelligence
CN112614538A (en) Antibacterial peptide prediction method and device based on protein pre-training characterization learning
JP2019502988A (en) Generative machine learning system for drug design
KR20240076358A (en) Apparatus and method for generating immunopeptidome pmhc information using artificial intelligence
Qiu et al. BOW-GBDT: a GBDT classifier combining with artificial neural network for identifying GPCR–drug interaction based on wordbook learning from sequences
KR20240083013A (en) Apparatus and method for generating tcr information corresponding to pmhc using artificial intelligence
CN114743600A (en) Gate-controlled attention mechanism-based deep learning prediction method for target-ligand binding affinity
KR20240115152A (en) Apparatus and method for generating prediction result for tcr using artificial intelligence technology
Nabi et al. Discovering misannotated lncRNAs using deep learning training dynamics
KR102482302B1 (en) Apparatus and method for determining major histocompatibility complex corresponding to cluster data using artificial intelligence
Gupta et al. DAVI: Deep learning-based tool for alignment and single nucleotide variant identification
KR102547967B1 (en) Apparatus and method for generating tcr information corresponding to pmhc using artificial intelligence
KR102547966B1 (en) Apparatus and method for analyzing relationship between pmhc and tcr using artificial intelligence
KR102517006B1 (en) Apparatus and method for clustering peptide sequences
KR102547978B1 (en) Apparatus and method for generating tcr information corresponding to pmhc using artificial intelligence
KR102558550B1 (en) Apparatus and method for generating prediction result for tcr using artificial intelligence technology
KR102517005B1 (en) Apparatus and method for analyzing relation between mhc and peptide using artificial intelligence
KR102547976B1 (en) Apparatus and method for analyzing binding between mhc and peptide
KR102547975B1 (en) Apparatus and method for determining major histocompatibility complex corresponding to cluster data using artificial intelligence
KR102517004B1 (en) Apparatus and method for analyzing immunopeptidome
KR102547974B1 (en) Apparatus and method for analyzing binding affinity between mhc and peptide
KR102507110B1 (en) Apparatus and method for analyzing type of major histocompatibility complex
KR20240111065A (en) Apparatus and method for generating immunogenicity information using artificial intelligence technology
CN116245178B (en) Biomedical knowledge extraction method and device of decoder based on pointer network
KR102711433B1 (en) Techniques for learning ai models using interaction data between proteins and ligands