WO2023219369A1 - 히드로퀴논을 포함하는 처방의 피부 밝기 변화 예측 방법 및 시스템 - Google Patents

히드로퀴논을 포함하는 처방의 피부 밝기 변화 예측 방법 및 시스템 Download PDF

Info

Publication number
WO2023219369A1
WO2023219369A1 PCT/KR2023/006235 KR2023006235W WO2023219369A1 WO 2023219369 A1 WO2023219369 A1 WO 2023219369A1 KR 2023006235 W KR2023006235 W KR 2023006235W WO 2023219369 A1 WO2023219369 A1 WO 2023219369A1
Authority
WO
WIPO (PCT)
Prior art keywords
information
skin brightness
skin
snp
prescriptions
Prior art date
Legal status (The legal status 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 status listed.)
Ceased
Application number
PCT/KR2023/006235
Other languages
English (en)
French (fr)
Inventor
홍성헌
송해중
임상섭
최선국
김진현
이운영
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
LG H&H Co Ltd
Original Assignee
LG Household and Health Care Ltd
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 LG Household and Health Care Ltd filed Critical LG Household and Health Care Ltd
Publication of WO2023219369A1 publication Critical patent/WO2023219369A1/ko
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/44—Detecting, measuring or recording for evaluating the integumentary system, e.g. skin, hair or nails
    • A61B5/441—Skin evaluation, e.g. for skin disorder diagnosis
    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
    • C12Q1/00—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions
    • C12Q1/68—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions involving nucleic acids
    • C12Q1/6813—Hybridisation assays
    • C12Q1/6827—Hybridisation assays for detection of mutation or polymorphism
    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
    • C12Q1/00—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions
    • C12Q1/68—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions involving nucleic acids
    • C12Q1/6876—Nucleic acid products used in the analysis of nucleic acids, e.g. primers or probes
    • C12Q1/6883—Nucleic acid products used in the analysis of nucleic acids, e.g. primers or probes for diseases caused by alterations of genetic material
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B20/00—ICT specially adapted for functional genomics or proteomics, e.g. genotype-phenotype associations
    • G16B20/20—Allele or variant detection, e.g. single nucleotide polymorphism [SNP] detection
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/10—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to drugs or medications, e.g. for ensuring correct administration to patients
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
    • C12Q2537/00—Reactions characterised by the reaction format or use of a specific feature
    • C12Q2537/10—Reactions characterised by the reaction format or use of a specific feature the purpose or use of
    • C12Q2537/165—Mathematical modelling, e.g. logarithm, ratio

Definitions

  • the present invention relates to a method and system for predicting changes in skin brightness of a prescription containing hydroquinone.
  • Hydroquinone is an ingredient used as a skin whitening agent, and is known to suppress excessive pigmentation of the skin, such as spots and freckles. In particular, it is known to decolorize excessively deposited pigment on the skin by reducing the production of melanin pigment in the epidermal layer of the skin.
  • One object of the present invention is to provide a single nucleotide polymorphism (SNP) marker for determining changes in skin brightness with hydroquinone.
  • SNP single nucleotide polymorphism
  • Another object of the present invention is to provide a cosmetic composition, quasi-drug composition, or pharmaceutical composition containing the composition as an active ingredient.
  • Another object of the present invention is to provide a method of providing information for selecting a customized irritation reliever for alleviating irritation caused by hydroquinone, which includes the step of identifying the polymorphic site of the single nucleotide polymorphism marker for determining hydroquinone skin irritation.
  • Another object of the present invention is to provide a method for selecting a prescription based on the predicted change in skin brightness of a prescription containing hydroquinone.
  • the single nucleotide polymorphism marker may be one or more selected from the markers shown in Table 1 related to changes in skin brightness due to hydroquinone, but is not limited thereto.
  • the degree of increase or decrease in the degree of hydroquinone stimulation can be determined.
  • the upper allele is T at base 46332169 of chromosome 2 of an individual and the lower allele is C (rs12712969), compared to a person possessing T/T, T/ In the case of having C or C/C, the effect size is positive, so it can be judged that the degree of stimulation by hydroquinone increases, and the upper allele is T at the 46024212th base of the individual's chromosome 2, and the lower allele is When the gene is C (rs6720975), compared to people who have T/T, the effect size is negative (-) in those who have T/C or C/C, so the degree of stimulation by hydroquinone is believed to be reduced. You may judge, but you are not limited to this.
  • the RT-PCR kit contains a test tube or other suitable container, reaction buffer (pH and magnesium concentration vary) , deoxynucleotides (dNTPs), enzymes such as Taq-polymerase and reverse transcriptase, DNase, RNAse inhibitor, DEPC-water, sterilized water, etc. It may also include a pair of primers specific to the gene used as a quantitative control. Also specifically, the kit of the present invention may be a kit for determining skin type that includes the essential elements necessary to perform a DNA chip.
  • determining the base of the polymorphic site in step (b) includes sequencing analysis, hybridization by microarray, allele specific PCR, and dynamic allele-specific hybridization.
  • DASH includes sequencing analysis, hybridization by microarray, allele specific PCR, and dynamic allele-specific hybridization.
  • DASH PCR extension assay
  • SSCP PCR-RFLP assay or TaqMan technique
  • SNPlex platform Applied Biosystems
  • mass spectrometry e.g., Sequenom's MassARRAY system
  • mini-sequencing method Bio-Plex Systems (BioRad)
  • CEQ and SNPstream systems Bacillus
  • Molecular Inversion Probe array technology e.g., Affymetrix GeneChip
  • BeadArray Technologies e.g., Illumina GoldenGate and Infinium assays.
  • one or more alleles in a polymorphic marker can be identified. Determining the base of such a polymorphic site can be specifically performed using a SNP chip.
  • the method additionally applies (c) when the base of the amplified or hybridized polymorphic site includes one or more bases that are minor alleles according to the single nucleotide polymorphism marker, change in skin brightness and/or skin brightness due to hydroquinone
  • the level of stimulation may be judged to be high or low, but is not limited to this.
  • the term “about” may appear before a specific numeric value.
  • the term “about” includes not only the exact number written after the term, but also a range that is approximately that number or close to that number. By considering the context in which the number is presented, one can determine whether it is close to or close to the specific number mentioned.
  • the term “about” may refer to a range of -10% to +10% of a numeric value.
  • the term “about” may refer to a range of -5% to +5% of a given numeric value. However, it is not limited to this.
  • the composition provides a quasi-drug composition for alleviating or improving irritation caused by hydroquinone.
  • the term "quasi-drug” refers to products that have a milder effect than pharmaceuticals among products used for the purpose of diagnosing, treating, improving, alleviating, treating, or preventing diseases in humans or animals.
  • Quasi-drugs exclude products used for medicinal purposes and include products used to treat or prevent diseases in humans and animals, and products that have a mild or no direct effect on the human body.
  • a method includes the steps of (a) inputting SNP information of a prediction target entity to a prediction terminal, (b) the prediction terminal applying the skin brightness change prediction model previously stored in the prediction terminal or server. Querying SNP information to calculate predicted skin brightness change information, and outputting the calculated predicted skin brightness change information, wherein the skin brightness change prediction model is configured to allow a learning processor to apply SNP information and an object having the SNP information.
  • a substance containing hydroquinone is applied, first skin brightness change learning data consisting of a pair of skin brightness change information are learned, and when SNP information is queried, a substance containing hydroquinone is applied to an individual with the queried SNP information.
  • a method for predicting skin brightness change in a prescription containing hydroquinone which is a first skin brightness change prediction model that outputs first predicted skin brightness change information.
  • the skin brightness change prediction model is such that the learning processor provides SNP information, one or more prescription information among a plurality of prescriptions including a prescription containing hydroquinone, and predicts a change in skin brightness to an individual having the SNP information according to the prescription.
  • the learning processor provides SNP information, one or more prescription information among a plurality of prescriptions including a prescription containing hydroquinone, and predicts a change in skin brightness to an individual having the SNP information according to the prescription.
  • the second skin brightness change learning data consisting of pairs of skin brightness change information when applying the substance, when SNP information is queried, when each substance according to a plurality of prescriptions is applied to an individual with the queried SNP information
  • It may be a second skin brightness change prediction model that outputs the second predicted skin brightness change information.
  • step (c) may further include the step of the prescription selection unit 33 selecting one or more prescriptions with a large value of the predicted skin brightness change information from among a plurality of prescriptions.
  • the plurality of prescriptions include a hydroquinone prescription and a prescription in which hydroquinone further contains an additional substance, wherein the additional substance includes a skin brightening increase inducing agent, a skin irritation reliever, a formulation stabilizing agent, and a formulation texture determining agent. It may be one or more selected from a group consisting of substances.
  • it further includes a SNPs marker selection device for selecting one or more SNPs related to changes in skin brightness upon application of hydroquinone among the plurality of SNPs included in the SNP information, and the SNP information of the learning data includes the above At least some of the one or more SNPs selected by the SNPs marker selection device may be included, and SNPs not selected by the SNPs marker selection device may not be included.
  • the prediction terminal queries the skin brightness change prediction model for the SNP information to calculate predicted skin brightness change information for each of a plurality of prescriptions, and the system calculates the predicted skin brightness change information Using the method, it may further include a prescription selection unit that selects one or more prescriptions from a plurality of prescriptions.
  • a method includes the steps of (a) inputting SNP information of a prediction target entity to a prediction terminal, and (b) the prediction terminal using a skin irritation prediction model previously stored in the prediction terminal or server. Comprising the step of querying the SNP information to calculate predicted stimulation information, and outputting the calculated predicted stimulation information, wherein the skin irritation prediction model is configured to include hydroquinone in an object having SNP information and the SNP information.
  • first stimulus learning data consisting of pairs of stimulus information when the material is applied, when SNP information is queried, first predicted stimulus information when a material containing hydroquinone is applied to an individual with the queried SNP information
  • a method for predicting skin irritation of a prescription containing hydroquinone which is a first irritation prediction model that outputs.
  • the first value may be a value that does not change even if learning occurs.
  • the weight is a value obtained by multiplying the first value and the second value
  • the predictive stimulus information may be calculated by summing the weights for each SNP.
  • the skin irritation prediction model is configured to provide the learning processor with SNP information, one or more prescription information from a plurality of prescriptions including a prescription containing hydroquinone, and a substance according to the prescription to an entity having the SNP information.
  • the second stimulus learning data consisting of pairs of stimulus information when applied, when SNP information is queried, a second prediction stimulus when each of the substances according to a plurality of prescriptions is applied to an individual with the queried SNP information It may be a second stimulus prediction model that outputs information.
  • a weight that affects skin irritation when applying a substance containing hydroquinone can be determined for each SNP included in the SNP information, and the weight is calculated using a first value determined according to the number of major alleles and minor alleles included in each SNP and a second value whose value changes through learning. You can.
  • the first value may have a higher value among the SNPs types with a greater number of lower-level alleles.
  • the skin irritation prediction model is such that the server provides SNP information, one or more prescription information among a plurality of prescriptions including a prescription containing hydroquinone, and a substance according to the prescription to an entity having the SNP information.
  • second stimulus learning data consisting of pairs of stimulus information when applied, when SNP information is queried, second predicted stimulus information when each substance according to a plurality of prescriptions is applied to an individual having the queried SNP information It may be a second stimulus prediction model that outputs.
  • the plurality of prescriptions include a hydroquinone prescription and a prescription in which hydroquinone further contains an additional substance, wherein the additional substance includes a skin brightening increase inducing agent, a skin irritation reliever, a formulation stabilizing agent, and a formulation texture determining agent. It may be one or more selected from a group consisting of substances.
  • a method includes the steps of (a) inputting SNP information of a prediction target entity to a prediction terminal, and (b) the prediction terminal using a threshold stimulus score prediction model previously stored in the prediction terminal or server. Comparing the threshold stimulation score determined in and the stimulation score determined according to the SNP information, and predicting stimulation information when hydroquinone is applied to an individual with the input SNP information according to the comparison result, and the threshold
  • the stimulation score prediction model is a stimulation score determined by the learning processor according to the number of SNPs and SNPs type included in the SNP information, and the presence or absence of stimulation when a substance containing hydroquinone is applied to an object having the SNP information.
  • Provides a method for predicting skin irritation of a prescription containing hydroquinone which is a first critical stimulus score prediction model that learns paired first critical stimulus learning data to determine a critical stimulus score that causes skin irritation according to hydroquinone application. .
  • the stimulation information calculation unit calculates stimulation information by comparing the stimulation score calculated according to the input SNP information with the threshold stimulation score for each prescription of the plurality of prescriptions
  • the prescription selection unit may further include a step of selecting one or more prescriptions suitable to be prescribed to an individual with the input SNP information among the plurality of prescriptions using the stimulus information for each prescription.
  • the plurality of prescriptions include a hydroquinone prescription and a prescription in which hydroquinone further contains an additional substance, wherein the additional substance includes a skin brightening increase inducing agent, a skin irritation reliever, a formulation stabilizing agent, and a formulation texture determining agent. It may be one or more selected from a group consisting of substances.
  • the prediction terminal queries the SNP information to a skin brightness change prediction model pre-stored in the prediction terminal or server to calculate predicted skin brightness change information, and calculates It further includes the step of outputting predicted skin brightness change information, wherein the skin brightness change prediction model includes SNP information and skin brightness change information when a learning processor applies a substance containing hydroquinone to an individual having the SNP information.
  • the skin brightness change prediction model includes SNP information and skin brightness change information when a learning processor applies a substance containing hydroquinone to an individual having the SNP information.
  • one aspect of the present invention is to learn first threshold stimulus learning data consisting of a stimulus score determined according to SNP information and a pair of stimulus presence or absence when a substance containing hydroquinone is applied to an individual having the SNP information to determine the threshold.
  • a server that generates a stimulation score prediction model, which receives the SNP information of the prediction target entity and a server that generates a first threshold stimulation score prediction model that determines the threshold stimulation score that causes skin irritation according to hydroquinone application, and receives the SNP information from the server.
  • Hydroquinone comprising a prediction terminal that compares the determined threshold stimulation score with the stimulation score determined according to the input SNP information, and outputs stimulation information when hydroquinone is applied to an individual with the input SNP information according to the comparison result.
  • a skin irritation prediction system for prescriptions that include:
  • different values are assigned to each SNPs type of the major allele - the major allele, the major allele - the minor allele, and the minor allele - the minor allele.
  • the stimulation score may be higher as the number of the selected one or more SNPs increases, and as the number of lower alleles in the selected one or more SNPs increases.
  • the threshold stimulation score prediction model is configured to enable the learning processor to send the prescription to an entity having the stimulation score, one or more prescription information from a plurality of prescriptions including a prescription containing hydroquinone, and the SNP information. It may be a second critical stimulation score prediction model that determines the critical stimulation score for each substance according to a plurality of prescriptions by learning second critical stimulation learning data consisting of pairs of stimulation presence or absence when the corresponding substance is applied.
  • the skin brightness change information calculation unit 141 uses a prediction model generated by the server 200, which will be described later, to calculate predicted skin brightness change information when a substance containing hydroquinone is applied to the prediction target object.
  • correlations between a plurality of data that are the subject of learning can be derived using various statistical techniques (linear regression model, random forest, lasso, ridge, elastic net, MDR, SVM, etc.) .
  • the learning processor 235 adjusts the weight that affects the skin brightness change for each SNP (specifically, adjusts the second value) to maximize prediction accuracy in the process of learning the first skin brightness change learning data.
  • a first skin brightness change prediction model can be created.
  • the first skin brightness change prediction model generated by the learning processor 235 may be transmitted to the prediction terminal 100 and stored in the model storage unit 131 of the prediction terminal 100.
  • the skin brightness change information calculation unit 141 of the prediction terminal 100 uses the first prediction model to 1 Predicted skin brightness change information can be calculated, and the calculated information can be output in the form of visible information to the system user through the output unit 150.
  • Figure 8 shows the genetic data of the prediction target entity being directly input into the prediction terminal 100.
  • the identification data of the prediction target entity is input into the prediction terminal 100, and the input Identification data is transmitted to the data providing server 300, and the data providing server 300 transmits the genetic data of the individual corresponding to the transmitted identification data to the prediction terminal 100.
  • An aspect may also be included in the scope of the present invention. .
  • a third skin brightness change prediction model can be created by adjusting the weights that affect the skin brightness change.
  • the third skin brightness change prediction model generated by the learning processor 235 may be transmitted to the prediction terminal 100 and stored in the model storage unit 131 of the prediction terminal 100.
  • the prediction terminal When one or more of genetic data including SNP information of the prediction target entity and age information/gender information/lifestyle information/environment information/skin characteristic information are queried through the input unit 120 of the prediction terminal 100, the prediction terminal The skin brightness change information calculation unit 141 of 100 can calculate predicted skin brightness change information for each prescription using the fourth skin brightness change prediction model, and the calculated information is output through the output unit 150. It can be output in the form of visible information to system users.
  • the prescription selection unit 143 uses the predicted skin brightness change information calculated by the skin brightness change information calculation unit 141 to calculate one or more prescriptions suitable for being prescribed to the corresponding prediction target entity.
  • a prescription with a large value of the predicted skin brightness change information calculated by the skin brightness change information calculation unit 141 may be calculated as a prescription suitable to be prescribed to the prediction target entity.
  • Figure 10 shows the genetic data of the prediction target entity being directly input to the prediction terminal 100.
  • the identification data of the prediction target entity is input into the prediction terminal 100, and the input Identification data is transmitted to the data providing server 300, and the data providing server 300 transmits the genetic data of the individual corresponding to the transmitted identification data to the prediction terminal 100.
  • An aspect may also be included in the scope of the present invention. .
  • the learning processor 235 is a pair of SNP information - stimulation data (including the presence or absence of stimulation or degree of stimulation) when a substance containing hydroquinone is applied to an entity having the SNP information.
  • a prediction model can be created that outputs the first stimulus information when a substance containing hydroquinone is applied to an entity having the queried SNP information.
  • the learning processor 235 adjusts the weight that affects skin stimulation for each SNP (specifically, adjusts the second value) so that the prediction accuracy is maximized in the process of learning the first stimulus learning data.
  • a stimulus prediction model can be created.
  • the first stimulus prediction model generated by the learning processor 235 may be transmitted to the prediction terminal 100 and stored in the model storage unit 131 of the prediction terminal 100.
  • the stimulus information calculation unit 142 of the prediction terminal 100 uses the first stimulus prediction model to generate the first stimulus information.
  • Stimulus information (which may be in the form of the presence or absence of stimulation or the degree of stimulation) can be calculated, and the calculated information can be output in the form of visible information to the system user through the output unit 150.
  • Figure 12 shows the genetic data of the prediction target entity being directly input into the prediction terminal 100.
  • the identification data of the prediction target entity is input into the prediction terminal 100, and the input Identification data is transmitted to the data providing server 300, and the data providing server 300 transmits the genetic data of the individual corresponding to the transmitted identification data to the prediction terminal 100.
  • An aspect may also be included in the scope of the present invention. .
  • the prescription selection unit 143 uses the stimulus information calculated by the stimulus information calculation unit 142 to calculate one or more prescriptions suitable for being prescribed to the corresponding prediction target entity.
  • a prescription with a small value of the stimulus information calculated by the stimulus information calculation unit 142 may be calculated as a prescription suitable for being prescribed to the prediction target entity.
  • Figure 13 shows the genetic data of the prediction target entity being directly input into the prediction terminal 100.
  • the identification data of the prediction target entity is input into the prediction terminal 100, and the input Identification data is transmitted to the data providing server 300, and the data providing server 300 transmits the genetic data of the individual corresponding to the transmitted identification data to the prediction terminal 100.
  • An aspect may also be included in the scope of the present invention. .
  • the third stimulus prediction model generated by the learning processor 235 may be transmitted to the prediction terminal 100 and stored in the model storage unit 131 of the prediction terminal 100.
  • the prediction terminal When one or more of genetic data including SNP information of the prediction target entity and age information/gender information/lifestyle information/environment information/skin characteristic information are queried through the input unit 120 of the prediction terminal 100, the prediction terminal The stimulus information calculation unit 142 of 100 can calculate the third stimulus information using the third stimulus prediction model, and the calculated information is output in the form of information visible to the system user through the output unit 150. It can be.
  • the learning processor 235 includes SNP information - one or more prescription information among a plurality of prescriptions including a prescription containing hydroquinone - age information/gender information/lifestyle information/environmental information /One or more of the skin characteristic information - learning the fourth stimulus learning data consisting of a pair of stimulus information when a substance according to one of the prescriptions is applied to an individual having the SNP information, SNP information and age
  • fourth stimulus information is output when each of the substances according to a plurality of prescriptions is applied to an individual having the queried SNP information.
  • a prediction model can be created.
  • the learning processor 235 adjusts the weight that affects skin irritation for each SNP in each prescription so that the prediction accuracy is maximized in the process of learning the fourth stimulus learning data (specifically, the second value (adjust) can create a fourth stimulus prediction model.
  • the fourth stimulus prediction model generated by the learning processor 235 may be transmitted to the prediction terminal 100 and stored in the model storage unit 131 of the prediction terminal 100.
  • the stimulus information calculation unit 142 of the prediction terminal 100 uses the fourth stimulus prediction model to Stimulation information for each prescription can be calculated, and the calculated information can be output in the form of visible information to the system user through the output unit 150.
  • the prescription selection unit 143 uses the stimulus information calculated by the stimulus information calculation unit 142 to calculate one or more prescriptions suitable for being prescribed to the corresponding prediction target entity.
  • a prescription with a small value of the stimulus information calculated by the stimulus information calculation unit 142 may be calculated as a prescription suitable for being prescribed to the prediction target entity.
  • Figure 15 shows the genetic data of the prediction target entity being directly input to the prediction terminal 100.
  • the identification data of the prediction target entity is input to the prediction terminal 100, and the input identification data is sent to the data providing server. It is transmitted to 300, and the data providing server 300 transmits the genetic data of the individual corresponding to the transmitted identification data to the prediction terminal 100, which may also be included in the scope of the present invention.
  • the learning processor 235 determines the irritation score according to the SNP information of each individual - the presence or absence of skin irritation when applying a substance containing hydroquinone to an individual having the SNP information.
  • the first critical stimulus learning data consisting of pairs of (i.e., stimulus present for an object that experienced a stimulus and no stimulus for an object that experienced no particular stimulus)
  • a prediction model that outputs a threshold irritation score that causes skin irritation can be created.
  • skin irritation may include erythema, skin peeling, burning, itching, etc., and is not particularly limited thereto, but is a general term for abnormal reactions.
  • the first value can have a higher value as the number of sub-alleles included in each SNP increases, such as '1' for major allele-major allele, '2' for major allele-minor allele, and '2' for major allele-minor allele.
  • a value of '3' may be assigned, but is not particularly limited thereto.
  • the first value may be set as a value that changes through learning, and the second value may be fixed to the Effect Size of each SNPs.
  • the first value may be fixed according to the number of upper alleles and lower alleles, and the second value may also be fixed as Effect Size.
  • the critical stimulus score determined (predicted) in the first critical stimulus score prediction model generated by the learning processor 235 may be transmitted to the prediction terminal 100 and stored in the memory 130 of the prediction terminal 100.
  • the stimulation information calculation unit 142 of the prediction terminal 100 calculates a stimulation score according to the queried SNP information.
  • stimulation information can be calculated using the comparison result data obtained by comparing the critical stimulation score determined in the first critical stimulation score prediction model (for example, in the case of an object having a stimulation score greater than the critical stimulation score, the stimulation It can be calculated as if there is a stimulus, and for objects with a stimulus score less than the threshold stimulus score, it can be calculated as if there is no stimulus).
  • the calculated stimulus information may be output in the form of visible information to system users through the output unit 150.
  • the first critical stimulus learning data is grouped based on one or more information selected from gender, age, environmental information, lifestyle information, and skin characteristic information.
  • gender is the standard, data obtained from a male individual is grouped into data obtained from a female individual, respectively
  • a first threshold stimulus score prediction model can be generated for each grouped data (i.e., generated).
  • a first threshold stimulus score prediction model for each group may be created).
  • the stimulus score is calculated by determining which group the object belongs to according to one or more information selected from gender, age, environmental information, lifestyle information, and skin characteristics, and making the seventh prediction.
  • the critical stimulus score for each of the plurality of prescriptions can be determined.
  • the critical stimulus scores determined in the second critical stimulus score prediction model generated by the learning processor 235 may be transmitted to the prediction terminal 100 and stored in the memory 130 of the prediction terminal 100.
  • the stimulation information calculation unit 142 of the prediction terminal 100 calculates a stimulation score according to the queried SNP information.
  • stimulation information for each prescription can be calculated using comparison result data obtained by comparing with the critical stimulation score determined in the second critical stimulation score prediction model (for example, more than the critical stimulation score according to prescription A.
  • the calculated stimulus information may be output in the form of visible information to system users through the output unit 150.
  • the prescription selection unit 143 may select one or more prescriptions calculated as non-stimulating from among the plurality of prescriptions as appropriate to be prescribed to the subject and output the calculated prescription information through the output unit 150.
  • Figure 17 shows the genetic data of the prediction target entity being directly input to the prediction terminal 100.
  • the identification data of the prediction target entity is input to the prediction terminal 100, and the input identification data is sent to the data providing server. It is transmitted to 300, and the data providing server 300 transmits the genetic data of the individual corresponding to the transmitted identification data to the prediction terminal 100, which may also be included in the scope of the present invention.
  • the learning processor 235 may perform a stimulation score - one or more of age information/gender information/lifestyle information/environmental information/skin characteristic information-hydroquinone to an individual having the SNP information.
  • a prediction model is generated that outputs a threshold irritation score that causes skin irritation when a substance containing hydroquinone is applied. can do.
  • age information/gender information/lifestyle information/environmental information/skin characteristic information are variables that affect the stimulation score.
  • the critical stimulus score determined (predicted) in the third critical stimulus score prediction model generated by the learning processor 235 may be transmitted to the prediction terminal 100 and stored in the memory 130 of the prediction terminal 100.
  • prediction The stimulation information calculation unit 142 of the terminal 100 calculates a stimulation score according to the input SNP information and age information/gender information/lifestyle information/environmental information/skin characteristic information, and calculates the stimulation score determined in the third threshold stimulation score prediction model.
  • Stimulus information can be calculated through comparison result data obtained by comparing with the threshold stimulus score.
  • the calculated stimulus information may be output in the form of visible information to system users through the output unit 150.
  • Figure 18 shows the genetic data of the prediction target entity being directly input to the prediction terminal 100.
  • the identification data of the prediction target entity is input to the prediction terminal 100, and the input identification data is sent to the data providing server. It is transmitted to 300, and the data providing server 300 transmits the genetic data of the individual corresponding to the transmitted identification data to the prediction terminal 100, which may also be included in the scope of the present invention.
  • the critical stimulus scores determined (predicted) in the fourth critical stimulus score prediction model generated by the learning processor 235 may be transmitted to the prediction terminal 100 and stored in the memory 130 of the prediction terminal 100.
  • the prediction terminal When one or more of genetic data including SNP information of the prediction target entity and age information/gender information/lifestyle information/environment information/skin characteristic information are queried through the input unit 120 of the prediction terminal 100, the prediction terminal The stimulation information calculation unit 142 of 100 calculates a stimulation score according to the queried SNP information/age information/gender information/lifestyle information/environmental information/skin characteristic information, and the threshold determined in the fourth threshold stimulation score prediction model.
  • the prescription selection unit 143 may select one or more prescriptions calculated as non-stimulating from among the plurality of prescriptions as appropriate to be prescribed to the subject and output the calculated prescription information through the output unit 150.
  • the prediction terminal 100 calculates the prediction target object as a “non-suitable group” and prescribes the prescription selection unit. (143) can calculate and provide a prescription to the user in which efficacy synergistic substances and irritation relieving substances are added in addition to hydroquinone.
  • the form of output provided to the user may be in the form of Figure 39 or Figure 40, but is not particularly limited thereto.
  • the genetic data or identification data of the prediction target entity is input, the genetic data is queried to the generated prediction model, and one or more of predicted skin brightness change information, stimulation information, and threshold stimulation score is calculated in the prediction model.
  • the prescription selection unit 143 calculates one or more prescriptions suitable to be prescribed to the corresponding prediction target entity.
  • the SNPs marker selection device 210 performs correlation analysis between the subject's genetic data (which may be stored on a server or may be obtained by transmitting subject identification information to a data providing server) and the skin brightness change value. , one or more skin brightness change prediction SNPs markers that affect skin brightness change when applying a substance containing hydroquinone can be selected.
  • the skin brightness change prediction SNPs markers selected in this way can be transmitted to the prediction model creation device 230 and can be used as an element of learning data to create a prediction model in the future.
  • a skin brightness change and/or stimulation prediction command is input through the prediction terminal 100, and genetic data (can be input directly or transmitted through a data providing server) and/or age/ Using one or more data of gender/lifestyle/environment/skin characteristic information, skin brightness change information and/or stimulation information when applying a substance containing hydroquinone to the prediction target object may be calculated.
  • This information can be calculated for each of a plurality of prescriptions, and the prescription selection unit selects and outputs one or more prescriptions suitable to be prescribed to the prediction target entity using the calculated skin brightness change information and/or stimulation information.
  • the method according to an embodiment of the present invention described above may be implemented in the form of computer program instructions that can be executed through various computer means and recorded on a computer-readable medium.
  • the computer-readable medium may include program instructions, data files, data structures, etc., singly or in combination.
  • Program instructions recorded on the medium may be specially designed and constructed for the present invention or may be known and usable by those skilled in the art of computer software.
  • Examples of computer-readable recording media include magnetic media such as hard disks, floppy disks, and magnetic tapes, optical media such as CD-ROMs and DVDs, and magnetic media such as floptical disks.
  • FIG. 3 is a schematic block diagram illustrating an aspect of a prediction model generating apparatus of the system of FIG. 1 .
  • the group with brightness change + is classified as the effective group, and the group with brightness change - is classified as the ineffective group.
  • Predicted stimulus grade gender variable value + age variable value +
  • beta value influence factor of the corresponding SNP minor allele
  • Degree of irritation Inquire about the degree of irritation at the area where hydroquinone was applied using a questionnaire.
  • Adjusted R-square refers to the explanatory power of the prediction model, and the closer it is to 1, the better the explanatory power.
  • Presence or absence of predicted stimulus gender variable value + age variable value +
  • Degree of irritation Inquire about the degree of irritation at the area where hydroquinone was applied using a questionnaire.
  • Sensitivity If the actual value is the stimulus group, the degree to which the predicted value is close to the stimulus group.
  • SNPs used to verify the efficacy of hydroquinone in reducing irritation and ingredients that inhibit the stimulation mechanism
  • Gene gene stimulation mechanism SNP Allele MAF P-value Effect size ( ⁇ ) Ingredients that inhibit irritation PRKCE -TRPV1, a capsaicin recognition receptor, is activated through phosphorylation by PRKCE, causing pain.

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Proteomics, Peptides & Aminoacids (AREA)
  • Organic Chemistry (AREA)
  • Public Health (AREA)
  • Physics & Mathematics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Wood Science & Technology (AREA)
  • Analytical Chemistry (AREA)
  • Zoology (AREA)
  • Biophysics (AREA)
  • Genetics & Genomics (AREA)
  • Molecular Biology (AREA)
  • Pathology (AREA)
  • Biotechnology (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Biomedical Technology (AREA)
  • Microbiology (AREA)
  • General Engineering & Computer Science (AREA)
  • Immunology (AREA)
  • Biochemistry (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medicinal Chemistry (AREA)
  • Veterinary Medicine (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Theoretical Computer Science (AREA)
  • Dermatology (AREA)
  • Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)

Abstract

본 발명은 히드로퀴논을 포함하는 처방의 피부 밝기 변화 예측 방법 및 시스템에 관한 것으로, 예측 대상 개체의 SNP(단일연기다형성, Single Nucleoride Polymorphism) 정보를 서버에 미리 저장된 피부 밝기 변화 예측 모델에 질의하여 예측 피부 밝기 변화 정보를 연산하고, 연산된 피부 밝기 변화 정보를 출력하는 방법 및 시스템을 포함하고, 피부 밝기 변화 예측 모델은 SNP 정보 및 SNP 정보를 갖는 개체에 히드로퀴논(hydroquinone)을 포함하는 물질을 도포하였을 때 피부 밝기 변화 정보의 쌍으로 이루어진 제1 피부 밝기 변화 학습 데이터들을 학습하여, SNP 정보가 질의되는 경우 질의된 SNP 정보를 갖는 개체에 히드로퀴논을 포함하는 물질이 도포되었을 때의 예측 피부 밝기 변화 정보를 출력하는 예측 모델인 히드로퀴논을 포함하는 처방의 피부 밝기 변화 예측 방법 및 시스템이다.

Description

히드로퀴논을 포함하는 처방의 피부 밝기 변화 예측 방법 및 시스템
본 발명은 히드로퀴논을 포함하는 처방의 피부 밝기 변화 예측 방법 및 시스템에 관한 것이다.
히드로퀴논은 피부미백제로 사용되는 성분이며, 기미, 주근깨 등 피부의 과다한 색소 침착을 억제하는 것으로 알려져 있다. 특히, 피부 표피층에서 멜라닌 색소의 생성을 감소시킴으로써, 피부에 과다하게 침착된 색소를 탈색시키는 것으로 알려져 있다.
일반적으로, 히드로퀴논을 포함하는 물질을 피부에 도포하는 경우 미백 측면에서 효능을 볼 수 있으나, 사용자에 따라 그 효능에 차이가 있으며, 동일한 효능을 보이더라도 사용자에게 미치는 자극 정도가 다르다(한국공개특허 제10-2016-0014271호).
한편, 동일한 물질이더라도 사용자에게 미치는 피부 밝기 변화, 자극 정도는 유전적인 특성과 연관이 되어 있다는 것이 밝혀지고 있다.
하지만, 히드로퀴논을 포함하는 물질을 도포하였을 때 발생하는 피부 밝기 변화, 자극 정도 차이가 어떠한 유전적 요인에 의해 영향을 받는지에 대한 연구가 부족한 실정이다.
이러한 배경 하에 본 발명자들은 통계적 분석 방법, 머신 러닝 기법을 통해 히드로퀴논을 포함하는 물질을 도포하였을 때 발생하는 피부 밝기 변화, 자극 정도와 유의적 상관관계를 갖는 특정 단일염기다형성 (SNP) 마커를 선별하고, 사용자의 유전자 정보를 입력하는 경우 피부 밝기 예측, 자극 정보 예측, 나아가 화장품 추천까지 가능한 본 발명을 완성하기에 이르렀다.
본 발명의 하나의 목적은 히드로퀴논 피부 밝기 변화 판단용 단일염기다형성(SNP) 마커를 제공하는 것이다.
본 발명의 하나의 목적은 히드로퀴논 피부 자극 판단용 단일염기다형성(SNP) 마커를 제공하는 것이다.
본 발명의 또 하나의 목적은 히드로퀴논 피부 밝기 변화 판단용 단일염기다형성(SNP) 마커를 검출할 수 있는 프로브 또는 증폭할 수 있는 제제를 포함하는, 히드로퀴논 피부 밝기 변화 판단용 조성물을 제공하는 것이다.
본 발명의 또 하나의 목적은 히드로퀴논 피부 자극 판단용 단일염기다형성(SNP) 마커를 검출할 수 있는 프로브 또는 증폭할 수 있는 제제를 포함하는, 히드로퀴논 피부 자극 판단용 조성물을 제공하는 것이다.
본 발명의 또 하나의 목적은 상기 조성물을 포함하는 히드로퀴논 피부 밝기 변화 판단용 키트 또는 마이크로어레이를 제공하는 것이다.
본 발명의 또 하나의 목적은 상기 조성물을 포함하는 히드로퀴논 피부 자극 판단용 키트 또는 마이크로어레이를 제공하는 것이다.
본 발명의 또 하나의 목적은 자극 완화제를 유효성분으로 포함하는 히드로퀴논에 의한 항자극용 조성물을 제공하는 것이다.
본 발명의 또 다른 목적은 상기 조성물을 유효성분으로 포함하는 화장품 조성물, 의약외품 조성물, 또는 약학적 조성물을 제공하는 것이다.
본 발명의 또 하나의 목적은 히드로퀴논 피부 자극 판단용 단일염기다형성 마커의 다형성 부위를 확인하는 단계를 포함하는 히드로퀴논에 의한 자극 완화를 위한 맞춤용 자극 완화제를 선택하는 정보의 제공 방법을 제공하는 것이다.
본 발명의 또 하나의 목적은 상기 단일염기다형성 마커의 다형성 부위를 확인하는 단계를 포함하는 히드로퀴논 피부 밝기 변화에 대한 정보의 제공 방법을 제공하는 것이다.
본 발명의 또 하나의 목적은 상기 단일염기다형성 마커의 다형성 부위를 확인하는 단계를 포함하는 히드로퀴논 피부 자극에 대한 정보의 제공 방법을 제공하는 것이다.
본 발명의 또 하나의 목적은 히드로퀴논을 포함하는 처방의 피부 밝기 변화 예측 방법을 제공하는 것이다.
본 발명의 또 하나의 목적은 히드로퀴논을 포함하는 처방의 자극 유무 예측 방법을 제공하는 것이다.
본 발명의 또 하나의 목적은 히드로퀴논을 포함하는 처방의 임계 자극 점수 예측 방법을 제공하는 것이다.
본 발명의 또 하나의 목적은 히드로퀴논을 포함하는 처방의 예측 피부 밝기 변화에 기초한 처방 선정 방법을 제공하는 것이다.
본 발명의 또 하나의 목적은 히드로퀴논을 포함하는 처방의 예측 자극 정보에 기초한 처방 선정 방법을 제공하는 것이다.
본 발명의 또 하나의 목적은 히드로퀴논을 포함하는 처방의 임계 자극 점수에 기초한 자극 유무 예측 방법을 제공하는 것이다.
본 발명의 또 하나의 목적은 히드로퀴논을 포함하는 처방에 따른 물질 도포 시 피부 밝기 변화에 영향을 미치는 단일염기다형성(SNPs) 마커를 제공하는 것이다.
본 발명의 또 하나의 목적은 히드로퀴논을 포함하는 처방에 따른 물질 도포 시 피부 자극에 영향을 미치는 단일염기다형성(SNPs) 마커를 제공하는 것이다.
본 발명에서 개시된 각각의 설명 및 실시 형태는 각각의 다른 설명 및 실시 형태에도 적용될 수 있다. 즉, 본 발명에서 개시된 다양한 요소들의 모든 조합이 본 발명의 범주에 속한다. 또한, 하기 기술된 구체적인 서술에 의하여 본 발명의 범주가 제한된다고 볼 수 없다.
본 발명의 하나의 양태는 히드로퀴논 피부 밝기 변화 판단용 단일염기다형성(SNP) 마커를 제공한다.
본 발명의 하나의 양태는 히드로퀴논 피부 자극 판단용 단일염기다형성(SNP) 마커를 제공한다.
본 발명의 다른 하나의 양태는 히드로퀴논 피부 밝기 변화 판단용 단일염기다형성(SNP) 마커를 검출할 수 있는 프로브 또는 증폭할 수 있는 제제를 포함하는, 히드로퀴논 피부 밝기 변화 판단용 조성물을 제공한다.
본 발명의 다른 하나의 양태는 히드로퀴논 자극 판단용 단일염기다형성(SNP) 마커를 검출할 수 있는 프로브 또는 증폭할 수 있는 제제를 포함하는, 히드로퀴논 자극 판단용 조성물을 제공한다.
본 발명에서 용어, "다형성(polymorphism)"이란 하나의 유전자 좌위(locus)에 두 가지 이상의 대립유전자(allele)가 존재하는 경우를 말하며 다형성 부위 중에서, 사람에 따라 단일 염기만이 다른 것을 단일염기다형성(single nucleotide polymorphism, SNP)이라 한다. 바람직한 다형성 마커는 선택된 집단에서 1% 이상, 더욱 구체적으로 10% 또는 20% 이상의 발생빈도를 나타내는 두 가지 이상의 대립유전자를 가진다.‘유전자 다형성 마커'는 일반적으로 동일한 유전자 위치(염기)에서 두 가지 이상의 대립유전자(allele)가 관찰되는 경우를 말하며, 일반적으로 개인에 따라서 상위 대립유전자(major allele)/상위 대립유전자(major allele), 상위 대립유전자(major allele)/하위 대립유전자(minor allele), 하위 대립유전자(minor allele)/하위 대립유전자(minor allele) 의 경우가 존재한다. 본 발명에서는 "다형성 마커"와 혼용될 수 있으며, 하위 대립 유전자의 염기와 염기 부위를 의미하거나, 염색체의 number와 base position과 함께 정의될 수 있으나, 이에 제한되지 않는다.
본 발명에서 용어, "대립유전자(allele)"는 상동염색체의 동일한 유전자좌위에 존재하는 한 유전자의 여러 타입을 말한다. 대립유전자는 다형성을 나타내는데 사용되기도 하며, 예컨대, SNP는 두 종류의 대립인자 (biallele)를 갖는다. 또한, 염색체의 number와 base position이 동일한 둘 이상의 염기의 조합을 의미하며, 상기 염기는 특정한 집단의 개체들에서 발생 빈도가 높은 상위 대립유전자(major allele)와 상기 상위 대립유전자 보다 발생 빈도가 낮은 하위 대립유전자(minor allele)를 포함한다.
구체적으로, 본 발명의 유전자 다형성 마커들은 히드로퀴논 피부 밝기 변화 및/또는 자극과 연관유의성이 있는 것으로, 두 가지 대립유전자(allele) 중에서 하위 대립유전자(minor allele)를 하나 이상 보유하고 있는 경우, 히드로퀴논 피부 밝기 변화 및/또는 자극이 상위 대립유전자(major allele)/상위 대립유전자 (major allele)를 갖고 있는 개체에 비해 유의미성이 있다고 할 수 있다. 즉, 상위 대립유전자(major allele)/하위 대립유전자(minor allele), 하위 대립유전자(minor allele)/하위 대립유전자(minor allele)의 경우에는 상위 대립유전자(major allele)/상위 대립유전자 (major allele)를 보유하고 있는 경우와 비교하여 히드로퀴논에 의한 피부 밝기 변화 정도가 높거나 혹은 낮은 피부 특성을 가짐을 알 수 있으며, 히드로퀴논에 의한 자극 정도가 높거나 혹은 낮은 피부 특성을 가짐을 알 수 있다.
본 발명의 단일염기다형성 마커는 개인의 고유 히드로퀴논 피부 밝기 변화 및/또는 자극 특성을 예측 할 수 있도록 하므로, 히드로퀴논에 의한 피부 밝기 변화/피부 자극 변화에 효과적으로 작용하는 유효 성분에 대한 정보도 제공할 수 있는 바, 개인의 맞춤형 피부 관리 제품 정보 및 생활 패턴 정보 등의 제공이 가능할 수 있으나, 이에 제한되지 않는다.
본 발명에서 용어, "rs_id"란 1998년부터 SNP 정보를 축적하기 시작한 NCBI가 초기에 등록되는 모든 SNP에 대하여 부여한 독립된 표지자인 rs-ID를 의미한다. 이와 같은 표에 기재된 rs_id는 본 발명의 다형성 마커인 SNP 마커를 의미한다.
상기 단일염기다형성 마커는 표 1 내지 표 3에 표시된 단일염기다형성 마커들 중에서 선택된 1종 이상의 단일염기다형성 마커일 수 있다. 상기 표 1에 표시된 단일염기다형성 마커는 히드로퀴논 피부 밝기 정도와 연관성이 있는지 정도를 판단하는 것일 수 있다. 상기 표 2에 표시된 단일염기다형성 마커는 히드로퀴논 자극 정도와 연관성이 있는지 정도를 판단하는 것일 수 있다. 상기 표 3에 표시된 단일염기다형성 마커는 히드로퀴논 자극 유무와 연관성이 있는지 정도를 판단하는 것일 수 있다.
구체적으로, 상기 단일염기다형성 마커는 히드로퀴논에 의한 피부 밝기 정도/히드로퀴논에 의한 자극 정도/히드로퀴논에 의한 자극 유무와 관련된 표 1 내지 표 3에서 선택되는 하나 이상의 단일염기다형성 마커일 수 있다.
본 발명의 단일염기다형성 마커의 히드로퀴논에 의한 피부 밝기 변화/자극 연관유의성은 0.1 미만, 0.05 미만, 0.01 미만, 0.001 미만, 0.0001 미만, 0.00001 미만, 0.000001 미만, 0.0000001 미만, 0.00000001 미만, 또는 0.000000001 미만의 p-value와 같은 p-값을 특징으로 하나 이에 제한되지는 않는다. 구체적으로 p-value가 0. 1 미만일 수 있으며, 더 구체적으로 p-value가 0.01 미만일 수 있으나, 이에 제한되지 않는다.
본 발명의 단일염기다형성(SNP) 마커는 표 1 내지 표3에 표시된 마커 중 선택되는 어느 하나 이상일 수 있으나, 이에 제한되지 않는다. 상기 단일염기다형성 (SNP) 마커는 1개 이상일 수 있으며, 2개 이상, 3개 이상, 4개 이상 등 히드로퀴논 피부 밝기 변화/자극 정도를 판단할 수 있는 개수의 조합으로 이용될 수 있으나, 이에 제한되지 않는다.
상기 마커는 SNP 그 자체, 또는 상기 SNP 위치를 포함하는 5-100개의 연속적인 DNA 서열로 구성되는 폴리뉴클레오티드, 또는 이의 상보적인 서열로 구성되는 폴리뉴클레오티드일 수 있으나, 이에 제한되지 않는다.
하나의 구체예로 단일염기다형성 마커는 히드로퀴논에 의한 피부 밝기 변화와 관련된 표 1에 표시된 마커 중 선택되는 어느 하나 이상일 수 있으나, 이에 제한되지 않는다.
표 1에 표시된 마커 중 선택되는 마커를 설명하면 다음과 같을 수 있다.
한 예로, SNP 아이디가 rs7718428의 경우, Chr.Position (GRCh ver. 37)이 "5:149167073"으로 기재되어 있고, Allele이 A>G 로 개시되어 있다면, 이는 인간의 5번 염색체의 149167073번째 염기가 A 또는 G 임을 나타내는 것이며, allele의 ">" 왼쪽에 위치하는 염기가 상위 대립유전자(major allele)를 오른쪽에 위치하는 염기가 하위 대립유전자(minor allele)를 의미하는 것일 수 있다.
하나의 구체예로, 표 1에서 선택되는 마커는 인간의 1번 염색체의 110257814번째 염기가 C 또는 G인(rs78955679), 상기 110257814번째 염기를 포함하는 5-100개의 연속적인 DNA 서열로 구성되는 폴리뉴클레오티드; 인간의 3번 염색체의 69913239번째 염기가 T 또는 C인(rs73838671), 상기 69913239번째 염기를 포함하는 5-100개의 연속적인 DNA 서열로 구성되는 폴리뉴클레오티드; 인간의 4번 염색체의 140601982번째 염기가 A 또는 G인(rs73854327), 상기 140601982번째 염기를 포함하는 5-100개의 연속적인 DNA 서열로 구성되는 폴리뉴클레오티드; 인간의 5번 염색체의 149167073번째 염기가 A 또는 G인(rs7718428), 상기 149167073번째 염기를 포함하는 5-100개의 연속적인 DNA 서열로 구성되는 폴리뉴클레오티드; 인간의 6번 염색체의 52666448번째 염기가 C 또는 G인(rs11970311), 상기 52666448번째 염기를 포함하는 5-100개의 연속적인 DNA 서열로 구성되는 폴리뉴클레오티드; 인간의 11번 염색체의 88976963번째 염기가 T 또는 C인(rs12788260), 상기 88976963번째 염기를 포함하는 5-100개의 연속적인 DNA 서열로 구성되는 폴리뉴클레오티드; 인간의 12번 염색체의 16519020번째 염기가 A 또는 G인(rs2160512), 상기 16519020번째 염기를 포함하는 5-100개의 연속적인 DNA 서열로 구성되는 폴리뉴클레오티드; 인간의 15번 염색체의 28304344번째 염기가 A 또는 G인(rs7162117), 상기 28304344번째 염기를 포함하는 5-100개의 연속적인 DNA 서열로 구성되는 폴리뉴클레오티드; 및 이들의 상보적인 폴리뉴클레오티드로 이루어진 군에서 선택된 하나 이상의 폴리뉴클레오티드로 이루어진 것일 수 있으나, 이에 제한되지 않는다. 상기에 기재된 마커는 표 1에서 일부만을 예시로 기재한 것일 뿐이며, 다른 위치의 염색체에서도 상기와 동일한 방법으로 선택될 수 있다.
또 하나의 구현예로 표 1과 마찬가지로 표 2에 표시된 단일염기다형성(SNP) 마커 중 어느 하나 이상 선택될 수 있으나, 이에 제한되지 않는다.
또 하나의 구현예로 표 1과 마찬가지로 표 3에 표시된 단일염기다형성(SNP) 마커 중 어느 하나 이상 선택될 수 있으나, 이에 제한되지 않는다.
본 발명의 상기 대립유전자는 각각의 개체에서 염색체의 number가 동일하고, 그 중에서 SNP의 상위 대립유전자(major allele) 및 하위 대립유전자(minor allele)가 존재하고, 다형성 마커의 다형성 부위의 염기가 하위 대립유전자로 하나씩 늘어감에 따라 상위 대립유전자는 하나씩 줄어갈 수 있으며, 상위 대립유전자로 하나씩 늘어감에 따라 하위 대립유전자는 하나씩 줄어갈 수 있다. 다만, 하위대립유전자 및 상위대립유전자가 늘어나고 줄어들 수 있는 범위는 i) 상위 대립유전자(major allele)/상위 대립유전자(major allele), ii) 상위 대립유전자(major allele)/하위 대립유전자(minor allele), iii) 하위 대립유전자(minor allele)/하위 대립유전자(minor allele)의 3가지 타입 안에서 일 수 있으며, 상기 3가지 타입의 범위 내에서 대립 유전자가 줄어들거나, 늘어날 수 있으나, 이에 제한되지 않는다.
또한, 본 발명에서 상기 마커는 개체의 다형성 마커의 다형성 부위의 염기가 하위 대립유전자 (minor allele)가 하나씩 늘어감에 따라 히드로퀴논에 의한 피부 밝기 변화 및/또는 자극을 판단할 수 있는 마커이다. 구체적으로, 두 가지 대립유전자(allele) 중에서 하위 대립유전자(minor allele)를 하나 이상 보유하고 있는 (1) 상위 대립유전자(major allele)/하위 대립유전자(minor allele) 또는 (2) 하위 대립유전자(minor allele)/하위 대립유전자(minor allele) 를 갖는 개인은 일반적인 개인인 상위 대립유전자(major allele)/상위 대립유전자(major allele)를 보유하고 있는 사람과 비교하여, 히드로퀴논에 의한 피부 밝기 변화 정도가 높거나 혹은 낮은 피부 특성을 가진다고 판단할 수 있거나, 히드로퀴논에 의한 자극 정도가 높거나 혹은 낮은 피부 특성을 가진다고 판단할 수 있다.
더욱 구체적으로, 표 1에 표시된 마커 중 하위 대립유전자 (minor allele)가 하나씩 늘어감에 따라 히드로퀴논에 의한 피부 밝기의 증감 변화 정도를 판단할 수 있다. 일 예로, 표 1에 표시된 마커 중 개체의 5번 염색체의 149167073번째 염기에서 상위 대립유전자 A이고, 하위 대립 유전자가 G인 경우(rs7718428), A/A를 보유하고 있는 사람과 비교하여, A/G 또는 G/G를 보유하는 경우에 effect size가 마이너스(-)이므로 히드로퀴논에 의한 피부 밝기 개선 효과가 감소하는 것으로 판단할 수 있고, 개체의 11번 염색체의 88976963번째 염기에서 상위 대립유전자가 T이고, 하위 대립 유전자가 C인 경우(rs12788260), TT를 보유하고 있는 사람과 비교하여, T/C 또는 C/C를 보유하는 경우, effect size가 플러스(+)이므로 히드로퀴논에 의한 피부 밝기 개선 효과가 증가하는 것으로 판단할 수 있으나, 이에 제한되지 않는다.
표 2에 표시된 마커 중 하위 대립유전자 (minor allele)가 하나씩 늘어감에 따라 히드로퀴논 자극 정도의 증감 변화 정도를 판단할 수 있다. 일 예로, 표 2에 표시된 마커 중 개체의 2번 염색체의 46332169번째 염기에서 상위 대립유전자 T이고, 하위 대립 유전자가 C인 경우(rs12712969), T/T를 보유하고 있는 사람과 비교하여, T/C 또는 C/C를 보유하는 경우에 effect size가 플러스(+)이므로 히드로퀴논에 의한 자극 정도가 증가하는 것으로 판단할 수 있고, 개체의 2번 염색체의 46024212번째 염기에서 상위 대립유전자 T이고, 하위 대립 유전자가 C인 경우(rs6720975), T/T를 보유하고 있는 사람과 비교하여, T/C 또는 C/C를 보유하는 경우에 effect size가 마이너스(-)이므로 히드로퀴논에 의한 자극 정도가 감소하는 것으로 판단할 수 있으나, 이에 제한되지 않는다.
표 3에 표시된 마커 중 하위 대립유전자 (minor allele)가 하나씩 늘어감에 따라 히드로퀴논에 의한 자극 확률을 판단할 수 있다. 일 예로, 표 3에 표시된 마커 중 개체의 2번 염색체의 46018223번째 염기에서 상위 대립유전자 A이고, 하위 대립 유전자가 C인 경우(rs11898074), A/A를 보유하고 있는 사람과 비교하여, A/C 또는 C/C를 보유하는 경우에 effect size가 플러스(+)이므로 히드로퀴논에 의한 자극 확률이 높은 것으로 판단할 수 있고, 개체의 2번 염색체의 46160405번째 염기에서 상위 대립유전자 A이고, 하위 대립 유전자가 G인 경우(rs12999695), A/A를 보유하고 있는 사람과 비교하여, A/G 또는 G/G를 보유하는 경우에 effect size가 마이너스(-)이므로 히드로퀴논에 의한 자극 확률이 낮은 것으로 판단할 수 있으나, 이에 제한되지 않는다.
상기 염기들은 표 1 내지 표 3에서 하나의 다형성 마커를 일 예로 기재한 것이며, 구체적으로 기재하지는 않았으나, 상기에서 설명한 바와 같이 해석 및 도출될 수 있다.
본 발명에서 용어, "히드로퀴논 피부 밝기 변화/자극 판단용 마커를 검출할 수 있는 프로브"는 상기와 같은 유전자의 다형성 부위와 특이적으로 혼성화 반응을 통해 확인하여 히드로퀴논에 의한 피부 밝기 변화/피부 자극 정도를 진단할 수 있는 조성물을 의미하며, 이와 같은 유전자 분석의 구체적 방법은 특별한 제한이 없으며, 이 발명이 속하는 기술분야에 알려진 모든 유전자 검출 방법에 의하는 것일 수 있다. 또한, 상기 용어는 '히드로퀴논에 의한 피부 밝기 변화 판단용/ 히드로퀴논에 의한 피부 자극 정도 판단용'의 용어와 혼용되어 사용할 수 있다.
본 발명에서 용어, "히드로퀴논 피부 밝기 변화/자극 판단용 마커를 증폭할 수 있는 제제"란 상기와 같은 유전자의 다형성 부위를 증폭을 통해 확인하여 히드로퀴논에 의한 피부 밝기 변화/피부 자극 정도를 진단할 수 있는 조성물을 의미하며, 구체적으로 상기 히드로퀴논 피부 밝기 변화/자극 판단용 마커의 폴리뉴클레오티드를 특이적으로 증폭할 수 있는 프라이머를 의미한다. 또한, 상기 용어는 '히드로퀴논 피부 밝기 변화/자극 진단용', '히드로퀴논에 의한 피부 밝기 변화/피부 자극 정도 진단용', 및 '히드로퀴논에 의한 피부 밝기 변화/피부 자극 정도 판단용'의 용어와 혼용되어 사용할 수 있다.
본 발명에서 용어, "처방"은 특정한 성분의 조성을 갖는 물질일 수 있고, 단일 또는 복수의 물질과 함께 추천 사용방법 또는 추천 생활습관이 더 포함될 수 있는 개념이다. 본 발명을 예로 들면, "처방"은 히드로퀴논 단독 처방, 히드로퀴논에 하나 이상의 추가 물질이 더 포함된 처방을 포함할 수 있으며, 상기 추가 물질은 피부 밝기 증가 유도 물질, 피부 자극 완화제, 제재 안정화 물질 및 제재 질감 결정 물질로 이루어진 그룹 중 선택된 하나 이상일 수 있다.
상기 다형성 마커 증폭에 사용되는 프라이머는, 적절한 버퍼 중의 적절한 조건 (예를 들면, 4개의 다른 뉴클레오시드 트리포스페이트 및 DNA, RNA 폴리머라제 또는 역전사 효소와 같은 중합제) 및 적당한 온도 하에서 주형-지시 DNA 합성의 시작점으로서 작용할 수 있는 단일가닥 올리고뉴클레오티드를 말한다. 상기 프라이머의 적절한 길이는 사용 목적에 따라 달라질 수 있으나, 통상 15 내지 30 뉴클레오티드이다. 짧은 프라이머 분자는 일반적으로 주형과 안정한 혼성체를 형성하기 위해서는 더 낮은 온도를 필요로 한다. 프라이머 서열은 주형과 완전하게 상보적일 필요는 없으나, 주형과 혼성화 할 정도로 충분히 상보적이어야 한다.
본 발명에서 용어, "프라이머"는 짧은 자유 3' 말단 수산화기(free 3' hydroxyl group)를 가지는 염기 서열로 상보적인 템플레이트(template)와 염기쌍(base pair)을 형성할 수 있고 주형 가닥 복사를 위한 시작 지점으로 기능을 하는 짧은 서열을 의미한다. 프라이머는 적절한 완충용액 및 온도에서 중합반응(즉, DNA 폴리머레이즈 또는 역전사효소)을 위한 시약 및 상이한 4가지 뉴클레오사이드 트리포스페이트의 존재하에서 DNA 합성을 개시할 수 있다. PCR 증폭을 실시하여 원하는 생성물의 생성 정도를 통해 피부 타입을 예측할 수 있다. PCR 조건, 센스 및 안티센스 프라이머의 길이는 당업계에 공지된 것을 기초로 변형할 수 있다.
본 발명의 프로브 또는 프라이머는 포스포르아미다이트 고체 지지체 방법, 또는 기타 널리 공지된 방법을 사용하여 화학적으로 합성할 수 있다. 이러한 핵산 서열은 또한 당해 분야에 공지된 많은 수단을 이용하여 변형시킬 수 있다. 이러한 변형의 비-제한적인 예로는 메틸화, "캡화", 천연 뉴클레오타이드 하나 이상의 동족체로의 치환, 및 뉴클레오타이드 간의 변형, 예를 들면, 하전되지 않은 연결체(예: 메틸 포스포네이트, 포스포트리에스테르, 포스포로아미데이트, 카바메이트 등) 또는 하전된 연결체(예: 포스포로티오에이트, 포스포로디티오에이트 등)로의 변형이 있다.
본 발명의 다른 하나의 양태는 상기 히드로퀴논 피부 밝기 변화/자극 판단용 조성물을 포함하는 히드로퀴논 피부 밝기 변화/자극 판단용 키트를 제공한다. 상기 키트는 RT-PCR 키트 또는 DNA 칩 키트일 수 있으나, 이에 제한되지 않는다.
본 발명의 키트는 피부 타입 판단용 마커인 SNP 다형성 마커를 증폭을 통해 확인하거나, SNP 다형성 마커의 발현 수준을 mRNA의 발현 수준을 확인함으로써 피부 타입을 진단할 수 있다. 구체적인 일례로서, 본 발명에서 히드로퀴논에 의한 피부 밝기 변화/자극 판단용 마커의 mRNA 발현 수준을 측정하기 위한 키트는 RT-PCR을 수행하기 위해 필요한 필수 요소를 포함하는 키트일 수 있다. RT-PCR 키트는, 히드로퀴논에 의한 피부 밝기 변화/자극 판단용 마커의 유전자에 대한 특이적인 각각의 프라이머 쌍 외에도 RT-PCR 키트는 테스트 튜브 또는 다른 적절한 컨테이너, 반응 완충액(pH 및 마그네슘 농도는 다양), 데옥시뉴클레오타이드(dNTPs), Taq-폴리머라아제 및 역전사효소와 같은 효소, DNase, RNAse 억제제, DEPC-수(DEPC-water), 멸균수 등을 포함할 수 있다. 또한 정량 대조군으로 사용되는 유전자에 특이적인 프라이머 쌍을 포함할 수 있다. 또한 구체적으로, 본 발명의 키트는 DNA 칩을 수행하기 위해 필요한 필수 요소를 포함하는 피부 타입 판단용 키트일 수 있다. DNA 칩 키트는, 일반적으로 편평한 고체 지지판, 전형적으로는 현미경용 슬라이드보다 크지 않은 유리 표면에 핵산 종을 격자형 배열(gridded array)로 부착한 것으로, 칩 표면에 핵산이 일정하게 배열되어, DNA 칩 상의 핵산과 칩 표면에 처리된 용액 내에 포함된 상보적인 핵산 간에 다중 혼성화(hybridization) 반응이 일어나 대량 병렬 분석이 가능하도록 하는 도구이다.
본 발명의 다른 하나의 양태는 상기 히드로퀴논 피부 밝기 변화 판단용 조성물을 포함하는 히드로퀴논 피부 밝기 변화 판단용 마이크로어레이를 제공한다.
본 발명의 다른 하나의 양태는 상기 히드로퀴논 피부 자극 판단용 조성물을 포함하는 히드로퀴논 피부 자극 판단용 마이크로어레이를 제공한다.
상기 마이크로어레이는 DNA 또는 RNA 폴리뉴클레오티드를 포함하는 것일 수 있다. 상기 마이크로어레이는 프로브 폴리뉴클레오티드에 본 발명의 폴리뉴클레오티드를 포함하는 것을 제외하고는 통상적인 마이크로어레이로 이루어진다.
프로브 폴리뉴클레오티드를 기판상에 고정화하여 마이크로어레이를 제조하는 방법은 당업계에 잘 알려져 있다. 상기 프로브 폴리뉴클레오티드는 혼성화할 수 있는 폴리뉴클레오티드를 의미하는 것으로, 핵산의 상보성 가닥에 서열 특이적으로 결합할 수 있는 올리고뉴클레오티드를 의미한다. 본 발명의 프로브는 대립유전자 특이적 프로브로서, 같은 종의 두 구성원으로부터 유래한 핵산 단편 중에 다형성 부위가 존재하여, 한 구성원으로부터 유래한 DNA 단편에는 혼성화하나, 다른 구성원으로부터 유래한 단편에는 혼성화하지 않는다. 이 경우 혼성화 조건은 대립유전자간의 혼성화 강도에 있어서 유의한 차이를 보여, 대립유전자 중 하나에만 혼성화 하도록 충분히 엄격해야 한다. 이렇게 함으로써 다른 대립유전자 형태 간에 좋은 혼성화 차이를 유발할 수 있다. 본 발명의 상기 프로브는 대립유전자를 검출하여 히드로퀴논에 의한 피부 밝기 변화 및/또는 자극 진단 방법 등에 사용될 수 있다. 상기 진단 방법에는 서던 블롯트 등과 같은 핵산의 혼성화에 근거한 검출방법들이 포함되며, DNA 칩을 이용한 방법에서 DNA 칩의 기판에 미리 결합된 형태로 제공될 수도 있다. 상기 혼성화란 엄격한 조건, 예를 들면 1M 이하의 염 농도 및 25℃이상의 온도하에서 보통 수행될 수 있다. 예를 들면, 5x SSPE (750 mM NaCl, 50 mM Na Phosphate, 5 mM EDTA, pH 7.4) 및 25~30℃의 조건이 대립유전자 특이적 프로브 혼성화에 적합할 수 있다.
본 발명의 피부 진단과 연관된 프로브 폴리뉴클레오티드의 기판상에 고정화하는 과정도 또한 이러한 종래 기술을 사용하여 용이하게 제조할 수 있다. 또한, 마이크로어레이 상에서의 핵산의 혼성화 및 혼성화 결과의 검출은 당업계에 잘 알려져 있다. 상기 검출은 예를 들면, 핵산 시료를 형광 물질 예를 들면 Cy3 및 Cy5와 같은 물질을 포함하는 검출가능한 신호를 발생시킬 수 있는 표지 물질로 표지한 다음, 마이크로어레이 상에 혼성화하고 상기 표지 물질로부터 발생하는 신호를 검출함으로써 혼성화 결과를 검출할 수 있다.
본 발명의 다른 하나의 양태는 (a) 개체로부터 분리한 시료로부터 수득한 DNA에서 상기 단일염기다형성 마커의 다형성 부위를 증폭하거나 프로브와 혼성화하는 단계; 및 (b) 상기 (a) 단계의 증폭된 또는 혼성화된 다형성 부위의 염기를 확인하는 단계를 포함하는, 히드로퀴논에 의한 피부 밝기 변화 판단에 대한 정보의 제공 방법을 제공한다.
본 발명의 다른 하나의 양태는 (a) 개체로부터 분리한 시료로부터 수득한 DNA에서 상기 단일염기다형성 마커의 다형성 부위를 증폭하거나 프로브와 혼성화하는 단계; 및 (b) 상기 (a) 단계의 증폭된 또는 혼성화된 다형성 부위의 염기를 확인하는 단계를 포함하는, 히드로퀴논에 의한 피부 자극 판단에 대한 정보의 제공 방법을 제공한다.
본 발명의 용어, "개체"란 히드로퀴논에 의한 피부 자극에 대한 진단을 하기 위한 피험자를 의미한다. 상기 검체에서 머리카락, 뇨, 혈액, 각종 체액, 분리된 조직, 분리된 세포 또는 타액과 같은 시료 등으로부터 DNA를 수득할 수 있으나, 이에 제한되는 것은 아니다.
상기 (a) 단계의 게놈 DNA 수득 방법은 당업자에게 알려진 어떠한 방법이든 사용가능하다.
상기 (a) 단계의 수득한 DNA로부터 상기 단일염기다형성 마커의 다형성 부위를 증폭하거나 프로브와 혼성화하는 단계는 당업자에게 알려진 어떠한 방법이든 사용가능하다. 예를 들면, 표적 핵산을 PCR을 통하여 증폭하고 이를 정제하여 얻을 수 있다. 그 외 리가제 연쇄 반응(LCR) (Wu 및 Wallace, Genomics 4, 560(1989), Landegren 등, Science 241, 1077(1988)), 전사증폭(transcription amplification)(Kwoh 등, Proc. Natl.Acad. Sci. USA 86, 1173(1989)) 및 자가유지 서열 복제 (Guatelli 등, Proc. Natl. Acad. Sci. USA 87, 1874(1990)) 및 핵산에 근거한 서열 증폭 (NASBA)이 사용될 수 있다.
상기 방법 중 (b)단계의 다형성 부위의 염기를 결정하는 것은 시퀀싱 분석, 마이크로어레이(microarray)에 의한 혼성화, 대립유전자 특이적인 PCR(allele specific PCR), 다이나믹 대립유전자 혼성화 기법(dynamic allele-specifichybridization, DASH), PCR 연장 분석, SSCP, PCR-RFLP 분석 또는 TaqMan 기법, SNPlex 플랫폼(Applied Biosystems), 질량 분석법(예를 들면, Sequenom의 MassARRAY 시스템), 미니-시퀀싱(mini-sequencing) 방법, Bio-Plex 시스템(BioRad), CEQ and SNPstream 시스템(Beckman), Molecular Inversion Probe 어레이 기술(예를 들면, Affymetrix GeneChip), 및 BeadArray Technologies(예를 들면, Illumina GoldenGate 및 Infinium 분석법)를 포함하나, 이에 한정되지 않는다. 상기 방법들 또는 본 발명이 속하는 기술분야의 당업자에게 이용가능한 다른 방법에 의해, 마이크로새틀라이트, SNP 또는 다른 종류의 다형성 마커를 포함한, 다형성 마커에서의 하나 이상의 대립유전자가 확인될 수 있다. 이와 같은 다형성 부위의 염기를 결정하는 것은 구체적으로 SNP 칩을 통해 수행할 수 있다.
상기 방법은 추가적으로 (c) 증폭된 또는 혼성화된 다형성 부위의 염기가 상기 단일염기다형성 마커에 따른 하위 대립유전자(minor allele)인 염기를 하나 이상 포함하는 경우, 히드로퀴논에 의한 피부 밝기 변화 및/또는 피부 자극 정도가 높거나 혹은 낮은 것으로 판단하는 것일 수 있으나, 이에 제한되지 않는다.
본 발명에서 용어, "SNP 칩"은 수십만개의 SNP의 각 염기를 한번에 확인할 수 있는 DNA 마이크로어레이의 하나를 의미한다.
TaqMan 방법은 (1) 원하는 DNA 단편을 증폭할 수 있도록 프라이머 및 TaqMan 탐침을 설계 및 제작하는 단계; (2) 서로 다른 대립유전자의 탐침을 FAM 염료 및 VIC 염료로 표지(Applied Biosystems)하는 단계; (3) 상기 DNA를 주형으로 하고, 상기의 프라이머 및 탐침을 이용하여 PCR을 수행하는 단계; (4) 상기의 PCR 반응이 완성된 후, TaqMan 분석 플레이트를 핵산 분석기로 분석 및 확인하는 단계; 및 (5) 상기 분석결과로부터 단계 (1)의 폴리뉴클레오티들의 유전자형을 결정하는 단계를 포함한다.
상기에서, 시퀀싱 분석은 염기서열 결정을 위한 통상적인 방법을 사용할 수 있으며, 자동화된 유전자분석기를 이용하여 수행될 수 있다. 또한, 대립유전자 특이적 PCR은 SNP가 위치하는 염기를 3' 말단으로 하여 고안한 프라이머를 포함한 프라이머 세트로 상기 SNP가 위치하는 DNA 단편을 증폭하는 PCR 방법을 의미한다. 상기 방법의 원리는, 예를 들어, 특정 염기가 A에서 G로 치환된 경우, 상기 A를 3' 말단염기로 포함하는 프라이머 및 적당한 크기의 DNA 단편을 증폭할 수 있는 반대 방향 프라이머를 고안하여 PCR 반응을 수행할 경우, 상기 SNP 위치의 염기가 A인 경우에는 증폭반응이 정상적으로 수행되어 원하는 위치의 밴드가 관찰되고, 상기 염기가 G로 치환된 경우에는 프라이머는 주형 DNA에 상보결합할수 있으나, 3' 말단 쪽이 상보결합을 하지 못함으로써 증폭반응이 제대로 수행되지 않는 점을 이용한 것이다. DASH는 통상적인 방법으로 수행될 수 있고, 구체적으로 프린스 등에 의한 방법에 의하여 수행될 수 있다.
한편, PCR 연장 분석은 먼저 단일염기 다형성이 위치하는 염기를 포함하는 DNA 단편을 프라이머 쌍으로 증폭을 한 다음, 반응에 첨가된 모든 뉴클레오티드를 탈인산화시킴으로써 불활성화시키고, 여기에 SNP 특이적 연장 프라이머, dNTP 혼합물, 디디옥시뉴클레오티드, 반응 완충액 및 DNA 중합효소를 첨가하여 프라이머 연장반응을 수행함으로써 이루어진다. 이때, 연장 프라이머는 SNP가 위치하는 염기의 5' 방향의 바로 인접한 염기를 3' 말단으로 삼으며, dNTP 혼합물에는 디디옥시뉴클레오티드와 동일한 염기를 갖는 핵산이 제외되고, 상기 디디옥시뉴클레오티드는 SNP를 나타내는 염기 종류 중 하나에서 선택된다. 예를 들어, A에서 G로의 치환이 있는 경우, dGTP, dCTP 및 TTP 혼합물과 ddATP를 반응에 첨가할 경우, 상기 치환이 일어난 염기에서 프라이머는 DNA 중합효소에 의하여 연장되고, 몇 염기가 지난 후 A 염기가 최초로 나타나는 위치에서 ddATP에 의하여 프라이머 연장반응이 종결된다. 만일 상기 치환이 일어나지 않았다면, 그 위치에서 연장반응이 종결되므로, 상기 연장된 프라이머의 길이를 비교함으로써 SNP를 나타내는 염기 종류를 판별할 수 있게 된다.
이때, 검출방법으로는 연장 프라이머 또는 디디옥시뉴클레오티드를 형광 표지한 경우에는 일반적인 염기서열 결정에 사용되는 유전자 분석기(예를 들어, ABI사의 Model 3700 등)를 사용하여 형광을 검출함으로써 상기 SNP을 검출할 수 있으며, 무-표지된 연장 프라이머 및 디디옥시뉴클레오티드를 사용할 경우에는 MALDI-TOF(matrix assisted laser desorption ionization-time of flight) 기법을 이용하여 분자량을 측정함으로써 상기 SNP를 검출할 수 있다.
본 발명의 목적을 달성하기 위한 하나의 양태로서, 본 발명은 자극 완화제를 유효성분으로 포함하는 히드로퀴논에 의한 항자극용 조성물을 제공한다.
본 발명의 목적상 상기 자극 완화제는 서양고추나물 추출물 또는 단삼뿌리 추출물일 수 있으나, 이에 제한되지 않는다.
상기 용어 '서양고추나물 (Hypericum perforatum)'은 측막태좌목 물레나물과의 여러해살이풀이다. 유럽과 서아시아 등이 원산지인 허브의 하나이다. 우울증에 의한 성분이 함유되어 있는 식물로, 히페리신(hypericin) 성분이 세로토닌 수치를 증가시키는 것으로 알려져 있다.
상기 용어 '단삼(salvia miltiorrhiza)'꿀풀과에 속하는 여러해살이풀이다. 중국이 원산지이며 분마초 또는 혈생근이라고도 한다. 뿌리가 붉고 특이한 냄새가 나며 약간 쓴맛이 난다. 단삼 뿌리는 동양의학에서 약으로 쓰이며 추출물의 살비아놀산 A, B등은 혈액순환, 고지혈 증에 효과가 있는 것으로 알려져 있다.
본 발명에서의, "추출물(extract)"은, 목적하는 물질을 다양한 용매에 침지한 다음, 상온, 저온 또는 가온 상태에서 일정시간 동안 추출하여 수득한 액상성분, 상기 액상성분으로부터 용매를 제거하여 수득한 고형분 등의 결과물을 의미한다. 뿐만 아니라, 상기 결과물에 더하여, 상기 결과물의 희석액, 이들의 농축액, 이들의 조정제물, 정제물 등을 모두 포함하는 것으로 포괄적으로 해석될 수 있다.
본 발명에 있어서, 상기 추출물은 천연, 잡종, 변종식물의 다양한 기관으로부터 추출될 수 있고, 예를 들어 뿌리, 지상부, 줄기, 잎, 꽃, 열매의 몸통, 열매의 껍질뿐만 아니라 식물 조직으로부터 추출 가능하다. 또한, 상기 추출물은 물 또는 다양한 유기용매 등으로 추출하여 수득할 수 있다. 이때, 사용되는 유기용매는 추출물을 수득할 수 있는 한, 특별히 이에 제한되지 않으나, 구체적으로는 물, 극성용매 또는 비극성용매가 될 수 있고, 보다 구체적으로는 물, 탄소수 1 내지 6의 저급 알코올(메탄올, 에탄올, 프로판올 또는 부탄올 등), 이들의 혼합용매 일 수 있으며, 가장 구체적으로는 메탄올 또는 이의 혼합용매일 수 있다.
또한, 상기 추출물을 수득하기 위한 방법은 서양고추나물 추출물 또는 단삼뿌리 추출물을 수득할 수 있는 한, 특별히 이에 제한되지 않으나, 구체적으로는 상기 서양고추나물 또는 단삼의 뿌리, 줄기, 잎, 열매, 꽃, 이들의 건조물, 가공물 등을 상기 용매에 침지하고, 상온에서 추출하는 냉침추출법, 가열추출법, 초음파를 가하여 추출하는 초음파추출법, 환류냉각기를 이용한 환류추출법 등의 방법을 사용할 수 있다.
본 발명의 자극 완화제는 조성물의 총 중량을 기준으로 하여 약 0.1 내지 30 중량 %로 함유하는 것일 수 있으나, 이에 제한되지 않는다. 일 예로, 본 발명의 자극 완화제는 조성물의 총 중량을 기준으로 약 0.1 내지 30 중량 %, 약 1 내지 30 중량 %, 약 1 내지 25 중량 %, 약 1 내지 20 중량 %, 약 1 내지 15 중량 %, 약 1 내지 10 중량 %, 또는 약 1 내지 5 중량 %일 수 있다.
본 발명의 목적상 상기 자극 완화제는 히드로퀴논에 의한 자극을 약화시킬 수 있는 효과를 부여한다.
본 발명에서, 용어 "약(about)"은 특정 숫자 값 앞에 제시될 수 있다. 본 출원에서 사용되는 용어 "약"은 용어 뒤에 기재되는 정확한 숫자뿐만 아니라, 거의 그 숫자이거나 그 숫자에 가까운 범위까지 포함한다. 그 숫자가 제시된 문맥을 고려하여, 언급된 구체적인 숫자와 가깝거나 거의 그 숫자인지 여부를 결정할 수 있다. 일 예로, 용어 "약"은 숫자 값의 -10% 내지 +10% 범위를 지칭할 수 있다. 다른 예로, 용어 "약"은 주어진 숫자 값의 -5% 내지 +5% 범위를 지칭할 수 있다. 그러나 이에 제한되지 않는다.
상기 조성물은 개인 맞춤형인 것을 특징으로 한다. 구체적으로, 특정 히드로퀴논 민감성 여부 진단용 단일염기다형성(SNP) 마커를 포함하는 개체를 대상으로, 개인 맞춤용 자극 완화제를 제공할 수 있다.
일 예로, 히드로퀴논 자극 판단용 단일염기다형성(SNP) 마커는 표 2 및 표 3에서 선택된 어느 하나 이상인 것일 수 있으나, 이에 제한되지 않는다.
상기 히드로퀴논 자극 판단용 유전자는 각 개체의 특이적 자극 완화제를 선택할 수 있는 정보를 제공할 수 있다. 참조예로, PRKCE 유전자를 가진 개체의 경우에는 자극 완화제로 서양고추나물 추출물 및/또는 단삼뿌리 추출물을 처리할 경우에 히드로퀴논에 의한 자극을 완화시킬 수 있으나, 각 개체의 유전자 특성에 따라 최적의 자극 완화제 조합을 제공할 수 있다.
이는, 히드로퀴논에 의한 자극과 유의적 상관관계를 갖는 특정 단일염기다형성 (SNP) 마커를 선별하고 유전정보를 바탕으로 히드로퀴논에 의한 자극 완화에 도움을 줄 수 있는 개인 맞춤형 자극 완화제를 제공할 수 있음을 시사하는 것이다.
본 발명의 조성물은 화장료 조성물로 사용될 수 있으며, 다양한 형태로 제형화될 수 있다. 본 발명에 따른 화장료 조성물은 용액, 외용연고, 크림, 폼, 영양화장수, 유연화장수, 팩, 유연수, 유액, 메이크업베이스, 에센스, 비누, 액체 세정료, 입욕제, 선 스크린크림, 선오일, 현탁액, 유탁액, 페이스트, 겔, 로션, 파우더, 비누, 계면활성제-함유 클린싱, 오일, 분말 파운데이션, 유탁액 파운데이션, 왁스 파운데이션, 패취 및 스프레이로 구성된 군으로부터 선택되는 제형으로 제조할 수 있으나, 이에 제한되는 것은 아니다.
또한, 본 발명의 화장료 조성물은 일반 피부 화장료에 배합되는 화장품학적으로 허용 가능한 담체를 1 종 이상 추가로 포함할 수 있으며, 통상의 성분으로 예를 들면 유분, 물, 계면활성제, 보습제, 저급 알콜, 증점제, 킬레이트제, 색소, 방부제, 향료 등을 적절히 배합할 수 있으나, 이에 제한되는 것은 아니다.
본 발명의 화장료 조성물에 포함되는 화장품학적으로 허용 가능한 담체는 제형에 따라 다양하다.
본 발명의 제형이 연고, 페이스트, 크림 또는 젤인 경우에는, 담체 성분으로서 동물성 유, 식물성 유, 왁스, 파라핀, 전분, 트라칸트, 셀룰로오스 유도체, 폴리에틸렌 글리콜, 실리콘, 벤토나이트, 실리카, 탈크, 산화아연 또는 이들의 혼합물이 이용될 수 있다.
본 발명의 제형이 파우더 또는 스프레이인 경우에는, 담체 성분으로서 락토스, 탈크, 실리카, 알루미늄 히드록사이드, 칼슘 실케이트, 폴리아미드 파우더 또는 이들의 혼합물이 이용될 수 있고, 특히 스프레이인 경우에는 추가적으로 클로로플루오로히드로카본, 프로판/부탄 또는 디메틸 에테르와 같은 추진제를 포함할 수 있다.
본 발명의 제형이 용액 또는 유탁액인 경우에는, 담체 성분으로서 용매, 용해화제 또는 유탁화제가 이용되며, 예컨대 물, 에탄올, 이소프로판올, 에틸 카보네이트, 에틸 아세테이트, 벤질 알콜, 벤질 벤조에이트, 프로필렌글리콜, 1,3-부틸글리콜 오일이 이용될 수 있으며, 특히, 목화씨 오일, 땅콩 오일, 옥수수 배종 오일, 올리브오일, 피마자 오일 및 참깨 오일, 글리세롤 지방족 에스테르, 폴리에틸렌 글리콜 또는 소르비탄의 지방산 에스테르가 이용될 수 있다.
본 발명의 제형이 현탁액인 경우에는, 담체 성분으로서 물, 에탄올 또는 프로필렌 글리콜과 같은 액상의 희석제, 에톡실화 이소스테아릴 알콜, 폴리옥시에틸렌 소르비톨 에스테르 및 폴리옥시에틸렌 소르비탄 에스테르와 같은 현탁제, 미소결정성 셀룰로오스, 알루미늄 메타히드록시드, 벤토나이트, 아가 또는 트라칸트 등이 이용될 수 있다.
본 발명의 제형이 비누인 경우에는 담체 성분으로서 지방산의 알칼리 금속 염, 지방산 헤미에스테르 염, 지방산 단백질 히드롤리제이트, 이세티오네이트, 라놀린 유도체, 지방족 알콜, 식물성 유지, 글리세롤, 당 등이 이용될 수 있다.
다른 하나의 양태로서, 상기 조성물은 히드로퀴논에 의한 자극의 예방 또는 치료용 약학 조성물을 제공한다.
본 발명의 약학 조성물은 단일제제로도 사용할 수 있고, 자극 완화 효과를 가진다고 알려진 약물을 추가로 포함하여 복합제제로 제조하여 사용할 수 있으며, 약학적으로 허용되는 담체 또는 부형제를 이용하여 제제화함으로써 단위 용량 형태로 제조되거나 다용량 용기 내에 내입시켜 제조될 수 있다.
상기 약학 조성물은 약학적으로 유효한 양으로 투여할 수 있다.
본 발명의 약학적 조성물은 약학적으로 유효한 양으로 투여될 수 있는데, 상기 용어, "약학적으로 유효한 양"은 의학적 치료 또는 예방에 적용 가능한 합리적인 수혜/위험 비율로 질환을 치료 또는 예방하기에 충분한 양을 의미하며, 유효 용량 수준은 질환의 중증도, 약물의 활성, 환자의 연령, 체중, 건강, 성별, 환자의 약물에 대한 민감도, 사용된 본 발명 조성물의 투여 시간, 투여 경로 및 배출 비율 치료기간, 사용된 본 발명의 조성물과 배합 또는 동시 사용되는 약물을 포함한 요소 및 기타 의학 분야에 잘 알려진 요소에 따라 결정될 수 있다. 본 발명의 약학적 조성물은 단독으로 투여하거나 공지된 익상편 치료제와 병용하여 투여될 수 있다. 상기 요소를 모두 고려하여 부작용 없이 최소한의 양으로 최대 효과를 얻을 수 있는 양을 투여하는 것이 중요하다.
다른 하나의 양태로서, 상기 조성물은 히드로퀴논에 의한 자극의 완화 또는 개선용 의약외품 조성물을 제공한다.
본 발명에서 용어 "의약외품"은 사람이나 동물의 질병을 진단, 치료, 개선, 경감, 처치 또는 예방할 목적으로 사용되는 물품들 중 의약품보다 작용이 경미한 물품들을 의미하는 것으로, 예를 들어 대한민국 약사법에 따르면 의약외품이란 의약품의 용도로 사용되는 물품을 제외한 것으로, 사람, 동물의 질병 치료나 예방에 쓰이는 제품, 인체에 대한 작용이 경미하거나 직접 작용하지 않는 제품 등이 포함 된다.
일 구현예로, 본 발명의 의약외품 조성물은 바디 클렌저, 샴푸, 컨디셔너, 폼, 비누, 마스크, 연고제, 크림, 로션, 에센스 및 스프레이로 이루어진 군에서 선택되는 형태로 제조할 수 있으나, 이에 제한되는 것은 아니다.
또 하나의 양태로서, 본 발명은 (a) 개체로부터 생물학적 시료를 수득하는 단계; (b) 상기 생물학적 시료로부터 rs17033965, rs11898074, rs74684800, rs12712955, rs2711292, rs1562653 및 rs12712969로 이루어지는 군으로부터 선택된 하나 이상의 단일염기다형성 마커의 다형성 부위를 증폭하거나 프로브와 혼성화하는 단계; 및 (c) 상기 (b) 단계의 증폭된 또는 혼성화된 다형성 부위의 염기를 확인하는 단계를 포함하는, 히드로퀴논에 의한 자극 완화를 위한 맞춤용 자극 완화제를 선택하는 정보제공방법을 제공한다.
또한, 상기 (c) 단계의 증폭된 또는 혼성화된 다형성 부위의 염기를 확인함으로써 히드로퀴논에 의한 자극 완화를 위한 개인 맞춤용 자극 완화제를 선택할 수 있다.
상기 자극 완화제는 서양고추나물 추출물 또는 단삼뿌리 추출물인 것일 수 있으나, 이에 제한되지 않는다.
본 발명의 일 양태에 따른 방법은, (a) 예측 단말에 예측 대상 개체의 SNP 정보가 입력되는 단계, (b) 상기 예측 단말이, 상기 예측 단말 또는 서버에 미리 저장된 피부 밝기 변화 예측 모델에 상기 SNP 정보를 질의하여 예측 피부 밝기 변화 정보를 연산하고, 연산된 예측 피부 밝기 변화 정보를 출력하는 단계를 포함하고, 상기 피부 밝기 변화 예측 모델은, 러닝 프로세서가 SNP 정보 및 상기 SNP 정보를 갖는 개체에 히드로퀴논을 포함하는 물질을 도포하였을때 피부 밝기 변화 정보의 쌍으로 이루어진 제1 피부 밝기 변화 학습 데이터들을 학습하여, SNP 정보가 질의되는 경우 질의된 SNP 정보를 갖는 개체에 히드로퀴논을 포함하는 물질이 도포되었을 때의 제1 예측 피부 밝기 변화 정보를 출력하는 제1 피부 밝기 변화 예측 모델인, 히드로퀴논을 포함하는 처방의 피부 밝기 변화 예측 방법을 제공한다.
본 발명의 다른 양태에서, SNPs 마커 선정 장치가 상기 SNP 정보에 포함된 다수의 SNPs 중, 히드로퀴논 도포 시 피부 밝기 변화와 관련 있는 하나 이상의 SNPs를 선정하는 단계를 더 포함하고, 상기 학습 데이터의 SNP 정보에는 상기 SNPs 마커 선정 장치에 의해 선정된 하나 이상의 SNPs 중 적어도 일부는 포함되고, 상기 SNPs 마커 선정 장치에 의해 선정되지 않은 SNPs는 포함되지 않을 수 있다.
본 발명의 다른 양태에서, 상기 피부 밝기 변화와 관련 있는 하나 이상의 SNPs는 표 1에서 선택된 어느 하나 이상인 것일 수 있다.
본 발명의 다른 양태에서, 상기 러닝 프로세스가 상기 학습 데이터들을 학습함에 따라 SNP 정보에 포함된 각각의 SNP마다 히드로퀴논을 포함하는 물질 도포 시 피부 밝기 변화에 영향을 미치는 가중치가 결정될 수 있으며, 상기 가중치는, 각각의 SNP에 포함된 상위 대립유전자(major allele) 및 하위 대립유전자(minor allele)의 개수에 따라 결정되는 제1 값 및 학습에 의해 그 값이 변화하는 제2 값을 이용하여 연산되는 것일 수 있다.
본 발명의 다른 양태에서, 상기 제1 값은, 상위 대립유전자(major allele) - 상위 대립유전자, 상위 대립유전자 - 하위 대립유전자(minor allele) 및 하위 대립유전자 - 하위 대립유전자의 SNPs 타입(type) 마다 서로 다른 값이 부여될 수 있다.
본 발명의 다른 양태에서, 상기 제1 값은, 상기 SNPs 타입들 중 하위 대립유전자의 개수가 많은 타입일수록 더 높은 값을 가질 수 있다.
본 발명의 다른 양태에서, 상기 제1 값은 학습이 이루어지더라도 변화하지 않는 값일 수 있다.
본 발명의 다른 양태에서, 상기 가중치는 상기 제1 값과 상기 제2 값을 곱한 값이고, 상기 예측 피부 밝기 변화 정보는, 각각의 SNP마다의 가중치를 합산하여 연산될 수 있다.
본 발명의 다른 양태에서, 상기 피부 밝기 변화 예측 모델은, 상기 러닝 프로세서가 SNP 정보, 히드로퀴논을 포함하는 처방을 포함하는 다수의 처방 중 하나 이상의 처방 정보 및 상기 SNP 정보를 갖는 개체에 상기 처방에 따른 물질을 도포하였을 때의 피부 밝기 변화 정보의 쌍으로 이루어진 제2 피부 밝기 변화 학습 데이터들을 학습하여, SNP 정보가 질의되는 경우 질의된 SNP 정보를 갖는 개체에 다수의 처방에 따른 물질 각각이 도포되었을 때의 제2 예측 피부 밝기 변화 정보를 출력하는 제2 피부 밝기 변화 예측 모델일 수 있다.
본 발명의 다른 양태에서, 상기 피부 밝기 변화 예측 모델은, 러닝 프로세서가 SNP 정보에 더하여, 나이 정보, 성별 정보, 생활 습관 정보, 환경 정보 및 피부 특성 정보 중 하나 이상의 정보, 그리고 상기 SNP 정보를 갖는 개체에 히드로퀴논을 포함하는 물질을 도포하였을때 피부 밝기 변화 정보의 쌍으로 이루어진 제3 피부 밝기 변화 학습 데이터들을 학습하여, SNP 정보 및 나이 정보, 성별 정보, 생활 습관 정보, 환경 정보 및 피부 특성 정보 중 하나 이상의 정보가 질의되는 경우 질의된 정보를 갖는 개체에 히드로퀴논을 포함하는 물질이 도포되었을 때의 제3 예측 피부 밝기 변화 정보를 출력하는 제3 피부 밝기 변화 예측 모델일 수 있다.
본 발명의 다른 양태에서, 상기 피부 밝기 변화 예측 모델은, 러닝 프로세서가 SNP 정보에 더하여, 나이 정보, 성별 정보, 생활 습관 정보, 환경 정보 및 피부 특성 정보 중 하나 이상의 정보, 히드로퀴논을 포함하는 처방을 포함하는 다수의 처방 중 하나 이상의 처방 정보, 그리고 상기 SNP 정보를 갖는 개체에 상기 처방에 따른 물질을 도포하였을 때의 피부 밝기 변화 정보의 쌍으로 이루어진 제4 피부 밝기 변화 학습 데이터들을 학습하여, SNP 정보 및 나이 정보, 성별 정보, 생활 습관 정보, 환경 정보 및 피부 특성 정보 중 하나 이상의 정보가 질의되는 경우 질의된 정보를 갖는 개체에 다수의 처방에 따른 물질 각각이 도포되었을 때의 제4 예측 피부 밝기 변화 정보를 출력하는 제4 피부 밝기 변화 예측 모델일 수 있다.
본 발명의 다른 양태에서, 상기 (b) 단계는, (b) 상기 예측 단말이 상기 피부 밝기 변화 예측 모델에 상기 SNP 정보를 질의하여 다수의 처방 각각마다의 예측 피부 밝기 변화 정보를 연산하는 단계를 더 포함하고 (c) 처방 선정부가 상기 예측 피부 밝기 변화 정보를 이용하여, 다수의 처방 중 하나 이상의 처방을 선정하는 단계를 더 포함할 수 있다.
본 발명의 다른 양태에서, 상기 (c) 단계는, 처방 선정부(33)가 다수의 처방 중, 상기 예측 피부 밝기 변화 정보의 값이 큰 하나 이상의 처방을 선정하는 단계를 더 포함할 수 있다.
본 발명의 다른 양태에서, 상기 다수의 처방은, 히드로퀴논 처방 및 히드로퀴논에 추가 물질이 더 포함된 처방을 포함하고, 상기 추가 물질은 피부 밝기 증가 유도 물질, 피부 자극 완화제, 제재 안정화 물질 및 제재 질감 결정 물질로 이루어진 그룹 중 선택된 하나 이상일 수 있다.
본 발명의 다른 양태에서, 상기 (b) 단계는, 상기 예측 단말이, 상기 예측 단말 또는 상기 서버에 미리 저장된 피부 자극 예측 모델에 상기 SNP 정보를 질의하여 연산된 정보가 추가로 출력되거나, 상기 예측 단말 또는 상기 서버에 미리 저장된 임계 자극 점수 예측 모델에서 결정된 임계 자극 점수가 추가로 출력되는 단계를 더 포함하고, 상기 피부 자극 예측 모델은, 상기 러닝 프로세서가 SNP 정보 및 상기 SNP 정보를 갖는 개체에 히드로퀴논을 포함하는 물질을 도포하였을 때의 자극 정보의 쌍으로 이루어진 제1 자극 학습 데이터들을 학습하여, SNP 정보가 질의되는 경우 질의된 SNP 정보를 갖는 개체에 히드로퀴논을 포함하는 물질이 도포되었을 때의 제1 예측 자극 정보를 연산하는 모델이고, 상기 임계 자극 점수 예측 모델은, 상기 러닝 프로세서가 SNP 정보에 따라 미리 결정된 자극 점수와, 상기 SNP 정보를 갖는 개체에 히드로퀴논을 도포하였을 때 자극 유무의 쌍으로 이루어진 제1 임계 자극 학습 데이터들을 학습하여, 히드로퀴논을 포함하는 물질이 도포되었을 때 피부 자극을 유발하는 임계 자극 점수를 결정하는 것일 수 있다.
본 발명의 다른 양태에서 상기 출력되는 임계 자극 점수와, 질의된 SNP 정보에 따라 결정되는 자극 점수의 비교 결과에 따라, 상기 질의된 SNP 정보를 갖는 개체에 히드로퀴논을 포함하는 물질이 도포되었을 때의 제2 예측 자극 정보가 연산되는 단계를 더 포함할 수 있다.
본 발명의 다른 양태에서 (c) 처방 선정부가, 상기 예측 피부 밝기 변화 정보와, 상기 제1 예측 자극 정보 및 상기 제2 예측 자극 정보 중 하나 이상을 이용하여, 히드로퀴논을 포함하는 다수의 처방 중 질의된 SNP 정보를 갖는 개체에 처방되기에 적합한 하나 이상의 처방을 선정하는 단계를 더 포함할 수 있다.
또한, 본 발명의 일 양태는, SNP 정보 및 상기 SNP 정보를 갖는 개체에 히드로퀴논을 포함하는 물질을 도포하였을때 피부 밝기 변화 정보의 쌍으로 이루어진 제1 피부 밝기 변화 학습 데이터들을 학습하여 피부 밝기 변화 예측 모델을 생성하는 서버로서, SNP 정보가 질의되는 경우 질의된 SNP 정보를 갖는 개체에 히드로퀴논을 포함하는 물질이 도포되었을 때의 제1 예측 피부 밝기 변화 정보를 출력하는 제1 피부 밝기 변화 예측 모델을 생성하는 서버 및 예측 대상 개체의 SNP 정보를 입력받고, 상기 서버에서 생성된 제1 피부 밝기 변화 예측 모델에 입력받은 SNP 정보를 질의하여 연산된 제1 예측 피부 밝기 변화 정보를 출력하는 예측 단말을 포함하는, 히드로퀴논을 포함하는 처방의 피부 밝기 변화 예측 시스템을 제공한다.
본 발명의 다른 양태에서, 상기 SNP 정보에 포함된 다수의 SNPs 중, 히드로퀴논 도포 시 피부 밝기 변화와 관련 있는 하나 이상의 SNPs를 선정하는 SNPs 마커 선정 장치를 더 포함하고, 상기 학습 데이터의 SNP 정보에는 상기 SNPs 마커 선정 장치에 의해 선정된 하나 이상의 SNPs 중 적어도 일부는 포함되고, 상기 SNPs 마커 선정 장치에 의해 선정되지 않은 SNPs는 포함되지 않을 수 있다.
본 발명의 다른 양태에서, 상기 피부 밝기 변화와 관련 있는 하나 이상의 SNPs는 표 1에서 선택된 어느 하나 이상인 것일 수 있다.
본 발명의 다른 양태에서, 상기 서버의 러닝 프로세스가 상기 학습 데이터들을 학습함에 따라 SNP 정보에 포함된 각각의 SNP마다 히드로퀴논을 포함하는 물질 도포 시 피부 밝기 변화에 영향을 미치는 가중치가 결정될 수 있으며, 상기 가중치는, 각각의 SNP에 포함된 상위 대립유전자(major allele) 및 하위 대립유전자(minor allele)의 개수에 따라 결정되는 제1 값 및 학습에 의해 그 값이 변화하는 제2 값을 이용하여 연산되는 것일 수 있다.
본 발명의 다른 양태에서, 상기 제1 값은, 상위 대립유전자(major allele) - 상위 대립유전자, 상위 대립유전자 - 하위 대립유전자(minor allele) 및 하위 대립유전자 - 하위 대립유전자의 SNPs 타입(type) 마다 서로 다른 값이 부여될 수 있다.
본 발명의 다른 양태에서, 상기 제1 값은, 상기 SNPs 타입들 중 하위 대립유전자의 개수가 많은 타입일수록 더 높은 값을 가질 수 있다.
본 발명의 다른 양태에서, 상기 제1 값은 학습이 이루어지더라도 변화하지 않는 값일 수 있다.
본 발명의 다른 양태에서, 상기 가중치는 상기 제1 값과 상기 제2 값을 곱한 값이고, 상기 예측 피부 밝기 변화 정보는, 각각의 SNP마다의 가중치를 합산하여 연산될 수 있다.
본 발명의 다른 양태에서, 상기 피부 밝기 변화 예측 모델은, 상기 서버가 SNP 정보, 히드로퀴논을 포함하는 처방을 포함하는 다수의 처방 중 하나 이상의 처방 정보 및 상기 SNP 정보를 갖는 개체에 상기 처방에 따른 물질을 도포하였을 때의 피부 밝기 변화 정보의 쌍으로 이루어진 제2 피부 밝기 변화 학습 데이터들을 학습하여, SNP 정보가 질의되는 경우 질의된 SNP 정보를 갖는 개체에 다수의 처방에 따른 물질 각각이 도포되었을 때의 제2 예측 피부 밝기 변화 정보를 출력하는 제2 피부 밝기 변화 예측 모델일 수 있다.
본 발명의 다른 양태에서, 상기 피부 밝기 변화 예측 모델은, 상기 서버가 SNP 정보에 더하여, 나이 정보, 성별 정보, 생활 습관 정보, 환경 정보 및 피부 특성 정보 중 하나 이상의 정보, 그리고 상기 SNP 정보를 갖는 개체에 히드로퀴논을 포함하는 물질을 도포하였을때 피부 밝기 변화 정보의 쌍으로 이루어진 제3 피부 밝기 변화 학습 데이터들을 학습하여, SNP 정보 및 나이 정보, 성별 정보, 생활 습관 정보, 환경 정보 및 피부 특성 정보 중 하나 이상의 정보가 질의되는 경우 질의된 정보를 갖는 개체에 히드로퀴논을 포함하는 물질이 도포되었을 때의 제3 예측 피부 밝기 변화 정보를 출력하는 제3 피부 밝기 변화 예측 모델일 수 있다.
본 발명의 다른 양태에서, 상기 피부 밝기 변화 예측 모델은, 러닝 프로세서가 SNP 정보에 더하여, 나이 정보, 성별 정보, 생활 습관 정보, 환경 정보 및 피부 특성 정보 중 하나 이상의 정보, 히드로퀴논을 포함하는 처방을 포함하는 다수의 처방 중 하나 이상의 처방 정보, 그리고 상기 SNP 정보를 갖는 개체에 상기 처방에 따른 물질을 도포하였을 때의 피부 밝기 변화 정보의 쌍으로 이루어진 제4 피부 밝기 변화 학습 데이터들을 학습하여, SNP 정보 및 나이 정보, 성별 정보, 생활 습관 정보, 환경 정보 및 피부 특성 정보 중 하나 이상의 정보가 질의되는 경우 질의된 정보를 갖는 개체에 다수의 처방에 따른 물질 각각이 도포되었을 때의 제4 예측 피부 밝기 변화 정보를 출력하는 제4 피부 밝기 변화 예측 모델일 수 있다.
본 발명의 다른 양태에서, 상기 예측 단말은 상기 피부 밝기 변화 예측 모델에 상기 SNP 정보를 질의하여 다수의 처방 각각마다의 예측 피부 밝기 변화 정보를 연산하고, 상기 시스템은, 상기 예측 피부 밝기 변화 정보를 이용하여, 다수의 처방 중 하나 이상의 처방을 선정하는 처방 선정부를 더 포함할 수 있다.
본 발명의 다른 양태에서, 상기 처방 선정부는 다수의 처방 중, 상기 예측 피부 밝기 변화 정보의 값이 큰 하나 이상의 처방을 선정할 수 있다.
본 발명의 다른 양태에서, 상기 다수의 처방은, 히드로퀴논 처방 및 히드로퀴논에 추가 물질이 더 포함된 처방을 포함하고, 상기 추가 물질은 피부 밝기 증가 유도 물질, 피부 자극 완화제, 제재 안정화 물질 및 제재 질감 결정 물질로 이루어진 그룹 중 선택된 하나 이상일 수 있다.
본 발명의 다른 양태에서, 상기 예측 단말은, 상기 서버에서 생성된 피부 자극 예측 모델에 입력받은 SNP 정보를 질의함으로써 연산된 정보를 추가로 출력하거나, 상기 서버에서 생성된 임계 자극 점수 예측 모델에서 결정된 점수를 추가로 출력하고, 상기 피부 자극 예측 모델은, 상기 러닝 프로세서가 SNP 정보 및 상기 SNP 정보를 갖는 개체에 히드로퀴논을 포함하는 물질을 도포하였을 때 자극 정보의 쌍으로 이루어진 제1 자극 학습 데이터들을 학습하여, SNP 정보가 질의되는 경우 질의된 SNP 정보를 갖는 개체에 히드로퀴논을 포함하는 물질이 도포되었을 때의 제1 예측 자극 정보를 연산하는 모델이고, 상기 임계 자극 점수 예측 모델은, 상기 러닝 프로세서가 SNP 정보에 따라 미리 결정된 자극 점수와, 상기 SNP 정보를 갖는 개체에 히드로퀴논을 도포하였을 때 자극 유무의 쌍으로 이루어진 제1 임계 자극 학습 데이터들을 학습하여, 히드로퀴논을 포함하는 물질이 도포되었을 때 피부 자극을 유발하는 임계 자극 점수를 출력하는 것일 수 있다.
본 발명의 다른 양태에서, 상기 예측 단말은 상기 출력되는 임계 자극 점수와, 질의된 SNP 정보에 따라 결정되는 자극 점수의 비교 결과에 따라, 상기 질의된 SNP 정보를 갖는 개체에 히드로퀴논을 포함하는 물질이 도포되었을 때의 제2 예측 자극 정보를 더 연산할 수 있다.
본 발명의 다른 양태에서, 상기 피부 밝기 변화 정보와, 상기 제1 예측 자극 정보 및 상기 제2 예측 자극 정보 중 하나 이상을 이용하여, 히드로퀴논을 포함하는 다수의 처방 중 질의된 SNP 정보를 갖는 개체에 처방되기에 적합한 하나 이상의 처방을 선정하는 처방 선정부를 더 포함할 수 있다.
본 발명의 일 양태는 전술한 방법을 실행하도록 컴퓨터 판독 가능한 기록 매체에 저장된, 컴퓨터 프로그램을 제공한다.
한편, 본 발명의 다른 양태에 따른 방법은, (a) 예측 단말에 예측 대상 개체의 SNP 정보가 입력되는 단계 및 (b) 상기 예측 단말이, 상기 예측 단말 또는 서버에 미리 저장된 피부 자극 예측 모델에 상기 SNP 정보를 질의하여 예측 자극 정보를 연산하고, 연산된 예측 자극 정보를 출력하는 단계를 포함하고, 상기 피부 자극 예측 모델은, 러닝 프로세서가 SNP 정보 및 상기 SNP 정보를 갖는 개체에 히드로퀴논을 포함하는 물질을 도포하였을 때의 자극 정보의 쌍으로 이루어진 제1 자극 학습 데이터들을 학습하여, SNP 정보가 질의되는 경우 질의된 SNP 정보를 갖는 개체에 히드로퀴논을 포함하는 물질이 도포되었을 때의 제1 예측 자극 정보를 출력하는 제1 자극 예측 모델인, 히드로퀴논을 포함하는 처방의 피부 자극 예측 방법을 제공한다.
본 발명의 다른 양태에서, SNPs 마커 선정 장치가 상기 SNP 정보에 포함된 다수의 SNPs 중, 히드로퀴논 도포 시 피부 자극 정도와 관련 있는 하나 이상의 SNPs를 선정하는 단계를 더 포함하고, 상기 학습 데이터의 SNP 정보에는 상기 SNPs 마커 선정 장치에 의해 선정된 하나 이상의 SNPs 중 적어도 일부는 포함되고, 상기 SNPs 마커 선정 장치에 의해 선정되지 않은 SNPs는 포함되지 않을 수 있다.
본 발명의 다른 양태에서, 상기 피부 자극 정도와 관련 있는 하나 이상의 SNPs는 표 2에서 선택된 어느 하나 이상인 것일 수 있다.
본 발명의 다른 양태에서, 상기 러닝 프로세스가 상기 학습 데이터들을 학습함에 따라 SNP 정보에 포함된 각각의 SNP마다 히드로퀴논을 포함하는 물질 도포 시 피부 자극에 영향을 미치는 가중치가 결정될 수 있으며, 상기 가중치는, 각각의 SNP에 포함된 상위 대립유전자(major allele) 및 하위 대립유전자(minor allele)의 개수에 따라 결정되는 제1 값 및 학습에 의해 그 값이 변화하는 제2 값을 이용하여 연산되는 것일 수 있다.
본 발명의 다른 양태에서, 상기 제1 값은, 상위 대립유전자(major allele) - 상위 대립유전자, 상위 대립유전자 - 하위 대립유전자(minor allele) 및 하위 대립유전자 - 하위 대립유전자의 SNPs 타입(type) 마다 서로 다른 값이 부여될 수 있다.
본 발명의 다른 양태에서, 상기 제1 값은, 상기 SNPs 타입들 중 하위 대립유전자의 개수가 많은 타입일수록 더 높은 값을 가질 수 있다.
본 발명의 다른 양태에서, 상기 제1 값은 학습이 이루어지더라도 변화하지 않는 값일 수 있다.
본 발명의 다른 양태에서, 상기 가중치는 상기 제1 값과 상기 제2 값을 곱한 값이고, 상기 예측 자극 정보는, 각각의 SNP마다의 가중치를 합산하여 연산될 수 있다.
본 발명의 다른 양태에서, 상기 피부 자극 예측 모델은, 상기 러닝 프로세서가 SNP 정보, 히드로퀴논을 포함하는 처방을 포함하는 다수의 처방 중 하나 이상의 처방 정보 및 상기 SNP 정보를 갖는 개체에 상기 처방에 따른 물질을 도포하였을 때의 자극 정보의 쌍으로 이루어진 제2 자극 학습 데이터들을 학습하여, SNP 정보가 질의되는 경우 질의된 SNP 정보를 갖는 개체에 다수의 처방에 따른 물질 각각이 도포되었을 때의 제2 예측 자극 정보를 출력하는 제2 자극 예측 모델일 수 있다.
본 발명의 다른 양태에서, 상기 피부 자극 예측 모델은, 러닝 프로세서가 SNP 정보에 더하여, 나이 정보, 성별 정보, 생활 습관 정보, 환경 정보 및 피부 특성 정보 중 하나 이상의 정보, 그리고 상기 SNP 정보를 갖는 개체에 히드로퀴논을 포함하는 물질을 도포하였을때 자극 정보의 쌍으로 이루어진 제3 자극 학습 데이터들을 학습하여, SNP 정보 및 나이 정보, 성별 정보, 생활 습관 정보, 환경 정보 및 피부 특성 정보 중 하나 이상의 정보가 질의되는 경우 질의된 정보를 갖는 개체에 히드로퀴논을 포함하는 물질이 도포되었을 때의 제3 예측 자극 정보를 출력하는 제3 자극 예측 모델일 수 있다.
본 발명의 다른 양태에서, 상기 피부 자극 예측 모델은, 러닝 프로세서가 SNP 정보에 더하여, 나이 정보, 성별 정보, 생활 습관 정보, 환경 정보 및 피부 특성 정보 중 하나 이상의 정보, 히드로퀴논을 포함하는 처방을 포함하는 다수의 처방 중 하나 이상의 처방 정보, 그리고 상기 SNP 정보를 갖는 개체에 상기 처방에 따른 물질을 도포하였을 때의 자극 정보의 쌍으로 이루어진 제4 자극 학습 데이터들을 학습하여, SNP 정보 및 나이 정보, 성별 정보, 생활 습관 정보, 환경 정보 및 피부 특성 정보 중 하나 이상의 정보가 질의되는 경우 질의된 정보를 갖는 개체에 다수의 처방에 따른 물질 각각이 도포되었을 때의 제4 예측 자극 정보를 출력하는 제4 자극 예측 모델일 수 있다.
본 발명의 다른 양태에서, 상기 (b) 단계는, (b) 상기 예측 단말이 상기 피부 자극 예측 모델에 상기 SNP 정보를 질의하여 다수의 처방 각각마다의 예측 자극 정보를 연산하는 단계를 더 포함하고, (c) 처방 선정부가 상기 예측 자극 정보를 이용하여, 다수의 처방 중 하나 이상의 처방을 선정하는 단계를 더 포함할 수 있다.
본 발명의 다른 양태에서, 상기 (c) 단계는, 처방 선정부(33)가 다수의 처방 중, 상기 예측 자극 정보의 값이 작은 하나 이상의 처방을 선정하는 단계를 더 포함할 수 있다.
본 발명의 다른 양태에서, 상기 다수의 처방은, 히드로퀴논 처방 및 히드로퀴논에 추가 물질이 더 포함된 처방을 포함하고, 상기 추가 물질은 피부 밝기 증가 유도 물질, 피부 자극 완화제, 제재 안정화 물질 및 제재 질감 결정 물질로 이루어진 그룹 중 선택된 하나 이상일 수 있다.
본 발명의 다른 양태에서, 상기 (b) 단계는, 상기 예측 단말이, 상기 예측 단말 또는 서버에 미리 저장된 피부 밝기 변화 예측 모델에 상기 SNP 정보를 질의하여 예측 피부 밝기 변화 정보를 연산하고, 연산된 예측 피부 밝기 변화 정보를 출력하는 단계를 더 포함하고, 러닝 프로세서가 SNP 정보 및 상기 SNP 정보를 갖는 개체에 히드로퀴논을 포함하는 물질을 도포하였을때 피부 밝기 변화 정보의 쌍으로 이루어진 제1 피부 밝기 변화 학습 데이터들을 학습하여, SNP 정보가 질의되는 경우 질의된 SNP 정보를 갖는 개체에 히드로퀴논을 포함하는 물질이 도포되었을 때의 예측 피부 밝기 변화 정보를 추가로 출력하는 것일 수 있다.
본 발명의 다른 양태에서, (c) 처방 선정부가, 상기 제1 예측 자극 정보와 상기 예측 피부 밝기 변화 정보 중 하나 이상을 이용하여, 히드로퀴논을 포함하는 다수의 처방 중 질의된 SNP 정보를 갖는 개체에 처방되기에 적합한 하나 이상의 처방을 선정하는 단계를 더 포함할 수 있다.
또한, 본 발명의 일 양태는, SNP 정보 및 상기 SNP 정보를 갖는 개체에 히드로퀴논을 포함하는 물질을 도포하였을 때의 자극 정보의 쌍으로 이루어진 제1 자극 학습 데이터들을 학습하여 피부 자극 예측 모델을 생성하는 서버로서, SNP 정보가 질의되는 경우 질의된 SNP 정보를 갖는 개체에 히드로퀴논을 포함하는 물질이 도포되었을 때의 제1 예측 자극 정보를 출력하는 제1 자극 예측 모델을 생성하는 서버 및 예측 대상 개체의 SNP 정보를 입력받고, 상기 서버에서 생성된 제1 자극 예측 모델에 입력받은 SNP 정보를 질의하여 연산된 제1 예측 자극 정보를 출력하는 예측 단말을 포함하는, 히드로퀴논을 포함하는 처방의 피부 자극 예측 시스템을 제공한다.
본 발명의 다른 양태에서, 상기 SNP 정보에 포함된 다수의 SNPs 중, 히드로퀴논 도포 시 피부 자극 정도와 관련 있는 하나 이상의 SNPs를 선정하는 SNPs 마커 선정 장치를 더 포함하고, 상기 학습 데이터의 SNP 정보에는 상기 SNPs 마커 선정 장치에 의해 선정된 하나 이상의 SNPs 중 적어도 일부는 포함되고, 상기 SNPs 마커 선정 장치에 의해 선정되지 않은 SNPs는 포함되지 않을 수 있다.
본 발명의 다른 양태에서, 상기 피부 자극 정도와 관련 있는 하나 이상의 SNPs는 표 2에서 선택된 어느 하나 이상인 것일 수 있다.
본 발명의 다른 양태에서, 상기 서버의 러닝 프로세스가 상기 학습 데이터들을 학습함에 따라 SNP 정보에 포함된 각각의 SNP마다 히드로퀴논을 포함하는 물질 도포 시 피부 자극에 영향을 미치는 가중치가 결정될 수 있으며, 상기 가중치는, 각각의 SNP에 포함된 상위 대립유전자(major allele) 및 하위 대립유전자(minor allele)의 개수에 따라 결정되는 제1 값 및 학습에 의해 그 값이 변화하는 제2 값을 이용하여 연산되는 것일 수 있다.
본 발명의 다른 양태에서, 상기 제1 값은, 상위 대립유전자(major allele) - 상위 대립유전자, 상위 대립유전자 - 하위 대립유전자(minor allele) 및 하위 대립유전자 - 하위 대립유전자의 SNPs 타입(type) 마다 서로 다른 값이 부여될 수 있다.
본 발명의 다른 양태에서, 상기 제1 값은, 상기 SNPs 타입들 중 하위 대립유전자의 개수가 많은 타입일수록 더 높은 값을 가질 수 있다.
본 발명의 다른 양태에서, 상기 제1 값은 학습이 이루어지더라도 변화하지 않는 값일 수 있다.
본 발명의 다른 양태에서, 상기 가중치는 상기 제1 값과 상기 제2 값을 곱한 값이고, 상기 예측 자극 정보는, 각각의 SNP마다의 가중치를 합산하여 연산될 수 있다.
본 발명의 다른 양태에서, 상기 피부 자극 예측 모델은, 상기 서버가 SNP 정보, 히드로퀴논을 포함하는 처방을 포함하는 다수의 처방 중 하나 이상의 처방 정보 및 상기 SNP 정보를 갖는 개체에 상기 처방에 따른 물질을 도포하였을 때의 자극 정보의 쌍으로 이루어진 제2 자극 학습 데이터들을 학습하여, SNP 정보가 질의되는 경우 질의된 SNP 정보를 갖는 개체에 다수의 처방에 따른 물질 각각이 도포되었을 때의 제2 예측 자극 정보를 출력하는 제2 자극 예측 모델일 수 있다.
본 발명의 다른 양태에서, 상기 피부 자극 예측 모델은, 상기 서버가 SNP 정보에 더하여, 나이 정보, 성별 정보, 생활 습관 정보, 환경 정보 및 피부 특성 정보 중 하나 이상의 정보, 그리고 상기 SNP 정보를 갖는 개체에 히드로퀴논을 포함하는 물질을 도포하였을 때의 자극 정보의 쌍으로 이루어진 제3 자극 학습 데이터들을 학습하여, SNP 정보 및 나이 정보, 성별 정보, 생활 습관 정보, 환경 정보 및 피부 특성 정보 중 하나 이상의 정보가 질의되는 경우 질의된 정보를 갖는 개체에 히드로퀴논을 포함하는 물질이 도포되었을 때의 제3 예측 자극 정보를 출력하는 제3 자극 예측 모델일 수 있다.
본 발명의 다른 양태에서, 상기 피부 자극 예측 모델은, 러닝 프로세서가 SNP 정보에 더하여, 나이 정보, 성별 정보, 생활 습관 정보, 환경 정보 및 피부 특성 정보 중 하나 이상의 정보, 히드로퀴논을 포함하는 처방을 포함하는 다수의 처방 중 하나 이상의 처방 정보, 그리고 상기 SNP 정보를 갖는 개체에 상기 처방에 따른 물질을 도포하였을 때의 자극 정보의 쌍으로 이루어진 제4 자극 학습 데이터들을 학습하여, SNP 정보 및 나이 정보, 성별 정보, 생활 습관 정보, 환경 정보 및 피부 특성 정보 중 하나 이상의 정보가 질의되는 경우 질의된 정보를 갖는 개체에 다수의 처방에 따른 물질 각각이 도포되었을 때의 제4 예측 자극 정보를 출력하는 제4 자극 예측 모델일 수 있다.
본 발명의 다른 양태에서, 상기 예측 단말은 상기 피부 자극 예측 모델에 상기 SNP 정보를 질의하여 다수의 처방 각각마다의 예측 자극 정보를 연산하고, 상기 시스템은, 상기 예측 자극 정보를 이용하여, 다수의 처방 중 하나 이상의 처방을 선정하는 처방 선정부를 더 포함할 수 있다.
본 발명의 다른 양태에서, 상기 처방 선정부는 다수의 처방 중, 상기 예측 피부 자극 정보의 값이 작은 하나 이상의 처방을 선정할 수 있다.
본 발명의 다른 양태에서, 상기 다수의 처방은, 히드로퀴논 처방 및 히드로퀴논에 추가 물질이 더 포함된 처방을 포함하고, 상기 추가 물질은 피부 밝기 증가 유도 물질, 피부 자극 완화제, 제재 안정화 물질 및 제재 질감 결정 물질로 이루어진 그룹 중 선택된 하나 이상일 수 있다.
본 발명의 다른 양태에서, 상기 예측 단말은, 상기 서버에서 생성된 피부 밝기 변화 예측 모델에 입력받은 SNP 정보를 질의하여, 연산된 예측 피부 밝기 변화 정보를 출력하고, 상기 피부 밝기 변화 예측 모델은, 러닝 프로세서가 SNP 정보 및 상기 SNP 정보를 갖는 개체에 히드로퀴논을 포함하는 물질을 도포하였을때 피부 밝기 변화 정보의 쌍으로 이루어진 제1 피부 밝기 변화 학습 데이터들을 학습하여, SNP 정보가 질의되는 경우 질의된 SNP 정보를 갖는 개체에 히드로퀴논을 포함하는 물질이 도포되었을 때의 예측 피부 밝기 변화 정보를 추가로 출력하는 것일 수 있다.
본 발명의 다른 양태에서, 상기 제1 예측 자극 정보와 상기 예측 피부 밝기 변화 정보 중 하나 이상을 이용하여, 히드로퀴논을 포함하는 다수의 처방 중 질의된 SNP 정보를 갖는 개체에 처방되기에 적합한 하나 이상의 처방을 선정하는 처방 선정부를 더 포함할 수 있다.
본 발명의 일 양태는, 전술한 방법을 실행하도록 컴퓨터 판독 가능한 기록 매체에 저장된, 컴퓨터 프로그램을 제공한다.
한편, 본 발명의 다른 양태에 따른 방법은, (a) 예측 단말에 예측 대상 개체의 SNP 정보가 입력되는 단계 및 (b) 상기 예측 단말이, 상기 예측 단말 또는 서버에 미리 저장된 임계 자극 점수 예측 모델에서 결정된 임계 자극 점수와, 상기 SNP 정보에 따라 결정되는 자극 점수를 비교하고, 비교 결과에 따라 입력된 SNP 정보를 갖는 개체에 히드로퀴논이 도포되었을 때의 자극 정보를 예측하는 단계를 포함하고, 상기 임계 자극 점수 예측 모델은, 러닝 프로세서가 SNP 정보에 포함된 SNPs의 개수 및 SNPs 타입(type)에 따라 결정되는 자극 점수 및 상기 SNP 정보를 갖는 개체에 히드로퀴논을 포함하는 물질을 도포하였을 때의 자극 유무의 쌍으로 이루어진 제1 임계 자극 학습 데이터들을 학습하여, 히드로퀴논 도포에 따라 피부 자극을 유발하는 임계 자극 점수를 결정하는 제1 임계 자극 점수 예측 모델인, 히드로퀴논을 포함하는 처방의 피부 자극 예측 방법을 제공한다.
본 발명의 다른 양태에서, SNPs 마커 선정 장치가 상기 SNP 정보에 포함된 다수의 SNPs 중, 히드로퀴논 도포 시 피부 자극 유무와 관련 있는 하나 이상의 SNPs를 선정하는 단계를 더 포함하고, 상기 자극 점수는 특정 개체의 유전자 정보에 포함되어 있는 상기 선정된 하나 이상의 SNPs의 개수 및 SNPs 타입에 따라 결정될 수 있다.
본 발명의 다른 양태에서, 상기 피부 자극 유무와 관련 있는 하나 이상의 SNPs는 표 3에서 선택된 어느 하나 이상인 것일 수 있다.
본 발명의 다른 양태에서, 상위 대립유전자(major allele)-상위 대립유전자, 상위 대립유전자 - 하위 대립유전자(minor allele) 및 하위 대립유전자 - 하위 대립유전자의 SNPs 타입(type) 마다 서로 다른 값이 부여되고, 상기 자극 점수는, 상기 선정된 하나 이상의 SNPs의 개수가 많을수록, 그리고 상기 선정된 하나 이상의 SNPs에서 하위 대립유전자의 개수가 많을수록 높을 수 있다.
본 발명의 다른 양태에서, 상기 제1 임계 자극 점수 예측 모델은, 상기 러닝 프로세서가, 상기 선정된 하나 이상의 SNPs 중 임계 자극 점수를 결정하는데에 사용되는 SNPs의 조합을 결정함으로써 생성되는 것이고, 상기 자극 점수는 상기 결정된 SNPs의 조합에 따라 결정될 수 있다.
본 발명의 다른 양태에서, 상기 임계 자극 점수 예측 모델은, 상기 러닝 프로세서가 상기 자극 점수, 히드로퀴논을 포함하는 처방을 포함하는 다수의 처방 중 하나 이상의 처방 정보 및 상기 SNP 정보를 갖는 개체에 상기 처방에 따른 물질을 도포하였을 때의 자극 유무의 쌍으로 이루어진 제2 임계 자극 학습 데이터들을 학습하여, 다수의 처방에 따른 물질 각각의 임계 자극 점수를 결정하는 제2 임계 자극 점수 예측 모델일 수 있다.
본 발명의 다른 양태에서, 상기 임계 자극 점수 예측 모델은, 상기 러닝 프로세서가 상기 자극 점수, 나이 정보, 성별 정보, 생활 습관 정보, 환경 정보 및 피부 특성 정보 중 하나 이상의 정보, 그리고 상기 SNP 정보를 갖는 개체에 히드로퀴논을 포함하는 물질을 도포하였을 때의 자극 유무의 쌍으로 이루어진 제3 임계 자극 학습 데이터들을 학습하여, 히드로퀴논 도포에 따라 피부 자극을 유발하는 임계 자극 점수를 결정하는 제3 임계 자극 점수 예측 모델일 수 있다.
본 발명의 다른 양태에서, 상기 임계 자극 점수 예측 모델은, 상기 러닝 프로세서가 상기 자극 점수, 나이 정보, 성별 정보, 생활 습관 정보, 환경 정보 및 피부 특성 정보 중 하나 이상의 정보, 히드로퀴논을 포함하는 처방을 포함하는 다수의 처방 중 하나 이상의 처방 정보, 그리고 상기 SNP 정보를 갖는 개체에 히드로퀴논을 포함하는 물질을 도포하였을 때의 자극 유무의 쌍으로 이루어진 제4 임계 자극 학습 데이터들을 학습하여, 다수의 처방에 따른 물질 각각의 임계 자극 점수를 결정하는 제4 임계 자극 점수 예측 모델일 수 있다.
본 발명의 다른 양태에서, (c) 자극 정보 연산부가 입력된 SNP 정보에 따라 연산된 자극 점수와, 다수의 처방의 각각의 처방마다의 임계 자극 점수를 비교하여 자극 정보를 연산하는 단계 및 (d) 처방 선정부가 상기 각각의 처방마다의 자극 정보를 이용하여 상기 다수의 처방 중 입력된 SNP 정보를 갖는 개체에 처방되기에 적합한 하나 이상의 처방을 선정하는 단계를 더 포함할 수 있다.
본 발명의 다른 양태에서, 상기 다수의 처방은, 히드로퀴논 처방 및 히드로퀴논에 추가 물질이 더 포함된 처방을 포함하고, 상기 추가 물질은 피부 밝기 증가 유도 물질, 피부 자극 완화제, 제재 안정화 물질 및 제재 질감 결정 물질로 이루어진 그룹 중 선택된 하나 이상일 수 있다.
본 발명의 다른 양태에서, 상기 (b) 단계는, 상기 예측 단말이, 상기 예측 단말 또는 서버에 미리 저장된 피부 밝기 변화 예측 모델에 상기 SNP 정보를 질의하여 예측 피부 밝기 변화 정보를 연산하고, 연산된 예측 피부 밝기 변화 정보를 출력하는 단계를 더 포함하고, 상기 피부 밝기 변화 예측 모델은, 러닝 프로세서가 SNP 정보 및 상기 SNP 정보를 갖는 개체에 히드로퀴논을 포함하는 물질을 도포하였을 때의 피부 밝기 변화 정보의 쌍으로 이루어진 제1 피부 밝기 변화 학습 데이터들을 학습하여, SNP 정보가 질의되는 경우 질의된 SNP 정보를 갖는 개체에 히드로퀴논을 포함하는 물질이 도포되었을 때의 예측 피부 밝기 변화 정보를 추가로 출력하는 것일 수 있다.
본 발명의 다른 양태에서, 처방 선정부가 상기 자극 유무와 상기 예측 피부 밝기 변화 정보 중 하나 이상을 이용하여, 히드로퀴논을 포함하는 다수의 처방 중 질의된 SNP 정보를 갖는 개체에 처방되기에 적합한 하나 이상의 처방을 선정하는 단계를 더 포함할 수 있다.
또한, 본 발명의 일 양태는 SNP 정보에 따라 결정되는 자극 점수 및 상기 SNP 정보를 갖는 개체에 히드로퀴논을 포함하는 물질을 도포하였을 때의 자극 유무의 쌍으로 이루어진 제1 임계 자극 학습 데이터들을 학습하여 임계 자극 점수 예측 모델을 생성하는 서버로서, 히드로퀴논 도포에 따라 피부 자극을 유발하는 임계 자극 점수를 결정하는 제1 임계 자극 점수 예측 모델을 생성하는 서버 및 예측 대상 개체의 SNP 정보를 입력받고, 상기 서버에서 결정된 임계 자극 점수와 입력된 SNP 정보에 따라 결정되는 자극 점수를 비교하고, 비교 결과에 따라 입력된 SNP 정보를 갖는 개체에 히드로퀴논이 도포되었을 때의 자극 정보를 출력하는 예측 단말을 포함하는, 히드로퀴논을 포함하는 처방의 피부 자극 예측 시스템을 제공한다.
본 발명의 다른 양태에서, 상기 SNP 정보에 포함된 다수의 SNPs 중, 히드로퀴논 도포 시 피부 자극 유무와 관련 있는 하나 이상의 SNPs를 선정하는 SNPs 마커 선정 장치를 더 포함하고, 상기 자극 점수는 특정 개체의 유전자 정보에 포함되어 있는 상기 선정된 하나 이상의 SNPs의 개수 및 SNPs 타입에 따라 결정될 수 있다.
본 발명의 다른 양태에서, 상기 피부 자극 유무와 관련 있는 하나 이상의 SNPs는 표 3에서 선택된 어느 하나 이상인 것일 수 있다.
본 발명의 다른 양태에서, 상위 대립유전자(major allele)-상위 대립유전자, 상위 대립유전자 - 하위 대립유전자(minor allele) 및 하위 대립유전자 - 하위 대립유전자의 SNPs 타입(type) 마다 서로 다른 값이 부여되고, 상기 자극 점수는, 상기 선정된 하나 이상의 SNPs의 개수가 많을수록, 그리고 상기 선정된 하나 이상의 SNPs에서 하위 대립유전자의 개수가 많을수록 높을 수 있다.
본 발명의 다른 양태에서, 상기 제1 임계 자극 점수 예측 모델은, 상기 러닝 프로세서가, 상기 선정된 하나 이상의 SNPs 중 임계 자극 점수를 결정하는데에 사용되는 SNPs의 조합을 결정함으로써 생성되는 것이고, 상기 자극 점수는 상기 결정된 SNPs의 조합에 따라 결정될 수 있다.
본 발명의 다른 양태에서, 상기 임계 자극 점수 예측 모델은, 상기 러닝 프로세서가 상기 자극 점수, 히드로퀴논을 포함하는 처방을 포함하는 다수의 처방 중 하나 이상의 처방 정보 및 상기 SNP 정보를 갖는 개체에 상기 처방에 따른 물질을 도포하였을 때의 자극 유무의 쌍으로 이루어진 제2 임계 자극 학습 데이터들을 학습하여, 다수의 처방에 따른 물질 각각의 임계 자극 점수를 결정하는 제2 임계 자극 점수 예측 모델일 수 있다.
본 발명의 다른 양태에서, 상기 임계 자극 점수 예측 모델은, 상기 러닝 프로세서가 상기 자극 점수, 나이 정보, 성별 정보, 생활 습관 정보, 환경 정보 및 피부 특성 정보 중 하나 이상의 정보, 그리고 상기 SNP 정보를 갖는 개체에 히드로퀴논을 포함하는 물질을 도포하였을 때의 자극 유무의 쌍으로 이루어진 제3 임계 자극 학습 데이터들을 학습하여, 히드로퀴논 도포에 따라 피부 자극을 유발하는 임계 자극 점수를 결정하는 제3 임계 자극 점수 예측 모델일 수 있다.
본 발명의 다른 양태에서, 상기 임계 자극 점수 예측 모델은, 상기 러닝 프로세서가 상기 자극 점수, 나이 정보, 성별 정보, 생활 습관 정보, 환경 정보 및 피부 특성 정보 중 하나 이상의 정보, 히드로퀴논을 포함하는 처방을 포함하는 다수의 처방 중 하나 이상의 처방 정보, 그리고 상기 SNP 정보를 갖는 개체에 히드로퀴논을 포함하는 물질을 도포하였을 때의 자극 유무의 쌍으로 이루어진 제4 임계 자극 학습 데이터들을 학습하여, 다수의 처방에 따른 물질 각각의 임계 자극 점수를 결정하는 제4 임계 자극 점수 예측 모델일 수 있다.
본 발명의 다른 양태에서, 입력된 SNP 정보에 따라 자극 점수를 연산하고, 연산된 자극 점수와 다수의 처방의 각각의 처방마다의 임계 자극 점수를 비교하여 자극 정보를 연산하는 자극 정보 연산부 및 상기 각각의 처방마다의 자극 정보를 이용하여 상기 다수의 처방 중 입력된 SNP 정보를 갖는 개체에 처방되기에 적합한 하나 이상의 처방을 선정하는 처방 선정부를 더 포함할 수 있다.
본 발명의 다른 양태에서, 상기 다수의 처방은, 히드로퀴논 처방 및 히드로퀴논에 추가 물질이 더 포함된 처방을 포함하고, 상기 추가 물질은 피부 밝기 증가 유도 물질, 피부 자극 완화제, 제재 안정화 물질 및 제재 질감 결정 물질로 이루어진 그룹 중 선택된 하나 이상일 수 있다.
본 발명의 다른 양태에서, 상기 예측 단말은, 상기 서버에서 생성된 피부 밝기 변화 예측 모델에 입력받은 SNP 정보를 질의하여, 연산된 예측 피부 밝기 변화 정보를 출력하고, 상기 피부 밝기 변화 예측 모델은, 러닝 프로세서가 SNP 정보 및 상기 SNP 정보를 갖는 개체에 히드로퀴논을 포함하는 물질을 도포하였을때 피부 밝기 변화 정보의 쌍으로 이루어진 제1 피부 밝기 변화 학습 데이터들을 학습하여, SNP 정보가 질의되는 경우 질의된 SNP 정보를 갖는 개체에 히드로퀴논을 포함하는 물질이 도포되었을 때의 예측 피부 밝기 변화 정보를 추가로 출력하는 것일 수 있다.
본 발명의 다른 양태에서, 상기 자극 정보와 상기 예측 피부 밝기 변화 정보 중 하나 이상을 이용하여, 히드로퀴논을 포함하는 다수의 처방 중 질의된 SNP 정보를 갖는 개체에 처방되기에 적합한 하나 이상의 처방을 선정하는 처방 선정부를 더 포함할 수 있다.
또한, 본 발명의 일 양태는 전술한 방법을 실행하도록 컴퓨터 판독 가능한 기록 매체에 저장된, 컴퓨터 프로그램을 제공한다.
본 발명의 다른 하나의 양태는 히드로퀴논을 포함하는 처방의 피부 밝기 변화 및 자극 예측 시스템을 제공한다. 도 1 내지 5를 참조하여, 구체적으로 설명한다.
피부 밝기 변화 및/또는 자극 예측 시스템은 예측 단말(100) 및 서버(200)를 포함하고, 선택적으로 데이터 제공 서버(300)를 더 포함할 수 있다. 여기에서, 예측 단말(100)과 서버(200)는 별개의 구성일 수 있으며, 하나의 구성에 통합될 수도 있다.
예측 단말(100)은 예측 대상 개체에 히드로퀴논을 포함하는 물질이 도포되었을 때, 해당 예측 대상 개체에서의 예측 피부 밝기 변화 정보 및/또는 자극 정보를 예측한다.
도 2를 참조하면, 예측 단말(100)은 통신부(110), 입력부(120), 메모리(130), 프로세서(140), 출력부(150), 제어부(160), 전원 공급부(170) 및 인터페이스부(180)를 포함한다.
통신부(110)는 외부 기기와의 통신을 위한 구성으로, 통신부(110)를 통해 외부 기기와의 데이터 송수신이 가능할 수 있다.
입력부(120)는 예측 단말(100)의 구성요소(예를 들어, 프로세서)에 사용될 명령 또는 데이터를 서버(100)의 외부(예를 들어, 사용자)로부터 수신할 수 있다. 입력부(120)는, 예를 들면, 마이크, 마우스, 키보드, 키(예를 들어, 버튼), 또는 디지털 펜(예를 들어, 스타일러스 펜)을 포함할 수 있다.
메모리(130)는 예측 단말(100)에서 사용되는 다양한 데이터를 저장할 수 있다. 메모리(130)에 저장되는 데이터는, 예를 들어, 서버(200)에서 생성된 예측 모델일 수 있으며, 또한 소프트웨어 및 이와 관련된 명령에 대한 입력 데이터 또는 출력 데이터를 포함할 수 있다.
또한, 메모리(130)에는 예측 단말(100)로 입력되는 정보 및 예측 단말(100)에서 생성되는 정보가 모두 저장될 수 있다.
프로세서(140)는, 데이터 처리 또는 연산 기능을 수행할 수 있으며, 데이터 처리 또는 연산 기능의 적어도 일부로서, 다른 구성요소로부터 수신된 명령 또는 데이터를 휘발성 메모리에 저장하고, 휘발성 메모리에 저장된 명령 또는 데이터를 처리하고, 결과 데이터를 비휘발성 메모리에 저장할 수 있다. 프로세서(140)는 피부 밝기 변화 정보 연산부(141), 자극 정보 연산부(142) 및 처방 선정부(143)를 포함할 수 있다.
피부 밝기 변화 정보 연산부(141)는 후술할 서버(200)에 의해 생성된 예측 모델을 사용하여 예측 대상 개체에 히드로퀴논이 포함된 물질 도포 시의 예측 피부 밝기 변화 정보를 연산한다.
자극 정보 연산부(142)는 후술할 서버(200)에 의해 생성된 예측 모델을 사용하여 예측 대상 개체에 히드로퀴논이 포함된 물질 도포 시의 자극 정보를 연산한다. 여기에서, "자극 정보"란, 자극 정도(grade), 자극 유무, 자극 확률 등 자극과 관련된 정보를 포함하는 개념이며, 이들이 수치화된 정보일 수 있으나 특별히 이에 제한되는 것은 아니다.
처방 선정부(143)는 피부 밝기 변화 정보 연산부(141) 및/또는 자극 정보 연산부(142)에 의해 연산된 정보를 이용하여, 해당 예측 대상 개체에 처방되기에 적합한 하나 이상의 처방을 연산하여 선정한다.
출력부(150)는 예측 단말(100)에서 처리 또는 연산된 정보를 외부로 출력할 수 있으며, 디스플레이 및 스피커 등이 여기에 포함될 수 있다.
제어부(160)는, 예를 들면 소프트웨어를 실행하여 프로세서에 연결된 예측 단말(100)의 하나 이상의 다른 구성요소(예를 들어, 하드웨어 또는 소프트웨어 구성요소)를 제어할 수 있다. 제어부(160)는 예측 단말(100)의 통신부(110), 입력부(120), 메모리(130), 프로세서(140), 출력부(150), 전원 공급부(170) 및 인터페이스부(180)를 제어할 수 있다.
전원 공급부(170)는 예측 단말(100)에 전력을 공급한다. 전원 공급부(170)는 외부의 전원으로부터 전력을 공급받아, 예측 단말(100)에 전력을 공급할 수 있다.
인터페이스부(180)는 출력부(150)에서 출력된 정보를 인터페이스(interface)를 통해 가시할 수 있다.
이 때, 인터페이스부(180)는 특정한 종류나 형태에 제한되는 것은 아니다.
예측 단말(100)을 통해 피부 밝기 변화/자극 예측 명령이 입력되면, 프로세서(140)는 후술할 서버(200)에 의해 생성된 것이며 예측 단말(100)의 메모리(130)에 저장된 예측 모델을 사용하여, 예측 피부 밝기 변화 정보 및/또는 자극 정보를 연산하고, 연산된 정보를 출력하게 된다. 다른 양태에서는, 외부 입력부를 통해 피부 밝기 변화/자극 예측 명령이 입력되고, 입력된 명령이 서버(200)에 전송되어 서버(200)에서 피부 밝기 변화/자극 예측이 수행될 수도 있다.
본 발명의 다른 양태에서는, 예측 단말(100)을 통해 피부 밝기 변화/자극 예측 명령이 입력되면, 해당 명령이 서버(200)에 전송되고, 서버(200)에 저장된 예측 모델을 사용하여, 서버(200)에서 예측 피부 밝기 변화 정보 및/또는 자극 정보가 연산될 수 있으며, 예측 단말(100)은 서버(200)에서 연산된 정보를 수신하여, 수신된 정보를 출력할 수도 있다.
한편, 예측 단말(100)을 통해 출력되는 예측 피부 밝기 변화 정보 및/또는 자극 정보의 대상인 예측 대상 개체의 정보는 유전자 데이터(SNP 정보를 포함)의 형태로 입력될 수 있고, 다른 예에서는 예측 대상 개체의 식별 데이터의 형태로 입력될 수도 있다.
예측 대상 개체의 유전자 데이터가 예측 단말(100)에 입력되는 경우, 입력된 유전자 데이터가 예측 모델에 질의되어 해당 예측 대상 개체의 예측 피부 밝기 변화 정보 및/또는 자극 정보가 연산될 수 있다.
한편, 예측 대상 개체의 식별 데이터가 예측 단말(100)에 입력되는 경우, 입력된 식별 데이터가 데이터 제공 서버(300)에 전송되고, 데이터 제공 서버(300)는 전송된 식별 데이터에 상응하는 개체의 유전자 데이터를 다시 예측 단말(100)에 전송하게 된다. 즉, 데이터 제공 서버(300)에는 피험자/예측 대상 개체들의 유전자 데이터가 미리 저장되어 있으며, 예측 단말(100) 또는 후술할 서버(200)에서의 데이터 제공 요청(유전자 데이터 제공 요청)이 있으면, 전송된 식별 데이터에 상응하는 개체의 유전자 데이터를 예측 단말(100) 또는 서버(200)에 전송하는 것이 가능하다. 즉, 개인 정보인 유전자 데이터를 별도의 데이터 제공 서버(300)에 저장하고, 전송된 식별 데이터에 해당하는 개체의 유전자 데이터를 제공하는 구성을 통해, 개인 정보 보호가 가능하다.
한편, 도 3 및 6을 참조하면, 서버(200)는 SNPs 마커 선정 장치(210), 측정 장치(220), 예측 모델 생성 장치(230) 및 데이터 처리 장치(240)를 포함할 수 있다.
SNPs 마커 선정 장치(210)는 다수의 SNPs 중 히드로퀴논을 포함하는 물질 도포 시 피부 밝기 변화 및/또는 피부 자극을 유발하는 하나 이상의 SNPs를 선정하도록 구성된다. 이하의 실시예에서 구체적으로 설명되겠지만, 예를 들면 SNPs 마커 선정 장치(210)에 의해 피부 밝기 변화에 영향을 미치는 33개 중 일부 또는 전체의 SNP, 피부 자극 정도에 영향을 미치는 56개 중 일부 또는 전체의 SNP, 그리고 자극 유무에 영향을 미치는 34개 중 일부 또는 전체의 SNP가 선정될 수 있으나, 특별히 이에 제한되지는 않는다.
측정 장치(220)는 특정 개체의 피부를 측정하는 것을 통해, 피부 측정 수치가 포함된 정보를 획득하도록 구성된다. 상기 피부 측정 수치에는 수분값, 피부 밝기값, 피부 자극값 등 피부 상태와 관련된 정보가 포함될 수 있으나, 피부와 관련된 정보이면 상기의 정보에 제한되는 것은 아니다.
한편, 데이터 처리 장치(240)는 측정 장치(220)에 의해 측정된 정보, 그리고 외부에서 입력되는 데이터를 처리하도록 구성된다. 예를 들어, 히드로퀴논을 포함하는 물질 도포 전의 피험자의 피부 밝기 값(L0), 히드로퀴논을 포함하는 물질 도포 후의 피험자의 피부 밝기 값(L)을 이용하여 피부 밝기 변화 값(ΔL = L - LO)을 연산할 수 있으며, 피험자(H)로부터 전송된 설문조사 결과/피부 이미지, 전문가(A)로부터 전송된 면담 결과를 소정의 방법으로 처리하여 자극 데이터를 연산할 수도 있다.
또한, 데이터 처리 장치(240)는 기존의 메모리에 저장되어 있는 정보에 신규 정보를 추가하여 예측 모델의 성능을 향상시킬 수도 있다.
메모리에는 소정의 포맷(형식)을 갖는 정보가 저장되어야, 이후 정보 추가 변환, 추가 전처리 등의 번잡한 절차가 생략될 수 있다.
데이터 처리 장치(240)는 정보의 종류마다 획일화된 포맷으로 각종 정보를 변환하는 역할을 수행할 수 있다. 예를 들어, 피험자로부터 수집된 정보는 개인 정보를 포함할 수 있기에 정보의 익명화를 수행할 수 있으며, 컴퓨터 연산에 최적화된 코드로의 변환, 관리번호 부여 등의 기능을 수행할 수 있다. 또한, 데이터 처리 장치(240)는 각 측정 장치(220) 마다의 오차를 보정하거나, 측정 정보 수치를 표준화(예를 들어, (측정치-표준)/표준편차의 방식으로 수치를 표준화할 수 있음)하여 정보의 일관성을 확보하는 것이 가능하다.
또한, 데이터 처리 장치(240)는 정보들의 이상치, 그리고 측정 장치(220)에 의해 측정된 정보들의 이상치를 소정의 방법으로 연산하고, 이상치가 미리 설정된 값 범위 밖인 경우 해당 정보를 노이즈 처리하여 메모리에 저장되지 않도록 하거나, 경고 신호가 출력되도록 하여 정보 재입력/재측정 등이 수행될 수 있도록 통지할 수도 있다.
예를 들어, 데이터 처리 장치(240)는 남성인 성별을 갖는 사용자의 폐경 응답, 평균치 대비 3배 이상의 표준편차 차이가 발생하는 경우 입력된 정보를 노이즈 처리하여 메모리에 저장되지 않도록 하거나, 경고 신호가 출력되도록 하여 정보 재입력/재측정 등이 수행될 수 있도록 통지할 수 있다.
예측 모델 생성 장치(230)는 히드로퀴논을 포함하는 물질 도포 시 피부 밝기 변화 정보/자극 정보 예측을 위한 모델을 생성하도록 구성된다.
도 3을 참조하면, 예측 모델 생성 장치(230)는 통신부(231), 입력부(232), 프로세서(233), 메모리(234), 러닝 프로세서(235) 및 제어부(236)를 포함할 수 있는데, 예측 모델 생성 장치(230) 역시 연산이 가능한 컴퓨팅 장치의 형태로 구현되어, 전술한 예측 단말(100)의 통신부(110), 입력부(120), 메모리(130), 프로세서(140) 및 제어부(160)와 동일한 기능을 갖는 구성이 적용될 수 있다.
한편, 러닝 프로세서(235)는 프로세서(140)와 마찬가지로, 데이터 처리 또는 연산 기능을 수행할 수 있으나, 인공지능 모델의 처리에 특화된 하드웨어 구조를 더 포함할 수 있다.
예측 모델 생성 장치(230)의 메모리(234)는 피험자 통합 데이터베이스(234a) 및 처방 데이터베이스(234b)를 포함할 수 있다.
피험자 통합 데이터베이스(234a)에는 학습 데이터로 사용되기 위해, 피험자들로부터 수집된 정보들이 저장된다. 피험자 통합 데이터베이스(234a)에 저장되는 정보의 종류로는, 피부 밝기 변화 정보(ΔL), SNP 정보를 포함하는 유전자 정보, 피부 자극 정보, 환경 정보, 생활 습관 정보, 피부 특성 정보가 일부 또는 전부 포함될 수 있다. 여기서, 피부 밝기 변화 정보 (ΔL)는 히드로퀴논 단독 처방 또는 선택적으로 추가 물질이 더 포함된 처방에 따른 물질이 도포됨에 따라 발생하는 피부 밝기의 변화 정도를 의미하며, 피부 자극 정보는 상기 물질이 도포됨에 따라 발생하는 피부 자극의 정도(또는 자극 유무, 자극 확률)를 의미하고, 환경 정보는 키, 몸무게 정보를 포함할 수 있고, 생활 습관 정보는 햇빛 노출 정도, UV 차단제 사용 여부, 식습관 정보, 흡연 여부, 음주 정도를 포함할 수 있으며, 피부 특성 정보는 피부 색 정보 등을 포함할 수 있으나 특별히 이에 제한되는 것은 아니다.
처방 데이터베이스(234b)에는 히드로퀴논을 포함하는 다수의 처방에 대한 정보가 저장된다. 예를 들어, 히드로퀴논만을 포함하는 처방에 대한 정보가 처방 1로서 저장될 수 있으며, 히드로퀴논과 단삼뿌리 추출물을 포함하는 처방에 대한 정보가 처방 2로서, 히드로퀴논과 서양고추나물 추출물을 포함하는 처방에 대한 정보가 처방 3으로서 저장될 수 있다.
이하에서는, 도 4 내지 19를 참조하여, 예측 모델 생성 장치(230)에 의해 예측 모델을 생성하는 과정을 구체적으로 설명한다.
예측 모델의 생성은 러닝 프로세서(235)가 학습 데이터들을 학습함에 따라 생성될 수 있다.
또한, 여기에서 학습이란, 다수의 학습 데이터를 미리 설정된 인공신경망(artificial neural network, ANN) 모델에 학습시켜, 학습의 대상이 되는 다수의 데이터 간의 최적의 상관관계를 도출하는 개념이다. 여기에서, 인공신경망 모델은 DNN(Deep Neural Network), CNN(Convolutional Neural Network), DCNN(Deep Convolutional Neural Network), RNN(Recurrent Neural Network), RBM(Restricted Boltzmann Machine), DBN(Deep Belief Network), SSD(Single Shot Detector), MLP (Multi-layer Perceptron)을 기반으로 한 모델일 수 있으나, 이에 제한되지 않고 다양한 인공신경망 모델이 본 발명에 적용될 수 있다. 또한, 본 발명의 다른 양태에서는 다양한 통계 기법(선형 회귀 모델, random forest, lasso, ridge, elastic net, MDR, SVM 등)을 사용하여 학습의 대상이 되는 다수의 데이터 간의 상관관계를 도출할 수도 있다.
본 발명의 일 양태에서, 도 6을 참조하면 러닝 프로세서(235)는 SNP 정보 - 상기 SNP 정보를 갖는 개체에 히드로퀴논을 포함하는 물질을 도포하였을 때 피부 밝기 변화 정보(ΔL)의 쌍으로 이루어진 제1 피부 밝기 변화 학습 데이터들을 학습하여, SNP 정보가 질의되는 경우 질의된 SNP 정보를 갖는 개체에 히드로퀴논을 포함하는 물질이 도포되었을 때의 제1 예측 피부 밝기 변화 정보를 출력하는 제1 피부 밝기 변화 예측 모델을 생성할 수 있다.
일 양태에서, 학습 데이터에 포함된 SNP 정보에는 SNPs 마커 선정 장치(210)에 의해 선정된 하나 이상의 SNPs 중 적어도 일부는 포함되고, 선정되지 않은 SNPs는 포함되지 않을 수 있다. 유전자에 포함된 SNP의 종류는 매우 다양하다. 따라서, 모든 SNP를 고려하여 학습을 수행한다면 학습의 효율이 저하되는 문제가 발생할 수 있다. 이에, 본 발명에서는 SNPs 마커 선정 장치(210)에 의해 미리 선정된 SNPs만을 고려하여 학습함으로써, 학습의 효율을 향상시킴과 함께 예측의 정확성 역시 향상시키는 방법을 채택하는 것이 바람직할 수 있다.
러닝 프로세서(235)에 의해 학습이 이루어지는 과정에서, SNP 정보에 포함된 각각의 SNP마다 히드로퀴논을 포함하는 물질 도포 시 피부 밝기 변화에 영향을 미치는 가중치가 결정될 수 있다.
여기에서, 가중치는 제1 값과, SNPs 타입(type)에 따라 서로 다른 값을 갖는 제2 값에 의해 결정될 수 있으며, 보다 구체적으로는 제1 값과 제2 값을 곱한 값으로 결정될 수 있다.
제1 값은 각각의 SNP에 포함된 상위 대립유전자(major allele) 및 하위 대립유전자(minor allele)의 개수에 따라 결정되는 값이다. SNPs 타입은 하나의 SNP마다 상위 대립유전자(major allele)-상위 대립유전자, 상위 대립유전자-하위 대립유전자(minor allele) 및 하위 대립유전자-하위 대립유전자 총 3개가 존재할 수 있으며, 제1 값은 각각의 타입마다 서로 다른 값을 가질 수 있다. 보다 구체적으로는, 제1 값은 하위 대립유전자의 개수가 많은 타입일수록 더 높은 값을 가질 수 있으며, major allele-major allele의 경우 '1', major allele-minor allele의 경우 '2', minor allele-minor allele의 경우'3'의 값이 부여될 수 있으나, 특별히 이에 제한되는 것은 아니다.
제2 값은, 각각의 SNP가 피부 밝기 변화에 영향을 미치는 영향력 지수를 의미(보다 구체적으로는, 각각의 SNP의 minor allele가 피부 밝기에 영향을 미치는 영향력 지수를 의미)한다. 선정된 SNP마다 히드로퀴논 처방에 따른 물질 도포시, 피부 밝기 변화에 영향을 미치는 정도가 다를 수 있으므로, 본 발명에서는 각각의 SNP의 영향력 지수인 제2 값을 연산함으로써, 추후 임의의 유전자 정보가 입력되는 경우 연산된 가중치를 이용하여 예측 피부 밝기 변화 정보를 연산할 수 있게 된다.
한편, 제1 값은 SNP에 포함된 상위 대립유전자-하위 대립유전자의 개수에 따라 그 값이 고정이고 학습에 의해 변화하지 않는 값이며, 제2 값이 학습에 의해 변화하는 값이다.
한편, 제1 값을 학습에 의해 변화하는 값으로 하고, 제2 값을 각 SNPs 이 가진 Effect Size로 고정할 수도 있다. 또 다른 실시 양태에 따르면, 제1 값을 상위 대립유전자-하위 대립유전자의 개수에 따라 그 값이 고정이고, 제2 값 또한 Effect Size로 고정할 수도 있다.
러닝 프로세서(235)는 제1 피부 밝기 변화 학습 데이터들을 학습하는 과정에서 예측 정확도가 최대가 되도록, 각 SNP마다 피부 밝기 변화에 영향을 미치는 가중치를 조정함으로써(구체적으로는, 제2 값을 조정) 제1 피부 밝기 변화 예측 모델을 생성할 수 있다.
러닝 프로세서(235)에 의해 생성된 제1 피부 밝기 변화 예측 모델은, 예측 단말(100)에 전송되어 예측 단말(100)의 모델 저장부(131)에 저장될 수 있다. 예측 단말(100)의 입력부(120)를 통해 예측 대상 개체의 SNP 정보를 포함하는 유전자 데이터가 질의되면, 예측 단말(100)의 피부 밝기 변화 정보 연산부(141)는 제1 예측 모델을 사용하여 제1 예측 피부 밝기 변화 정보를 연산할 수 있으며, 연산된 정보는 출력부(150)를 통해 시스템 사용자에게 가시적인 정보의 형태로 출력될 수 있다.
한편, 본 발명의 다른 양태에서는 도 7에 도시된 것처럼 예측 단말(100)에 예측 대상 개체의 식별 데이터가 입력되고, 입력된 식별 데이터가 데이터 제공 서버(300)에 전송되며, 데이터 제공 서버(300)는 전송된 식별 데이터에 해당하는 개체의 유전자 데이터를 예측 단말(100)에 전송할 수도 있다.
본 발명의 일 양태에서, 도 8을 참조하면 러닝 프로세서(235)는 SNP 정보 - 히드로퀴논을 포함하는 처방을 포함하는 다수의 처방 중 하나 이상의 처방 정보 - 상기 SNP 정보를 갖는 개체에 상기 처방 중 어느 하나의 처방에 따른 물질을 도포하였을 때의 피부 밝기 변화 정보의 쌍으로 이루어진 제2 피부 밝기 변화 학습 데이터들을 학습하여, SNP 정보가 질의되는 경우 질의된 SNP 정보를 갖는 개체에 다수의 처방에 따른 물질 각각이 도포되었을 때의 제2 예측 피부 밝기 변화 정보를 출력하는 제2 피부 밝기 변화 예측 모델을 생성할 수 있다.
즉, 러닝 프로세서(235)가 제3 학습 데이터들을 학습하는 과정에서 예측 정확도가 최대가 되도록, 각각의 처방에서 각 SNP마다 피부 밝기 변화에 영향을 미치는 가중치를 조정함으로써(구체적으로는, 제2 값을 조정) 제2 피부 밝기 변화 예측 모델을 생성할 수 있다.
러닝 프로세서(235)에 의해 생성된 제2 피부 밝기 변화 예측 모델은, 예측 단말(100)에 전송되어 예측 단말(100)의 모델 저장부(131)에 저장될 수 있다. 예측 단말(100)의 입력부(120)를 통해 예측 대상 개체의 SNP 정보를 포함하는 유전자 데이터가 질의되면, 예측 단말(100)의 피부 밝기 변화 정보 연산부(141)는 제2 피부 밝기 변화 예측 모델을 사용하여 각각의 처방마다의 예측 피부 밝기 변화 정보를 연산할 수 있으며, 연산된 정보는 출력부(150)를 통해 시스템 사용자에게 가시적인 정보의 형태로 출력될 수 있다.
또한, 처방 선정부(143)는 피부 밝기 변화 정보 연산부(141)에 의해 연산된 예측 피부 밝기 변화 정보를 사용하여, 해당 예측 대상 개체에 처방되기에 적합한 하나 이상의 처방을 연산한다. 일 예로, 피부 밝기 변화 정보 연산부(141)에 의해 연산된 예측 피부 밝기 변화 정보의 값이 큰 처방이 예측 대상 개체에 처방되기에 적합한 처방으로서 연산될 수 있을 것이다.
한편, 도 8에서는 예측 단말(100)에 예측 대상 개체의 유전자 데이터가 직접 입력되는 모습이 도시되나, 도 7에 도시된 것처럼 예측 단말(100)에 예측 대상 개체의 식별 데이터가 입력되고, 입력된 식별 데이터가 데이터 제공 서버(300)에 전송되며, 데이터 제공 서버(300)는 전송된 식별 데이터에 해당하는 개체의 유전자 데이터를 예측 단말(100)에 전송하는 양태도 본 발명의 범주에 포함될 수 있다.
본 발명의 일 양태에서, 도 9를 참조하면 러닝 프로세서(235)는 SNP 정보 - 나이 정보/성별 정보/생활 습관 정보/환경 정보/피부 특성 정보 중 하나 이상의 정보 - 상기 SNP 정보를 갖는 개체에 히드로퀴논을 포함하는 물질이 도포되었을 때의 피부 밝기 변화 정보의 쌍으로 이루어진 제3 피부 밝기 변화 학습 데이터들을 학습하여, SNP 정보 및 나이 정보/성별 정보/생활 습관 정보/환경 정보/피부 특성 정보 중 하나 이상의 정보가 질의되는 경우 질의된 SNP 정보를 갖는 개체에 히드로퀴논을 포함하는 물질이 도포되었을 때의 제3 예측 피부 밝기 변화 정보를 출력하는 예측 모델을 생성할 수 있다.
즉, 러닝 프로세서(235)가 제3 피부 밝기 변화 학습 데이터들을 학습하는 과정에서 예측 정확도가 최대가 되도록, 각 SNP마다, 그리고 나이 정보/성별 정보/생활 습관 정보/환경 정보/피부 특성 정보 중 하나 이상이 피부 밝기 변화에 영향을 미치는 가중치를 조정함으로써 제3 피부 밝기 변화 예측 모델을 생성할 수 있다.
러닝 프로세서(235)에 의해 생성된 제3 피부 밝기 변화 예측 모델은, 예측 단말(100)에 전송되어 예측 단말(100)의 모델 저장부(131)에 저장될 수 있다. 예측 단말(100)의 입력부(120)를 통해 예측 대상 개체의 SNP 정보를 포함하는 유전자 데이터 및 나이 정보/성별 정보/생활 습관 정보/환경 정보/피부 특성 정보 중 하나 이상의 정보가 질의되면, 예측 단말(100)의 피부 밝기 변화 정보 연산부(141)는 제3 피부 밝기 변화 예측 모델을 사용하여 제3 예측 피부 밝기 변화 정보를 연산할 수 있으며, 연산된 정보는 출력부(150)를 통해 시스템 사용자에게 가시적인 정보의 형태로 출력될 수 있다.
본 발명의 일 양태에서, 도 10을 참조하면 러닝 프로세서(235)는 SNP 정보 - 히드로퀴논을 포함하는 처방을 포함하는 다수의 처방 중 하나 이상의 처방 정보 - 나이 정보/성별 정보/생활 습관 정보/환경 정보/피부 특성 정보 중 하나 이상의 정보 - 상기 SNP 정보를 갖는 개체에 상기 처방 중 어느 하나의 처방에 따른 물질을 도포하였을 때의 피부 밝기 변화 정보의 쌍으로 이루어진 제4 피부 밝기 변화 학습 데이터들을 학습하여, SNP 정보 및 나이 정보/성별 정보/생활 습관 정보/환경 정보/피부 특성 정보 중 하나 이상의 정보가 질의되는 경우 질의된 SNP 정보를 갖는 개체에 다수의 처방에 따른 물질 각각이 도포되었을 때의 제4 예측 피부 밝기 변화 정보를 출력하는 예측 모델을 생성할 수 있다.
즉, 러닝 프로세서(235)가 제4 피부 밝기 변화 학습 데이터들을 학습하는 과정에서 예측 정확도가 최대가 되도록, 각각의 처방에서 각 SNP마다, 그리고 나이 정보/성별 정보/생활 습관 정보/환경 정보/피부 특성 정보 중 하나 이상이 피부 밝기 변화에 영향을 미치는 가중치를 조정함으로써 피부 밝기 변화에 영향을 미치는 가중치를 조정함으로써 제4 피부 밝기 변화 예측 모델을 생성할 수 있다.
러닝 프로세서(235)에 의해 생성된 제3 피부 밝기 변화 예측 모델은, 예측 단말(100)에 전송되어 예측 단말(100)의 모델 저장부(131)에 저장될 수 있다. 예측 단말(100)의 입력부(120)를 통해 예측 대상 개체의 SNP 정보를 포함하는 유전자 데이터 및 나이 정보/성별 정보/생활 습관 정보/환경 정보/피부 특성 정보 중 하나 이상의 정보가 질의되면, 예측 단말(100)의 피부 밝기 변화 정보 연산부(141)는 제4 피부 밝기 변화 예측 모델을 사용하여 각각의 처방마다의 예측 피부 밝기 변화 정보를 연산할 수 있으며, 연산된 정보는 출력부(150)를 통해 시스템 사용자에게 가시적인 정보의 형태로 출력될 수 있다.
또한, 처방 선정부(143)는 피부 밝기 변화 정보 연산부(141)에 의해 연산된 예측 피부 밝기 변화 정보를 사용하여, 해당 예측 대상 개체에 처방되기에 적합한 하나 이상의 처방을 연산한다. 일 예로, 피부 밝기 변화 정보 연산부(141)에 의해 연산된 예측 피부 밝기 변화 정보의 값이 큰 처방이 예측 대상 개체에 처방되기에 적합한 처방으로서 연산될 수 있을 것이다.
한편, 도 10에서는 예측 단말(100)에 예측 대상 개체의 유전자 데이터가 직접 입력되는 모습이 도시되나, 도 11에 도시된 것처럼 예측 단말(100)에 예측 대상 개체의 식별 데이터가 입력되고, 입력된 식별 데이터가 데이터 제공 서버(300)에 전송되며, 데이터 제공 서버(300)는 전송된 식별 데이터에 해당하는 개체의 유전자 데이터를 예측 단말(100)에 전송하는 양태도 본 발명의 범주에 포함될 수 있다.
본 발명의 일 양태에서, 도 12를 참조하면 러닝 프로세서(235)는 SNP 정보 - 상기 SNP 정보를 갖는 개체에 히드로퀴논을 포함하는 물질을 도포하였을 때 자극 데이터(자극 유무 또는 자극 정도를 포함)의 쌍으로 이루어진 제1 자극 학습 데이터들을 학습하여, SNP 정보가 질의되는 경우 질의된 SNP 정보를 갖는 개체에 히드로퀴논을 포함하는 물질이 도포되었을 때의 제1 자극 정보를 출력하는 예측 모델을 생성할 수 있다.
즉, 러닝 프로세서(235)가 제1 자극 학습 데이터들을 학습하는 과정에서 예측 정확도가 최대가 되도록, 각 SNP마다 피부 자극에 영향을 미치는 가중치를 조정함으로써(구체적으로는, 제2 값을 조정) 제1 자극 예측 모델을 생성할 수 있다.
러닝 프로세서(235)에 의해 생성된 제1 자극 예측 모델은, 예측 단말(100)에 전송되어 예측 단말(100)의 모델 저장부(131)에 저장될 수 있다. 예측 단말(100)의 입력부(120)를 통해 예측 대상 개체의 SNP 정보를 포함하는 유전자 데이터가 질의되면, 예측 단말(100)의 자극 정보 연산부(142)는 제1 자극 예측 모델을 사용하여 제1 자극 정보(자극 유무 또는 자극 정도의 형태일 수 있음)를 연산할 수 있으며, 연산된 정보는 출력부(150)를 통해 시스템 사용자에게 가시적인 정보의 형태로 출력될 수 있다.
한편, 도 12에서는 예측 단말(100)에 예측 대상 개체의 유전자 데이터가 직접 입력되는 모습이 도시되나, 도 7에 도시된 것처럼 예측 단말(100)에 예측 대상 개체의 식별 데이터가 입력되고, 입력된 식별 데이터가 데이터 제공 서버(300)에 전송되며, 데이터 제공 서버(300)는 전송된 식별 데이터에 해당하는 개체의 유전자 데이터를 예측 단말(100)에 전송하는 양태도 본 발명의 범주에 포함될 수 있다.
본 발명의 일 양태에서, 도 13을 참조하면 러닝 프로세서(235)는 SNP 정보 - 히드로퀴논을 포함하는 처방을 포함하는 다수의 처방 중 하나 이상의 처방 정보 - 상기 SNP 정보를 갖는 개체에 상기 처방 중 어느 하나의 처방에 따른 물질을 도포하였을 때의 자극 정보의 쌍으로 이루어진 제2 자극 학습 데이터들을 학습하여, SNP 정보가 질의되는 경우 질의된 SNP 정보를 갖는 개체에 다수의 처방에 따른 물질 각각이 도포되었을 때의 제2 자극 정보를 출력하는 예측 모델을 생성할 수 있다.
즉, 러닝 프로세서(235)가 제2 자극 학습 데이터들을 학습하는 과정에서 예측 정확도가 최대가 되도록, 각각의 처방에서 각 SNP마다 피부 자극에 영향을 미치는 가중치를 조정함으로써(구체적으로는, 제2 값을 조정) 제2 자극 예측 모델을 생성할 수 있다.
러닝 프로세서(235)에 의해 생성된 제2 자극 예측 모델은, 예측 단말(100)에 전송되어 예측 단말(100)의 모델 저장부(131)에 저장될 수 있다. 예측 단말(100)의 입력부(120)를 통해 예측 대상 개체의 SNP 정보를 포함하는 유전자 데이터가 질의되면, 예측 단말(100)의 자극 정보 연산부(142)는 제2 자극 예측 모델을 사용하여 각각의 처방마다의 자극 정보를 연산할 수 있으며, 연산된 정보는 출력부(150)를 통해 시스템 사용자에게 가시적인 정보의 형태로 출력될 수 있다.
또한, 처방 선정부(143)는 자극 정보 연산부(142)에 의해 연산된 자극 정보를 사용하여, 해당 예측 대상 개체에 처방되기에 적합한 하나 이상의 처방을 연산한다. 일 예로, 자극 정보 연산부(142)에 의해 연산된 자극 정보의 값이 작은 처방이 예측 대상 개체에 처방되기에 적합한 처방으로서 연산될 수 있을 것이다.
한편, 도 13에서는 예측 단말(100)에 예측 대상 개체의 유전자 데이터가 직접 입력되는 모습이 도시되나, 도 7에 도시된 것처럼 예측 단말(100)에 예측 대상 개체의 식별 데이터가 입력되고, 입력된 식별 데이터가 데이터 제공 서버(300)에 전송되며, 데이터 제공 서버(300)는 전송된 식별 데이터에 해당하는 개체의 유전자 데이터를 예측 단말(100)에 전송하는 양태도 본 발명의 범주에 포함될 수 있다.
본 발명의 일 양태에서, 도 14를 참조하면 러닝 프로세서(235)는 SNP 정보 - 나이 정보/성별 정보/생활 습관 정보/환경 정보/피부 특성 정보 중 하나 이상의 정보 - 상기 SNP 정보를 갖는 개체에 히드로퀴논을 포함하는 물질이 도포되었을 때의 자극 정보의 쌍으로 이루어진 제3 자극 학습 데이터들을 학습하여, SNP 정보 및 나이 정보/성별 정보/생활 습관 정보/환경 정보/피부 특성 정보 중 하나 이상의 정보가 질의되는 경우 질의된 SNP 정보를 갖는 개체에 히드로퀴논이 포함된 물질이 도포되었을 때의 제3 자극 정보를 출력하는 예측 모델을 생성할 수 있다.
즉, 러닝 프로세서(235)는 제3 자극 학습 데이터들을 학습하는 과정에서 예측 정확도가 최대가 되도록, 각 SNP마다, 그리고 나이 정보/성별 정보/생활 습관 정보/환경 정보/피부 특성 정보 중 하나 이상이 피부 자극에 영향을 미치는 가중치를 조정함으로써 제3 자극 예측 모델을 생성할 수 있다.
러닝 프로세서(235)에 의해 생성된 제3 자극 예측 모델은, 예측 단말(100)에 전송되어 예측 단말(100)의 모델 저장부(131)에 저장될 수 있다. 예측 단말(100)의 입력부(120)를 통해 예측 대상 개체의 SNP 정보를 포함하는 유전자 데이터 및 나이 정보/성별 정보/생활 습관 정보/환경 정보/피부 특성 정보 중 하나 이상의 정보가 질의되면, 예측 단말(100)의 자극 정보 연산부(142)가 제3 자극 예측 모델을 사용하여 제3 자극 정보를 연산할 수 있으며, 연산된 정보는 출력부(150)를 통해 시스템 사용자에게 가시적인 정보의 형태로 출력될 수 있다.
본 발명의 일 양태에서, 도 15를 참조하면 러닝 프로세서(235)는 SNP 정보 - 히드로퀴논을 포함하는 처방을 포함하는 다수의 처방 중 하나 이상의 처방 정보 - 나이 정보/성별 정보/생활 습관 정보/환경 정보/피부 특성 정보 중 하나 이상의 정보 - 상기 SNP 정보를 갖는 개체에 상기 처방 중 어느 하나의 처방에 따른 물질을 도포하였을 때의 자극 정보의 쌍으로 이루어진 제4 자극 학습 데이터들을 학습하여, SNP 정보 및 나이 정보/성별 정보/생활 습관 정보/환경 정보/피부 특성 정보 중 하나 이상의 정보가 질의되는 경우 질의된 SNP 정보를 갖는 개체에 다수의 처방에 따른 물질 각각이 도포되었을 때의 제4 자극 정보를 출력하는 예측 모델을 생성할 수 있다.
즉, 러닝 프로세서(235)가 제4 자극 학습 데이터들을 학습하는 과정에서 예측 정확도가 최대가 되도록, 각각의 처방에서 각 SNP마다 피부 자극에 영향을 미치는 가중치를 조정함으로써(구체적으로는, 제2 값을 조정) 제4 자극 예측 모델을 생성할 수 있다.
러닝 프로세서(235)에 의해 생성된 제4 자극 예측 모델은, 예측 단말(100)에 전송되어 예측 단말(100)의 모델 저장부(131)에 저장될 수 있다. 예측 단말(100)의 입력부(120)를 통해 예측 대상 개체의 SNP 정보를 포함하는 유전자 데이터가 질의되면, 예측 단말(100)의 자극 정보 연산부(142)는 제4 자극 예측 모델을 사용하여 각각의 처방마다의 자극 정보를 연산할 수 있으며, 연산된 정보는 출력부(150)를 통해 시스템 사용자에게 가시적인 정보의 형태로 출력될 수 있다.
또한, 처방 선정부(143)는 자극 정보 연산부(142)에 의해 연산된 자극 정보를 사용하여, 해당 예측 대상 개체에 처방되기에 적합한 하나 이상의 처방을 연산한다. 일 예로, 자극 정보 연산부(142)에 의해 연산된 자극 정보의 값이 작은 처방이 예측 대상 개체에 처방되기에 적합한 처방으로서 연산될 수 있을 것이다.
한편, 도 15에서는 예측 단말(100)에 예측 대상 개체의 유전자 데이터가 직접 입력되는 모습이 도시되나, 예측 단말(100)에 예측 대상 개체의 식별 데이터가 입력되고, 입력된 식별 데이터가 데이터 제공 서버(300)에 전송되며, 데이터 제공 서버(300)는 전송된 식별 데이터에 해당하는 개체의 유전자 데이터를 예측 단말(100)에 전송하는 양태도 본 발명의 범주에 포함될 수 있다.
본 발명의 일 양태에서, 도 16을 참조하면 러닝 프로세서(235)는 각 개체의 SNP 정보에 따라 결정되는 자극 점수 - 상기 SNP 정보를 갖는 개체에 히드로퀴논을 포함하는 물질을 도포할 때의 피부 자극 유무(즉, 자극이 있다고 경험한 개체의 경우 자극 유, 별다른 자극이 없다고 경험한 개체의 경우 자극 무)의 쌍으로 이루어진 제1 임계 자극 학습 데이터들을 학습하여, 히드로퀴논을 포함하는 물질이 도포되었을 때, 피부 자극이 유발되는 임계 자극 점수가 출력되는 예측 모델을 생성할 수 있다. 여기에서, 피부 자극은 홍반, 피부 벗겨짐, 작열감, 간지러움 등을 포함할 수 있고, 특별히 이에 제한되지 않고 비정상적인 반응을 통칭하는 개념이다.
여기에서, 자극 점수는 SNP 정보에 포함되어 있으면서 SNPs 선정 장치(210)에 의해 선정된 SNPs의 개수 및 SNPs 타입에 따라 결정될 수 있다. 보다 구체적으로는, 자극 점수는 제1 값과 제2 값을 이용하여 연산될 수 있으며, 제1 값은 각각의 SNP에 포함된 상위 대립유전자 및 하위 대립유전자의 개수에 따라 결정되고, 제2 값은 각각의 SNP가 피부 자극에 영향을 미치는 값으로서 사전 실험을 통해 미리 결정된 값일 수 있다.
즉, 제1 값은 각각의 SNP에 포함된 하위 대립유전자가 많을수록 더 높은 값을 가질 수 있으며, major allele-major allele의 경우 '1', major allele-minor allele의 경우 '2', minor allele-minor allele의 경우'3'의 값이 부여될 수 있으나, 특별히 이에 제한되는 것은 아니다.
한편, 제1 값을 학습에 의해 변화하는 값으로 하고, 제2 값을 각 SNPs 이 가진 Effect Size로 고정할 수도 있다. 또 다른 실시 양태에 따르면, 제1 값을 상위 대립유전자-하위 대립유전자의 개수에 따라 그 값이 고정이고, 제2 값 또한 Effect Size로 고정할 수도 있다.
러닝 프로세서(235)에 의해 생성된 제1 임계 자극 점수 예측 모델에서 결정(예측)된 임계 자극 점수는, 예측 단말(100)에 전송되어 예측 단말(100)의 메모리(130)에 저장될 수 있다. 예측 단말(100)의 입력부(120)를 통해 예측 대상 개체의 SNP 정보를 포함하는 유전자 데이터가 질의되면, 예측 단말(100)의 자극 정보 연산부(142)는 질의된 SNP 정보에 따른 자극 점수를 연산하고, 제1 임계 자극 점수 예측 모델에서 결정된 임계 자극 점수와 비교하여 획득된 비교 결과 데이터를 사용하여 자극 정보를 연산할 수 있다(예를 들어, 임계 자극 점수보다 큰 자극 점수를 갖는 개체의 경우 자극이 있는 것으로 연산하고, 임계 자극 점수보다 작은 자극 점수를 갖는 개체의 경우 자극이 없는 것으로 연산할 수 있음). 연산된 자극 정보는 출력부(150)를 통해 시스템 사용자에게 가시적인 정보의 형태로 출력될 수 있다.
한편, 도 16에서는 예측 단말(100)에 예측 대상 개체의 유전자 데이터가 직접 입력되는 모습이 도시되나, 예측 단말(100)에 예측 대상 개체의 식별 데이터가 입력되고, 입력된 식별 데이터가 데이터 제공 서버(300)에 전송되며, 데이터 제공 서버(300)는 전송된 식별 데이터에 해당하는 개체의 유전자 데이터를 예측 단말(100)에 전송하는 양태도 본 발명의 범주에 포함될 수 있다.
본 발명의 일 양태에 따르면, 제1 임계 자극 학습 데이터들을 학습하기에 앞서, 제1 임계 자극 학습 데이터들을 성별, 나이, 환경 정보, 생활 습관 정보 및 피부 특성 정보 중 선택된 하나 이상의 정보를 기준으로 그룹핑(예를 들어, 성별이 기준일 경우 남성인 개체로부터 획득된 데이터와, 여성인 개체로부터 획득된 데이터로 각각 그룹핑)하여 그룹핑된 데이터별로 제1 임계 자극 점수 예측 모델을 생성할 수 있다(즉, 생성된 그룹 각각마다의 제1 임계 자극 점수 예측 모델이 생성될 수 있음). 이 경우, 개체의 자극 점수를 연산하기에 앞서 성별, 나이, 환경 정보, 생활 습관 정보 및 피부 특성 중 선택된 하나 이상의 정보에 따라 개체가 어떤 그룹에 해당하는지를 결정하여 자극 점수를 계산하고, 제7 예측 모델 중 해당하는 그룹의 제1 임계 자극 점수 예측 모델에서 결정된 임계 자극 점수를 통해 자극 유무를 예측할 수 있다. 성별, 나이, 환경 정보, 생활 습관 정보 및 피부 특성에 따른 그룹별 예측 모델의 선정 및 피부 자극 예측은 본원 명세서에 기재된 전술한 피부 밝기 변화 예측 모델 및 자극 예측 모델, 그리고 후술하는 임계 자극 점수 예측 모델에서 동일하게 적용될 수 있다.
본 발명의 일 양태에서, 도 17을 참조하면 러닝 프로세서(235)는 각 개체의 SNP 정보에 따라 결정되는 자극 점수 - 히드로퀴논을 포함하는 처방을 포함하는 다수의 처방 중 하나 이상의 처방 정보 - 상기 SNP 정보를 갖는 개체에 각각의 처방에 따른 물질을 도포할 때의 피부 자극 유무의 쌍으로 이루어진 제8 학습 데이터들을 학습하여, 다수의 처방에 따른 물질 각각이 도포되었을 때의, 다수의 처방 각각마다 피부 자극이 유발되는 임계 자극 점수가 출력되는 예측 모델을 생성할 수 있다.
즉, 러닝 프로세서(235)가 제2 임계 자극 학습 데이터들을 학습하여 제2 임계 자극 점수 예측 모델을 생성하게 되면 다수의 처방 각각마다의 임계 자극 점수가 결정될 수 있다. 러닝 프로세서(235)에 의해 생성된 제2 임계 자극 점수 예측 모델에서 결정된 임계 자극 점수들은, 예측 단말(100)에 전송되어 예측 단말(100)의 메모리(130)에 저장될 수 있다. 예측 단말(100)의 입력부(120)를 통해 예측 대상 개체의 SNP 정보를 포함하는 유전자 데이터가 질의되면, 예측 단말(100)의 자극 정보 연산부(142)는 질의된 SNP 정보에 따른 자극 점수를 연산하고, 제2 임계 자극 점수 예측 모델에서 결정된 임계 자극 점수와 비교하여 획득된 비교 결과 데이터를 사용하여 각각의 처방마다의 자극 정보를 연산할 수 있다(예를 들어, A 처방에 따른 임계 자극 점수보다 큰 자극 점수를 갖는 개체의 경우 A 처방에 따른 물질이 도포되었을 때 자극이 있는 것으로 연산하고, B 처방에 따른 임계 자극 점수보다 작은 자극 점수를 갖는 개체의 경우 B 처방에 따른 물질이 도포되었을 때 자극이 없는 것으로 연산할 수 있음). 연산된 자극 정보는 출력부(150)를 통해 시스템 사용자에게 가시적인 정보의 형태로 출력될 수 있다.
처방 선정부(143)는 다수의 처방 중 자극이 없다고 연산된 하나 이상의 처방을 해당 개체에 처방되기에 적합한 것으로 연산한 처방 정보를 선정하여 출력부(150)를 통해 출력시킬 수 있다.
한편, 도 17에서는 예측 단말(100)에 예측 대상 개체의 유전자 데이터가 직접 입력되는 모습이 도시되나, 예측 단말(100)에 예측 대상 개체의 식별 데이터가 입력되고, 입력된 식별 데이터가 데이터 제공 서버(300)에 전송되며, 데이터 제공 서버(300)는 전송된 식별 데이터에 해당하는 개체의 유전자 데이터를 예측 단말(100)에 전송하는 양태도 본 발명의 범주에 포함될 수 있다.
본 발명의 다른 양태에서, 도 18을 참조하면 러닝 프로세서(235)는 자극 점수 - 나이 정보/성별 정보/생활 습관 정보/환경 정보/피부 특성 정보 중 하나 이상의 정보 - 상기 SNP 정보를 갖는 개체에 히드로퀴논을 포함하는 물질이 도포되었을 때의 피부 자극 유무의 쌍으로 이루어진 제3 임계 자극 학습 데이터들을 학습하여, 히드로퀴논을 포함하는 물질이 도포되었을 때 피부 자극이 유발되는 임계 자극 점수가 출력되는 예측 모델을 생성할 수 있다. 여기에서, 나이 정보/성별 정보/생활 습관 정보/환경 정보/피부 특성 정보는 자극 점수에 영향을 미치는 변수들이다.
러닝 프로세서(235)에 의해 생성된 제3 임계 자극 점수 예측 모델에서 결정(예측)된 임계 자극 점수는, 예측 단말(100)에 전송되어 예측 단말(100)의 메모리(130)에 저장될 수 있다. 예측 단말(100)의 입력부(120)를 통해 예측 대상 개체의 SNP 정보를 포함하는 유전자 데이터, 그리고 나이 정보/성별 정보/생활 습관 정보/환경 정보/피부 특성 정보 중 하나 이상의 정보가 질의되면, 예측 단말(100)의 자극 정보 연산부(142)는 입력된 SNP 정보 및 나이 정보/성별 정보/생활 습관 정보/환경 정보/피부 특성 정보에 따른 자극 점수를 연산하고, 제3 임계 자극 점수 예측 모델에서 결정된 임계 자극 점수와 비교하여 획득된 비교 결과 데이터를 통해 자극 정보를 연산할 수 있다. 연산된 자극 정보는 출력부(150)를 통해 시스템 사용자에게 가시적인 정보의 형태로 출력될 수 있다.
한편, 도 18에서는 예측 단말(100)에 예측 대상 개체의 유전자 데이터가 직접 입력되는 모습이 도시되나, 예측 단말(100)에 예측 대상 개체의 식별 데이터가 입력되고, 입력된 식별 데이터가 데이터 제공 서버(300)에 전송되며, 데이터 제공 서버(300)는 전송된 식별 데이터에 해당하는 개체의 유전자 데이터를 예측 단말(100)에 전송하는 양태도 본 발명의 범주에 포함될 수 있다.
본 발명의 일 양태에서, 도 19를 참조하면 러닝 프로세서(235)는 자극 점수 - 히드로퀴논을 포함하는 처방을 포함하는 다수의 처방 중 하나 이상의 처방 정보 - 나이 정보/성별 정보/생활 습관 정보/환경 정보/피부 특성 정보 중 하나 이상의 정보 - 상기 SNP 정보를 갖는 개체에 각각의 처방에 따른 물질을 도포할 때의 피부 자극 유무의 쌍으로 이루어진 제9 학습 데이터들을 학습하여, 다수의 처방에 따른 물질 각각이 도포되었을 때의, 다수의 처방 각각마다 피부 자극이 유발되는 임계 자극 점수가 출력되는 예측 모델을 생성할 수 있다. 여기에서, 나이 정보/성별 정보/생활 습관 정보/환경 정보/피부 특성 정보는 자극 점수에 영향을 미치는 변수들이다.
러닝 프로세서(235)에 의해 생성된 제4 임계 자극 점수 예측 모델에서 결정(예측된) 임계 자극 점수들은, 예측 단말(100)에 전송되어 예측 단말(100)의 메모리(130)에 저장될 수 있다. 예측 단말(100)의 입력부(120)를 통해 예측 대상 개체의 SNP 정보를 포함하는 유전자 데이터 및 나이 정보/성별 정보/생활 습관 정보/환경 정보/피부 특성 정보 중 하나 이상의 정보가 질의되면, 예측 단말(100)의 자극 정보 연산부(142)는 질의된 SNP 정보/나이 정보/성별 정보/생활 습관 정보/환경 정보/피부 특성 정보에 따른 자극 점수를 연산하고, 제4 임계 자극 점수 예측 모델에서 결정된 임계 자극 점수와 비교하여 획득된 비교 결과 데이터를 사용하여 각각의 처방마다의 자극 정보를 연산할 수 있다(예를 들어, A 처방에 따른 임계 자극 점수보다 큰 자극 점수를 갖는 개체의 경우 A 처방에 따른 물질이 도포되었을 때 자극이 있는 것으로 연산하고, B 처방에 따른 임계 자극 점수보다 작은 자극 점수를 갖는 개체의 경우 B 처방에 따른 물질이 도포되었을 때 자극이 없는 것으로 연산할 수 있음). 연산된 자극 정보는 출력부(150)를 통해 시스템 사용자에게 가시적인 정보의 형태로 출력될 수 있다.
처방 선정부(143)는 다수의 처방 중 자극이 없다고 연산된 하나 이상의 처방을 해당 개체에 처방되기에 적합한 것으로 연산한 처방 정보를 선정하여 출력부(150)를 통해 출력시킬 수 있다.
한편, 도 19에서는 예측 단말(100)에 예측 대상 개체의 유전자 데이터가 직접 입력되는 모습이 도시되나, 예측 단말(100)에 예측 대상 개체의 식별 데이터가 입력되고, 입력된 식별 데이터가 데이터 제공 서버(300)에 전송되며, 데이터 제공 서버(300)는 전송된 식별 데이터에 해당하는 개체의 유전자 데이터를 예측 단말(100)에 전송하는 양태도 본 발명의 범주에 포함될 수 있다.
본 발명의 양태에 따른 예측 단말(100)은 전술한 제1 내지 제4 피부 밝기 변화 예측 모델, 제1 내지 제4 자극 예측 모델 및 제1 내지 제4 임계 자극 점수 예측 모델 중, 적어도 하나의 피부 밝기 변화 예측 모델에 의한 피부 밝기 변화 예측을 위한 연산, 및 적어도 하나의 자극 예측 모델에 의한 피부 자극 정보 예측을 위한 연산 또는 적어도 하나의 임계 자극 점수 예측 모델에서 결정된 임계 자극 점수와 유전자 정보에 따라 결정될 수 있는 자극 점수의 비교를 통한 피부 자극 정보 예측을 위한 연산을 동시에 수행할 수도 있으며, 연산에 따른 출력을 수행할 수도 있다.
이와 같이, 피부 밝기 변화 예측 모델의 연산을 통해 출력되는 예측 피부 밝기 변화 정보에 더하여, 자극 예측 모델의 연산을 통해 출력되는 예측 자극 정보 및 임계 자극 점수 예측 모델에서 결정된 임계 자극 점수와 유전자 정보에 따라 결정될 수 있는 자극 점수의 비교 연산을 통해 출력되는 자극 정보 중 하나 이상을 이용하여 아래의 정보를 사용자에게 더 제공할 수 있다.
다시 말하면, 예측 단말(100)은 예측 피부 밝기 변화 정보와 예측 자극 정보의 조합을 통해 질의가 이루어진 예측 대상 개체가 4개의 그룹 중 어느 하나의 그룹에 속하는지를 더 연산할 수 있다.
상기 4개의 그룹은 다음과 같다.
첫째는, 적합군이다. 예측 피부 밝기 변화 정보의 값이 제1 기준값보다 크고, 예측 자극 정보의 값이 제2 기준값보다 작을 때, 예측 단말(100)은 해당 예측 대상 개체를 "적합군"으로 연산하고, 처방 선정부(143)는 히드로퀴논 단독 처방이라는 처방을 연산하여 사용자에게 제공할 수 있다.
둘째는, 고자극군이다. 예측 피부 밝기 변화 정보의 값이 제1 기준값보다 크고, 예측 자극 정보의 값이 제2 기준값보다 클 때, 예측 단말(100)은 해당 예측 대상 개체를 "고자극군"으로 연산하고, 처방 선정부(143)는 히드로퀴논에 더하여 자극 완화 물질이 추가된 처방을 연산하여 사용자에게 제공할 수 있다.
셋째는, 저효능군이다. 예측 피부 밝기 변화 정보의 값이 제1 기준값보다 작고, 예측 자극 정보의 값이 제2 기준값보다 작을 때, 예측 단말(100)은 해당 예측 대상 개체를 "저효능군"으로 연산하고, 처방 선정부(143)는 히드로퀴논에 더하여 피부 밝기 개선 효과를 갖는 효능 시너지 물질이 추가된 처방을 연산하여 사용자에게 제공할 수 있다.
넷째는, 비적합군이다. 예측 피부 밝기 변화 정보의 값이 제1 기준값보다 작고, 예측 자극 정보의 값이 제2 기준값보다 클 때, 예측 단말(100)은 해당 예측 대상 개체를 "비적합군"으로 연산하고, 처방 선정부(143)는 히드로퀴논에 더하여 효능 시너지 물질 및 자극 완화 물질이 추가된 처방을 연산하여 사용자에게 제공할 수 있다.
한편, 사용자에게 제공되는 출력의 형태로는 도 39와 같은 형태 또는 도 40과 같은 형태일 수 있으나, 특별히 이에 제한되는 것은 아니다.
이하에서는, 도 20 내지 34를 참조하여 본 발명의 다른 양태에 따른 히드로퀴논을 포함하는 처방의 피부 밝기 변화 및 자극 예측 방법을 구체적으로 설명한다. 본 발명의 양태에 따른 피부 밝기 변화 및 자극 예측 방법은 전술한 서버(200)에서 생성된 예측 모델을 사용하여 수행될 수 있다.
도 20을 참조하면, 피험자 표현형 데이터(피부 밝기 변화 정보, 자극 정보, 자극 점수) 및 유전자형 데이터(SNP 정보)가 획득되고, 획득된 데이터를 사용하여 SNPs 마커 선정 장치(210)가 히드로퀴논 도포 시 피부 밝기 변화 및/또는 피부 자극에 영향을 미치는 하나 이상의 SNPs 마커를 선정한다. 다음, 서버(200)의 러닝 프로세서(235)가 표현형 데이터와 유전자형 데이터의 상관관계를 도출하도록, 학습 데이터들(제1 내지 제4 피부 밝기 변화 학습 데이터, 제1 내지 제4 자극 학습 데이터 및 제1 내지 제4 임계 자극 학습 데이터 중 어느 하나)를 학습하여, 제1 내지 제4 피부 밝기 변화 예측 모델, 제1 내지 제4 자극 예측 모델 및 제1 내지 제4 임계 자극 점수 예측 모델 중 어느 하나를 생성한다. 다음, 예측 대상 개체의 유전자 데이터 또는 식별 데이터가 입력되고, 유전자 데이터가 생성된 예측 모델에 질의되며, 예측 모델에서 예측 피부 밝기 변화 정보, 자극 정보 및 임계 자극 점수 중 하나 이상이 연산된다. 다음, 연산된 정보를 이용하여 처방 선정부(143)가 해당 예측 대상 개체에 처방되기에 적합한 하나 이상의 처방을 연산하게 된다.
도 21을 참조하여, SNPs 마커 선정 장치(210)에 의해, 히드로퀴논 도포 시 피부 밝기 변화에 영향을 미치는 하나 이상의 SNPs 마커를 선정하는 과정을 구체적으로 설명한다.
먼저, 히드로퀴논 포함 제품 도포 이전 측정 장치(220)에 의해 피험자(H)의 피부가 측정되고, 데이터 처리 장치(240)에 의해 피험자(H)의 피부 밝기 값(L0)이 연산될 수 있다.
다음, 히드로퀴논 포함 제품을 피험자(H)에게 도포한 후, 측정 장치(220)에 의해 피험자(H)의 피부가 측정되고, 데이터 처리 장치(240)에 의해 피험자(H)의 피부 밝기 값(L)이 연산될 수 있다.
다음, 데이터 처리 장치(240)는 해당 피험자에 히드로퀴논 포함 물질이 도포되었을 때의 피부 밝기 변화 값(ΔL = L - L0)을 연산하고, 연산된 피부 밝기 변화 값을 SNPs 마커 선정 장치(210)에 전송한다.
한편, SNPs 마커 선정 장치(210)는 해당 피험자의 유전자 데이터(서버에 저장된 것일 수도 있으며, 피험자 식별정보를 데이터 제공 서버에 전송함으로써 획득한 것일 수 있음)와 피부 밝기 변화 값의 연관 분석을 수행하여, 히드로퀴논을 포함하는 물질 도포 시 피부 밝기 변화에 영향을 미치는 하나 이상의 피부 밝기 변화 예측 SNPs 마커를 선정할 수 있다. 이렇게 선정된 피부 밝기 변화 예측 SNPs 마커는 예측 모델 생성 장치(230)에 전송될 수 있으며, 추후 예측 모델 생성에 학습 데이터의 일 요소로 사용될 수 있다.
도 22를 참조하여, SNPs 마커 선정 장치(210)에 의해, 히드로퀴논 도포 시 피부 자극에 영향을 미치는 하나 이상의 SNPs 마커를 선정하는 과정을 구체적으로 설명한다.
피험자(H)에 히드로퀴논 포함 제품이 도포된 이후, 전문가(A)에 의해 피험자 면담이 수행되거나, 피험자(H) 자체적으로 설문조사/피부 이미지를 촬영할 수 있다. 면담 결과 및/또는 설문조사 결과/피부 이미지는 데이터 처리 장치(240)에 전송되며, 데이터 처리 장치(240)는 전송된 데이터를 이용하여 자극 데이터(자극 정도 및/또는 자극 유무)를 연산할 수 있다.
한편, SNPs 마커 선정 장치(210)는 해당 피험자의 유전자 데이터(서버에 저장된 것일 수도 있으며, 피험자 식별정보를 데이터 제공 서버에 전송함으로써 획득한 것일 수 있음)와 피부 밝기 변화 값의 연관 분석을 수행하여, 히드로퀴논을 포함하는 물질 도포 시 피부 자극에 영향을 미치는 하나 이상의 자극 예측 SNPs 마커를 선정할 수 있다. 이렇게 선정된 자극 예측 SNPs 마커는 예측 모델 생성 장치(230)에 전송될 수 있으며, 추후 예측 모델 생성에 학습 데이터의 일 요소로 사용될 수 있다.
도 23 내지 30을 참조하면, 서버(200)의 예측 모델 생성 장치(230)가 제1 내지 제4 피부 밝기 변화 학습 데이터 및 제1 내지 제4 자극 데이터들을 학습하여 제1 내지 제4 피부 밝기 변화 예측 모델 및 제1 내지 제4 자극 예측 모델을 생성하고, 생성된 예측 모델이 예측 단말(100)에 전송된다.
예측 단말(100)을 통해 피부 밝기 변화 및/또는 자극 예측 명령이 입력되고, 예측의 대상이 되는 예측 대상 개체의 유전자 데이터(직접 입력되거나 데이터 제공 서버를 통해 전송받을 수 있음) 및/또는 나이/성별/생활 습관/환경/피부 특성 정보 중 하나 이상의 데이터를 사용하여, 해당 예측 대상 개체에 히드로퀴논을 포함하는 물질 도포 시의 피부 밝기 변화 정보 및/또는 자극 정보가 연산될 수 있다.
이러한 정보는 다수의 처방 각각마다 연산될 수 있으며, 처방 선정부는 연산된 피부 밝기 변화 정보 및/또는 자극 정보를 이용하여 해당 예측 대상 개체에 처방되기에 적합한 하나 이상의 처방을 선정하여 출력하게 된다.
도 31 내지 34를 참조하면, 서버(200)의 예측 모델 생성 장치(230)가 제1 내지 제4 임계 자극 학습 데이터들을 학습하여 히드로퀴논을 포함하는 물질 도포 시 피부 자극을 유발하는 임계 자극 점수를 결정하는 제1 내지 제4 임계 자극 점수 예측 모델을 생성하고, 결정된 임계 자극 점수가 예측 단말(100)에 전송된다.
예측 단말(100)을 통해 자극 예측 명령이 입력되고, 예측의 대상이 되는 예측 대상 개체의 유전자 데이터(직접 입력되거나 데이터 제공 서버를 통해 전송받을 수 있음) 및/또는 나이/성별/생활 습관/환경/피부 특성 정보 중 하나 이상의 데이터를 사용하여, 해당 예측 대상 개체의 자극 점수가 연산될 수 있다.
자극 정보 연산부는 연산된 자극 점수와, 결정된 임계 자극 점수를 비교하고, 비교 결과 데이터를 이용하여 자극 정보를 연산한다.
이러한 정보는 다수의 처방 각각마다 연산될 수 있으며, 처방 선정부는 연산된 자극 정보를 이용하여 해당 예측 대상 개체에 처방되기에 적합한 하나 이상의 처방을 선정하여 출력하게 된다.
위 설명한 본 발명의 일 실시예에 따른 방법은, 다양한 컴퓨터 수단을 통하여 수행될 수 있는 컴퓨터 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 본 발명을 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
본 발명의 양태에 따른 예측 방법 및 시스템을 통해, 히드로퀴논을 포함하는 다수의 처방에 따른 물질 도포 시의 피부 밝기 변화 예측 및/또는 자극 예측에 대한 정보를 제공하는 것이 가능하다.
또한, 예측 피부 밝기 변화 정보 및/또는 자극 정보에 기초하여 다수의 처방 중 해당 사용자에게 처방되기에 적합한 처방을 선정하여 이를 제공하는 것이 가능하다.
또한, 개인에게서 관찰되는 유전자 다형성 마커들의 정보에 따라 개인에게 가장 효과적인 처방을 제공하는 것이 가능하면서도, 개인의 환경 정보/생활 습관 정보/피부 특성 정보/나이 정보/성별 정보를 더 고려한 최적의 처방을 선정하여 제공하는 것이 가능하다.
또한, 피부 밝기 변화 예측 및/또는 자극 정보를 예측하는 과정에서, 기계학습의 결과물을 사용하기 때문에 예측의 정확성이 높다.
또한, 개인에게서 관찰되는 유전자 다형성 마커들의 정보에 따라 히드로퀴논에 의한 자극을 완화시켜줄 수 있는 자극 완화제를 선택할 수 있도록 정보를 제공하는 것이 가능하다.
도 1은 본 발명에 따른 히드로퀴논을 포함하는 처방의 피부 밝기 변화 및/또는 피부 자극 예측 시스템의 일 양태를 설명하기 위한 개략적인 블록도이다.
도 2는 도 1의 시스템의 예측 단말의 일 양태를 설명하기 위한 개략적인 블록도이다.
도 3은 도 1의 시스템의 예측 모델 생성 장치의 일 양태를 설명하기 위한 개략적인 블록도이다.
도 4는 도 1의 시스템의 서버와 예측 단말 그리고 데이터 제공 서버 간에 송수신되는 데이터를 설명하기 위한 도면이다.
도 5는 본 발명의 일 양태에서 예측 단말에 입력된 데이터에 따라 예측 모델에서 정보가 연산되고, 연산된 정보가 출력되는 모습을 나타내는 것을 설명하기 위한 도면이다.
도 6은 본 발명의 일 양태에서 학습에 의해 제1 피부 밝기 변화 예측 모델이 생성되고, 예측 단말에 입력된 데이터에 따라 제1 피부 밝기 변화 예측 모델에서 연산된 정보가 출력되는 모습을 나타내는 것을 설명하기 위한 도면이다.
도 7은 예측 단말에 예측 대상 개체의 식별 데이터가 전송되고, 데이터 제공 서버로부터 식별 데이터에 해당하는 유전자 데이터를 전송받아 연산을 수행하는 도 6과 다른 양태를 설명하기 위한 도면이다.
도 8은 본 발명의 일 양태에서 학습에 의해 제2 피부 밝기 변화 예측 모델이 생성되고, 예측 단말에 입력된 데이터에 따라 제2 피부 밝기 변화 예측 모델에서 연산된 정보가 출력되는 모습을 나타내는 것을 설명하기 위한 도면이다.
도 9는 본 발명의 일 양태에서 학습에 의해 제3 피부 밝기 변화 예측 모델이 생성되고, 예측 단말에 입력된 데이터에 따라 제3 피부 밝기 변화 예측 모델에서 연산된 정보가 출력되는 모습을 나타내는 것을 설명하기 위한 도면이다.
도 10은 본 발명의 일 양태에서 학습에 의해 제4 피부 밝기 변화 예측 모델이 생성되고, 예측 단말에 입력된 데이터에 따라 제4 피부 밝기 변화 예측 모델에서 연산된 정보가 출력되는 모습을 나타내는 것을 설명하기 위한 도면이다.
도 11은 예측 단말에 예측 대상 개체의 식별 데이터가 전송되고, 데이터 제공 서버로부터 식별 데이터에 해당하는 유전자 데이터를 전송받아 연산을 수행하는 도 10과 다른 양태를 설명하기 위한 도면이다.
도 12는 본 발명의 일 양태에서 학습에 의해 제1 자극 예측 모델이 생성되고, 예측 단말에 입력된 데이터에 따라 제1 자극 예측 모델에서 연산된 정보가 출력되는 모습을 나타내는 것을 설명하기 위한 도면이다.
도 13은 본 발명의 일 양태에서 학습에 의해 제2 자극 예측 모델이 생성되고, 예측 단말에 입력된 데이터에 따라 제2 자극 예측 모델에서 연산된 정보가 출력되는 모습을 나타내는 것을 설명하기 위한 도면이다.
도 14는 본 발명의 일 양태에서 학습에 의해 제3 자극 예측 모델이 생성되고, 예측 단말에 입력된 데이터에 따라 연산된 자극 정보가 출력되는 모습을 나타내는 것을 설명하기 위한 도면이다.
도 15는 본 발명의 일 양태에서 학습에 의해 제4 자극 예측 모델이 생성되고, 예측 단말에 입력된 데이터에 따라 연산된 자극 정보가 출력되는 모습을 나타내는 것을 설명하기 위한 도면이다.
도 16은 본 발명의 일 양태에서 학습에 의해 제1 임계 자극 점수 예측 모델이 생성되고, 예측 단말에 입력된 데이터에 따라 연산된 자극 정보가 출력되는 모습을 나타내는 것을 설명하기 위한 도면이다.
도 17은 본 발명의 일 양태에서 학습에 의해 제2 임계 자극 점수 예측 모델이 생성되고, 예측 단말에 입력된 데이터에 따라 연산된 자극 정보가 출력되는 모습을 나타내는 것을 설명하기 위한 도면이다.
도 18은 본 발명의 일 양태에서 학습에 의해 제3 임계 자극 점수 예측 모델이 생성되고, 예측 단말에 입력된 데이터에 따라 연산된 자극 정보가 출력되는 모습을 나타내는 것을 설명하기 위한 도면이다.
도 19는 본 발명의 일 양태에서 학습에 의해 제4 임계 자극 점수 예측 모델이 생성되고, 예측 단말에 입력된 데이터에 따라 연산된 자극 정보가 출력되는 모습을 나타내는 것을 설명하기 위한 도면이다.
도 20은 히드로퀴논을 포함하는 처방의 피부 밝기 변화 및/또는 피부 자극 예측 방법의 일 양태를 설명하기 위한 개략적인 순서도이다.
도 21은 히드로퀴논을 포함하는 물질 도포 시 피부 밝기 변화에 영향을 미치는 SNPs를 선정하는 본 발명의 일 양태를 설명하기 위한 개략적인 순서도이다.
도 22는 히드로퀴논을 포함하는 물질 도포 시 피부 자극에 영향을 미치는 SNPs를 선정하는 본 발명의 일 양태를 설명하기 위한 개략적인 순서도이다.
도 23 내지 30은 예측 대상 개체의 유전자 데이터가 생성된 예측 모델에 질의됨에 따라, 예측 피부 밝기 변화 정보, 자극 정보 및/또는 선정 처방 정보가 출력되는 양태를 설명하기 위한 개략적인 순서도이다.
도 31 내지 34는 예측 대상 개체의 유전자 데이터에 따라 결정된 자극 점수와, 각 예측 모델에서 결정된 임계 자극 점수를 비교하여 자극 정보가 연산하는 양태를 설명하기 위한 개략적인 순서도이다.
도 35는 본 발명의 일 양태에서 생성된 예측 모델에 기반하여 예측된 피부 밝기 변화 정보와, 실제 측정된 피부 밝기 변화 정보를 비교한 그래프이다.
도 36은 본 발명의 일 양태에서 생성된 예측 모델에 기반하여 예측된 자극 정도와, 실제 측정된 자극 정도를 비교한 그래프이다.
도 37은 본 발명의 일 양태에서 생성된 예측 모델에 기반하여 예측된 자극 유무와, 실제 측정된 자극 유무를 비교한 그래프이다.
도 38은 본 발명에 따른 자극 완화겔 사용 후 히드로퀴논 자극 감소 인지 여부를 나타낸 것이다.
도 39 및 40은 예측 대상 개체의 SNP 정보가 입력됨에 따라 예측 단말에서 출력될 수 있는 다양한 출력 형태를 설명하기 위한 도면이다.
이하, 실시예를 통하여 본 발명을 더욱 상세하게 설명하기로 한다. 이들 실시예는 단지 본 발명을 예시하기 위한 것으로, 본 발명의 범위가 이들 실시예에 의해 제한되는 것으로 해석되지는 않는다.
실시예 1: 히드로퀴논 효능과 자극 평가 및 유전자 채집
1-1. 히드로퀴논 효능 평가 및 유전자 채집
히드로퀴논 효능 정도(피부 밝기 변화 정도)를 설명할 수 있는 유전자 다형성 마커를 도출해내기 위하여, 20~50대의 건강한 한국인 피험자를 33명 모집하였다. 개인별 색소침착이 있는 국소 부위를 선정하여 히드로퀴논 4% 제품 1종을 4주간 1일 1회(저녁) 국소부위 도포를 진행하였다.
개인별 히드로퀴논 4% 제품의 국소 도포 부위와 얼굴 반대쪽 부위의 ΔL값 측정 후 (ΔL = 4주차 L 값 - 0주차 L 값) 히드로퀴논 4% 제품 도포 국소 부위 ΔL- 얼굴 반대쪽 부위 ΔL 계산하여 히드로퀴논 효능(피부 밝기 변화) 정도를 평가하였다.
피부 측정을 위하여 모든 분석 대상자는 클렌징 제품을 사용하여 얼굴을 세안하고, 피부가 측정 환경에 적응할 수 있도록 어떠한 제품도 바르지 않고 30분간 대기한 후에 히드로퀴논 효능(피부 밝기 변화) 정도를 평가하였다. 피부 평가에는 피부색 측정 전문 기기인 Chroma meter CR-400(KONICA MINOLTA, 일본)를 활용하였으며 5번 측정 후 평균을 내어 얻은 평균 L값을 이용하였다.
1-2. 히드로퀴논 자극 평가 및 유전자 채집
히드로퀴논 자극 정도/유무를 설명할 수 있는 유전자 다형성 마커를 도출해내기 위하여, 20~50대의 건강한 한국인 93명을 모집하였다. 3주간 히드로퀴논 4% 제품 1종을 1일 1회(저녁) 개인별 색소침착이 있는 얼굴 국소 부위 도포 후 가려움, 따가움, 홍반, 발진을 포함한 자극에 관한 설문 진행하고 평가자와의 대면 상담을 통해 4점 척도법으로(0: 자극 전혀 없음 1: 자극 미미 2: 약함 3: 강함) 평가 진행 및 자극 유무를 판별하였다.
유전자 채집은 타액 수집을 통하여 이루어졌으며, 효과적인 유전자 채집을 위해 모든 분석 대상은 채집 전 30분부터는 물을 포함한 어떠한 음식물 섭취를 금하였다.
상기 피험자 중 ① 임신, 수유 중 또는 6 개월 이내에 임신을 계획하고 있는 경우, ② 피부질환의 치료를 위해 스테로이드가 함유된 피부외형제를 1 개월 이상 사용한 경우, ③ 동일한 시험에 참가한 뒤 6 개월이 경과되지 않는 경우, ④ 민감성, 과민성 피부를 가진 경우, ⑤ 시험부위에 점, 여드름, 홍반, 모세혈관확장 등의 피부 이상 소견이 있는 경우, ⑥ 시험 시작 3 개월 이내에 시험 부위에 동일 또는 유사한 화장품 또는 의약품을 사용한 경우, ⑦ 시험 부위에 시술(피부 박피술, 보톡스, 기타 피부관리)을 받거나 6 개월 이내 계획한 경우, ⑧ 만성 소모성 질환이 있는 경우 (천식, 당뇨, 고혈압 등), ⑨ 아토피 피부염을 가지는 경우, ⑩ 그 외 주 시험자의 판단으로 시험이 곤란하다고 판단되는 경우는 피험자에서 제외하였다.
실시예 2: 유전자형 분석
유전자 분석을 위한 타액으로부터의 유전자 추출은 QIAamp mini prep kit (QIAGEN)을 이용하여 human genomic DNA를 추출하였으며, 그 품질은 흡광도 (OD 260/280) 또는 1.7, 농도 50ng/ul, 1x TAE 1% agarose gel을 통한 band 검사를 통해 확인하였으며 품질을 통과한 건에 한하여 유전자 분석을 수행하였다.
Illumina社 microarray genotyping chip을 이용하여 유전자 분석이 진행되었으며, 구체적으로는 동일 회사의 global screening array 제품을 이용하여 분석 대상자들의 유전자를 분석하였다.
Illumina社 microarray genotyping chip 유전자 분석 실험은 제공되는 매뉴얼에 따라 진행되었으며, 제공되는 시약을 사용하여 genomic DNA 증폭 (amplification), DNA 조각화 (fragmentation), 침전 (precipitation), 혼성화 (hybridization), 염색 (staining), 세척 (washing), 코팅 (coating), 스캐닝 (scanning)의 과정을 수행하였다.
실험이 완료된 microarray genotyping chip은 iScan Control Software (Illumina)를 이용하여 스캔하였으며, 스캔이 완료되면 idat 파일이 자동으로 생성되어 GenomeStudio (Illumina) 프로그램을 이용하여 데이터 품질관리 (sample call rate 98%, marker call rate 98%) 및 유전자정보 확인을 수행하였다.
본 실험에서는 유전자 분석 이후 데이터 품질관리를 통과한 데이터만 활용하였다.
실시예 3: 히드로퀴논 효능 및 자극 연관 유의성 유전자 다형성 마커 도출
히드로퀴논 효능(피부 밝기 변화) 및 자극과 연관유의성을 갖는 유전자 다형성 마커들을 도출하기 위하여 분석대상들의 유전자 다형성 마커를 이용한 선형회귀분석을 진행하였으며, 분석을 위하여 R v 3.6.1 프로그램을 사용하였다.
실험을 통하여 확인된 유전자 다형성 마커들을 활용하여 추가적인 유전자 다형성 마커에 대한 정보를 확보하기 위하여 Imputation 분석을 Beagle v 5.1 프로그램을 사용하여 진행하였으며, 해당 분석을 진행하기 위하여 기준이 되는 참조데이터는 국제 공개 유전체데이터 database인 1000 Genomes project에 등록되어 있는 정보를 활용하였다.
Imputation은 실험으로 확보한 유전자 다형성 마커 정보를 토대로 분석되지 않은 유전자 다형성 마커 정보를 추론하는 통계학적 기법이다. 분석대상 유전자 다형성 마커들의 통계적 유의성 확보를 위하여 피부 구성물질 생성, 멜라닌 생합성, 산화 물질 대사, 신경 자극, 염증 반응 등 피부 생리 활성에 관여하는 유전자 마커들로 한정하였다.
히드로퀴논 효능 및 자극과 연관성을 보이는 유전자 다형성 마커들의 유의성은 선형회귀분석 F-statistics 를 통해 평가하였으며, 그 기준은 P-value < 0.1 로 설정하였다.
히드로퀴논 효능 및 자극에 영향을 줄 수 있는 외부효과를 최소화하고 유전자정보에 따른 효과를 도출하기 위하여 나이, 성별 또는 BMI 정보 또는 생활습관 (음주, 흡연, 식습관, 수면습관 등)의 정보로 히드로퀴논 효능 및 자극을 보정하여 분석에 활용 가능하다 (예를 들어 선형회귀분석을 수행).
히드로퀴논 효능 및 자극 연관 유의성 유전자 다형성 마커들이 다수가 도출되었다(표 1 내지 표 3).
히드로퀴논 피부 밝기 개선 효능 예측 유전자 다형성 마커 (P < 0.1)
　 표현형 SNP1) Gene1) Chr:Position1) Allele2) MAF3) P-value4) Effect size (β)5)
1 피부 밝기개선 rs7718428 PPARGC1B 5:149167073 A>G 0.0244253 0.0020494 -2.564856474
2 피부 밝기개선 rs12788260 TYR 11:88976963 T>C 0.0416667 0.0039307 4.06627738
3 피부 밝기개선 rs4396293 TYR 11:88976113 T>C 0.2945402 0.0068405 -0.991478997
4 피부 밝기개선 rs200806138 MGST2 4:140650272 A>C 0.0215517 0.0096973 -3.690048689
5 피부 밝기개선 rs7162117 OCA2 15:28304344 A>G 0.0186782 0.0123506 -2.65508713
6 피부 밝기개선 rs72714114 OCA2 15:28327819 A>G 0.0186782 0.0123506 -2.65508713
7 피부 밝기개선 rs4855447 MITF 3:69803328 A>G 0.4295977 0.0191572 -1.05029909
8 피부 밝기개선 rs7651218 MITF 3:69837283 T>C 0.4252874 0.0191572 -1.05029909
9 피부 밝기개선 rs2122005 OCA2 15:28267027 A>G 0.0416667 0.0377863 1.834408695
10 피부 밝기개선 rs73838671 MITF 3:69913239 T>C 0.0833333 0.0466125 -1.175879455
11 피부 밝기개선 rs78955679 GSTM5 1:110257814 C>G 0.125 0.0509444 1.514670455
12 피부 밝기개선 rs2594934 OCA2 15:28182715 T>C 0.2183908 0.0616173 -0.789333093
13 피부 밝기개선 rs8034072 OCA2 15:28186658 T>C 0.2212644 0.0616173 -0.789333093
14 피부 밝기개선 rs2160512 MGST1 12:16519020 A>G 0.0474138 0.0623336 -1.208724403
15 피부 밝기개선 rs11970311 GSTA1 6:52666448 C>G 0.1652299 0.0635244 1.234965377
16 피부 밝기개선 rs192182485 GSTA5 6:52705684 T>G 0.0100575 0.0675892 -1.946106146
17 피부 밝기개선 rs186350312 MITF 3:69910305 A>G 0.012931 0.070135 -1.610423779
18 피부 밝기개선 rs149802322 KITLG 12:88905766 A>G 0.0158046 0.0746119 -3.16660692
19 피부 밝기개선 rs1571858 GSTM3 1:110279914 T>C 0.2744253 0.0809778 -0.67523196
20 피부 밝기개선 rs10510992 MITF 3:69948168 T>C 0.0847701 0.0813921 -1.036009587
21 피부 밝기개선 rs202171165 GSTM3 1:110282909 T>C 0.0057471 0.0839419 2.544071115
22 피부 밝기개선 rs182546041 PPARGC1B 5:149125695 A>G 0.0229885 0.0839419 2.544071115
23 피부 밝기개선 rs117925628 RAB27A 15:55501844 A>G 0.0244253 0.0839419 2.544071115
24 피부 밝기개선 rs4715352 GSTA5 6:52703396 T>C 0.2198276 0.0882664 -0.810173842
25 피부 밝기개선 rs11969892 GSTA2 6:52623887 T>A 0.1609195 0.0913768 1.068681623
26 피부 밝기개선 rs3957356 GSTA1 6:52668670 T>C 0.1623563 0.0922268 1.04187589
27 피부 밝기개선 rs3957357 GSTA1 6:52668687 A>G 0.1566092 0.0922268 1.04187589
28 피부 밝기개선 rs75583983 GSTA2 6:52617179 T>C 0.1551724 0.0922268 1.04187589
29 피부 밝기개선 rs2608629 GSTA2 6:52625794 A>G 0.1551724 0.0922268 1.04187589
30 피부 밝기개선 rs2749008 GSTA2 6:52626120 T>C 0.1623563 0.0922268 1.04187589
31 피부 밝기개선 rs7745053 GSTA5 6:52698340 A>G 0.1537356 0.0922268 1.04187589
32 피부 밝기개선 rs76801519 GSTA5 6:52699646 T>C 0.1537356 0.0922268 1.04187589
33 피부 밝기개선 rs73854327 MGST2 4:140601982 A>G 0.0718391 0.0935603 -1.768488515
히드로퀴논 자극 정도 예측 유전자 다형성 마커 (P < 0.1)
　 표현형 SNP1) Gene1) Chr:Position1) Allele2) MAF3) P-value4) Effect size (β)5)
1 자극정도 rs12712969 PRKCE 2:46332169 T>C 0.0301724 0.0035011 1.3745585
2 자극정도 rs6720975 PRKCE 2:46024212 T>C 0.262931 0.0046557 -0.50983
3 자극정도 rs1375055 PRKCE 2:46340378 A>G 0.045977 0.0087374 1.1588352
4 자극정도 rs28902234 TRPM8 2:234916834 A>G 0.1149425 0.0135044 1.1875498
5 자극정도 rs72808770 PRKCE 2:46361322 A>G 0.0172414 0.0141948 1.4238349
6 자극정도 rs34597632 TGM1 14:24728061 A>G 0.0833333 0.0158131 0.7866989
7 자극정도 rs6752001 TRPM8 2:234906046 T>G 0.1135057 0.0167808 -0.577248
8 자극정도 rs3742506 TGM1 14:24725141 A>G 0.0747126 0.0317114 0.6501306
9 자극정도 rs75042186 PRKCE 2:46367049 A>C 0.0359195 0.0332078 1.0130018
10 자극정도 rs10166692 PRKCE 2:46077038 T>C 0.2399425 0.0369362 0.3885374
11 자극정도 rs112232129 PRKCE 2:46324103 A>G 0.0100575 0.0393418 1.6692565
12 자극정도 rs67179108 PRKCE 2:46325009 T>G 0.0100575 0.0393418 1.6692565
13 자극정도 rs10954810 NRG1 8:31555743 T>C 0.0071839 0.0410771 1.3716603
14 자극정도 rs11989919 NRG1 8:32502626 T>C 0.4640805 0.042871 -0.318473
15 자극정도 rs7357509 SDR16C5 8:57232787 T>C 0.0445402 0.0429778 -0.907104
16 자극정도 rs55878647 PRKCE 2:46381757 A>G 0.033046 0.0446558 1.3274501
17 자극정도 rs76118709 PRKCE 2:46389084 A>G 0.0215517 0.0446558 1.3274501
18 자극정도 rs11125055 PRKCE 2:46393815 T>G 0.0244253 0.0446558 1.3274501
19 자극정도 rs10041981 SPINK5 5:147507420 T>C 0.4224138 0.0462419 -0.332159
20 자극정도 rs35135425 PRKCE 2:45879305 T>C 0.033046 0.0467301 1.31493
21 자극정도 rs74684800 PRKCE 2:46109158 T>C 0.0488506 0.0485919 -1.031641
22 자극정도 rs324420 FAAH 1:46870761 A>C 0.1537356 0.0517053 -0.461365
23 자극정도 rs2295633 FAAH 1:46874383 A>G 0.1551724 0.0517053 0.4613646
24 자극정도 rs17033965 PRKCE 2:45898530 A>G 0.2385057 0.0522935 0.3440755
25 자극정도 rs12712955 PRKCE 2:46166321 A>G 0.1738506 0.0541116 -0.434567
26 자극정도 rs76222090 TRPM8 2:234910936 A>G 0.0028736 0.0554983 2.1883726
27 자극정도 rs2030628 ABCA12 2:215922612 T>C 0.2183908 0.0559289 -0.428541
28 자극정도 rs1154469 ADH7 4:100356179 T>C 0.216954 0.0565614 -0.38814
29 자극정도 rs11898074 PRKCE 2:46018223 A>C 0.4468391 0.0569781 0.3612228
30 자극정도 rs16878792 NRG1 8:31950827 A>G 0.0474138 0.0574825 -0.79125
31 자극정도 rs4952777 PRKCE 2:46026512 T>C 0.1508621 0.0700828 -0.417561
32 자극정도 rs6751169 TRPM8 2:234911367 A>G 0.0747126 0.0720979 0.6511886
33 자극정도 rs11563054 TRPM8 2:234924941 T>C 0.0747126 0.0720979 0.6511886
34 자극정도 rs2711292 PRKCE 2:46168929 A>G 0.0402299 0.072946 1.0399146
35 자극정도 rs17864759 TRPM8 2:234900212 T>G 0.1077586 0.0731619 -0.396413
36 자극정도 rs28948673 TRPM8 2:234901424 T>C 0.1077586 0.0731619 -0.396413
37 자극정도 rs61763807 PRKCE 2:46207197 A>G 0.0316092 0.0743488 1.2002371
38 자극정도 rs35043219 SPINK5 5:147493833 T>C 0.4295977 0.0746227 0.2949252
39 자극정도 rs6892205 SPINK5 5:147475386 A>G 0.4353448 0.0756169 0.2956826
40 자극정도 rs894785 CTSH 15:79214868 T>G 0.4885057 0.0784298 -0.290502
41 자극정도 rs2888330 ABCA12 2:215927329 A>G 0.2586207 0.081289 0.3556615
42 자극정도 rs4953296 PRKCE 2:46227378 T>G 0.2413793 0.084213 -0.344103
43 자극정도 rs117238468 CTSH 15:79217691 A>G 0.0502874 0.0854498 0.6813213
44 자극정도 rs1562653 PRKCE 2:46196932 A>C 0.2327586 0.0863337 -0.377229
45 자극정도 rs138402017 ABCA12 2:215901688 A>G 0.0071839 0.0864794 1.9547699
46 자극정도 rs10503887 NRG1 8:31633447 T>G 0.0028736 0.0864794 1.9547699
47 자극정도 rs28676960 NRG1 8:31691815 A>G 0.0028736 0.0864794 1.9547699
48 자극정도 rs73232416 NRG1 8:31833651 T>C 0.0028736 0.0864794 1.9547699
49 자극정도 rs78216664 NRG1 8:32068317 T>G 0.0086207 0.0864794 1.9547699
50 자극정도 rs141125665 SPINK5 5:147480692 T>C 0.0071839 0.0864794 1.9547699
51 자극정도 rs13008603 PRKCE 2:46355848 A>C 0.0071839 0.0868113 1.9524464
52 자극정도 rs145574423 NRG1 8:32170968 T>C 0.0373563 0.090038 -0.671861
53 자극정도 rs10095694 NRG1 8:32499740 T>C 0.2988506 0.0926285 -0.287476
54 자극정도 rs77790764 NRG1 8:32554000 A>C 0.0373563 0.0947983 -0.564538
55 자극정도 rs12999695 PRKCE 2:46160405 A>G 0.1738506 0.0956428 -0.414926
56 자극정도 rs201328637 TGM1 14:24728971 T>C 0.0114943 0.097356 1.3598158
히드로퀴논 자극 유무 예측 유전자 다형성 마커 (P < 0.1)
　 표현형 SNP1) Gene1) Chr:Position1) Allele2) MAF3) P-value4) Effect size (β)5)
1 자극유무 rs11898074 PRKCE 2:46018223 A>C 0.4468391 0.0189 0.872162336
2 자극유무 rs72799991 PRKCE 2:46018653 A>C 0.1336207 0.0198 1.318843589
3 자극유무 rs12999695 PRKCE 2:46160405 A>G 0.1738506 0.0205 -1.13697732
4 자극유무 rs10166692 PRKCE 2:46077038 T>C 0.2399425 0.0217 0.811998918
5 자극유무 rs6720975 PRKCE 2:46024212 T>C 0.262931 0.0296 -0.751391466
6 자극유무 rs34597632 TGM1 14:24728061 A>G 0.0833333 0.0322 1.710343604
7 자극유무 rs894785 CTSH 15:79214868 T>G 0.4885057 0.0339 -0.66426184
8 자극유무 rs10095694 NRG1 8:32499740 T>C 0.2988506 0.0424 -0.643224983
9 자극유무 rs11989919 NRG1 8:32502626 T>C 0.4640805 0.0425 -0.59529657
10 자극유무 rs61588183 NRG1 8:32465631 T>G 0.4755747 0.0438 -0.63159702
11 자극유무 rs7357509 SDR16C5 8:57232787 T>C 0.0445402 0.0448 -2.235098679
12 자극유무 rs2295633 FAAH 1:46874383 A>G 0.1551724 0.0510 0.871155506
13 자극유무 rs2439279 NRG1 8:32466409 T>C 0.1810345 0.0569 -0.814443155
14 자극유무 rs4952777 PRKCE 2:46026512 T>C 0.1508621 0.0582 -0.802257509
15 자극유무 rs2843018 HMGCS2 1:120311041 A>G 0.1034483 0.0608 -0.870864652
16 자극유무 rs13401339 TRPM8 2:234876037 A>G 0.3362069 0.0608 -0.639047644
17 자극유무 rs11706136 GLB1 3:33098055 A>G 0.3965517 0.0647 -0.578760612
18 자극유무 rs13034899 PRKCE 2:45885119 T>C 0.4885057 0.0660 -0.574904223
19 자극유무 rs556650 PRKCE 2:45902454 T>C 0.3951149 0.0679 0.63518801
20 자극유무 rs75564875 CTSH 15:79230389 T>G 0.3649425 0.0698 -0.537955352
21 자극유무 rs117238468 CTSH 15:79217691 A>G 0.0502874 0.0731 1.942610381
22 자극유무 rs2204204 PRKCE 2:45905946 T>C 0.3031609 0.0772 0.576622346
23 자극유무 rs7569211 TRPM8 2:234882143 T>C 0.0517241 0.0801 -1.941060743
24 자극유무 rs11080150 NF1 17:29629326 A>G 0.362069 0.0805 -0.666008258
25 자극유무 rs667226 HMGCS2 1:120293352 T>C 0.1623563 0.0816 -0.622679889
26 자극유무 rs6752001 TRPM8 2:234906046 T>G 0.1135057 0.0846 -0.769225533
27 자극유무 rs7600159 PRKCE 2:46259807 A>G 0.2686782 0.0852 0.626468685
28 자극유무 rs17033965 PRKCE 2:45898530 A>G 0.2385057 0.0852 0.587206232
29 자극유무 rs73926053 PRKCE 2:45977570 T>C 0.0502874 0.0893 -1.113100493
30 자극유무 rs113407143 PRKCE 2:46252943 A>G 0.1163793 0.0916 -1.122735915
31 자극유무 rs4953296 PRKCE 2:46227378 T>G 0.2413793 0.0938 -0.610088516
32 자극유무 rs75970876 GLB1 3:33088308 A>G 0.4123563 0.0940 0.511544248
33 자극유무 rs35755034 TGM1 14:24729687 T>C 0.0689655 0.0964 1.356220441
34 자극유무 rs6982890 NRG1 8:32615098 T>C 0.1724138 0.0993 -0.774312808
1) 미국국립보건원 (NIH) ID, 해당 홈페이지에서 서열확인가능
2) (major allele) > (minor allele) 의미
3) minor allele frequency = (2mm + Mm)/2(MM + Mm + mm)
4) 3가지의 유전형(M/M, M/m, m/m)에 대한 표현형 차이의 통계적 유의성 (M: major allele, m: minor allele)
5) minor allele 이 하나씩 늘어감에 따라 표현형*의 증감 변화정도 (-: 감소, + :증가)
* 자극정도 = 설문을 이용하여 히드로퀴논도포 부위의 자극 정도 질의
* 밝기변화 = 색차계를 이용하여 히드로퀴논도포부위 및 대응 부위의 피부색 측정 Lab값 중 L 값
시판기기 이용 (chroma meter CR-400, KONIKA MINOLTA, Japan)
실시예 4: 히드로퀴논 효능 및 자극 연관 유의성 유전자 다형성 마커 발굴 및 예측 모델 수립
4-1: 발굴한 유전자 다형성(SNP) 마커 활용한 히드로퀴논 피부 밝기 예측
발굴된 마커를 이용하여 히드로퀴논 피부 밝기 예측 모델을 구축하였으며, 구축된 모델은 하기 식으로 나타낼 수 있다.
예측 ΔL = 성별 변수값 + 나이 변수값 +
Figure PCTKR2023006235-appb-img-000001
n: SNP 마커 조합
beta 값: 해당 SNP minor allele의 영향력 지수
allele 타입 값: Major Major = 1, Major Minor = 2, Minor Minor = 3
모집된 33명 중, 20명으로부터 획득된 데이터를 학습에 사용하고, 나머지 13명으로부터 획득된 데이터를 이용하여 예측된 모델의 성능 평가를 수행하였다.
구체적으로, 히드로퀴논 피부 밝기 개선 효능 예측모델에 사용되는 유전자 다형성 마커는 하기 표 4와 같다.
히드로퀴논 피부 밝기 개선 효능 예측모델 사용 유전자 다형성 마커 (P < 0.1)
표현형 SNP1) Gene1) Chr:Position1) Allele2) MAF3) P-value4) Effect size (β)5)
1 피부 밝기개선 rs12788260 TYR 11:88976963 T>C 0.0416667 0.003931597 4.065400795
2 피부 밝기개선 rs4396293 TYR 11:88976113 T>C 0.2945402 6.86E-03 -0.991231051
3 피부 밝기개선 rs200806138 MGST2 4:140650272 A>C 0.0215517 0.009767727 -3.686171454
4 피부 밝기개선 rs7162117 OCA2 15:28304344 A>G 0.0186782 0.01230546 -2.655796929
5 피부 밝기개선 rs4855447 MITF 3:69803328 A>G 0.4295977 0.019153436 -1.050123681
6 피부 밝기개선 rs2122005 OCA2 15:28267027 A>G 0.0416667 0.038022729 1.831892472
7 피부 밝기개선 rs78955679 GSTM5 1:110257814 C>G 0.125 0.050951658 1.514335239
8 피부 밝기개선 rs2160512 MGST1 12:16519020 A>G 0.0474138 0.062282569 -1.208713028
9 피부 밝기개선 rs149802322 KITLG 12:88905766 A>G 0.0158046 0.074424265 -3.1679249
10 피부 밝기개선 rs202171165 GSTM3 1:110282909 T>C 0.0057471 8.40E-02 2.543077279
11 피부 밝기개선 rs4715352 GSTA5 6:52703396 T>C 0.2198276 0.088002954 -0.81063853
1) 미국국립보건원 (NIH) ID, 해당 홈페이지에서 서열확인가능2) (major allele) > (minor allele) 의미3) minor allele frequency = (2mm + Mm)/2(MM + Mm + mm)
4) 3가지의 유전형(M/M, M/m, m/m)에 대한 표현형 차이의 통계적 유의성 (M: major allele, m: minor allele)
5) minor allele 이 하나씩 늘어감에 따라 표현형*의 증감 변화정도 (-: 감소, + :증가)
* 자극정도 = 설문을 이용하여 히드로퀴논도포 부위의 자극 정도 질의
* 밝기변화 = 색차계를 이용하여 히드로퀴논도포부위 및 대응 부위의 피부색 측정 Lab값 중 L 값
시판기기 이용 (chroma meter CR-400, KONIKA MINOLTA, Japan)
구체적으로, 표 4의 히드로퀴논 피부 밝기 예측 모델에 사용되는 마커의 수를 증가시켜가면서 실제 ΔL과 예측 ΔL을 비교하여 R-square, 정확도, 민감도 및 특이도를 평가하였다(도 29, 표 5).
히드로퀴논 효능 예측 모델 (성별 포함)
마커수 마커 조합(n) Adjusted
R-square1) 		accuracy
정확도2) 		sensitivity
민감도3) 		specificity
특이도4)
1 rs12788260 0.2929 0.6364 1.0000 0.0000
2 rs12788260+rs200806138 0.4499 0.7273 0.8571 0.5000
3 rs12788260+rs4396293+rs200806138 0.5594 0.8182 1.0000 0.5000
... ... ... ... ... ...
6 rs12788260+rs4396293+rs200806138+rs7162117+rs4855447+rs2122005 0.6815 0.8182 1.0000 0.5000
... ... ... ... ... ...
11 rs12788260+rs4396293+rs200806138+rs7162117+rs4855447+rs2122005+rs78955679+rs2160512+rs149802322+rs202171165+rs4715352 0.8667 0.9091 1.0000 0.7500
밝기변화 +인 그룹을 효능군, 밝기변화 - 인 그룹을 비효능군으로 분류함
1) Adjusted R-square은 예측 모델의 설명력을 의미하며, 1에 가까울수록 설명력 좋음
2) 정확도 (Accuracy): 실제값과 예측치가 일치하는 정도
3) 민감도 (Sensitivity): 실제값이 효능군인 경우 예측치가 효능군으로 예측된 적중도, 실제값이 +인 경우 예측치도 +로 예측된 적중도
4) 특이도 (Specificity): 실제값이 비(非)효능군인 경우 예측치도 비효능군으로 예측된 적중도, 실제값이 -인 경우 예측치도 -로 예측된 적중도
상기 표 5에 나타낸 바와 같이 히드로퀴논 피부 밝기 예측 모델에 사용된 마커 수가 증가함에 따라 정확도, 민감도, 특이도가 증가하는 패턴이 나타남을 확인하였다. 이는, 다수의 연관유의성 마커를 이용해 히드로퀴논 피부 밝기 효능 예측 모델을 수립하는 것이 히드로퀴논 피부 밝기 효능 예측의 정확도를 높이는 데 도움이 될 수 있음을 시사하는 것이다.
4-2: 발굴한 유전자 다형성(SNP) 마커 활용한 히드로퀴논 자극 정도 예측
발굴된 마커를 이용하여 히드로퀴논 자극 정도 예측 모델을 구축하였으며, 구축된 모델은 하기 식으로 나타낼 수 있다.
예측 자극 grade = 성별 변수값 + 나이 변수값 +
Figure PCTKR2023006235-appb-img-000002
n: SNP 마커 조합
beta 값: 해당 SNP minor allele의 영향력 지수
allele 타입 값: Major Major = 1, Major Minor = 2, Minor Minor = 3
모집된 93명 중, 68명으로부터 획득된 데이터를 학습에 사용하고, 나머지 25명으로부터 획득된 데이터를 이용하여 예측된 모델의 성능 평가를 수행하였다.
구체적으로, 히드로퀴논 자극 정도 예측모델에 사용되는 유전자 다형성 마커는 하기 표 6과 같다.
히드로퀴논 자극 정도 예측모델 사용 유전자 다형성 마커 (P < 0.1)
　 표현형 SNP1) Gene1) Chr:Position1) Allele2) MAF3) P-value4) Effect size (β)5)
1 자극정도 rs12712969 PRKCE 2:46332169 T>C 0.030172414 0.003501088 1.37455853
2 자극정도 rs34597632 TGM1 14:24728061 A>G 0.083333333 0.015813094 0.786698893
3 자극정도 rs6752001 TRPM8 2:234906046 T>G 0.113505747 0.016780771 -0.577247735
4 자극정도 rs3742506 TGM1 14:24725141 A>G 0.074712644 0.031711369 0.650130574
5 자극정도 rs10954810 NRG1 8:31555743 T>C 0.007183908 0.041077119 1.37166033
6 자극정도 rs11989919 NRG1 8:32502626 T>C 0.46408046 0.042870973 -0.318473303
7 자극정도 rs10041981 SPINK5 5:147507420 T>C 0.422413793 0.046241895 -0.332159359
8 자극정도 rs74684800 PRKCE 2:46109158 T>C 0.048850575 0.04859188 -1.031640874
9 자극정도 rs17033965 PRKCE 2:45898530 A>G 0.238505747 0.052293543 0.34407552
10 자극정도 rs12712955 PRKCE 2:46166321 A>G 0.173850575 0.05411165 -0.434566768
11 자극정도 rs76222090 TRPM8 2:234910936 A>G 0.002873563 0.055498342 2.188372593
12 자극정도 rs11898074 PRKCE 2:46018223 A>C 0.44683908 0.056978145 0.361222758
13 자극정도 rs16878792 NRG1 8:31950827 A>G 0.047413793 0.057482547 -0.791249875
14 자극정도 rs2711292 PRKCE 2:46168929 A>G 0.040229885 0.072945954 1.039914593
15 자극정도 rs1562653 PRKCE 2:46196932 A>C 0.232758621 0.086333694 -0.377229356
16 자극정도 rs145574423 NRG1 8:32170968 T>C 0.037356322 0.090037954 -0.671861336
17 자극정도 rs10095694 NRG1 8:32499740 T>C 0.298850575 0.092628452 -0.287476276
18 자극정도 rs201328637 TGM1 14:24728971 T>C 0.011494253 0.097356001 1.359815785
1) 미국국립보건원 (NIH) ID, 해당 홈페이지에서 서열확인가능2) (major allele) > (minor allele) 의미
3) minor allele frequency = (2mm + Mm)/2(MM + Mm + mm)
4) 3가지의 유전형(M/M, M/m, m/m)에 대한 표현형 차이의 통계적 유의성 (M: major allele, m: minor allele)
5) minor allele 이 하나씩 늘어감에 따라 표현형*의 증감 변화정도 (-: 감소, + :증가)
* 자극정도 = 설문을 이용하여 히드로퀴논도포 부위의 자극 정도 질의
* 밝기변화 = 색차계를 이용하여 히드로퀴논도포부위 및 대응 부위의 피부색 측정 Lab값 중 L 값
시판기기 이용 (chroma meter CR-400, KONIKA MINOLTA, Japan)
또한, 히드로퀴논의 자극 grade 분류 기준 및 인원은 하기 표 7에 나타내었다.
Grade 자극 유무 자극 Grade 기준 인원
0 자극 無 자극 전혀 없음 40
1 자극 有 미미 (초기 5일내, 또는 평가기간 내 1~2회 간헐적 자극) 22
2 약함 (7일 이상 자극 지속되나 견디고 지속 사용) 15
3 강함 (자극으로 평가 중단 및 피험자가 자극을 매우 강조) 16
구체적으로, 표 6의 히드로퀴논 자극 정도 예측 모델에 사용되는 마커의 수를 증가시켜가면서 실제 자극 grade와 예측 자극 grade를 비교하여 R-square, 정확도, 민감도 및 특이도를 평가하였다(도 30, 표 8).
히드로퀴논 자극 정도 예측 모델 (성별 포함)
마커수 마커 조합 (n) Adjusted
R-square1) 		accuracy
정확도2) 		sensitivity
민감도3) 		specificity
특이도4)
1 rs12712969 0.0931 0.6800 0.2222 0.9375
... ... ... ... ... ...
5 rs12712969+rs34597632+rs6752001+rs3742506+rs10954810 0.2556 0.7200 0.4444 0.8750
... ... ... ... ... ...
10 rs12712969+rs34597632+rs6752001+rs3742506+rs10954810+rs11989919+rs10041981+rs74684800+rs17033965+rs12712955 0.3503 0.7600 0.4444 0.9375
... ... ... ... ... ...
18 rs12712969+rs34597632+rs6752001+rs3742506+rs10954810+rs11989919+rs10041981+rs74684800+rs17033965+rs12712955+rs76222090+rs11898074+rs16878792+rs2711292+rs1562653+rs145574423+rs10095694+rs201328637 0.5361 0.8400 0.5556 1.0000
자극 grade 2~3인 그룹을 자극군, 자극 grade 0~1인 그룹을 비자극군으로 분류함
1) Adjusted R-square은 예측 모델의 설명력을 의미하며, 1에 가까울수록 설명력 좋음
2) 정확도 (Accuracy): 실제값과 예측치가 일치하는 정도
3) 민감도 (Sensitivity): 실제값이 자극군인 경우 예측치도 자극군으로 예측된 적중도, 실제값이 +인 경우 예측치도 +로 예측된 적중도
4) 특이도 (Specificity): 실제값이 비(非)자극군인 경우 예측치도 비자극군으로 예측된 적중도, 실제값이 -인 경우 예측치도 -로 예측된 적중도
상기 표 8에 나타낸 바와 같이 히드로퀴논 자극 정도 예측 모델에 사용된 마커 수가 증가함에 따라 정확도, 민감도, 특이도가 증가하는 패턴이 나타남을 확인하였다. 이는, 다수의 연관유의성 마커를 이용해 히드로퀴논 자극 예측 모델을 수립하는 것이 히드로퀴논 자극 정도 예측의 정확도를 높이는데 도움이 될 수 있음을 시사하는 것이다.
4-3: 발굴한 유전자 다형성(SNP) 마커 활용한 히드로퀴논 자극 유무 예측
발굴된 마커를 이용하여 히드로퀴논 자극 유무 예측 모델을 구축하였으며, 구축된 모델은 하기 식으로 나타낼 수 있다.
예측 자극 유무 = 성별 변수값 + 나이 변수값 +
Figure PCTKR2023006235-appb-img-000003
n: SNP 마커 조합
beta 값: 해당 SNP minor allele의 영향력 지수
allele 타입 값: Major Major = 1, Major Minor = 2, Minor Minor = 3
모집된 93명 중, 68명으로부터 획득된 데이터를 학습에 사용하고, 나머지 25명으로부터 획득된 데이터를 이용하여 예측된 모델의 성능 평가를 수행하였다.
구체적으로, 히드로퀴논 자극 유무 예측모델에 사용되는 유전자 다형성 마커는 하기 표 9과 같다.
히드로퀴논 자극 유무 예측모델 사용 유전자 다형성 마커 (P < 0.1)
　 표현형 SNP1) Gene1) Chr:Position1) Allele2) MAF3) P-value4) Effect size (β)5)
1 자극유무 rs10166692 PRKCE 2:46077038 T>C 0.2399425 0.0217 0.811998918
2 자극유무 rs6720975 PRKCE 2:46024212 T>C 0.262931 0.0296 -0.751391466
3 자극유무 rs34597632 TGM1 14:24728061 A>G 0.0833333 0.0322 1.710343604
4 자극유무 rs2295633 FAAH 1:46874383 A>G 0.1551724 0.0510 0.871155506
5 자극유무 rs13401339 TRPM8 2:234876037 A>G 0.3362069 0.0608 -0.639047644
6 자극유무 rs11706136 GLB1 3:33098055 A>G 0.3965517 0.0647 -0.578760612
7 자극유무 rs117238468 CTSH 15:79217691 A>G 0.0502874 0.0731 1.942610381
8 자극유무 rs7569211 TRPM8 2:234882143 T>C 0.0517241 0.0801 -1.941060743
9 자극유무 rs6752001 TRPM8 2:234906046 T>G 0.1135057 0.0846 -0.769225533
10 자극유무 rs113407143 PRKCE 2:46252943 A>G 0.1163793 0.0916 -1.122735915
11 자극유무 rs4953296 PRKCE 2:46227378 T>G 0.2413793 0.0938 -0.610088516
12 자극유무 rs75970876 GLB1 3:33088308 A>G 0.4123563 0.0940 0.511544248
13 자극유무 rs6982890 NRG1 8:32615098 T>C 0.1724138 0.0993 -0.774312808
1) 미국국립보건원 (NIH) ID, 해당 홈페이지에서 서열확인가능2) (major allele) > (minor allele) 의미3) minor allele frequency = (2mm + Mm)/2(MM + Mm + mm)
4) 3가지의 유전형(M/M, M/m, m/m)에 대한 표현형 차이의 통계적 유의성 (M: major allele, m: minor allele)
5) minor allele 이 하나씩 늘어감에 따라 표현형*의 증감 변화정도 (-:감소, +:증가)
* 자극정도 = 설문을 이용하여 히드로퀴논도포 부위의 자극 정도 질의
* 밝기변화 = 색차계를 이용하여 히드로퀴논도포부위 및 대응 부위의 피부색 측정 Lab값 중 L 값
시판기기 이용 (chroma meter CR-400, KONIKA MINOLTA, Japan)
구체적으로, 표 9의 히드로퀴논 자극 유무 예측 모델에 사용되는 마커의 수를 증가시켜가면서 실제 자극 유무와 예측 자극 유무를 비교하여 R-square, 정확도, 민감도 및 특이도를 평가하였다(도 31, 표 10).
마커 조합을 통해 히드로퀴논 자극 유무 예측 모형 적용시 (자극無: 0, 자극有: 1로 데이터처리)
히드로퀴논 자극 유무 예측 모델 (성별 포함)
마커수 마커 조합(n) Adjusted
R-square1) 		accuracy
정확도2) 		sensitivity
민감도3) 		specificity
특이도4)
1 rs10166692 0.0064 1 1 1
… … … … … …
5 rs10166692+rs6720975+rs34597632+rs2295633+rs13401339 0.1528 0.8200 0.8750 1
… … … … … …
7 rs10166692+rs6720975+rs34597632+rs2295633+rs13401339+rs11706136+rs117238468 0.2266 0.8800 0.8125 1
… … … … … …
13 rs10166692+rs6720975+rs34597632+rs2295633+rs13401339+rs11706136+rs117238468+rs7569211+rs6752001+rs113407143+rs4953296+rs75970876+rs6982890 0.4421 0.8400 0.7500 1
예측값 0.5 이상인 그룹을 자극군, 예측값 0.5 미만인 그룹을 非자극군으로 분류함1) Adjusted R-square은 예측 모델의 설명력을 의미하며, 1에 가까울수록 설명력 좋음2) 정확도 (Accuracy): 실제값과 예측치가 일치하는 정도
3) 민감도 (Sensitivity): 실제값이 자극군인 경우 예측치가 자극군에 가까운 정도
4) 특이도 (Specificity): 실제값이 비(非)자극군인 경우 예측치가 비자극군에 가까운 정도
상기 표 10에 나타낸 바와 같이 히드로퀴논 자극 유무 예측 모델에 사용된 마커 수가 증가함에 따라 정확도, 민감도, 특이도가 증가하는 패턴이 나타남을 확인하였다. 이는, 다수의 연관유의성 마커를 이용해 히드로퀴논 자극 예측 모델을 수립하는 것이 히드로퀴논 자극 유무 예측의 정확도를 높이는데 도움이 될 수 있음을 시사하는 것이다.
실시예 5: 발굴한 유전자 다형성 (SNP) 마커에 따른 히드로퀴논 자극 완화 효과 확인
피험자 93명의 히드로퀴논 4% 제품에 의한 자극 grade(0-3)와 히드로퀴논 자극 메커니즘 관련 유전자와의 연관성 분석으로 도출된 SNP 마커를 통해 만든 자극 예측 모형에 활용된 SNP 18종 (표 6) 중 총 7종의 SNP을 포함한 유전자 (PKRCE)를 선정하였다.
PRKCE 유전자 7종 SNP type을 이용한 PRKCE에 의한 자극 발생 예측 grade 에 따른 PRKCE 자극 발생 억제 물질을 발굴하여 맞춤형 자극 완화제를 처방하고자 하였다(표 11).
구체적으로, 자극 완화제로 서양고추나물 추출물, 단삼뿌리 추출물을 사용하였다.
히드로퀴논 자극 감소 효능 검증에 활용된 유전자(SNP) 및 자극 발생 기전 억제 성분
Gene 유전자 자극 메커니즘 SNP Allele MAF P-value Effect size (β) 자극 발생 억제 성분
PRKCE -캡사이신 인지 수용체인 TRPV1이 PRKCE에 의한 phosphorylation을 통해 활성화되어 통증 유발 rs17033965 A>G 0.2385 5.22E-02 0.3441 -서양고추나물추출물

-단삼뿌리추출물
rs11898074 A>C 0.4468 5.70E-02 0.3612
rs74684800 T>C 0.0489 4.86E-02 -1.0316
rs12712955 A>G 0.1739 5.41E-02 -0.4346
rs2711292 A>G 0.0402 7.29E-02 1.0399
rs1562653 A>C 0.2327 8.63E-02 -0.3772
rs12712969 T>C 0.0301 3.50E-02 1.3745
5-1. PRKCE 억제 물질을 포함한 히드로퀴논 자극 완화 겔 제조
PRKCE 억제 물질인 서양고추나물 추출물 1.5 중량% 및 단삼뿌리 추출물 0.075 중량% 를 함유한 자극 완화겔을 제조하였다.
5-2. PRKCE SNP 기반 예측 자극 grade에 따른 자극 완화겔의 자극 완화 효과 차이
히드로퀴논 4% 제품 도포 시, 자극 grade(1-3)에 해당하는 피험자 15명을 대상으로 3주간 자극 완화겔을 1일 1회 (저녁) 얼굴 국소 부위 도포하여 흡수시킨 다음 히드로퀴논 4% 제품 1종을 1일 1회 (저녁) 얼굴 국소 부위 도포하였다. 이후 가려움, 따가움, 홍반, 발진을 포함한 자극에 관한 설문 진행하여 4점 척도법으로(0: 자극 전혀 없음, 1: 자극 미미, 2: 약함, 3: 강함) 평가를 진행하여 히드로퀴논 4% 제품의 단독 도포 시 자극 grade 대비 자극 완화겔 복합 도포 시 grade 감소 여부를 확인하여 자극 완화 효과를 확인하였다.
(자극 완화 효과= 4% 히드로퀴논 제품 단독 도포 시 자극 grade - 4% 히드로퀴논 제품 + 자극 완화겔 복합 도포 시 자극 grade) (단, 값이 음수일 경우 0으로 치환함)
구체적으로, 피험자 15인의 PRKCE SNP 기반 자극 예측 grade 계산하여 평균값인 1.534 기준으로 PRKCE 자극 고위험군/저위험군 나누어 그룹별 자극 완화 차이 확인 진행하여, 표 9의 PRKCE SNP 7종 기반 예측 자극 grade에 따른 PRKCE 억제 물질을 포함한 자극 완화겔의 자극 완화 효과를 비교한 결과, PRKCE SNP 기반 예측 자극 grade가 높을수록 PRKCE 억제 물질 함유 자극 완화겔에 의한 자극 완화 효과가 우수함을 확인하였다(표 12, 도 32.)
자극완화겔 복합 도포에 따른 자극 grade 변화
피험자　 자극 예측 grade PRKCE에 의한 자극 예측 히드로퀴논 4% 제품 단독 도포 자극 grade 히드로퀴논 4% 제품+ 자극 완화겔 복합 도포 자극 grade PRKCE 억제 소재 자극완화겔의 자극 완화 효과 PRKCE 억제 소재 자극완화겔의 자극 감소 인지 여부
LG001 2.86 고위험 2 2 0 X
LG002 2.65 3 1 2 감소
LG003 2.50 1 0 1 감소
LG004 2.38 3 2 1 감소
LG005 1.78 1 0 1 감소
LG006 1.65 3 2 1 감소
LG007 1.64 2 0 2 감소
LG008 1.43 저위험 1 1 0 X
LG009 1.00 1 0 1 감소
LG010 1.00 1 2 0 X
LG011 0.96 1 1 0 X
LG012 0.93 1 1 0 X
LG013 0.87 1 0 1 감소
LG014 0.68 1 1 0 X
LG015 0.68 1 2 0 X
이를 통해, 자극 관련 유전자 기능 억제 성분의 히드로퀴논 자극 완화 효과가 자극 예측 유전자 타입에 따라 선택적으로 달라짐을 알 수 있다.
이상의 설명으로부터, 본 발명이 속하는 기술분야의 당업자는 본 발명이 그 기술적 사상이나 필수적 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 이와 관련하여, 이상에서 기술한 실시 예들은 모든 면에서 예시적인 것이며 한정적인 것이 아닌 것으로서 이해해야만 한다. 본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허 청구범위의 의미 및 범위 그리고 그 등가 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.

Claims (35)

  1. (a) 예측 단말에 예측 대상 개체의 SNP 정보가 입력되는 단계; 및
    (b) 상기 예측 단말이, 상기 예측 단말 또는 서버에 미리 저장된 피부 밝기 변화 예측 모델에 상기 SNP 정보를 질의하여 예측 피부 밝기 변화 정보를 연산하고, 연산된 예측 피부 밝기 변화 정보를 출력하는 단계;를 포함하고,
    상기 피부 밝기 변화 예측 모델은,
    러닝 프로세서가 SNP 정보 및 상기 SNP 정보를 갖는 개체에 히드로퀴논을 포함하는 물질을 도포하였을때 피부 밝기 변화 정보의 쌍으로 이루어진 제1 피부 밝기 변화 학습 데이터들을 학습하여, SNP 정보가 질의되는 경우 질의된 SNP 정보를 갖는 개체에 히드로퀴논을 포함하는 물질이 도포되었을 때의 제1 예측 피부 밝기 변화 정보를 출력하는 제1 피부 밝기 변화 예측 모델인,
    히드로퀴논을 포함하는 처방의 피부 밝기 변화 예측 방법.
  2. 제1항에 있어서,
    SNPs 마커 선정 장치가 상기 SNP 정보에 포함된 다수의 SNPs 중, 히드로퀴논 도포 시 피부 밝기 변화와 관련 있는 하나 이상의 SNPs를 선정하는 단계;를 더 포함하고,
    상기 학습 데이터의 SNP 정보에는 상기 SNPs 마커 선정 장치에 의해 선정된 하나 이상의 SNPs 중 적어도 일부는 포함되고, 상기 SNPs 마커 선정 장치에 의해 선정되지 않은 SNPs는 포함되지 않는,
    히드로퀴논을 포함하는 처방의 피부 밝기 변화 예측 방법.
  3. 제2항에 있어서,
    상기 피부 밝기 변화와 관련 있는 하나 이상의 SNPs는 표 1에서 선택된 어느 하나 이상인 것인,
    히드로퀴논을 포함하는 처방의 피부 밝기 변화 예측 방법.
  4. 제1항에 있어서,
    상기 러닝 프로세스가 상기 학습 데이터들을 학습함에 따라 SNP 정보에 포함된 각각의 SNP마다 히드로퀴논을 포함하는 물질 도포 시 피부 밝기 변화에 영향을 미치는 가중치가 결정될 수 있으며,
    상기 가중치는,
    각각의 SNP에 포함된 상위 대립유전자(major allele) 및 하위 대립유전자(minor allele)의 개수에 따라 결정되는 제1 값; 및
    학습에 의해 그 값이 변화하는 제2 값;을 이용하여 연산되는 것인,
    히드로퀴논을 포함하는 처방의 피부 밝기 변화 예측 방법.
  5. 제4항에 있어서,
    상기 제1 값은,
    상위 대립유전자(major allele) - 상위 대립유전자, 상위 대립유전자 - 하위 대립유전자(minor allele) 및 하위 대립유전자 - 하위 대립유전자의 SNPs 타입(type) 마다 서로 다른 값이 부여되는,
    히드로퀴논을 포함하는 처방의 피부 밝기 변화 예측 방법.
  6. 제5항에 있어서,
    상기 제1 값은, 상기 SNPs 타입들 중 하위 대립유전자의 개수가 많은 타입일수록 더 높은 값을 갖는,
    히드로퀴논을 포함하는 처방의 피부 밝기 변화 예측 방법.
  7. 제4항에 있어서,
    상기 제1 값은 학습이 이루어지더라도 변화하지 않는 값인,
    히드로퀴논을 포함하는 처방의 피부 밝기 변화 예측 방법.
  8. 제4항에 있어서,
    상기 가중치는 상기 제1 값과 상기 제2 값을 곱한 값이고,
    상기 예측 피부 밝기 변화 정보는, 각각의 SNP마다의 가중치를 합산하여 연산되는,
    히드로퀴논을 포함하는 처방의 피부 밝기 변화 예측 방법.
  9. 제1항에 있어서,
    상기 피부 밝기 변화 예측 모델은,
    상기 러닝 프로세서가 SNP 정보, 히드로퀴논을 포함하는 처방을 포함하는 다수의 처방 중 하나 이상의 처방 정보 및 상기 SNP 정보를 갖는 개체에 상기 처방에 따른 물질을 도포하였을 때의 피부 밝기 변화 정보의 쌍으로 이루어진 제2 피부 밝기 변화 학습 데이터들을 학습하여, SNP 정보가 질의되는 경우 질의된 SNP 정보를 갖는 개체에 다수의 처방에 따른 물질 각각이 도포되었을 때의 제2 예측 피부 밝기 변화 정보를 출력하는 제2 피부 밝기 변화 예측 모델인,
    히드로퀴논을 포함하는 처방의 피부 밝기 변화 예측 방법.
  10. 제1항에 있어서,
    상기 피부 밝기 변화 예측 모델은,
    러닝 프로세서가 SNP 정보에 더하여, 나이 정보, 성별 정보, 생활 습관 정보, 환경 정보 및 피부 특성 정보 중 하나 이상의 정보, 그리고 상기 SNP 정보를 갖는 개체에 히드로퀴논을 포함하는 물질을 도포하였을때 피부 밝기 변화 정보의 쌍으로 이루어진 제3 피부 밝기 변화 학습 데이터들을 학습하여, SNP 정보 및 나이 정보, 성별 정보, 생활 습관 정보, 환경 정보 및 피부 특성 정보 중 하나 이상의 정보가 질의되는 경우 질의된 정보를 갖는 개체에 히드로퀴논을 포함하는 물질이 도포되었을 때의 제3 예측 피부 밝기 변화 정보를 출력하는 제3 피부 밝기 변화 예측 모델인,
    히드로퀴논을 포함하는 처방의 피부 밝기 변화 예측 방법.
  11. 제1항에 있어서,
    상기 피부 밝기 변화 예측 모델은,
    러닝 프로세서가 SNP 정보에 더하여, 나이 정보, 성별 정보, 생활 습관 정보, 환경 정보 및 피부 특성 정보 중 하나 이상의 정보, 히드로퀴논을 포함하는 처방을 포함하는 다수의 처방 중 하나 이상의 처방 정보, 그리고 상기 SNP 정보를 갖는 개체에 상기 처방에 따른 물질을 도포하였을 때의 피부 밝기 변화 정보의 쌍으로 이루어진 제4 피부 밝기 변화 학습 데이터들을 학습하여, SNP 정보 및 나이 정보, 성별 정보, 생활 습관 정보, 환경 정보 및 피부 특성 정보 중 하나 이상의 정보가 질의되는 경우 질의된 정보를 갖는 개체에 다수의 처방에 따른 물질 각각이 도포되었을 때의 제4 예측 피부 밝기 변화 정보를 출력하는 제4 피부 밝기 변화 예측 모델인,
    히드로퀴논을 포함하는 처방의 피부 밝기 변화 예측 방법.
  12. 제9항 또는 제11항에 있어서,
    상기 (b) 단계는,
    (b) 상기 예측 단말이 상기 피부 밝기 변화 예측 모델에 상기 SNP 정보를 질의하여 다수의 처방 각각마다의 예측 피부 밝기 변화 정보를 연산하는 단계;를 더 포함하고,
    (c) 처방 선정부가 상기 예측 피부 밝기 변화 정보를 이용하여, 다수의 처방 중 하나 이상의 처방을 선정하는 단계를 더 포함하는,
    히드로퀴논을 포함하는 처방의 피부 밝기 변화 예측 방법.
  13. 제12항에 있어서,
    상기 (c) 단계는,
    처방 선정부(33)가 다수의 처방 중, 상기 예측 피부 밝기 변화 정보의 값이 큰 하나 이상의 처방을 선정하는 단계;를 더 포함하는,
    히드로퀴논을 포함하는 처방의 피부 밝기 변화 예측 방법.
  14. 제9항 또는 제11항에 있어서,
    상기 다수의 처방은, 히드로퀴논 처방 및 히드로퀴논에 추가 물질이 더 포함된 처방을 포함하고,
    상기 추가 물질은 피부 밝기 증가 유도 물질, 피부 자극 완화제, 제재 안정화 물질 및 제재 질감 결정 물질로 이루어진 그룹 중 선택된 하나 이상인,
    히드로퀴논을 포함하는 처방의 피부 밝기 변화 예측 방법.
  15. 제1항에 있어서,
    상기 (b) 단계는,
    상기 예측 단말이, 상기 예측 단말 또는 상기 서버에 미리 저장된 피부 자극 예측 모델에 상기 SNP 정보를 질의하여 연산된 정보가 추가로 출력되거나, 상기 예측 단말 또는 상기 서버에 미리 저장된 임계 자극 점수 예측 모델에서 결정된 임계 자극 점수가 추가로 출력되는 단계를 더 포함하고,
    상기 피부 자극 예측 모델은, 상기 러닝 프로세서가 SNP 정보 및 상기 SNP 정보를 갖는 개체에 히드로퀴논을 포함하는 물질을 도포하였을 때의 자극 정보의 쌍으로 이루어진 제1 자극 학습 데이터들을 학습하여, SNP 정보가 질의되는 경우 질의된 SNP 정보를 갖는 개체에 히드로퀴논을 포함하는 물질이 도포되었을 때의 제1 예측 자극 정보를 연산하는 모델이고,
    상기 임계 자극 점수 예측 모델은, 상기 러닝 프로세서가 SNP 정보에 따라 미리 결정된 자극 점수와, 상기 SNP 정보를 갖는 개체에 히드로퀴논을 도포하였을 때 자극 유무의 쌍으로 이루어진 제1 임계 자극 학습 데이터들을 학습하여, 히드로퀴논을 포함하는 물질이 도포되었을 때 피부 자극을 유발하는 임계 자극 점수를 결정하는 것인,
    히드로퀴논을 포함하는 처방의 피부 밝기 변화 예측 방법.
  16. 제15항에 있어서,
    상기 출력되는 임계 자극 점수와, 질의된 SNP 정보에 따라 결정되는 자극 점수의 비교 결과에 따라, 상기 질의된 SNP 정보를 갖는 개체에 히드로퀴논을 포함하는 물질이 도포되었을 때의 제2 예측 자극 정보가 연산되는 단계를 더 포함하는,
    히드로퀴논을 포함하는 처방의 피부 밝기 변화 예측 방법.
  17. 제16항에 있어서,
    (c) 처방 선정부가, 상기 예측 피부 밝기 변화 정보와, 상기 제1 예측 자극 정보 및 상기 제2 예측 자극 정보 중 하나 이상을 이용하여, 히드로퀴논을 포함하는 다수의 처방 중 질의된 SNP 정보를 갖는 개체에 처방되기에 적합한 하나 이상의 처방을 선정하는 단계;를 더 포함하는,
    히드로퀴논을 포함하는 처방의 피부 밝기 변화 예측 방법.
  18. SNP 정보 및 상기 SNP 정보를 갖는 개체에 히드로퀴논을 포함하는 물질을 도포하였을때 피부 밝기 변화 정보의 쌍으로 이루어진 제1 피부 밝기 변화 학습 데이터들을 학습하여 제1 피부 밝기 변화 예측 모델을 생성하는 서버로서, SNP 정보가 질의되는 경우 질의된 SNP 정보를 갖는 개체에 히드로퀴논을 포함하는 물질이 도포되었을 때의 제1 예측 피부 밝기 변화 정보를 출력하는 제1 피부 밝기 변화 예측 모델을 생성하는 서버; 및
    예측 대상 개체의 SNP 정보를 입력받고, 상기 서버에서 생성된 제1 피부 밝기 변화 예측 모델에 입력받은 SNP 정보를 질의하여 연산된 제1 예측 피부 밝기 변화 정보를 출력하는 예측 단말;을 포함하는,
    히드로퀴논을 포함하는 처방의 피부 밝기 변화 예측 시스템.
  19. 제18항에 있어서,
    상기 SNP 정보에 포함된 다수의 SNPs 중, 히드로퀴논 도포 시 피부 밝기 변화와 관련 있는 하나 이상의 SNPs를 선정하는 SNPs 마커 선정 장치;를 더 포함하고,
    상기 학습 데이터의 SNP 정보에는 상기 SNPs 마커 선정 장치에 의해 선정된 하나 이상의 SNPs 중 적어도 일부는 포함되고, 상기 SNPs 마커 선정 장치에 의해 선정되지 않은 SNPs는 포함되지 않는,
    히드로퀴논을 포함하는 처방의 피부 밝기 변화 예측 시스템.
  20. 제19항에 있어서,
    상기 피부 밝기 변화와 관련 있는 하나 이상의 SNPs는 표 1에서 선택된 어느 하나 이상인 것인,
    히드로퀴논을 포함하는 처방의 피부 밝기 변화 예측 시스템.
  21. 제18항에 있어서,
    상기 서버의 러닝 프로세스가 상기 학습 데이터들을 학습함에 따라 SNP 정보에 포함된 각각의 SNP마다 히드로퀴논을 포함하는 물질 도포 시 피부 밝기 변화에 영향을 미치는 가중치가 결정될 수 있으며,
    상기 가중치는,
    각각의 SNP에 포함된 상위 대립유전자(major allele) 및 하위 대립유전자(minor allele)의 개수에 따라 결정되는 제1 값; 및
    학습에 의해 그 값이 변화하는 제2 값;을 이용하여 연산되는 것인,
    히드로퀴논을 포함하는 처방의 피부 밝기 변화 예측 시스템.
  22. 제21항에 있어서,
    상기 제1 값은,
    상위 대립유전자(major allele) - 상위 대립유전자, 상위 대립유전자 - 하위 대립유전자(minor allele) 및 하위 대립유전자 - 하위 대립유전자의 SNPs 타입(type) 마다 서로 다른 값이 부여되는,
    히드로퀴논을 포함하는 처방의 피부 밝기 변화 예측 시스템.
  23. 제22항에 있어서,
    상기 제1 값은, 상기 SNPs 타입들 중 하위 대립유전자의 개수가 많은 타입일수록 더 높은 값을 갖는,
    히드로퀴논을 포함하는 처방의 피부 밝기 변화 예측 시스템.
  24. 제21항에 있어서,
    상기 제1 값은 학습이 이루어지더라도 변화하지 않는 값인,
    히드로퀴논을 포함하는 처방의 피부 밝기 변화 예측 시스템.
  25. 제21항에 있어서,
    상기 가중치는 상기 제1 값과 상기 제2 값을 곱한 값이고,
    상기 예측 피부 밝기 변화 정보는, 각각의 SNP마다의 가중치를 합산하여 연산되는,
    히드로퀴논을 포함하는 처방의 피부 밝기 변화 예측 시스템.
  26. 제18항에 있어서,
    상기 피부 밝기 변화 예측 모델은,
    상기 서버가 SNP 정보, 히드로퀴논을 포함하는 처방을 포함하는 다수의 처방 중 하나 이상의 처방 정보 및 상기 SNP 정보를 갖는 개체에 상기 처방에 따른 물질을 도포하였을 때의 피부 밝기 변화 정보의 쌍으로 이루어진 제2 피부 밝기 변화 학습 데이터들을 학습하여, SNP 정보가 질의되는 경우 질의된 SNP 정보를 갖는 개체에 다수의 처방에 따른 물질 각각이 도포되었을 때의 제2 예측 피부 밝기 변화 정보를 출력하는 제2 피부 밝기 변화 예측 모델인,
    히드로퀴논을 포함하는 처방의 피부 밝기 변화 예측 시스템.
  27. 제18항에 있어서,
    상기 피부 밝기 변화 예측 모델은,
    상기 서버가 SNP 정보에 더하여, 나이 정보, 성별 정보, 생활 습관 정보, 환경 정보 및 피부 특성 정보 중 하나 이상의 정보, 그리고 상기 SNP 정보를 갖는 개체에 히드로퀴논을 포함하는 물질을 도포하였을때 피부 밝기 변화 정보의 쌍으로 이루어진 제3 피부 밝기 변화 학습 데이터들을 학습하여, SNP 정보 및 나이 정보, 성별 정보, 생활 습관 정보, 환경 정보 및 피부 특성 정보 중 하나 이상의 정보가 질의되는 경우 질의된 정보를 갖는 개체에 히드로퀴논을 포함하는 물질이 도포되었을 때의 제3 예측 피부 밝기 변화 정보를 출력하는 제3 피부 밝기 변화 예측 모델인,
    히드로퀴논을 포함하는 처방의 피부 밝기 변화 예측 시스템.
  28. 제18항에 있어서,
    상기 피부 밝기 변화 예측 모델은,
    러닝 프로세서가 SNP 정보에 더하여, 나이 정보, 성별 정보, 생활 습관 정보, 환경 정보 및 피부 특성 정보 중 하나 이상의 정보, 히드로퀴논을 포함하는 처방을 포함하는 다수의 처방 중 하나 이상의 처방 정보, 그리고 상기 SNP 정보를 갖는 개체에 상기 처방에 따른 물질을 도포하였을 때의 피부 밝기 변화 정보의 쌍으로 이루어진 제4 피부 밝기 변화 학습 데이터들을 학습하여, SNP 정보 및 나이 정보, 성별 정보, 생활 습관 정보, 환경 정보 및 피부 특성 정보 중 하나 이상의 정보가 질의되는 경우 질의된 정보를 갖는 개체에 다수의 처방에 따른 물질 각각이 도포되었을 때의 제4 예측 피부 밝기 변화 정보를 출력하는 제4 피부 밝기 변화 예측 모델인,
    히드로퀴논을 포함하는 처방의 피부 밝기 변화 예측 시스템.
  29. 제26항 또는 제28항에 있어서,
    상기 예측 단말은 상기 피부 밝기 변화 예측 모델에 상기 SNP 정보를 질의하여 다수의 처방 각각마다의 예측 피부 밝기 변화 정보를 연산하고,
    상기 시스템은,
    상기 예측 피부 밝기 변화 정보를 이용하여, 다수의 처방 중 하나 이상의 처방을 선정하는 처방 선정부를 더 포함하는,
    히드로퀴논을 포함하는 처방의 피부 밝기 변화 예측 시스템.
  30. 제29항에 있어서,
    상기 처방 선정부는 다수의 처방 중, 상기 예측 피부 밝기 변화 정보의 값이 큰 하나 이상의 처방을 선정하는,
    히드로퀴논을 포함하는 처방의 피부 밝기 변화 예측 시스템.
  31. 제26항 또는 제28항에 있어서,
    상기 다수의 처방은, 히드로퀴논 처방 및 히드로퀴논에 추가 물질이 더 포함된 처방을 포함하고,
    상기 추가 물질은 피부 밝기 증가 유도 물질, 피부 자극 완화제, 제재 안정화 물질 및 제재 질감 결정 물질로 이루어진 그룹 중 선택된 하나 이상인,
    히드로퀴논을 포함하는 처방의 피부 밝기 변화 예측 시스템.
  32. 제18항에 있어서,
    상기 예측 단말은, 상기 서버에서 생성된 피부 자극 예측 모델에 입력받은 SNP 정보를 질의함으로써 연산된 정보를 추가로 출력하거나, 상기 서버에서 생성된 임계 자극 점수 예측 모델에서 결정된 점수를 추가로 출력하고,
    상기 피부 자극 예측 모델은, 상기 러닝 프로세서가 SNP 정보 및 상기 SNP 정보를 갖는 개체에 히드로퀴논을 포함하는 물질을 도포하였을 때 자극 정보의 쌍으로 이루어진 제1 자극 학습 데이터들을 학습하여, SNP 정보가 질의되는 경우 질의된 SNP 정보를 갖는 개체에 히드로퀴논을 포함하는 물질이 도포되었을 때의 제1 예측 자극 정보를 연산하는 모델이고,
    상기 임계 자극 점수 예측 모델은, 상기 러닝 프로세서가 SNP 정보에 따라 미리 결정된 자극 점수와, 상기 SNP 정보를 갖는 개체에 히드로퀴논을 도포하였을 때 자극 유무의 쌍으로 이루어진 제1 임계 자극 학습 데이터들을 학습하여, 히드로퀴논을 포함하는 물질이 도포되었을 때 피부 자극을 유발하는 임계 자극 점수를 출력하는 것인,
    히드로퀴논을 포함하는 처방의 피부 밝기 변화 예측 시스템.
  33. 제32항에 있어서,
    상기 예측 단말은 상기 출력되는 임계 자극 점수와, 질의된 SNP 정보에 따라 결정되는 자극 점수의 비교 결과에 따라, 상기 질의된 SNP 정보를 갖는 개체에 히드로퀴논을 포함하는 물질이 도포되었을 때의 제2 예측 자극 정보를 더 연산하는,
    히드로퀴논을 포함하는 처방의 피부 밝기 변화 예측 시스템.
  34. 제33항에 있어서,
    상기 피부 밝기 변화 정보와, 상기 제1 예측 자극 정보 및 상기 제2 예측 자극 정보 중 하나 이상을 이용하여, 히드로퀴논을 포함하는 다수의 처방 중 질의된 SNP 정보를 갖는 개체에 처방되기에 적합한 하나 이상의 처방을 선정하는 처방 선정부;를 더 포함하는,
    히드로퀴논을 포함하는 처방의 피부 밝기 변화 예측 시스템.
  35. 제1항 내지 제11항 및 제15항 내지 제17항 중 어느 한 항에 따른 방법을 실행하도록 컴퓨터 판독 가능한 기록 매체에 저장된, 컴퓨터 프로그램.
PCT/KR2023/006235 2022-05-10 2023-05-09 히드로퀴논을 포함하는 처방의 피부 밝기 변화 예측 방법 및 시스템 Ceased WO2023219369A1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR10-2022-0057418 2022-05-10
KR1020220057418A KR102807793B1 (ko) 2022-05-10 2022-05-10 히드로퀴논을 포함하는 처방의 피부 밝기 변화 예측 방법 및 시스템

Publications (1)

Publication Number Publication Date
WO2023219369A1 true WO2023219369A1 (ko) 2023-11-16

Family

ID=88730676

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2023/006235 Ceased WO2023219369A1 (ko) 2022-05-10 2023-05-09 히드로퀴논을 포함하는 처방의 피부 밝기 변화 예측 방법 및 시스템

Country Status (2)

Country Link
KR (2) KR102807793B1 (ko)
WO (1) WO2023219369A1 (ko)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20140103345A (ko) * 2011-12-20 2014-08-26 제네 오닉스 리미티드 유전자 분석을 이용한 제품 선택
JP2017070306A (ja) * 2012-03-30 2017-04-13 ザ プロクター アンド ギャンブル カンパニー 色素沈着過剰状態の遺伝子発現シグネチャーを生成する方法
WO2018101449A1 (ja) * 2016-11-30 2018-06-07 株式会社資生堂 肌特性解析方法
KR20220044515A (ko) * 2019-08-09 2022-04-08 가부시키가이샤 시세이도 피부 카운슬링을 실현하는 유전자 검사 방법

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20140103345A (ko) * 2011-12-20 2014-08-26 제네 오닉스 리미티드 유전자 분석을 이용한 제품 선택
JP2017070306A (ja) * 2012-03-30 2017-04-13 ザ プロクター アンド ギャンブル カンパニー 色素沈着過剰状態の遺伝子発現シグネチャーを生成する方法
WO2018101449A1 (ja) * 2016-11-30 2018-06-07 株式会社資生堂 肌特性解析方法
KR20220044515A (ko) * 2019-08-09 2022-04-08 가부시키가이샤 시세이도 피부 카운슬링을 실현하는 유전자 검사 방법

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
DEL BINO SANDRA, DUVAL CHRISTINE, BERNERD FRANÇOISE: "Clinical and Biological Characterization of Skin Pigmentation Diversity and Its Consequences on UV Impact", INTERNATIONAL JOURNAL OF MOLECULAR SCIENCES, vol. 19, no. 9, 8 September 2018 (2018-09-08), pages 2668, XP093106333, DOI: 10.3390/ijms19092668 *
HANARO MEDICAL FOUNDATION: " [Hanaro Medical Foundation's Recommendation Test] Skin Genetic Test", NAVER BLOG, 18 March 2021 (2021-03-18), XP093106781, Retrieved from the Internet <URL:https://m.blog.naver.com/hanaromf/222279487086#> [retrieved on 20231129] *

Also Published As

Publication number Publication date
KR102807793B1 (ko) 2025-05-14
KR20230157785A (ko) 2023-11-17
KR20250071908A (ko) 2025-05-22

Similar Documents

Publication Publication Date Title
Yang et al. Expression profiling of UVB response in melanocytes identifies a set of p53-target genes
WO2012081898A2 (ko) 위암의 예후 예측용 마커 및 이를 이용하는 위암의 예후 예측 방법
WO2023106680A1 (ko) 비타민 c를 포함하는 처방의 피부 밝기 변화 예측 방법 및 시스템
WO2021182881A1 (ko) 유방암 진단용 다중 바이오마커 및 이의 용도
WO2023080379A1 (ko) 다유전자 위험점수를 이용한 시간 의존 연관성 기반의 질환 발병 정보 생성 장치 및 그 방법
WO2019199105A1 (ko) 알츠하이머성 치매가 발병될 가능성 평가방법
WO2023080766A1 (ko) 시간 변동 공변량 기반의 prs 모델을 이용한 질환별 위험 유전자 변이 정보 생성 장치 및 그 방법
WO2023219369A1 (ko) 히드로퀴논을 포함하는 처방의 피부 밝기 변화 예측 방법 및 시스템
WO2023234659A1 (ko) 퇴행성 턱관절염의 진단 또는 예후 예측용 유전자 마커 및 이의 용도
WO2022055276A1 (ko) 여성형 탈모증 관련 유전자 다형성 마커 및 이의 용도
WO2019168261A1 (ko) 정성적 또는 정량적 돌연변이 유전형 분석방법 및 이 방법을 수행하기 위한 실시간 pcr 키트
WO2022035075A1 (ko) 마이크로니들 패치를 포함하는 최소 침습적 피부 상태 진단 키트
WO2020122679A1 (en) Method for detecting a target analyte in a sample using an s-shaped function for a slope data set
WO2023090715A2 (ko) 레티놀을 포함하는 처방의 피부 자극 정보 예측 방법 및 시스템, 그리고 자극 완화제를 유효성분으로 포함하는 레티놀에 의한 항자극 또는 항염용 조성물
WO2019093695A1 (ko) 게놈 모듈 네트워크에 기반한 샘플 데이터 분석 방법
WO2022220527A1 (ko) 피부색 판단용 유전자 다형성 마커 및 이의 용도
WO2024106669A1 (ko) 피부 주름 개선용 조성물
WO2025135715A1 (ko) 레티놀의 효능 예측 유전자 마커 및 주름 개선용 조성물, 및 레티놀 효능 예측 방법
WO2022220575A1 (ko) 피부색 판단용 유전자 다형성 마커 및 이의 용도
WO2022097844A1 (ko) 유전자 복제수 변이 정보를 이용하여 췌장암 환자의 생존 예후를 예측하는 방법
WO2025048425A1 (ko) 피부 색소침착 개선용 조성물
WO2021201592A1 (ko) 색소침착 피부 타입 판단용 유전자 다형성 마커 및 이의 용도
WO2015167087A1 (ko) Dna 복제수 변이를 이용한 강직성 척추염 발병 위험도 예측 방법
WO2024158203A1 (ko) 간암 발병의 위험성 예측용 조성물
WO2022231284A1 (ko) 피부 턴오버 및 각질 과각화 판단용 유전자 다형성 마커 및 이의 용도

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 23803792

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

32PN Ep: public notification in the ep bulletin as address of the adressee cannot be established

Free format text: NOTING OF LOSS OF RIGHTS PURSUANT TO RULE 112(1) EPC (EPO FORM 1205A DATED 21/03/2025)

122 Ep: pct application non-entry in european phase

Ref document number: 23803792

Country of ref document: EP

Kind code of ref document: A1