WO2024010351A1 - 복수의 표적 분석물 각각에 대한 근사 신호의 획득 방법 및 이를 수행하는 컴퓨터 장치 - Google Patents

복수의 표적 분석물 각각에 대한 근사 신호의 획득 방법 및 이를 수행하는 컴퓨터 장치 Download PDF

Info

Publication number
WO2024010351A1
WO2024010351A1 PCT/KR2023/009459 KR2023009459W WO2024010351A1 WO 2024010351 A1 WO2024010351 A1 WO 2024010351A1 KR 2023009459 W KR2023009459 W KR 2023009459W WO 2024010351 A1 WO2024010351 A1 WO 2024010351A1
Authority
WO
WIPO (PCT)
Prior art keywords
approximation function
value
signal
target analyte
parameter
Prior art date
Application number
PCT/KR2023/009459
Other languages
English (en)
French (fr)
Inventor
김설기
어수행
이한빛
민일재
Original Assignee
주식회사 씨젠
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 주식회사 씨젠 filed Critical 주식회사 씨젠
Publication of WO2024010351A1 publication Critical patent/WO2024010351A1/ko

Links

Images

Classifications

    • 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
    • C12Q1/6844—Nucleic acid amplification reactions
    • C12Q1/686—Polymerase chain reaction [PCR]
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
    • G01N21/63—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light optically excited
    • G01N21/64—Fluorescence; Phosphorescence

Definitions

  • the present disclosure relates to a method for obtaining an approximate signal for each of a plurality of target analytes and a computer device for performing the same.
  • PCR polymerase chain reaction
  • Real-time PCR is a PCR-based technology for detecting target nucleic acids in samples in real time.
  • a signal generating means that emits a detectable fluorescent signal in proportion to the amount of the target nucleic acid during the PCR reaction is used.
  • a fluorescent signal proportional to the amount of target nucleic acid is detected at each measurement point (cycle) through real-time PCR, and a data set containing each measurement point and the signal value at the measurement point is obtained, and the data set is compared to the measurement point from the data set.
  • An amplification curve or amplification profile curve indicating the intensity of the detected fluorescence signal is obtained.
  • the amplification curve by real-time PCR is divided into a baseline region, an exponential region, and a plateau region.
  • the exponential region is the region where the fluorescence signal emitted increases in proportion to the increase in the PCR amplification product
  • the plateau region is the region where the increase in the PCR amplification product and the emission of the fluorescence signal reach saturation and no further increase in the fluorescence signal appears.
  • the baseline region the change in size of the fluorescence signal is not noticeable at the beginning of the reaction.
  • the fluorescent signal emitted by the PCR reaction product is not sufficient to be detected.
  • the fluorescence signal of the reaction sample itself and the background signal which is the fluorescence signal of the measurement system itself, account for most of the fluorescence signal, rather than the fluorescence signal caused by amplification of the target analyte.
  • Various methods have been developed to determine whether amplification of multiple target analytes is present from a real-time PCR data set.
  • a method for detecting two target nucleic acid sequences in a sample using different detection temperatures is known (Korean Patent No. 10-2050601).
  • the sample is incubated with two signal generating compositions for detecting two target nucleic acid sequences each having a relative high detection temperature and a relative cold detection temperature in one reaction vessel, and the relative high temperature detection temperature and the relative cold detection temperature are The signal generated at each low temperature detection temperature can be detected using a single type of detector.
  • the signal detected at a relatively high detection temperature includes a signal for the target nucleic acid sequence having a relatively high detection temperature
  • the signal detected at a relatively low detection temperature includes a signal for the target nucleic acid sequence having a relatively low detection temperature and a signal for the target nucleic acid sequence having a relatively low detection temperature.
  • Any signal for a target nucleic acid sequence with a high detection temperature may be included.
  • the presence of a target nucleic acid sequence with a relatively high detection temperature is determined by the signal detected at the relatively high detection temperature
  • the presence of the target nucleic acid sequence with a relatively low detection temperature is determined by the signal detected at the relatively high detection temperature using a reference value and
  • the relative cold detection temperature can be determined by the difference between the detected signals.
  • the reference value is a value obtained in advance, and is a signal detected at a high temperature detection temperature that is detected by incubation with a signal generating composition and a target nucleic acid sequence having a relatively high temperature detection temperature in a reaction vessel other than the one reaction vessel. and the difference between the signals detected at the relative low temperature detection temperature.
  • the above-mentioned reference value is a value obtained in advance from signals from other reaction vessels, and is not a value derived from signals from the target reaction vessel for detecting a plurality of target analytes, and therefore, the reaction vessel and detection device There are limitations that make it difficult to reflect differences that occur depending on the detection environment.
  • the above reference value is the signal detected at the high temperature detection temperature and the signal detected at the relative low temperature detection temperature when there is no target nucleic acid sequence with a relatively low detection temperature in the reaction vessel but a target nucleic acid sequence with a relatively high detection temperature is present. Since it is obtained by calculating the difference between signals, there is a limitation that it cannot be obtained in any target reaction vessel where the presence or absence of the target analyte is unknown.
  • the problem to be solved by the present invention is to provide a technology for obtaining approximate signals for each of a plurality of target analytes from signal values detected at different temperatures.
  • the process of acquiring the above-described approximate signal includes a process of separating or extracting only the signal value for a specific target analyte from the detected signal value, and in this process, predetermined parameters are used, and the values of these parameters are used for each Applying optimized values to each reaction vessel may be included in the above-mentioned tasks.
  • the method includes multiple cycles targeting the first target analyte and the second target analyte in the sample.
  • the first data set includes signal values at the first detection temperature dependent on the presence of the first target analyte in the sample
  • the second data set includes the first target analyte and the first target analyte in the sample.
  • a signal value at the second detection temperature dependent on the presence of the target analyte is included, and the signal generation reaction includes a first signal generation composition for detecting the first target analyte in the sample in one reaction vessel, and generated by incubating the sample with a second signal generating composition for detecting the second target analyte, wherein the first signal generating composition and the second signal generating composition include the same label, and A signal is not differentiated for each target analyte by a single type of detector, and utilizes the first and second data sets to (a) determine the signal to be dependent on the presence of the first target analyte; A 1-1 approximation function for approximating the signal value at the first detection temperature, a 1-2 approximation function for approximating the signal value at the second detection temperature dependent on the presence of the first target analyte, and the second a value of an approximation function parameter included in at least one approximation function selected from the group consisting of a second approximation function
  • the parameter values of the first parameter group including the size parameter and the approximation function parameter included in the 1-1 approximation function and the second approximation function are Joint-estimation is performed, wherein the size parameter in the first parameter group represents a ratio of the size at the second detection temperature to the size at the first detection temperature, or, the 1-2 approximation function
  • joint-estimation is performed on the parameter values of a second parameter group including the size parameter and the approximation function parameter included in the second approximation function, wherein the size parameter in the second parameter group is detected by the second detection. It may represent the ratio of the size at the first detection temperature to the size at the temperature.
  • performing the joint-estimation includes: estimating a value of a 1-1 approximation function parameter included in the 1-1 approximation function using the first data set; and a joint for the estimated value for the 1-1 approximation function parameter and the value of the size parameter and the value of the second approximation function parameter included in the second approximation function at least partially using the second data set. It may include a step of performing -estimation.
  • the value of the 1-1 approximation function parameter may be estimated so that the sum of differences between the 1-1 approximation function and the first data set is minimized in each of the plurality of cycles.
  • the value of the size parameter and the estimated value of the 1-1 approximation function parameter are used.
  • a value of the 1-2 approximation function is prepared, and in each of the plurality of cycles, (a) the second data set; and (b) the second approximation function and the sum of the first-second approximation functions;
  • the difference between the parameters may be calculated, and joint-estimation may be performed on the value of the second approximation function parameter and the size parameter so that the sum of the differences is minimized in the plurality of cycles.
  • the value of the second approximate function parameter and the value of the size parameter may be estimated based on joint maximum likelihood estimation.
  • the step of performing the joint-estimation includes: sum of differences between the first data set and the 1-1 approximation function in each of the plurality of cycles, and the second Considering the sum of the differences that the data set has with the second approximation function and the 1-2 approximation function, the value of the 1-1 approximation function parameter included in the 1-1 approximation function, the first approximation function, 2 It may include performing joint-estimation on the value of the second approximation function parameter included in the approximation function and the value of the size parameter.
  • the value of the 1-1 approximation function parameter, the value of the second approximation function parameter, and the value of the size parameter may be estimated based on joint maximum likelihood estimation.
  • the step of performing the joint-estimation includes adding a random value or a pre-estimated value to one or two parameters of the 1-1 approximation function parameter, the second approximation function parameter, and the size parameter. Applying and estimating the values of the remaining parameters; and applying the estimated values of the remaining parameters and estimating the values of the one or two parameters. Further comprising, estimating the values of the remaining parameters and estimating the values of the one or two parameters. The estimating step may be performed multiple times.
  • each of the first data set and the second data set is a raw data set obtained from a detection device that detects the first target analyte and the second target analyte in the sample.
  • the 1-1 approximation function, the 1-2 approximation function, and the second approximation function each include a sigmoid function, a logistic function, a Gompertz function, and Chapman function.
  • the 1-1 approximation function parameter included in the 1-1 approximation function and the 1-2 approximation function parameter included in the 1-2 approximation function are determined by the presence of the first target analyte.
  • the second approximation function parameter included in the second approximation function is a parameter representing a second slope for a cycle of the signal value dependent on the presence of the second target analyte, wherein the second slope is maximized. It may include at least one of a parameter indicating a cycle corresponding to an in point, a parameter indicating a signal value in a baseline area, and a parameter indicating a signal value in a plateau area.
  • each of the 1-1 approximation function, the 1-2 approximation function and the second approximation function further includes a parameter of a background signal approximation function for a background signal, and the 1-1 approximation function
  • the parameters of the background signal approximation function included in each of the 1-2 approximation functions are parameters approximating the slope for the cycle of the first background signal further included in the first data set, and the signal value in the baseline area.
  • It includes at least one of a parameter for approximating and a parameter for approximating a cycle corresponding to a point where the magnitude of the first background signal is minimum, and the parameters of the background signal approximation function included in the second approximation function are: A parameter approximating the slope for the cycle of the second background signal further included in the second data set, a parameter approximating the signal value in the baseline area, and a cycle corresponding to the point where the size of the second background signal is minimum. It may include at least one of the parameters to be approximated.
  • the parameters of the background signal approximation function may be parameters of a constant or polynomial function.
  • the first detection temperature may be greater than the second detection temperature.
  • the second detection temperature may be greater than the first detection temperature
  • the signal generation reaction may involve nucleic acid amplification.
  • the value of the size parameter may be jointly estimated for each of two or more cycle sections determined from the plurality of cycles.
  • the value of the size parameter may be joint-estimated for each of the plurality of cycles.
  • performing the joint-estimation includes: estimating a value of a 1-1 approximation function parameter included in the 1-1 approximation function using the first data set; And it may include performing joint-estimation on the value of the second approximation function parameter and the size parameter included in the second approximation function using the first data set and the second data set. .
  • performing joint-estimation on the value of the second approximation function parameter and the value of the size parameter includes (a) the second data set in each of the plurality of cycles; and (b) the a first data set and the size parameters; calculating the difference between the two; And it may include performing joint-estimation on the value of the second approximate function parameter and the value of the size parameter so that the sum of the differences in the plurality of cycles is minimized.
  • a computer program stored in a computer-readable recording medium may be programmed to perform each step included in the method.
  • a computer-readable recording medium may store a computer program programmed to perform each step included in the method.
  • the computer device includes a first data set measured at a first detection temperature of each of the plurality of cycles from a signal generation reaction of multiple cycles targeting the first target analyte and the second target analyte in the sample. and an acquisition unit that acquires a second data set measured at a second detection temperature for each of the plurality of cycles.
  • the first data set includes a signal value at the first detection temperature dependent on the presence or absence of the first target analyte in the sample
  • the second data set includes the first target analyte in the sample and the A signal value at the second detection temperature dependent on the presence or absence of the second target analyte is included, and the signal generation reaction generates a first signal for detecting the first target analyte in the sample in one reaction vessel.
  • the signal from is not differentiated for each target analyte by a single type of detector, and includes a memory storing at least one instruction; and a processor, wherein executing the at least one instruction by the processor uses the first data set and the second data set to (a) determine the presence of the first target analyte; A 1-1 approximation function for approximating the signal value at the first detection temperature, a 1-2 approximation function for approximating the signal value at the second detection temperature dependent on the presence of the first target analyte, and the second a value of an approximation function parameter included in at least one approximation function selected from the group consisting of a second approximation function that approximates a signal value at the second detection temperature dependent on the presence of the target analyte,
  • the method includes generating multiple cycles of signals targeting the first target analyte and the second target analyte in the sample.
  • the first data set includes signal values at the first detection temperature dependent on the presence of the first target analyte in the sample
  • the second data set includes the first target analyte and the first target analyte in the sample.
  • a signal value at the second detection temperature dependent on the presence of the target analyte is included, and the signal generation reaction includes a first signal generation composition for detecting the first target analyte in the sample in one reaction vessel, and generated by incubating the sample with a second signal generating composition for detecting the second target analyte, wherein the first signal generating composition and the second signal generating composition include the same label, and A signal is not differentiated for each target analyte by a single type of detector, and utilizes the first and second data sets to (a) determine the signal to be dependent on the presence of the first target analyte; A 1-1 approximation function for approximating the signal value at the first detection temperature, a 1-2 approximation function for approximating the signal value at the second detection temperature dependent on the presence of the first target analyte, and the second a value of an approximation function parameter included in at least one approximation function selected from the group consisting of a second approximation function
  • the method includes the first target analyte, the second target analyte, and the third target analyte in the sample. From a signal generation reaction of multiple cycles targeting, a first data set measured at a first detection temperature for each of the multiple cycles, a second data set measured at a second detection temperature for each of the multiple cycles, and each of the multiple cycles.
  • the first data set includes signal values at the first detection temperature dependent on the presence of the first target analyte in the sample, and the second data set includes the first target analyte and the first target analyte in the sample.
  • a signal value at the second detection temperature dependent on the presence of the target analyte is included, and the third data set includes the first target analyte, the second target analyte, and the third target analyte in the sample.
  • a signal value at the third detection temperature dependent on the presence is included, and the signal generation reaction includes a first signal generation composition for detecting the first target analyte in the sample in one reaction vessel, and the second target.
  • composition and the third signal generating composition comprise the same label, the signal from the label is indistinguishable for each target analyte by a single type of detector, and the first data set through the third data set are at least Using, in part, (a) a 1-1 approximation function for approximating a signal value at the first detection temperature dependent on the presence of the first target analyte, the second approximation function dependent on the presence of the first target analyte; A 1-2 approximation function for approximating the signal value at the detection temperature, a 1-3 approximation function for approximating the signal value at the third detection temperature dependent on the presence of the first target analyte, and the second target analysis A 2-2 approximation function for approxim
  • the plurality of size parameters include a first size parameter representing a relationship between the size of a signal value dependent on the presence of the first target analyte at the first detection temperature and the size at the second detection temperature.
  • a second size parameter indicating the relationship between the size that the signal value dependent on the presence of the first target analyte has at the second detection temperature and the size it has at the third detection temperature, the signal value dependent on the presence of the second target analyte.
  • a third size parameter indicating the relationship between the size that the signal value has at the second detection temperature and the size it has at the third detection temperature, and a signal value dependent on the presence of the first target analyte at the first detection temperature. It may include at least one selected from the group consisting of a fourth size parameter indicating a relationship between the size and the size at the third detection temperature.
  • an optimized value may be estimated in units of reaction for the corresponding signal generation reaction.
  • the relationship between signals at two detection temperatures generated in the presence of a specific target analyte can be expressed in terms of a reference value.
  • these reference values are measured experimentally or statistically according to a predetermined procedure, and the reference value obtained in advance during the analysis of the signal generation response for a random sample is used to analyze each target. A method applied to the extraction process of signal values for water was used.
  • this prior art has limitations in that it cannot reflect differences that occur depending on various detection environments such as reaction vessels and detection devices for each reaction, and as a result, signal distortion occurs as the reference value is applied excessively or under-applied, resulting in There was a problem in that the detection accuracy of each target analyte was reduced.
  • the value of the size parameter optimized for the reaction may be estimated and applied to extract the signal value. Because of this, the signal value of each target analyte can be extracted more accurately, and as a result, the detection accuracy of each target analyte can be improved.
  • the value of the parameter of the approximation function that approximates the signal value generated in the presence of each target analyte can be estimated from the data sets together with the size parameter described above.
  • These parameters have an interrelated relationship that affects the overall error, and the size parameter and the parameters of each approximation function depend on the other parameters and vice versa. Therefore, rather than estimating a value by considering only one parameter, the overall error can be minimized by joint-estimating the optimized values of the parameters by considering the interrelationship of these parameters together.
  • the conventional method had the disadvantage of requiring several processes, such as obtaining the above-mentioned reference value in advance, extracting the signal value corresponding to each target analyte, and fitting the amplification curve function suitable for the extracted signal value.
  • several processes previously required can be integrated into a single fitting process, which is efficient in terms of time and cost. Detection becomes possible.
  • the value of the above-described size parameter may be estimated for each of a plurality of cycles. Accordingly, a more optimized value for the size parameter can be applied for each reaction in each cycle unit, and the detection accuracy of each target analyte can be further improved compared to the case where a single value is applied.
  • the values of the parameters of the background signal approximation function that approximates the signal value independent of the presence of the target analyte may be joint-estimated together.
  • the parameter values of an approximation function that approximates a background signal which has been difficult to analyze in the past, can be extracted along with the above-mentioned parameters.
  • by adding functions for various background elements to the model for joint-estimation through detailed modeling of the background signal there is an advantage in that it becomes easier to expand and manage the parameters subject to joint-estimation. .
  • Figure 1 is a block diagram illustrating the configuration of a target analyte detection system according to an embodiment.
  • 2A and 2B show various examples of data sets used in a computer device according to an embodiment and signal values dependent on each of the first target analyte and the second target analyte estimated from the data set.
  • Figure 3 is a block diagram illustrating the configuration of a computer device according to an embodiment.
  • 4A and 4B illustrate the concept or definition of a sigmoid function and parameters representing characteristics of the sigmoid function according to an embodiment.
  • FIG. 5 is a flowchart illustrating a method in which the computer device according to the first embodiment jointly estimates the value of the second approximate function parameter and the value of the size parameter through a processor.
  • FIG. 6 is a flowchart illustrating a specific method in which the computer device according to the second embodiment jointly estimates the value of the first approximation function parameter, the value of the second approximation function parameter, and the value of the size parameter through a processor.
  • FIGS. 7A and 7B show various examples of a data set including a background signal used in a computer device according to another embodiment and signal values dependent on each of the first target analyte and the second target analyte estimated from the data set. It is shown as .
  • FIG. 8 is a flowchart illustrating a method of joint-estimating the value of the second approximation function parameter, the fourth approximation function parameter, and the size parameter by the processor according to the third embodiment.
  • FIG. 9 is a flowchart illustrating a method of joint-estimating the values of the first to fourth approximation function parameters and the size parameter by the processor according to the fourth embodiment.
  • 10A to 10D show simulation results according to the third embodiment in which the background signal is considered a constant.
  • 11A to 11C show simulation results according to the third embodiment in which the background signal is considered a linear function.
  • 12A to 12C show simulation results according to the third embodiment in which the background signal is considered a quadratic function.
  • Figure 13 is a flowchart illustrating a method by which a computer device acquires an approximate signal for a target analyte according to an embodiment.
  • Figures 14a to 14d show simulation results in which the value of the size parameter is estimated for each of a plurality of cycles according to another embodiment described above.
  • 15A to 15B show signal values at each temperature depending on the presence of the first to third data sets and each target analyte joint-estimated from the data sets.
  • FIGS. 16A to 16F show simulation results according to an embodiment of performing the above-described joint-estimation from the first to third data sets in which background signals are considered.
  • Figure 17 is a flowchart illustrating a method by which a computer device acquires an approximate signal for each of a plurality of target analytes according to an embodiment.
  • target analyte may refer to a variety of substances (eg, biological and non-biological substances). Such target analytes specifically include biological substances, more specifically at least one of nucleic acid molecules (e.g., DNA and RNA), proteins, peptides, carbohydrates, lipids, amino acids, biological compounds, hormones, antibodies, antigens, metabolites, and cells. It can be included.
  • nucleic acid molecules e.g., DNA and RNA
  • proteins e.g., proteins, peptides, carbohydrates, lipids, amino acids, biological compounds, hormones, antibodies, antigens, metabolites, and cells. It can be included.
  • sample can refer to biological samples (e.g., cells, tissues, and body fluids) and non-biological samples (e.g., food, water, and soil).
  • biological samples include, for example, viruses, bacteria, tissues, cells, blood (including whole blood, plasma and serum), lymph, bone marrow fluid, saliva, sputum, swab, aspiration, It may include at least one of milk, urine, stool, eye fluid, semen, brain extract, spinal fluid, joint fluid, thymic fluid, bronchial lavage fluid, ascites, and amniotic fluid.
  • samples may or may not contain the target analytes described above.
  • nucleic acid extraction process known in the art may be performed on the sample presumed to contain the target analyte.
  • the nucleic acid extraction process may vary depending on the type of sample.
  • the extracted nucleic acid is RNA, it can additionally undergo a reverse transcription process to synthesize cDNA (Reference: Sambrook, J. et al., Molecular Cloning. A Laboratory Manual, 3rd ed. Cold Spring Harbor Press (2001).
  • data set refers to data obtained from a signal generation reaction for the target analyte using a signal generating composition (signal generating compositions are described below).
  • the term “signal generation reaction” refers to a reaction that generates a signal depending on the properties, such as activity, amount, or presence (or absence) of the target analyte in the sample, specifically the presence (or absence).
  • These signal-generating reactions include biological and chemical reactions.
  • biological reactions include genetic analysis processes such as PCR (polymerase chain reaction), real-time PCR, real-time isothermal amplification reaction, and microarray analysis, immunological analysis processes, and bacterial growth analysis.
  • chemical reactions include the process of analyzing the creation, change, or destruction of chemical substances.
  • the signal generation reaction may be a genetic analysis process, or may be a nucleic acid amplification reaction such as PCR or isothermal amplification reaction, an enzymatic reaction, or microbial growth.
  • amplification reaction amplification of the target analyte (e.g., nucleic acid molecule) may or may not be accompanied. More specifically, an amplification reaction may refer to a signal amplification reaction accompanied by amplification of a target analyte.
  • the signal generation reaction described above is accompanied by a signal change. Therefore, the progress of this signal generation reaction can be evaluated by measuring the change in the signal.
  • a signal generation reaction may refer to a reaction in which a signal appears or a reaction in which a signal disappears.
  • Signal changes may include changes in which the signal increases and changes in which the signal decreases.
  • the term “signal” refers to a measurable output.
  • the measured size or change of this signal serves as an indicator qualitatively or quantitatively indicating the characteristics of the target analyte, specifically, the presence or absence of the target analyte in the sample.
  • indicators include fluorescence intensity, luminescence intensity, chemiluminescence intensity, bioluminescence intensity, phosphorescence intensity, charge transfer, voltage, current, power, energy, temperature, viscosity, light scatter, radioactivity intensity, and reflectivity. , light transmittance and absorbance, but are not limited thereto.
  • signal generating composition refers to a means for providing a signal indicating the characteristics, specifically the presence or absence, of a target analyte to be analyzed.
  • signal generating compositions include the label itself or an oligonucleotide to which the label is linked.
  • labels include fluorescent labels, luminescent labels, chemiluminescent labels, electrochemical labels, and metal labels.
  • the label may be used as a label itself, such as an intercalating dye.
  • the label may be used in the form of a single label or an interactive dual label comprising a donor molecule and an acceptor molecule, bound to one or more oligonucleotides.
  • the signal generating composition may additionally include an enzyme having nucleic acid cleavage activity to generate a signal (for example, an enzyme with 5' nucleic acid cleavage activity or an enzyme with 3' nucleic acid cleavage activity).
  • an enzyme having nucleic acid cleavage activity to generate a signal (for example, an enzyme with 5' nucleic acid cleavage activity or an enzyme with 3' nucleic acid cleavage activity).
  • various methods are known for generating a signal indicating the presence of a target analyte, particularly a target nucleic acid molecule, using the signal generating composition.
  • Representative examples may include: the TaqManTM probe method (U.S. Patent No. 5,210,015), the molecular beacon method (Tyagi, Nature Biotechnology, v.14 MARCH 1996), the Scorpion method (Whitcombe et al., Nature Biotechnology 17:804) -807 (1999)), Sunrise or Amplifluor method (Nazarenko et al., Nucleic Acids Research, 25(12):2516-2521 (1997), and US Patent No. 6,117,635), Lux method (USA) Patent No.
  • hybridization probe Bosset PS, et al., Clin Chem 2000, 46, 147-148
  • PTOCE PTO cleavage and extension method
  • PCE-SH PTO Cleavage and Extension-Dependent Signaling Oligonucleotide Hybridization
  • PCE-NH PTO Cleavage and Extension-Dependent Non-Hybridization
  • PCT/KR2013/012312 CER method
  • the above-described term “signal generation reaction” may include a signal amplification reaction.
  • the term “amplification reaction” refers to a reaction that increases or decreases the signal generated by the signal generating composition.
  • the amplification reaction refers to a signal increase (or amplification) reaction generated by the signal generating composition depending on the presence of the target analyte.
  • amplification reactions may or may not be accompanied by amplification of the target analyte (e.g., nucleic acid molecule). More specifically, an amplification reaction may refer to a signal amplification reaction accompanied by amplification of a target analyte.
  • target analyte e.g., nucleic acid molecule
  • the data set obtained through the amplification reaction may include an amplification cycle.
  • a cycle refers to a unit of change in certain conditions in a plurality of measurements involving changes in said conditions. Changes in the above constant conditions mean, for example, an increase or decrease in temperature, reaction time, reaction number, concentration, pH, and copy number of the measurement target (for example, nucleic acid).
  • a cycle can be a time or process cycle, a unit operation cycle, and a reproductive cycle.
  • cycle refers to one unit of repetition when a certain process of reaction is repeated or the reaction is repeated at a certain time interval.
  • one cycle means a reaction including denaturation of nucleic acid, annealing of primers, and extension of primers.
  • a change in certain conditions is an increase in the number of repetitions of the reaction, and the repetition unit of the reaction including the series of steps is set as one cycle.
  • an amplification reaction to amplify a signal indicating the presence of a target analyte may be performed in a manner in which the signal is also amplified while the target analyte is amplified (eg, real-time PCR method).
  • the amplification reaction may be performed in a manner in which the target analyte is not amplified and only the signal indicating the presence of the target analyte is amplified (e.g., CPT method (Duck P, et al. , Biotechniques, 9:142-148 (1990)), Invader assay (US Patent Nos. 6,358,691 and 6,194,149)).
  • target analytes or target analytes can be amplified by various methods: polymerase chain reaction (PCR), ligase chain reaction (LCR). (U.S. Patent Nos. 4,683,195 and 4,683,202; PCR Protocols: A Guide to Methods and Applications (Innis et al., eds, 1990)), strand displacement amplification (SDA) (Walker, et al. Nucleic Acids Res. 20(7):1691-6 (1992); Walker PCR Methods Appl 3(1):1-6 (1993)), transcription-mediated amplification (Phyffer, et al., J. Clin. Microbiol.
  • PCR polymerase chain reaction
  • LCR ligase chain reaction
  • SDA strand displacement amplification
  • the amplification reaction amplifies the signal by amplifying the target analyte (specifically, the target nucleic acid molecule).
  • the amplification reaction is carried out according to PCR, specifically real-time PCR, or by isothermal amplification reaction (eg, LAMP or RPA).
  • a data set obtained by a signal generation reaction includes a plurality of data points including cycles of the signal generation reaction and signal values at the cycles.
  • the term “signal value” refers to a value quantified according to a certain scale or a modified value of the level of the signal (e.g., signal intensity) actually measured in the cycle of the signal generation reaction, especially the amplification reaction.
  • the modified value may include a mathematically processed signal value of the actually measured signal value.
  • Examples of mathematically processed signal values of actually measured signal values may include logarithms or derivatives.
  • data point refers to a coordinate value containing cycle and signal values. Additionally, the term “data” refers to all information that constitutes a data set. For example, each cycle and signal value of an amplification reaction may correspond to data.
  • Data points obtained by a signal generation reaction, especially an amplification reaction can be expressed as coordinate values that can be expressed in a two-dimensional orthogonal coordinate system.
  • the X-axis represents the number of cycles
  • the Y-axis represents the signal value measured or processed in the cycle.
  • data set refers to the collection of data points.
  • the data set may be a collection of data points obtained directly through an amplification reaction performed in the presence of a signal generating composition, or may be a modified data set of such a data set.
  • the data set may be some or all of a plurality of data points obtained by an amplification reaction or modified data points thereof.
  • the data set may include a data set obtained by processing a plurality of data sets.
  • data sets for the plurality of target analytes can be obtained through processing of data sets obtained from reactions conducted in the single reaction vessel.
  • data sets for multiple target analytes formed in one reaction vessel can be obtained by processing multiple data sets obtained from signals measured at different temperatures.
  • a method is known to detect signals generated at different detection temperatures using a single type of detector to detect two target nucleic acid sequences in a sample (Reference: Korean Patent No. 10-2050601).
  • the data set may be obtained from a multiple cycle signal generation reaction targeting at least two target analytes in the sample.
  • the at least two target analytes may include two different target analytes, such as a first target analyte and a second target analyte, or, depending on the embodiment, include three or more target analytes that are different from each other. Of course you can do it.
  • this data set may be measured at at least two temperatures.
  • the at least two temperatures may include two different temperatures, such as a first temperature and a second temperature, or, depending on the embodiment, may include three or more different temperatures.
  • the first data set is obtained from a first signal generation reaction of multiple cycles by a first signal generation composition targeting the first target analyte in the sample, especially at the first temperature of each of the plurality of cycles.
  • the second data set is obtained from a second signal generation reaction of multiple cycles with a second signal generating composition targeting a second target analyte in the sample, and is a data set measured at the second temperature in each of the multiple cycles.
  • the above-described data set includes, according to an embodiment, the m-th signal generation reaction obtained from multiple cycles of the m-th signal generation composition targeting the m-th target analyte (m is a natural number of 3 or more) in the sample.
  • the mth data set measured at the mth temperature for each of the plurality of cycles may be further included.
  • the mth temperature represents the detection temperature of the mth target analyte.
  • the above-described data set may further include one or more additional data sets measured at different temperatures targeting different target analytes.
  • the signal generation reaction may be generated by incubating a sample with a first signal generation composition for detecting a first target analyte and a second signal generation composition for detecting a second target analyte in one reaction vessel.
  • the first temperature represents the detection temperature of the first target analyte
  • the second temperature represents the detection temperature of the second target analyte.
  • a signal value dependent on the first target analyte may be generated at each of the first temperature and the second temperature by the first signal generation reaction.
  • a signal value dependent on the second target analyte may be generated at the second temperature by a second signal generation reaction. Accordingly, if both the first target analyte and the second target analyte are present in the sample, the first data set includes a signal value at the first temperature dependent on the first target analyte, and the second data set includes A signal value at a second temperature dependent on the first target analyte and a signal value at a second temperature dependent on the second target analyte may be included.
  • the terms 'temperature' and 'detection temperature' may be used interchangeably.
  • the signal generation reaction may be generated by incubating a sample with the first to mth signal generation compositions. For example, assuming the case where m is 3, when the first target analyte is present in the sample, the signal value dependent on the first target analyte due to the first signal generation reaction is at the first temperature, the second temperature, and the first temperature. It can occur at each of the three temperatures. Additionally, when a second target analyte is present in the sample, a signal value dependent on the second target analyte may be generated at the second temperature and the third temperature by a second signal generation reaction.
  • a signal value dependent on the third target analyte may be generated at a third temperature by a third signal generation reaction. Accordingly, if all of the first to third target analytes are present in the sample, the first data set includes a signal value at the first temperature dependent on the first target analyte, and the second data set includes A signal value at a second temperature dependent on the first target analyte and a signal value at a second temperature dependent on the second target analyte are included, and the third data set includes a third data set dependent on the first target analyte. A signal value at a temperature, a signal value at a third temperature dependent on the second target analyte, and a signal value at a third temperature dependent on the third target analyte may be included.
  • the first signal generating composition and the second signal generating composition include the same label, and the signal from that label may be indistinguishable for each target analyte by a single type of detector. Additionally, depending on the embodiment, the mth signal generating composition may also include the same label as the first signal generating composition and the second signal generating composition.
  • not being distinguished for each target analyte by a single type of detector means that, due to their identical or substantially identical signal properties (e.g., optical properties, emission wavelength, and electrical signal), the signal is not differentiated by a single type of detector. This means that they are not distinguished from each other by . For example, if the same label (e.g., FAM) is used for detection of two target analytes and a single type of detector is used to detect the emission wavelength from the FAM, the signals are not differentially detected.
  • FAM e.g., FAM
  • the first temperature and the second temperature are the temperatures at which the signal generating composition emits a signal
  • the signal generated at the first temperature is a fluorescence signal (e.g., a relative fluorescence signal) generated depending on the presence or absence of the first target analyte in the sample.
  • intensity relative fluorescence unit, RFU
  • the signal generated at the second temperature includes a fluorescence signal generated depending on the presence or absence of the first target analyte in the sample and a fluorescence signal generated depending on the presence or absence of the second target analyte in the sample. It may include the fluorescence signal intensity.
  • the first temperature and the second temperature may be selected from a temperature range of 75°C - 40°C.
  • the first temperature and the second temperature are each one of 72°C, 65°C, 60°C, 55°C, and 50°C, and the first temperature and the second temperature may be different temperatures.
  • the first temperature can be greater than the second temperature.
  • the first temperature may be 72°C and the second temperature may be 60°C.
  • the second temperature may be greater than the first temperature.
  • the second temperature may be 72°C and the first temperature may be 60°C.
  • a third temperature that is different from the first and second temperatures described above can also be envisaged, for example, the first temperature, second temperature and third temperature may be selected from a temperature range of 90°C - 40°C. .
  • each is one of 85°C, 83°C, 75°C, 72°C, 65°C, 60°C, 55°C, and 50°C, and the first to third temperatures may be different temperatures.
  • the first temperature may be greater than the second temperature, and the second temperature may be greater than the third temperature, e.g., the first temperature is 83° C., the second temperature is 72° C., and the third temperature is 60° C. It may be °C.
  • the first temperature may be less than the second temperature, and the second temperature may be less than the third temperature, for example, the third temperature is 83° C., the second temperature is 72° C., and the first temperature is It may be 60°C.
  • one or more of the above-described mth temperatures may be considered and may be selected as different temperatures than the first temperature and the second temperature, respectively, for example within the range of 90°C - 40°C.
  • the description is centered on an embodiment of estimating the parameters used to acquire approximate signals for each of the first target analyte and the second target analyte, but in a similar manner, the parameters for each of three or more target analytes are described. It can be seen that the embodiment of estimating the parameters used to obtain the approximate signal can be modified and implemented.
  • the data set is a raw data set obtained from a detection device, a mathematically transformed data set of the raw data set, a normalized data set of the raw data set, or a corresponding mathematically transformed data set. It may be a normalized data set of a transformed data set.
  • the raw data set refers to a data set containing signal values obtained directly from the signal generation reaction.
  • the raw data set includes a set of signal values that are obtained from the data providing device 100 (e.g., a detection device), undergo basic signal processing on the data providing device 100, and then pass to the signal analysis step. do.
  • a mathematically transformed data set of a raw data set refers to a data set transformed from a raw data set through mathematical processing.
  • the mathematically processed data set may be a baseline subtracted data set, obtained by removing at least some background signal from the raw data set.
  • Baseline subtracted data sets can be obtained by a variety of methods known in the art (e.g., U.S. Pat. No. 8,560,247).
  • normalization refers to a process of reducing or eliminating signal deviation between data sets for a plurality of responses. Additionally, normalization is a form of correction or adjustment that corrects or transforms data (particularly signal values) in a data set for analysis purposes.
  • the data set for the target analyte has no more than 200, no more than 150, no more than 100, no more than 80, no more than 60, no more than 50, no more than 45, no more than 40, and no more than 30. Contains data points.
  • the data set for the target analyte includes at least 2, at least 5, at least 10, at least 15, and at least 20 data points.
  • magnitude parameter describes the magnitude relationship of signal values at different detection temperatures when two or more signal values are measured at two or more different detection temperatures.
  • the different detection temperatures can be a first temperature and a second temperature
  • the size parameter is a relationship between the size that a signal value dependent on the presence of a specific target analyte has at the first temperature and the size it has at the second temperature. It means the parameter it represents.
  • the size parameter is one or more values to reflect a pattern (rule) of signal value change dependent on a specific target analyte at the first temperature and the second temperature, and the signal value detected at the first temperature is adjusted to the second temperature. It can refer to a parameter used to convert, convert, adjust, or transform a signal value in.
  • the size parameter can have one value.
  • the size parameter may be expressed in the form of a constant representing the size relationship of the signal value depending on a specific target analyte (eg, the first target analyte) at the first temperature and the second temperature.
  • the size parameter may have more than one value.
  • the magnitude parameter may be two or more constant values representing a magnitude relationship of signal values dependent on a particular target analyte (e.g., the first target analyte) at a first temperature and a second temperature in one or more of the plurality of cycles. It can be expressed in the form of a set of .
  • the magnitude approximation function representing the magnitude relationship of the signal value dependent on a specific target analyte (e.g., the first target analyte) at the first temperature and the second temperature is a polynomial function with the cycle as an independent variable (e.g. : linear function, quadratic function), and the size parameter may be one or more parameters (e.g., coefficient of the linear function) included in this size approximation function.
  • the description is centered on the first temperature and the second temperature throughout the specification, but the spirit of the present invention is not limited thereto.
  • the size parameter is not only the size relationship between the first temperature and the second temperature for each target analyte, but also the first temperature and the third temperature, and the second temperature and the second temperature. 3 Magnitude relationships between temperatures can also be defined.
  • the description is centered on embodiments of size parameters for the first temperature and the second temperature, and these embodiments include the size parameters for the first temperature and the third temperature and the size parameters for the second temperature and the third temperature. The same can be applied to cases where the mth temperature is applied, such as temperature parameters. Examples of these size parameters will be described again later.
  • the above-described data set can be plotted thereby obtaining an amplification curve.
  • the term 'difference' may mean a difference in size between two elements being compared, or it may mean an error corresponding to the difference in size.
  • the difference between A and B is (A - B), (B - A), (A / B), (B / A),
  • the loss function e.g. mean squared error, root mean squared error, etc.
  • Figure 1 is a block diagram showing the configuration of a target analyte detection system 1000 according to an embodiment.
  • the target analyte detection system 1000 may include at least one of a data providing device 100 and a computer device 200.
  • the target analyte detection system 1000 is not limited to that shown in FIG. 1 .
  • the target analyte detection system 1000 may include at least two data providing devices 100 or at least two computer devices 200.
  • the data providing device 100 obtains a data set from a signal generation reaction of multiple cycles targeting the first target analyte and the second target analyte in the sample, and directly or indirectly transmits the obtained data set to the computer device 200.
  • the data set may include a first data set measured at a first temperature and a second data set measured at a second temperature by the signal generation reaction.
  • the data set may include a third data set measured at a third temperature.
  • the data providing device 100 may include a detection device (eg, a nucleic acid amplification device) implemented to detect a first target analyte and a second target analyte in a sample.
  • a detection device eg, a nucleic acid amplification device
  • the data providing device 100 can directly obtain the data set by controlling the environment (temperature, etc.) of the reaction vessel in which the sample is accommodated so that the signal generation reaction is performed, and the obtained data set It may be provided directly or indirectly to the computer device 200.
  • the data providing device 100 may include a computer implemented to execute the detection device and a program that processes and provides detection results (eg, nucleic acid amplification results) generated by the detection device.
  • the computer device 200 may be implemented to obtain an approximate signal for each of a plurality of target analytes.
  • the process of acquiring an approximate signal for each of a plurality of target analytes includes not only the process of separating or extracting signal values dependent on each of two or more target analytes in the sample from the data set, but also the separated or extracted signal It involves the process of approximating the value. This separation or extraction process, and the approximation process will be examined in detail later through examples.
  • predetermined parameters are used in the process of separating or extracting signal values, and the above-described computer device 200 can estimate or set the values of these parameters to optimal values for each reaction vessel in which the sample is accommodated.
  • the process of estimating or setting the values of these parameters will also be examined in detail through examples later.
  • computer device 200 may obtain a data set from data provision device 100.
  • the computer device 200 may be connected to the data providing device 100 electrically or through a network, and may obtain the data set from the data providing device 100.
  • the network may be configured through various communication networks such as wired and wireless, for example, Local Area Network (LAN), Metropolitan Area Network (MAN), and Wide Area Network (WAN). It can be composed of various communication networks such as Network).
  • the computer device 200 may be implemented as a computer that operates through a computer program to realize the functions described in this specification.
  • the computer device 200 may be implemented to include the data provision device 100, or the following functions performed on the computer device 200 may be implemented within the data provision device 100.
  • the following functions may be mounted on the nucleic acid amplification device, and may be implemented as software on a computer running a program that provides nucleic acid amplification results generated by the nucleic acid amplification device.
  • the target analyte detection system 1000 may further include other components in addition to those shown in FIG. 1 .
  • one of the components shown in FIG. 1 may be omitted.
  • FIG. 2A illustrates a first data set and a second data set by way of example.
  • the first temperature and the second temperature are 72°C and 60°C, respectively.
  • the first target analyte and the second target analyte are genomic DNA of Chlamydia trachomatis (CT) and Neisseria gonorrhoeae (NG), respectively.
  • CT Chlamydia trachomatis
  • NG Neisseria gonorrhoeae
  • the first data set measured at a first temperature includes a first target analyte (e.g., CT) and a second target analyte (e.g., NG).
  • a second data set includes a signal value dependent on the presence of the first target analyte and a second data set measured at a second temperature (e.g., 60° C.) and includes a signal value dependent on the presence of the first target analyte and a signal value dependent on the presence of the second target analyte.
  • Signal values may also be included.
  • tube 1 where only CT exists among CT and NG, an amplification curve dependent on the presence of CT appears in each of the first and second data sets, but due to the temperature difference, the amplification curve in each data set There is a difference in size.
  • tube 2 where only NG exists, an amplification curve dependent on the presence of NG appears in the second data set.
  • tube 3 where CT and NG exist together at similar high concentrations, an amplification curve dependent on the presence of CT appears in the first data set, and an amplification curve dependent on the presence of CT and NG appear in the second data set.
  • the presence-dependent amplification curves are combined, but due to similar concentrations, the shape of the amplification curves is similar and appears as a single amplification curve.
  • an amplification curve dependent on the presence of CT appears in the first data set
  • an amplification curve dependent on the presence of CT appears in the second data set
  • an amplification curve dependent on the presence of CT appears in the data set
  • an amplification curve dependent on the presence of CT and an amplification curve dependent on the presence of NG are combined, but the amplification curve appears in the form of a different, curved curve due to the difference in concentration.
  • NTC control group
  • the amplification curve dependent on the presence of CT and the amplification curve dependent on the presence of NG in both the first and second data sets are doesn't appear
  • Figure 2b shows a signal value at a first temperature dependent on the presence of the first target analyte, estimated from the first and second data sets shown in Figure 2a, and a second temperature dependent on the presence of the second target analyte.
  • Signal values at temperature are shown by way of example.
  • a signal value at a first temperature (e.g., 72° C.) dependent on the presence of a first target analyte (e.g., CT) and a second target analyte (e.g., CT).
  • a signal value at a second temperature (e.g, 60° C.) dependent on the presence of an analyte (eg, NG) may be extracted, respectively.
  • an amplification curve dependent on the presence of the target analyte at the detection temperature of the target analyte can be extracted as in tubes 1 and 2.
  • an amplification curve dependent on the presence of each target analyte at the detection temperature of each target analyte is extracted as in tubes 3 and 4, but the slope of the amplification curve varies depending on the concentration difference.
  • the number of the maximum cycle may appear different. For example, in the case of a target analyte with a relatively low concentration, the number of a cycle with the maximum slope of the amplification curve may appear relatively pushed back compared to the target analyte with a relatively high concentration.
  • FIG. 3 is a diagram showing the configuration of a computer device 200 according to an embodiment.
  • the computer device 200 may include an acquisition unit 210, a memory 220, a display 230, and a processor 240.
  • the acquisition unit 210 is implemented to acquire a first data set and a second data set from a signal generation reaction of multiple cycles targeting the first target analyte and the second target analyte in the sample.
  • the acquisition unit 210 may acquire the first data set and the second data set from the data providing device 100.
  • the acquisition unit 210 determines the first data set and the second data set from the result of this performance. You can also obtain it.
  • the acquisition unit 210 may include a transceiver (not shown). In this case, the acquisition unit 210 may receive the first data set and the second data set from the data providing device 100 using the transceiver. In another embodiment, the acquisition unit 210 may include a data input port (not shown). In this case, the acquisition unit 210 is generated by the data providing device 100 from a storage device (e.g., USB (Universal Serial Bus), etc.) electrically connected to the computer device 200 using a data input port, The first data set and the second data set stored in can be read. Of course, the implementation of the acquisition unit 210 is not limited to the above-described embodiment.
  • a storage device e.g., USB (Universal Serial Bus), etc.
  • the memory 220 may store at least one instruction or data to be executed by the processor 240, which will be described later.
  • the memory 220 may include at least one of read only memory (ROM) and random access memory (RAM).
  • the display 230 may display an image, graph, table, or text obtained as at least one command is executed by the processor 240.
  • the display 230 may display the values of the parameters estimated by the processor 240 or the detection results for the target analyte detected using the estimation results in text, etc.
  • the display 230 may comprehensively refer to a data output device that displays data.
  • the display 230 may be a liquid crystal display, a thin film transistor-liquid crystal display, an organic light-emitting diode, a flexible display, 3 It can be implemented as a 3D display, etc.
  • the processor 240 may generally control the operation of the computer device 200 and may perform a series of operations to estimate the values of parameters used to obtain an approximate signal for the target analyte.
  • the processor 240 may be a central processing unit (CPU), a graphics processing unit (GPU), a micro controller unit (MCU), or a dedicated device on which methods according to embodiments are performed. It may refer to a processor.
  • This processor 240 may be implemented to include at least one core.
  • the computer device 200 may further include a bus line used to transmit data between components, various input/output devices, and interfaces for the same. Additionally, one or more of the components shown in FIG. 3 may be omitted.
  • the processor 240 may provide various functions described below by executing at least one instruction stored in the memory 220.
  • various functions described below may be implemented with one or more computer programs, and instructions and data for each execution may be stored in the memory 220 and executed by the processor 240, but is limited thereto. It doesn't work.
  • Processor 240 may be implemented to estimate the value of the approximation function parameter and the value of the size parameter using at least in part the first data set and the second data set.
  • the approximation function parameter represents a parameter included in at least one of the first approximation function and the second approximation function.
  • the first approximation function includes a function that approximates a signal value at a first temperature or a second temperature that is dependent on the presence of the first target analyte in the sample.
  • a signal dependent on the presence of the first target analyte may be generated at each of the first temperature and the second temperature by a plurality of cycles of the first signal generation reaction targeting the first target analyte. Additionally, due to different temperatures, there may be differences in the amount of signal generated at each temperature.
  • the first approximation function may include a function (hereinafter referred to as the 1-1 approximation function) that approximates the signal value at the amplified first temperature depending on the presence of the first target analyte, and in another embodiment In an example, it may include a function (hereinafter referred to as a 1-2 approximation function) that approximates a signal value at a second temperature amplified depending on the presence of the first target analyte. Meanwhile, the following description focuses on examples of the former 1-1 approximation function, but is not limited thereto.
  • the term first approximation function is used in some of the embodiments described later, but this first approximation function may be interpreted as a 1-1 approximation function and/or a 1-2 approximation function depending on the embodiment. .
  • the first approximation function may include any one selected from the group consisting of a sigmoid function, a logistic function, a Gompertz function, and a Chapman function.
  • each of the 1-1 approximation function and/or the 1-2 approximation function may include a function expressed by any of the following equations 1 to 6, but is not limited thereto, and may be expressed in various other ways. there is.
  • t represents the cycle and ⁇ 1 , ⁇ 2 , ⁇ 3 , ⁇ 4 , and ⁇ 5 represent the parameters included in the corresponding approximation function
  • the parameters included in the first approximation function may represent the characteristics of the line indicated by the signal value dependent on the presence of the first target analyte in multiple cycles.
  • the 1-1 approximation function parameters of the 1-1 approximation function are related to the shape, slope, start point and end point of the line indicated by the signal value at the first detection temperature dependent on the presence of the first target analyte in multiple cycles.
  • the first-second approximation function parameters of the first-second approximation function are a second approximation function dependent on the presence of the first target analyte in the plurality of cycles. It may include parameters for the shape, slope, start point, and end point of the line indicated by the signal value at the detected temperature.
  • the approximate function parameter may be understood as a concept including singular or plural numbers.
  • the first approximation function parameter is (a) a parameter representing the first slope for a cycle of the signal value dependent on the presence of the first target analyte, (b) a cycle corresponding to the point at which the first slope is maximum. (c) a parameter representing the signal value in the baseline region of the signal value dependent on the presence of the first target analyte, and (d) the signal value in the plateau region of the signal value dependent on the presence of the first target analyte. It may include at least one of the parameters indicated.
  • each of ⁇ 1 to ⁇ 5 in Equations 1 to 6 is a first approximation function parameter, and the first slope and the first slope are maximum. It may be a parameter indicating the cycle corresponding to the point, the signal value in the baseline area or the signal value in the plateau area, or the steepness of the curve at some point.
  • ⁇ 1 is a parameter indicating the steepness of the slope of the S-shaped curve represented by the sigmoid function, as described above. It may be a parameter representing a first slope. For example, as ⁇ 1 increases, the overall slope of the curve represented by the sigmoid function may increase, and the signal value can increase rapidly during a relatively short cycle to reach the saturation point of the curve, indicating the first slope described above. there is.
  • ⁇ 2 is a parameter representing the signal value in the baseline area of the signal value dependent on the presence of the target analyte
  • ⁇ 3 is the signal value between the baseline area and the plateau area of the signal value dependent on the presence of the target analyte. It is a parameter representing .
  • ⁇ 4 is a parameter representing the cycle corresponding to the point where the slope for the cycle of the signal value in the exponential region is maximum among signal values dependent on the presence of the target analyte. For example, as ⁇ 4 increases, the sigmoid function increases. The saturation point of the curve indicated by can be pushed back.
  • ⁇ 5 is a parameter that indicates the degree to which the S-shaped curve represented by the sigmoid function is asymmetric.
  • the slope represented by the sigmoid function may not be a symmetrical S-shaped curve, but rather an asymmetrical S-shaped curve in which the initial slope increases relatively more steeply than the latter slope.
  • the description of the above-mentioned parameters is illustrative and may be implemented in various modified forms depending on the type of approximation function or the specific form of the mathematical equation.
  • the first approximation function includes a first target signal approximation function that approximates a signal value dependent on the presence of the first target analyte in the sample, and a first target signal approximation function that approximates a signal value that is independent of the presence of the first target analyte in the first data set. It may include a first background signal approximation function that approximates a background signal (hereinafter referred to as first background signal). The 'background signal' will be described later.
  • the 1-1 approximation function may be a 1-1 target signal approximation function (e.g., f 11 ( ⁇ 11 ,t)) that approximates the signal value at a first temperature dependent on the presence of the first target analyte in the sample. ) and a 1-1 background signal approximation function (eg, g 11 ( ⁇ 11 ,t)) that approximates the first background signal at the first temperature.
  • the first-second approximation function may be a first-second target signal approximation function (e.g., f 12 ( ⁇ 12 ,t)) that approximates the signal value at a second temperature dependent on the presence of the first target analyte in the sample.
  • ⁇ 11 refers to the parameters of the 1-1 target signal approximation function
  • ⁇ 12 refers to the parameters of the 1-2 target signal approximation function.
  • the 1-1 target signal approximation function and/or the 1-2 target signal approximation function may include embodiments of the above-described first approximation function
  • the parameters included in the target signal approximation function may be the above-described first approximation function. It may include embodiments of approximate function parameters (eg, ⁇ 1 to ⁇ 5 in the above-mentioned equation).
  • the first background signal approximation function may be a constant or polynomial function.
  • each of the 1-1 background signal approximation function and/or the 1-2 background signal approximation function may be expressed as a constant in Equation 7 below, or as a polynomial function of the second order or less in Equations 8 to 10 below: It may be expressed as one, but is not limited to this, and may be transformed and expressed in various other forms.
  • Equation 9 ( ⁇ 2 > 0) is assumed ( ⁇ 1 > 0) and (t 0 45) can be assumed in Equation 10)
  • the approximation function parameter included in the first background signal approximation function may represent the characteristics of the line indicated by the first background signal.
  • the approximation function parameters included in the first background signal approximation function are (a) a parameter that approximates the slope for the cycle of the first background signal included in the first data set, (b) the baseline of the first background signal It may include at least one of a parameter approximating a signal value in a region, and (c) a parameter approximating a cycle corresponding to a point where the size of the first background signal is minimum.
  • the approximation function parameters included in the first background signal approximation function may include parameters (eg, ⁇ 0 to ⁇ 2 ) for the shape, slope, starting point, and minimum point of the line indicated by the first background signal.
  • the second approximation function represents a function that approximates a signal value dependent on the presence of a second target analyte in the sample.
  • a signal dependent on the presence of the second target analyte may be generated at a second temperature among the first temperature and the second temperature by a plurality of cycles of a second signal generation reaction targeting the second target analyte.
  • the second approximation function may be a function that approximates the amplified signal value depending on the presence of the second target analyte among the signal values included in the second data set measured at the second temperature, and may be the 1-1 approximation described above. Referring to the embodiment of the function or the 1-2 approximation function, it may be interpreted as the 2-2 approximation function at the second temperature.
  • the second approximation function may include any one selected from the group consisting of a sigmoid function, a logistic function, a Gompertz function, and a Chapman function.
  • the second approximation function may include a function expressed in any one of Equations 1 to 6 above, but is not limited thereto.
  • the parameters included in the second approximation function may represent the characteristics of the line indicated by the signal value dependent on the presence of the second target analyte.
  • the second approximation function parameter is (a) a parameter representing the second slope for a cycle of the signal value dependent on the presence of the second target analyte, (b) a cycle corresponding to the point at which the second slope is a maximum. (c) a parameter representing the signal value in the baseline region of the signal value dependent on the presence of the second target analyte, and (4) the signal value in the plateau region of the signal value dependent on the presence of the second target analyte. It may include at least one of the parameters indicated.
  • the second approximate function parameter may include the embodiments described above for the first approximate function parameter.
  • the second approximation function includes a second target signal approximation function that approximates a signal value that is dependent on the presence of a second target analyte in the sample, and a second target signal approximation function that approximates a signal value that is independent of the presence of the second target analyte in the second data set. It may include a second background signal approximation function that approximates the background signal (hereinafter, second background signal).
  • the second approximation function may include a 2-2 target signal approximation function (e.g., f 22 ( ⁇ 22 ,t)) that approximates the signal value at a second temperature dependent on the presence of the second target analyte in the sample.
  • ⁇ 22 refers to the parameters of the 2-2 target signal approximation function
  • ⁇ 22 refers to the parameters of the 2-2 background signal approximation function
  • This 2-2 target signal approximation function may include embodiments of the above-described second approximation function
  • the parameters included in the 2-2 target signal approximation function may include embodiments of the above-described second approximation function parameters. can do.
  • the second background signal approximation function may be a constant or polynomial function.
  • the 2-2 background signal approximation function can be expressed in any one of Equations 7 to 10 above.
  • the approximation function parameter included in the second background signal approximation function may represent the characteristics of the line indicated by the second background signal.
  • the approximation function parameters included in the second background signal approximation function are (a) a parameter approximating the slope for the cycle of the second background signal included in the second data set, (b) the baseline area of the second background signal It may include at least one of a parameter approximating the signal value in and (c) a parameter approximating a cycle corresponding to the point where the size of the second background signal is minimum.
  • the approximation function parameters included in the second background signal approximation function may include the embodiments described above with respect to the approximation function parameters included in the first background signal approximation function.
  • the background signal includes a detection device (e.g., CFX96) in which a signal generation reaction for the target analyte is performed, a reaction vessel in which the sample is accommodated (e.g., shape of the vessel, reception method, etc.), and a vessel in which the reaction vessel is accommodated. It may be a signal obtained depending on at least one type of plate (e.g., 12x8 arrangement structure).
  • the first background signal may be generated by causes other than the presence of the first target analyte in the first data set, such as the type of detection device or the shape of the reaction vessel, and the second background signal may be generated by the first target analyte in the second data set.
  • the mth background signal including the third background signal may also be interpreted in the same manner.
  • this background signal may be generated from a plurality of preset background elements (e.g., a baseline element in the detection device, a noise element due to channel interference, a specific signal generating composition (e.g., label, enzyme, etc.)). elements for correction of signal pattern differences, etc.).
  • the background signal approximation function that approximates the background signal may be expressed in the form of a linear function of a constant or polynomial function in which all relevant background elements are considered, or a constant or polynomial function for each background element. It can also be expressed in the form of a combined (e.g. summed) non-linear function. In this way, the background signal approximation function can be expanded in the manner described above to consider multiple background factors.
  • the size parameter represents the relationship between the size that a signal value dependent on the presence of the first target analyte has at a first temperature and the size it has at a second temperature.
  • the size parameter is the ratio of the signal value at a second temperature dependent on the presence of the first target analyte to the signal value at the first temperature dependent on the presence of the first target analyte (or It may be a parameter indicating the opposite).
  • the size parameter refers to the ratio of b to a (e.g., b/a), the ratio of a to b (e.g., a/b), or an equivalent value. can do.
  • the size parameter is a cut-off ratio used in the present technical field, and may be a parameter for a constant or a set of constants that approximates the ratio, and may be determined by the presence or absence of the first target analyte among the signal values at the second temperature. It can be used to specify dependent parts.
  • the size parameter values are set in advance by obtaining statistical values for the size parameters from the signal values of a large number of experimental data that have information about which target analyte is present in the sample and in what quantity.
  • the value of the preset size parameter was uniformly applied to the random sample. Accordingly, in the process of detecting the target analyte, it is difficult to reflect differences that arise due to different detection environments, such as the composition of the sample, the type of reaction vessel, or the type of detection device, resulting in a decrease in detection accuracy.
  • these size parameters can be estimated whenever a target analyte is detected for any sample in which it is unknown which target analyte is present in the tube. Accordingly, it is possible to apply more accurate size parameters by obtaining optimized values for each reaction well in which the sample is accommodated or for each reaction performed on the sample, and to set the size parameters previously required. There is a cost-effective advantage as procedures are omitted.
  • the processor 240 joint-estimates the value of at least one of the first approximation function parameter and the second approximation function parameter and the value of the size parameter by at least partially using at least one of the first data set and the second data set.
  • joint-estimation means jointly estimating two or more parameters at the same time. For example, it indicates a case where one parameter depends on another parameter and vice versa.
  • various known algorithms such as residual analysis-based linear regression, generalized additive model-based non-linear regression, joint maximum likelihood estimation, and Bayesian optimization may be used, but are limited thereto. It doesn't work.
  • processor 240 uses the first data set and the second data set at least in part to joint-estimate the value of the first approximation function parameter, the value of the second approximation function parameter, and the value of the size parameter.
  • the processor 240 may be configured to: (a) a difference between a first approximation data set calculated using a first approximation function and a first data set; and (b) a first approximation function and a second approximation function. and the difference between the second approximation data set and the second data set calculated using the size parameter; the value of the first approximation function parameter, the value of the second approximation function parameter, and the size parameter, such that the total error taken into account is minimized.
  • the value of can be calculated.
  • the processor 240 may joint-estimate the value of the second approximation function parameter and the value of the size parameter by at least partially using the second data set. For example, the processor 240 may calculate a value of a second approximation function parameter and a value of a size parameter such that the difference between the second approximation data set and the second data set is minimized over a plurality of cycles.
  • the above-described joint-estimation process is a value and size parameter of the approximation function parameter included in at least one approximation function selected from the group consisting of the 1-1 approximation function, the 1-2 approximation function, and the second approximation function. It can be performed by joint-estimating the value of . According to one embodiment, joint-estimation is performed on the parameter values of the first parameter group including the approximation function parameter and size parameter included in the 1-1 approximation function and the second approximation function, in the first parameter group.
  • the size parameter may represent the ratio of the size at the second detection temperature to the size at the first detection temperature.
  • joint-estimation is performed on the parameter values of the second parameter group including the approximation function parameter and size parameter included in the 1-2 approximation function and the second approximation function
  • the size parameter in may represent the ratio of the size at the first detection temperature to the size at the second detection temperature.
  • the processor 240 may prepare a joint-estimation for the above-mentioned parameters based on a pre-stored statistical model.
  • preparing joint-estimation means loading or saving a statistical model in the memory 220, or executing one or more instructions stored in the memory 220 to perform a parameter estimation function using the statistical model. It can be understood as an inclusive concept.
  • a mathematical relationship may be defined for separating signal values dependent on the presence of the first target analyte from the first data set measured at the first temperature.
  • a mathematical relationship will be defined for excluding signal values dependent on the presence of the first target analyte and separating signal values dependent on the presence of the second target analyte from the second data set measured at the second temperature.
  • the statistical model defines the relationship between the first data set and the 1-1 approximation function, and the relationship between the second data set, the 1-1 approximation function, the second approximation function, and the size parameter: It may include, and this equation (11) can be expressed as equations (12) to (13).
  • t represents a cycle
  • y 1,t represents a first set of data measured at a first temperature in each of a plurality of cycles
  • y 2,t represents a second set of data measured at a second temperature in each of a plurality of cycles.
  • ⁇ 11 represents the 1-1st approximate function parameter
  • ⁇ 22 represents the 2-2nd approximate function parameter
  • CR represents the size parameter.
  • f 11 ( ⁇ 11 ,t) represents the 1-1 approximation function (specifically, the 1-1 target signal approximation function) in which the 1-1 approximation function parameter and the cycle are input variables
  • f 22 ( ⁇ 22 ,t) represents the 2-2 approximation function (specifically, the 2-2 target signal approximation function) in which the 2-2 approximation function parameter and the cycle are input variables.
  • e 1 and e 2 each represent a first error representing an error component within the first data set and a second error representing an error component within the second data set.
  • the error component refers to a component that cannot be explained based on a predetermined rule or standard, and can be expressed, for example, as a residual component corresponding to the difference between the data set and an approximate data set that is approximated through an approximation function.
  • the first data set can be defined as the sum of the 1-1 approximation function and the first error
  • the second data set is the product of the 1-1 approximation function and the size parameter.
  • the first approximation function is a 1-2 approximation function that approximates the signal value at the second temperature
  • the first data set is the reciprocal of the size parameter and It may be defined as the sum of the product of the 1-2 approximation function and the first error
  • the second data set may be defined as the sum of the 1-2 approximation function, the second approximation function, and the second error, and the following Objective functions can also be transformed in a similar way.
  • the processor 240 may perform joint-estimation for the above-described parameters based on a statistical model.
  • the statistical model may include one or more objective functions for estimation of values of optimized parameters that approximate a data set.
  • the processor 240 may obtain the value of the parameter that causes the objective function to be the maximum or minimum value and calculate it as an estimate of the optimized parameter.
  • FIG. 5 is a flowchart illustrating a method by which the computer device 200 according to the first embodiment jointly estimates the value of the second approximate function parameter and the value of the size parameter through the processor 240.
  • the processor 240 may estimate the value of the 1-1 approximation function parameter included in the 1-1 approximation function using the first data set. For example, the processor 240 may calculate the value of the 1-1 approximation function parameter that best approximates the signal value at the first temperature dependent on the first target analyte in the first data set.
  • the value of the 1-1 approximation function parameter may be estimated such that the sum of differences between the 1-1 approximation function and the first data set is minimized in each of the plurality of cycles.
  • the difference between the 1-1 approximation function and the first data set may simply mean a size difference, and may mean the absolute value of the size difference, the square, or the corresponding mean squared error, root mean squared error, etc. You may.
  • the processor 240 may estimate the value of the 1-1 approximation function parameter using the first objective function for the first data set.
  • the first objective function may be determined based on a difference (eg, first error) between the 1-1 approximation function and the first data set in each of the plurality of cycles.
  • the first objective function may be expressed as Equation 14 below, assuming that the first error follows a normal distribution of N(0, ⁇ 1 2 ), but is not limited thereto.
  • the first objective function may be expressed as the sum of the differences between the first approximation function and the first data set in each of the plurality of cycles, as the average of the sum of the differences, or in various other modified forms. there is.
  • l 1 ( ⁇ 11 ) represents the first objective function used to estimate the value of the 1-1 approximation function parameter
  • n represents the final cycle of the cycle (e.g., 45).
  • the processor 240 may calculate the value of the 1-1 approximation function parameter such that the first objective function becomes the maximum or minimum value.
  • at least one of differentiation, difference, sequential difference, ratio, linear regression analysis, and gradient descent of signal values may be used to find the minimum value (or maximum value) of the first objective function.
  • the optimized value of the first approximate function parameter ⁇ 11 may be derived through an operation to find the extreme value by partial differentiation of the 1-1 approximate function parameter ⁇ 11 to be optimized in the first objective function.
  • the value of the 1-1 approximate function parameter may be estimated based on maximum likelihood estimation (maximum likelihood method) or maximum likelihood estimate (maximum likelihood estimate).
  • maximum likelihood estimation or based on maximum likelihood estimate means log-likelihood in which a predetermined mathematical operation (e.g., log operation, negative sign operation, etc.) is added to the calculation result of maximum likelihood estimation or maximum likelihood estimate. It can be understood as a concept encompassing estimation (or estimate) and negative log-likelihood estimation (or estimate).
  • step S520 the processor 240 uses the estimated result for the 1-1 approximation function parameter and the second data set at least in part to determine the value of the second approximation function parameter and the value of the size parameter included in the second approximation function. You can perform joint-estimation for . For example, when the processor 240 applies the value of the 1-1 approximate function parameter estimated in step S510, the signal value at the second temperature dependent on the first target analyte in the second data set and the second target The value of the size parameter and the value of the second approximation function parameter that best approximate the signal value at the second temperature dependent on the analyte can be calculated.
  • each of the values of the second approximation function parameter and the value of the magnitude parameter is: (a) a second data set; and (b) a first target analysis at the second approximation function and the second temperature, respectively, in a plurality of cycles.
  • the difference may mean a simple size difference, the absolute value of the size difference, the square, or the corresponding mean squared error, root mean squared error, etc.
  • the processor 240 uses the value of the size parameter and the value of the 1-1 approximation function having the estimated value of the first approximation function parameter to determine a signal value dependent on the first target analyte at the second temperature. (or the value of a first-second approximation function), and in each of the plurality of cycles, prepare (a) a second data set; and (b) a second approximation function and the first target analyte at the second temperature. sum of signal values (or first-second approximation functions); The difference between the parameters may be calculated, and joint-estimation may be performed on the value of the second approximation function parameter and the size parameter so that the sum of the differences is minimized in multiple cycles.
  • the processor 240 may perform joint-estimation on the value of the second approximation function parameter and the value of the size parameter using the second objective function for the second data set.
  • the second objective function includes (a) a second data set; and (b) a second approximation function and a signal value dependent on the first target analyte at the second temperature (or a first -2 approximation function); The difference between the two (e.g., second error) may be output.
  • the second objective function may be expressed as Equation 15 below, assuming that the second error follows a normal distribution of N(0, ⁇ 2 2 ), but is not limited thereto.
  • the above-mentioned 'signal value (or 1-2 approximation function) dependent on the first target analyte at the second temperature in each of the plurality of cycles' is the size parameter and the first estimated in step S510.
  • the sum of the second approximation function in each of the plurality of cycles and the signal value (or 1-2 approximation function) dependent on the first target analyte at the second temperature' is the sum with the above-described calculation result (e.g. It can be calculated as f 22 ( ⁇ 22 , t) + CR * f 11 ( ⁇ 11 , t)).
  • the processor 240 may calculate the value of the second approximation function parameter and the value of the size parameter such that the second objective function becomes the maximum or minimum value. For example, the processor 240 may use the size parameter and the value of the 1-1 approximation function having the value of the estimated first approximation function parameter to obtain a signal value dependent on the first target analyte at the second temperature, e.g. CR * f 11 ( ⁇ 11 )) or the value of the first-second approximate function (e.g. f 12 ( ⁇ 12 , t)) can be obtained.
  • a signal value dependent on the first target analyte at the second temperature e.g. CR * f 11 ( ⁇ 11 )
  • the value of the first-second approximate function e.g. f 12 ( ⁇ 12 , t)
  • the processor 240 may in each of the plurality of cycles: (a) a second data set (e.g., y 2,t ); and (b) a 2-2 approximation function (e.g., f 22 ( ⁇ 22 )); Sum of signal values (e.g. CR * f 11 ( ⁇ 11 )) dependent on the first target analyte at 2 temperatures; You can find the difference between (e.g. y 2,t - CR * f 11 ( ⁇ 11 ) - f 22 ( ⁇ 22 )). Additionally, the processor 240 may perform joint-estimation on the value of the 2-2 approximation function parameter and the value of the size parameter so that the sum of the differences is minimized in multiple cycles.
  • a second data set e.g., y 2,t
  • a 2-2 approximation function e.g., f 22 ( ⁇ 22 )
  • Sum of signal values e.g. CR * f 11 ( ⁇ 11 ) dependent on the first target ana
  • joint estimation instead of using the estimated results for the 1-1 approximation function parameters and the second data set, joint estimation may be performed using the first data set and the second data set. .
  • the processor 240 estimates the value of the 1-1 approximation function parameter included in the 1-1 approximation function using the first data set, and uses the first data set and the second data set to estimate the value of the 1-1 approximation function parameter.
  • 2 Joint-estimation can be performed on the value of the approximation function parameter and the value of the size parameter.
  • processor 240 in each of a plurality of cycles: (a) a second data set; and (b) a first data set and a size parameter; The difference between the parameters may be calculated, and joint-estimation may be performed on the value of the second approximation function parameter and the size parameter so that the sum of the differences is minimized in multiple cycles.
  • Equation 15 corresponds to the result estimated for the 1-1st approximate function parameter, and in Equation 15, the corresponding f 11 ( ⁇ 11 , t) is the first It can be replaced with y 1,t corresponding to the data set.
  • Equation 12 there is an advantage that the error corresponding to the first error due to the 1-1 approximation function can be improved during the estimation process for the second approximation function and the size parameter.
  • each of the values of the second approximation function parameter and the value of the magnitude parameter is, in each of the plurality of cycles, (a) a second data set; and (b) a first target at the second approximation function and the second temperature.
  • Sum of analyte-dependent signal values (or first-second approximation functions); The overall error determined based on the difference between can be estimated to be minimized.
  • the total error is a value calculated by scaling the first error and the second error, for example, standardization such that the mean is 0 and the variance is 1, or the mean is 0 and the variance is -1 to 1. It can be calculated by adding or arithmetic averaging the values of the first and second errors whose units have been scaled through mean normalization to ensure a value range.
  • the processor 240 may perform joint-estimation on the value of the 2-2 approximation function parameter and the value of the size parameter using the entire objective function for the first data set and the second data set.
  • the overall objective function is (a) the sum of the differences (e.g., first error) between the first data set and the 1-1 approximation function in each of the plurality of cycles, and (b) the second data in each of the plurality of cycles. set; based on the sum of the difference (e.g. second error) with the sum of the 2-2 approximation function and the signal value (or 1-2 approximation function) dependent on the first target analyte at the second temperature.
  • the total error determined can be output.
  • Equation 16 Equation 16 below: It may be expressed as, but is not limited to this.
  • l joint ( ⁇ 11 , ⁇ 22 , CR) represents the overall objective function used for joint estimation of at least some of the 1st-1st approximation function parameter, 2-2nd approximation function parameter, and size parameter
  • ⁇ 1 represents the standard deviation of the first error for multiple cycles when the sample is viewed as a first data set (specifically, a set of first errors in multiple cycles)
  • ⁇ 2 represents the sample as a second data set (specifically, a set of first errors in multiple cycles). represents the standard deviation of the second error for multiple cycles when viewed as a set of second errors in multiple cycles
  • the processor 240 applies the value of the pre-estimated 1-1 approximation function parameter to the 1-1 approximation function in the overall objective function, and performs a second approximation such that the overall objective function becomes the maximum or minimum value.
  • the value of the function parameter and the value of the size parameter can be calculated.
  • the processor 240 applies the value of the 1-1 approximation function parameter obtained in the previous step to the 1-1 approximation function included in the overall objective function, and the 2-2 approximation function parameter so that the overall objective function is minimized. Joint-estimation can be performed on the value of and the value of the size parameter.
  • preset values may be applied to each of the variance of the first error (e.g., ⁇ 1 2 ) and the variance of the second error (e.g., ⁇ 2 2 ) within the overall objective function.
  • ⁇ 1 2 is estimated as ⁇ n/(n-1) * output value of the first objective function ⁇
  • ⁇ 2 2 is estimated as ⁇ n/(n-1) * output value of the second objective function ⁇ or ⁇ 1 2
  • the first error and the second error are calculated by dividing the variance of the first error and the second error for each of the output value of the first objective function and the output value of the second objective function.
  • a process of scaling the units can be added so that the normal distribution for N(0, 1) follows.
  • the 2-2 approximate function parameter ⁇ 22 to be optimized in the second or third objective function is through joint-estimation to find the extremum by partial differentiation for each of the size parameter CR. and the optimized value of the size parameter CR can be derived together.
  • each of the value of the second approximate function parameter and the value of the magnitude parameter may be estimated based on joint maximum likelihood estimation.
  • being based on joint maximum likelihood estimation can be understood as a concept encompassing joint log-likelihood estimation and joint negative log-likelihood estimation.
  • the processor 240 uses the first data set and the second data set at least in part to calculate the value of the 1-1 approximation function parameter, the value of the second approximation function parameter, and the value of the size parameter. joint-estimation is possible.
  • processor 240 determines (a) the sum of the differences (e.g., first error) between the first data set and the 1-1 approximation function in each of the plurality of cycles, and (b) the plurality of cycles of the second data set.
  • Joint-estimation can be performed on the first approximation function parameter, the second approximation function parameter, and the size parameter.
  • the processor 240 uses the entire objective function for the first data set and the second data set to form a joint for the value of the 1-1 approximation function parameter, the value of the second approximation function parameter, and the value of the size parameter. -Estimation can be performed.
  • the entire objective function can be expressed as Equation 16 above.
  • the processor 240 may calculate the value of the 1-1 approximation function parameter, the value of the second approximation function parameter, and the value of the size parameter such that the entire objective function becomes the minimum value.
  • Figure 6 shows a specific method in which the computer device 200 according to the second embodiment joint-estimates the value of the 1-1 approximation function parameter, the value of the second approximation function parameter, and the value of the size parameter through the processor 240. This is a flowchart illustrating .
  • the processor 240 applies a random value or a pre-estimated value to any one or two parameters of the 1-1 approximation function parameter, the second approximation function parameter, and the size parameter and the remaining
  • the value of the parameter can be estimated.
  • the processor 240 applies a randomly determined value within a preset range to each of the 2-2 approximation function parameters and the size parameter in the overall objective function, and the 1-1 approximation function so that the overall objective function becomes the minimum value.
  • the value of the parameter can be estimated.
  • ⁇ 1 2 ⁇ n/(n-1) * output value of the first objective function ⁇
  • ⁇ 2 2 ⁇ 2 1 .
  • the processor 240 may apply the estimated remaining parameter values and estimate the values of one or both parameters. For example, the processor 240 applies the value estimated in the previous step to the 1-1 approximation function parameter in the overall objective function, and the value of the 2-2 approximation function parameter and the size parameter so that the overall objective function becomes the minimum value.
  • the operation may be performed repeatedly.
  • the backfitting algorithm is used in the process of joint-estimating the value of the 1-1 approximation function parameter, the value of the second approximation function parameter, and the value of the size parameter so that the entire objective function becomes the minimum through such repetition. It can be used.
  • the processor 240 applies the values of the parameters estimated in the previous step to the overall objective function and preset the operation of estimating the values of parameters that were not estimated in the previous step so that the overall objective function becomes the minimum value. It can be performed repeatedly until the conditions are met.
  • the preset condition may be a condition that ensures that the number of repetitions (e.g., learning rate) is greater than or equal to the preset value, and that the output value of the entire objective function is within a predetermined value range or in a specific state (e.g., minimization, optimization). This may be a condition, but is not limited thereto.
  • the processor 240 may perform joint-estimation of the values of the above-described parameters based on another embodiment of a statistical model in which background signals are considered.
  • a data set containing a background signal used in the computer device 200 according to another embodiment and signal values and background dependent on each of two or more target analytes estimated from the data set. Let’s first look at various examples of signals.
  • FIG. 7A illustrates a first data set and a second data set by way of example.
  • a first data set and a second data set under similar conditions to FIG. 2A are exemplarily shown, and, unlike FIG. 2A, the data set further includes an exemplary background signal.
  • this type of background signal is just an example.
  • FIG. 7B shows a signal value at a first temperature dependent on the presence of the first target analyte, a background signal at the first temperature, and a second signal value estimated from the first and second data sets shown in FIG. 7A.
  • a signal value at a second temperature dependent on the presence of the target analyte and a background signal at the second temperature are exemplarily shown.
  • Figure 7b from the first data set and the second data set, the signal value at the first temperature dependent on the presence of the first target analyte and the signal value at the second temperature dependent on the presence of the second target analyte are shown, respectively.
  • a first background signal is independent of the presence of the first target analyte measured at the first temperature, and is independent of the presence of the first or second target analyte measured at the second temperature.
  • An optional second background signal may also be extracted.
  • the first approximation function may further include a first background signal approximation function for approximating the first background signal
  • the second approximation function may further include a second background signal approximation function for approximating the second background signal.
  • the processor 240 may jointly perform joint-estimation on one or more of the approximation function parameters of the first background signal approximation function and the second background signal approximation function.
  • a mathematical relationship may be defined for separating a signal value dependent on the presence of the first target analyte and the first background signal from the first data set measured at the first temperature.
  • the statistical model excludes signal values dependent on the presence of the first target analyte from the second data set measured at the second temperature and separates the signal value dependent on the presence of the second target analyte from the second background signal.
  • Mathematical relationships can be defined.
  • the statistical model may include Equation 17 below, and Equation 17 may be expressed as Equations 18 and 19.
  • ⁇ 11 represents the approximation function parameter of the first background signal approximation function
  • ⁇ 22 indicates the approximation function parameter of the second background signal approximation function
  • f 11 ( ⁇ 11 ,t)+g 11 ( ⁇ 11 ,t) represents the 1-1 approximation function in which the background signal is considered, and specifically f 11 ( ⁇ 11 ,t) is the 1-1 1 represents the 1-1 target signal approximation function where the approximation function parameters and cycle of the target signal approximation function are input variables
  • g 11 ( ⁇ 11 ,t) is the approximation function parameter and cycle of the first background signal approximation function are input variables.
  • f 22 ( ⁇ 22 ,t)+g 22 ( ⁇ 22 ,t) represents the 2-2 approximation function in which the background signal is considered, and specifically f 22 ( ⁇ 22 ,t) is the 2-2 2 represents the 2-2 target signal approximation function where the approximation function parameters and cycle of the target signal approximation function are input variables, and g 22 ( ⁇ 22 ,t) is the approximation function parameter and cycle of the second background signal approximation function are input variables. represents the second background signal approximation function at the second temperature.
  • the first data set may be defined as the sum of the 1-1 target signal approximation function, the first background signal approximation function, and the first error
  • the second data set may be the first It can be defined as the product of the -1 target signal approximation function and the size parameter, the sum of the 2-2 target signal approximation function, the second background signal approximation function, and the second error.
  • the first approximation function is a 1-2 approximation function that approximates the signal value at the second temperature
  • the first data set is the size parameter of It can be defined as the product of the inverse and the 1-2 target signal approximation function, the sum of the first background signal approximation function and the first error
  • the second data set is the 1-2 target signal approximation function
  • the 2-2 target It may be defined as the sum of a signal approximation function, a second background signal approximation function, and a second error, and the following objective functions may also be modified in a similar manner.
  • the processor 240 may perform joint-estimation on the values of the above-described parameters based on another embodiment of a statistical model in which background signals are considered.
  • other embodiments of the statistical model may include one or more objective functions for estimating the values of the optimized parameters, and processor 240 may cause the objective function to be a maximum or minimum value.
  • the value of the parameter can be obtained and calculated as an estimate of the optimized parameter.
  • the following will describe various embodiments in which joint-estimation of parameter values is performed using various objective functions.
  • joint-estimation may be further performed up to the value of at least one parameter of the first background signal approximation function and the second background signal approximation function.
  • FIG. 8 is a flowchart illustrating a method by which the processor 240 according to the third embodiment jointly estimates the value of the second approximation function parameter and the value of the size parameter considering the background signal.
  • FIG. 8 can be understood with reference to the embodiments described above along with FIGS. 1 to 7, and descriptions of overlapping or similar technical principles will be omitted.
  • step S810 the processor 240 uses the first data set to calculate a 1-1 target signal approximation function for a signal value dependent on the first target analyte included in the 1-1 approximation function.
  • the value of the parameter and the value of the parameter of the 1-1 background signal approximation function for the first background signal can be estimated.
  • the value of the parameter of the 1-1 target signal approximation function and the value of the parameter of the 1-1 background signal approximation function are each of the first background signal considered in each of the plurality of cycles. -1 may be joint-estimated so that the sum of the differences between the approximation function and the first data set is minimized.
  • the processor 240 estimates the values of the parameters of the 1-1 target signal approximation function and the values of the parameters of the 1-1 background signal approximation function using the first objective function for the first data set.
  • the first objective function can be expressed as Equation 20 below, assuming that the first error follows a normal distribution of N(0, ⁇ 1 2 ).
  • the processor 240 may calculate the value of the parameter of the 1-1 target signal approximation function and the parameter value of the 1-1 background signal approximation function such that the first objective function becomes the minimum value.
  • step S820 the processor 240 uses, at least in part, the estimated values for the parameters of the 1-1 target signal approximation function and the parameters of the 1-1 background signal approximation function and the second data set to create a second approximation function.
  • the value of the parameter of the second target signal approximation function, the value of the parameter of the second background signal approximation function, and the value of the magnitude parameter are each, in each of the plurality of cycles, (a) a second data set; and, (b) a second approximation function, a sum of signal values (or first-second approximation functions) dependent on the first target analyte at a second temperature; Joint-estimation can be done so that the differences between them are minimized.
  • the processor 240 uses a second objective function for the second data set to determine the value of the parameter of the 2-2 target signal approximation function, the value of the parameter of the 2-2 background signal approximation function, and Joint-estimation can be performed on the value of the size parameter.
  • the second objective function can be expressed as Equation 21 below, assuming that the second error follows a normal distribution of N(0, ⁇ 2 2 ).
  • the processor 240 may calculate the value of the parameter of the 2-2 target signal approximation function, the parameter value of the 2-2 background signal approximation function, and the value of the size parameter so that the second objective function becomes the minimum value.
  • the processor 240 uses the entire objective function for the first data set and the second data set to determine the value of the parameter of the second target signal approximation function and the parameter value of the second background signal approximation function. and joint-estimation can be performed on the values of the size parameters.
  • the overall objective function is expressed as the following equation It can be expressed as 22.
  • the processor 240 applies the values of the parameters previously estimated in the previous step to the 1-1 approximation function in the overall objective function, and the value of the parameter of the 2-2 target signal approximation function such that the overall objective function becomes the minimum value,
  • the parameter values and size parameter values of the 2-2 background signal approximation function can be calculated.
  • joint-estimation may be further performed up to the value of at least one parameter of the first background signal approximation function and the second background signal approximation function.
  • Figure 9 illustrates a method by which the processor 240 according to the fourth embodiment jointly estimates the value of the 1-1 approximation function parameter, the value of the second approximation function parameter, and the value of the size parameter in which the background signal is considered. This is a flowchart represented by . Likewise, FIG. 9 can be understood with reference to the embodiments described above together with FIGS. 1 to 8.
  • the processor 240 determines the parameters of the 1-1 target signal approximation function, the parameters of the 1-1 background signal approximation function, the parameters of the second target signal approximation function, and the second background signal approximation. Random values or pre-estimated values can be applied to some of the function parameters and size parameters and the values of the remaining parameters can be estimated. For example, in a manner similar to the second embodiment, the processor 240 determines the value of the parameter of the 2-2 target signal approximation function in the overall objective function, the value of the parameter of the 2-2 background signal approximation function, and the size parameter, respectively.
  • the processor 240 may apply the estimated values of the remaining parameters and estimate the values of the partial parameters. For example, the processor 240 applies the values estimated in the previous step to the parameters of the 1-1 target signal approximation function and the 1-1 background signal approximation function in the overall objective function, and sets the overall objective function to the minimum value.
  • the parameter values of the 2-2 target signal approximation function, the parameter values of the 2-2 background signal approximation function, and the size parameter values may be joint-estimated.
  • ⁇ 2 2 ⁇ n/(n-1) * output value of the second objective function ⁇ .
  • the processor 240 may perform at least one of steps S910 to S920 multiple times.
  • the processor 240 applies the values of the parameters estimated in the previous step to the overall objective function and estimates the values of parameters that were not estimated in the previous step so that the overall objective function becomes the minimum value. It can be performed repeatedly until preset conditions are met.
  • 10A to 10D show simulation results according to the third embodiment in which the background signal is considered a constant.
  • the processor 240 estimates the values of the parameters of the 1-1 target signal approximation function and the 1-1 background signal approximation function using the first data set, and then the estimated parameters It illustrates the results of joint-estimation on the parameter values and size parameters of the 2-2 target signal approximation function and the 2-2 background signal approximation function using the values of and the second data set.
  • Equation 6 was used in the 1-1 and 2-2 target signal approximation functions
  • Equation 7 was used in the 1-1 and 2-2 background signal approximation functions as the background signal was considered a constant.
  • the parameter value in each background signal approximation function was set to be estimated as a value corresponding to the estimate of ⁇ 2 , a parameter representing the signal value in the baseline area.
  • Equation 20 was used in the joint-estimation for the parameter values of the 1-1 approximation function
  • Equation 22 was used in the joint-estimation for the parameter values and size parameter values of the 2-2 approximation function. It was used.
  • a statistically calculated value range (e.g., 0.7 to 1.3) was set for the size parameter.
  • the upper graph of FIGS. 10A to 10D shows a first data set and a second data set in the case corresponding to tubes 1 to 4 shown in FIG. 7, respectively.
  • the bottom graph shows simulation results for the 1-1 approximation function and the 2-2 approximation function to which the values of parameters estimated from the corresponding first data set and the second data set were applied according to the third embodiment.
  • the solid line graph shows the output values (including signal values and background signals dependent on each target analyte) of the 1-1 approximation function and the 2-2 approximation function corresponding to the estimates
  • the dotted line graph shows and signal values corresponding to the raw data of each target analyte with errors reflected.
  • Figure 10a is a case in which only the first target analyte exists among the first and second target analytes in the sample, and the 1-1 target signal approximation function estimated to minimize the overall error according to the third embodiment
  • the values of the and size parameters are shown in Table 1 below.
  • the 1-1 approximation function and the 2-2 approximation function can be visualized as shown in the bottom graph of FIG. 10A, and each approximation function is appropriately estimated from the first data set and the second data set. You can see what has happened. At this time, it can be seen that the amount of amplification of the 2-2 approximation function is relatively small compared to the 1-1 approximation function, but in detail, depending on the characteristics of the sigmoid function, it may appear as an S-shaped curve. there is.
  • parameter ⁇ 11-1 ⁇ 11-2 ⁇ 11-3 ⁇ 11-4 ⁇ 11-5 estimate -0.3748 3800.7797 3096.9367 18.7310 2.2438 parameter ⁇ 22-1 ⁇ 22-2 ⁇ 22-3 ⁇ 22-4 ⁇ s22-5 estimate -0.0888 3632.4944 184.6181 1.3826 9.9872 parameter ⁇ 1-0 ⁇ 2-0 CR estimate 3800.7797 3632.4944 1.0778
  • Figure 10b is a case in which only the second target analyte exists among the first and second target analytes in the sample.
  • the values of the parameters estimated to minimize the overall error according to the third example are shown in Table 2 below. same.
  • each approximation function to which the values of the estimated parameters are applied can be visualized as shown in the bottom graph of FIG. 10B, and it can be seen that it has been appropriately estimated from the first and second data sets.
  • the first approximation function can be seen to have relatively little amplification compared to the second approximation function, but in detail, it may appear as an S-shaped curve depending on the characteristics of the sigmoid function.
  • parameter ⁇ 11-1 ⁇ 11-2 ⁇ 11-3 ⁇ 11-4 ⁇ 11-5 estimate -0.0120 3324.8089 1236.0936 -34.5013 1.9741 parameter ⁇ 22-1 ⁇ 22-2 ⁇ 22-3 ⁇ 22-4 ⁇ 22-5 estimate -0.5563 3055.8674 3073.1690 20.0603 1.1632 parameter ⁇ 1-0 ⁇ 2-0 CR estimate 3324.8089 3055.8674 1.2167
  • Figure 10c is a case in which the first target analyte and the second target analyte in the sample coexist at similar high concentrations.
  • the values of the parameters estimated to minimize the overall error according to the third example are shown in Table 3 below.
  • each approximation function to which the values of the estimated parameters are applied can be visualized as shown in the graph at the bottom of Figure 10c, and although the value of the size parameter is located at the boundary of the maximum range, each approximation function is applied to the first data set and the second data set. You can see that it is separated from the set at an appropriate level.
  • parameter ⁇ 11-1 ⁇ 11-2 ⁇ 11-3 ⁇ 11-4 ⁇ 11-5 estimate -0.3283 3785.2543 3079.8843 18.0131 2.8270 parameter ⁇ 22-1 ⁇ 22-2 ⁇ 22-3 ⁇ 22-4 ⁇ 22-5 estimate -0.5220 3621.7654 2244.2201 19.6574 1.3194 parameter ⁇ 1-0 ⁇ 2-0 CR estimate 3785.2543 3621.7654 1.3
  • Figure 10D is a case in which the first target analyte is present at a relatively high concentration and the second target analyte is present at a relatively low concentration in the sample.
  • the values of the parameters estimated to minimize the overall error according to the third example are shown in Table 4 below. It's the same.
  • each approximation function to which the values of the estimated parameters are applied can be visualized as shown in the bottom graph of FIG. 10D, and can be seen to be appropriately separated from the first data set and the second data set.
  • parameter ⁇ 11-1 ⁇ 11-2 ⁇ 11-3 ⁇ 11-4 ⁇ 11-5 estimate -0.3525 3996.2212 3329.1281 17.9658 2.8845 parameter ⁇ 22-1 ⁇ 22-2 ⁇ 22-3 ⁇ 22-4 ⁇ 22-5 estimate -0.3374 3801.8109 3039.4187 34.2169 4.7607 parameter ⁇ 1-0 ⁇ 2-0 CR estimate 3996.2212 3801.8109 1.1056
  • an embodiment of the present disclosure uses the first data set and the second data set to consider the value of the 1-1 approximation function parameter, the value of the 2-2 approximation function parameter, and the size parameter in which the background signal is considered.
  • the value of can be joint-estimated, and as shown in FIG. 10, it can be seen that the algorithm according to the present disclosure is operating well.
  • FIGS. 12A to 12C show simulation results according to the third embodiment in which the background signal is considered as a quadratic function. It is shown. It was simulated under conditions similar to the above-mentioned simulation, and in the simulation of FIG. 11, Equation 8 was used for each background signal approximation function as the background signal was considered as a first-order function, and in the simulation of FIG. 12, the background signal was used as a second-order function. Equation 10 was used for each background signal approximation function under consideration.
  • the upper graphs of FIGS. 11A to 11C and 12A to 12C show a first data set and a second data set in the case corresponding to tubes 1, 2, and 4 respectively shown in FIG. 7.
  • the middle and bottom graphs show the signal value at the first temperature dependent on the presence of the first target analyte to which the values of the parameters estimated from the first and second data sets according to the simulation were applied (1-1 target signal approximation function), the signal value at the second temperature dependent on the presence of the second target analyte (2-2 target signal approximation function), the first background signal (1-1 background signal approximation function) and the second background Simulation results for the signal (2-2 background signal approximation function) are shown.
  • the solid line graph shows the output values of the 1st-1st approximation function and the 2nd-2nd approximation function corresponding to the estimates
  • the dotted line graph shows the raw values of each target analyte with the and background signals removed and errors reflected. It shows the signal value corresponding to the data.
  • the signal value dependent on the presence of each target analyte and the background signal at each temperature are appropriately derived from the first data set and the second data set. You can see the estimate.
  • the processor 240 may perform the above-described joint-estimation according to another embodiment in which the size parameter has two or more values.
  • the size parameter may have two or more values.
  • the size parameter may have two or more values applied to each of two or more cycle sections determined from multiple cycles.
  • each cycle section may be a continuous section or a discontinuous section.
  • the size parameter is, for example, a first cycle section (e.g., 1 to 10), a second cycle section (e.g., : 11 to 30) and the third cycle section (e.g., 31 to 45) can have three values applied to each.
  • the size parameter is, for example, a first cycle section (e.g., 10 to 15, 30 to 33) that is continuous or discontinuously divided among preset cycle sections (e.g., 1 to 45). , ..., 44) and the second cycle section (e.g., 16 to 29, 34 to 39, ..., 45) may have two values applied to each.
  • this cycle section may be determined from a portion of the entire cycle section, or may be determined from the remaining section excluding one or more preset sections (eg, 1 to 5) among the entire cycle section.
  • the value of the size parameter may be joint-estimated for each of two or more cycle sections determined from a plurality of cycles.
  • a process of joint-estimating the value of the 2-2 approximation function parameter and the value of the size parameter according to at least one of the various embodiments described above, or the value of the 1-1 approximation function parameter, the 2-2 approximation In the process of joint-estimating the value of the function parameter and the value of the size parameter, the value of the size parameter may be estimated for each of two or more cycle sections.
  • the size parameter has two values, and different CRs correspond to cycle sections 1 and 2, respectively. There is a value, and in the above-described joint-estimation process, the CR for each cycle section can be applied to estimate each CR value so that the overall error is minimized.
  • the size parameter may have multiple values for multiple cycles.
  • the size parameter can be treated as a set of data points, each containing a cycle and the value of the size parameter, or as a two-dimensional array where the cycles are the rows and the size parameters are the columns.
  • the size parameter may be processed in the form of a one-dimensional array, which is a bundle of size parameter values listed according to the corresponding cycle order.
  • the value of the size parameter may be joint-estimated for each of a plurality of cycles.
  • equations 11, 15 and 16 according to the first embodiment equations 11 and 16 according to the second embodiment, equations 17, 21 and 22 according to the third embodiment, or in the fourth embodiment
  • CR included in the equations can be replaced with CR t , which represents the CR in each of the plurality of cycles (t).
  • the CR value for each cycle can be estimated so that the overall error is minimized.
  • the size parameter may be one or more parameters included in a size approximation function defined in the form of a polynomial function.
  • Figures 14a to 14d show simulation results in which the value of the size parameter is estimated for each of a plurality of cycles according to another embodiment described above.
  • the simulation process was simulated in the same or similar manner as described above with reference to FIGS. 10A to 10D, and the upper and lower graphs of FIGS. 14A to 14D, respectively, can also be interpreted in the same way.
  • an embodiment in which the background signal was a constant was applied for convenience; however, even when the background signal was a linear function or a quadratic function, appropriately simulated results were obtained.
  • Figure 14a is a case in which only the first target analyte exists, and the values of the parameters estimated to minimize the overall error according to the above-described embodiment are shown in Table 5 below, and in particular, the values of the size parameters are estimated for each of multiple cycles. It has been done. Each approximate function to which the values of the estimated parameters are applied can be visualized as shown in the graph below.
  • Figure 14b is a case in which only the second target analyte exists.
  • the values of the parameters estimated to minimize the overall error according to the above-described embodiment are shown in Table 6 below, and each approximation function to which the values of the estimated parameters are applied is shown at the bottom. It can be visualized like a graph.
  • Figure 14c is a case in which the first target analyte and the second target analyte coexist at similar high concentrations.
  • the values of the parameters estimated to minimize the overall error according to the above-described example are shown in Table 7 below, and the estimated Each approximate function to which the values of the parameters are applied can be visualized as shown in the graph below.
  • Figure 14d shows a case where the first target analyte is present at a relatively high concentration and the second target analyte is present at a relatively low concentration.
  • the values of the parameters estimated to minimize the overall error according to the above-described example are shown in Table 8 below.
  • each approximation function to which the values of the estimated parameters are applied can be visualized as shown in the graph below.
  • joint-estimation is performed on parameter values of the first parameter group including the approximation function parameters and size parameters included in the 1-1 approximation function and the second approximation function.
  • joint-estimation is performed on the parameter values of the second parameter group including the approximation function parameters and size parameters included in the 1-2 approximation function and the second approximation function. It can be.
  • the statistical model may include at least one of Equations 23 to 27 below.
  • ⁇ 12 represents the 1-2 approximation function parameter
  • f 12 ( ⁇ 12 ,t) is the 1-2 approximation function parameter
  • the cycle is the input variable (specifically, the 1-2 approximation function) -2 represents the target signal approximation function).
  • the first objective function, the second objective function, and the overall objective function can be expressed as Equations 28, 29, and 30 below. As such, it can be seen that the joint-estimation process using at least part of Equations 23 to 30 can also be performed in the same or similar manner as the embodiments described above.
  • processor 240 determines, from the first and second data sets, a signal value at a first temperature that is dependent on the presence of the first target analyte and a second temperature that is dependent on the presence of the second target analyte.
  • the signal value in can be separated.
  • the processor 240 may use the joint-estimation result to determine a threshold cycle (cycle threshold) used to detect each of the first target analyte and the second target analyte in the sample. Specifically, the processor 240 determines a first threshold cycle for the first target analyte using the value of the estimated first approximate function parameter, and determines the second target analyte using the value of the estimated second approximate function parameter. A second threshold cycle for the analyte may be determined.
  • cycle threshold used to detect each of the first target analyte and the second target analyte in the sample.
  • the threshold cycle may be the number of cycles at which a signal value (e.g., RFU) dependent on each target analyte exceeds a preset reference signal value (e.g., 200), but is not limited thereto.
  • a signal value e.g., RFU
  • the first threshold cycle for the first target analyte is 38.0808
  • the second threshold cycle for the second target analyte is 29.2071.
  • the threshold cycle means encompassing the signal value, number of cycles, or measurement value of a specific parameter when a predetermined analysis result (e.g., derivative, etc.) derived from the corresponding approximation function satisfies a predetermined condition. It can be interpreted broadly.
  • a threshold cycle may refer to the number of cycles after the first, second or multi-order derivative of the approximate function with the estimated value of the approximate function parameter is calculated, which has the maximum value of the calculated derivative.
  • the threshold cycle can be interpreted as encompassing the terms CP (cross point), TOP (take-off point), or CQ (quantification cycle) used in the art.
  • the processor 240 may detect each of the first target analyte and the second target analyte in the sample using the joint-estimation result. In one embodiment, the processor 240 may use the first threshold cycle and the second threshold cycle at least in part to read whether the sample is positive or negative for each of the first target analyte and the second target analyte. . For example, the processor 240 may determine whether each target analyte is present depending on whether each threshold cycle is within a preset range (eg, 0 or more and 40 or less).
  • a preset range eg, 0 or more and 40 or less.
  • the processor 240 determines the size of the threshold cycle, the amount of change in the signal value dependent on each target analyte during the entire cycle, and the slope for the cycle of the signal value dependent on each target analyte in the exponential region. Based on whether preset conditions are met, it is determined whether each target analyte is present in the sample, and accordingly, a readout result including whether each target analyte is positive or negative and the threshold cycle can be output. .
  • the read result may further include the joint-estimation result, and for example, information on the function used for estimation and the values of the estimated parameters may be provided together.
  • the processor 240 may use a first approximation function to approximate the signal value at the first temperature or the second temperature when detecting each of the first target analyte and the second target analyte in the sample. there is. For example, it may be determined whether each target analyte is present in the sample at different temperatures using a first approximation function that approximates the signal value at the first temperature and a second approximation function that approximates the signal value at the second temperature. and whether each target analyte is present in the sample at the same second temperature using a first approximation function for approximating the signal value at the second temperature and a second approximation function for approximating the signal value at the second temperature. You can decide.
  • FIG. 13 is a flowchart illustrating a method by which the computer device 200 acquires an approximate signal for each of a plurality of target analytes according to an embodiment.
  • step S1310 the computer device 200 generates a first data set measured at the first detection temperature of each of the plurality of cycles from a signal generation reaction of multiple cycles targeting the first target analyte and the second target analyte in the sample, and A second data set measured at the second detection temperature of each of the plurality of cycles may be obtained.
  • step S1320 the computer device 200 uses the first data set and the second data set at least in part to create a 1-1 approximation that approximates the signal value at the first detection temperature dependent on the presence of the first target analyte.
  • a function, a first-second approximation function approximating the signal value at a second detection temperature dependent on the presence of the first target analyte, and a second approximation function approximating the signal value at the second detection temperature dependent on the presence of the second target analyte a function, a first-second approximation function approximating the signal value at a second detection temperature dependent on the presence of the first target analyte, and a second approximation function approximating the signal value at the second detection temperature dependent on the presence of the second target analyte.
  • the value of the approximation function parameter included in at least one approximation function selected from the group consisting of approximation functions, and the size of the signal value dependent on the presence of the first target analyte at the first temperature and the size at the second temperature Joint-estimation can be performed on the value of the size parameter that represents the relationship between the two.
  • step S1320 may be performed according to various embodiments, but is not limited thereto.
  • the computer device 200 may estimate the value of the 1-1 approximation function parameter using the first data set. Additionally, the computer device 200 performs joint-estimation on the value of the second approximate function parameter and the value of the size parameter by at least partially using the estimated value for the 1-1 approximate function parameter and the second data set. can do.
  • computer device 200 determines the sum of the differences between the first data set and the 1-1 approximation function in each of the plurality of cycles, and the second data set in each of the plurality of cycles using the second approximation function and the second temperature. Considering the sum of the signal value (or 1-2 approximation function) dependent on the first target analyte and the sum of the difference, the value of the 1-1 approximation function parameter, the value and size of the second approximation function parameter. Joint-estimation can be performed on parameter values.
  • the computer device 200 uses the first data set to estimate the values of the parameters of the 1-1 target signal approximation function and the 1-1 background signal approximation function included in the first approximation function. You can.
  • the computer device 200 uses the value of the estimated parameter and the second data set at least in part to provide a 2-2 target signal approximation function and a 2-2 background signal approximation function included in the 2-2 approximation function. Joint-estimation can be performed on the parameter values and size parameter values.
  • the computer device 200 determines the sum of the differences between the first data set and the 1-1 approximation function in each of the plurality of cycles, and the second data set in each of the plurality of cycles to the 2-2 approximation function and the Considering the sum of the difference with the sum of the signal values (or 1-2 approximation functions) dependent on the first target analyte at 2 temperature, a 1-1 target signal approximation function, a 1-1 background signal approximation function , joint-estimation can be performed on the values and size parameters of the parameters of the 2-2 target signal approximation function and the 2-2 background signal approximation function.
  • the value of the approximate function parameter and the value of the size parameter used to separate signal values dependent on each target analyte are joint-
  • the values of parameters can be estimated in a more systematic and easy-to-apply manner.
  • more accurate positive and negative reading results for the target analyte can be obtained by estimating the value of the optimized size parameter for each reaction well or for each reaction. You can.
  • cost efficiency can be improved by omitting numerous procedures that were previously required to set the value of the size parameter in advance.
  • the method for obtaining an approximate signal is implemented as a computer-readable recording medium that stores a computer program programmed to perform each step included in the above-described method, or each step included in the above-described method. It can be implemented by a computer program stored in a computer-readable recording medium programmed to perform.
  • a method of detecting each of a plurality of target analytes may be performed by the computer device 200 according to another embodiment of the present disclosure.
  • the computer device 200 may detect each of the first target analyte and the second target analyte in the sample using the joint-estimation result. Specifically, the computer device 200 may generate a 1-1 approximation function having a value of the 1-1 approximation function parameter included in the joint-estimation result and/or a 1-1 approximation function having a 1-2 approximation function parameter value.
  • the presence or absence of the first target analyte in the sample is determined using an approximation function, and the presence or absence of the second target analyte in the sample is determined using a second approximation function with the value of the 2 approximation function parameter included in the joint-estimation result. You can decide.
  • computer device 200 determines the 1-1 threshold cycle from a 1-1 approximate function having a value of the estimated 1-1 approximate function parameter, or the estimated 1-2 approximate function parameter
  • the 1-2 threshold cycle determined from the 1-2 approximation function having a value of can be determined.
  • the computer device 200 determines the presence or absence of the first target analyte in the sample based on whether the 1-1 threshold cycle or the 1-2 threshold cycle satisfies a preset condition (e.g., within a predetermined value range). can be decided.
  • the computer device 200 determines a second threshold cycle from the second approximation function having the estimated value of the second approximation function parameter, and based on whether the second threshold cycle satisfies the conditions described above, determines the second threshold cycle within the sample. The presence or absence of the second target analyte can be determined.
  • the computer device 200 provides a signal value dependent on the presence of each of the three target analytes from the three data sets measured at each of the first to third detection temperatures. Joint-estimation can be performed on the parameters and size parameters of the approximation function that approximates .
  • the computer device 200 measures the first detection temperature of each of the plurality of cycles from the signal generation reaction of multiple cycles targeting the first target analyte, the second target analyte, and the third target analyte in the sample.
  • a first data set, a second data set measured at a second detection temperature for each of multiple cycles, and a third data set measured at a third detection temperature for each of multiple cycles can be obtained.
  • the first data set includes signal values at a first detection temperature dependent on the presence of the first target analyte in the sample
  • the second data set includes the first target analyte and the second target analyte in the sample.
  • a signal value at a second detection temperature dependent on the presence of the target analyte is included
  • the third data set includes a third detection temperature dependent on the presence of the first target analyte, the second target analyte, and the third target analyte in the sample.
  • Signal values at temperature may be included.
  • this signal generation reaction includes a first signal generation composition for detecting a first target analyte in a sample, a second signal generation composition for detecting a second target analyte, and a third target in one reaction vessel. generated by incubating a sample with a third signal generating composition for detecting an analyte, wherein the first signal generating composition, the second signal generating composition and the third signal generating composition comprise the same label, and the signal from the label may not be differentiated for each target analyte by a single type of detector.
  • FIG. 15A illustrates a first data set, a second data set, and a third data set as examples.
  • the first temperature, second temperature, and third temperature are 83°C, 72°C, and 60°C, respectively.
  • target 1 refers to the first target analyte
  • target 2 refers to the second target analyte
  • target 3 refers to the third target analyte.
  • the background signal is not considered is shown as an example, but the case in which the background signal is considered may also be understood in the same or similar manner as the embodiments described above.
  • an amplification curve dependent on the presence of target 1 appears in each of the first to third data sets, and in the case of tube 2 in which only target 2 exists, the second to third data sets An amplification curve dependent on the presence of target 2 appears in the set, and in the case of tube 3 where only target 3 is present, an amplification curve dependent on the presence of target 3 appears in the third data set.
  • FIG. 15B exemplarily shows signal values at each temperature depending on the presence of each target analyte, joint-estimated from the first to third data sets shown in FIG. 15A.
  • the amplification curve generated in the presence of the target analyte at the detection temperature of the target analyte can be extracted as in tubes 1 to 3.
  • the amplification curve generated in the presence of each target analyte at the detection temperature of each target analyte can be extracted as in tubes 4 to 7.
  • the computer device 200 uses the first data set, the second data set, and the third data set to: (a) include an approximation function included in at least one of the first approximation function, the second approximation function, and the third approximation function; Joint-estimation can be performed on the value of the approximation function parameter and (b) the value of at least one size parameter among the plurality of size parameter values.
  • the first approximation function is a 1-1 approximation function that approximates the signal value at a first detection temperature dependent on the presence of the first target analyte, and a second approximation function that approximates the signal value at the first detection temperature dependent on the presence of the first target analyte. It may include at least one of a 1-2 approximation function for approximating a signal value at a detection temperature and a 1-3 approximation function for approximating a signal value at a third detection temperature dependent on the presence of the first target analyte. .
  • the second approximation function is a 2-1 approximation function that approximates the signal value at the first detection temperature dependent on the presence of the second target analyte, and the signal at the second detection temperature dependent on the presence of the second target analyte. It may include at least one of a 2-2 approximation function for approximating a value and a 2-3 approximation function for approximating a signal value at a third detection temperature dependent on the presence of the second target analyte.
  • the third approximation function is a function that approximates the signal value dependent on the presence of the third target analyte
  • the 3-1 approximation function approximates the signal value at the first detection temperature that is dependent on the presence of the third target analyte.
  • a 3-2 approximation function for approximating the signal value at the second detection temperature dependent on the presence of the third target analyte and a third approximation function for approximating the signal value at the third detection temperature dependent on the presence of the third target analyte.
  • -3 May include at least one of the approximation functions.
  • the third approximation function may be interpreted in the same or similar manner as the embodiments described above with respect to the first approximation function or the second approximation function.
  • the third approximation function may be expressed as a constant or polynomial function in any of the above-described equations 1 to 6, and depending on the embodiment, a third target signal that approximates a signal value dependent on the presence of a third target analyte. and a third background signal approximation function that approximates the approximation function and a third background signal independent of the presence of a third target analyte.
  • each size parameter represents the relationship between the size of a signal value dependent on at least one of the target analytes at any two detection temperatures from the first to the third detection temperatures.
  • each size parameter may represent the relationship between the change in signal provided by each signal generating composition at two temperatures selected from among the first detection temperature, second detection temperature, and third detection temperature in the presence of each target analyte, For example, it can be obtained as a difference or ratio between signal values detected at two selected temperatures.
  • the plurality of size parameters include a first size parameter indicating the relationship between the size of the signal value dependent on the presence of the first target analyte at the first detection temperature and the size at the second detection temperature.
  • a second size parameter indicating the relationship between the size of the signal value dependent on the presence of the analyte at the second detection temperature and the size at the third detection temperature, and the signal value dependent on the presence of the second target analyte at the second detection temperature.
  • a third size parameter representing the relationship between the size at the first detection temperature and the size at the third detection temperature, and a relationship between the size at the first detection temperature and the size at the third detection temperature of the signal value dependent on the presence of the first target analyte.
  • each of these size parameters is a value or a set of values representing a pattern of signal value change dependent on a specific target analyte at different temperatures, for example, a size ratio of the corresponding signal values or a value calculated from these according to a predetermined formula. It can mean a set of values.
  • the first size parameter it is obtained as the ratio of the signal value dependent on the presence of the first target analyte at the second detection temperature to the signal value dependent on the presence of the first target analyte at the first detection temperature.
  • the size parameter of the present disclosure is not limited to the above-described embodiments, and depending on the embodiment, size parameters representing various other signal relationships may be further included.
  • the plurality of size parameters described above, together with the first to fourth size parameters have a relationship between the size of the signal value dependent on the presence of the second target analyte at the first detection temperature and the size at the second detection temperature.
  • a fifth size parameter indicating, a sixth size parameter indicating the relationship between the size of the signal value dependent on the presence of the second target analyte at the first detection temperature and the size at the third detection temperature, depending on the presence of the third target analyte.
  • a seventh size parameter representing the relationship between the size that the dependent signal value has at the first detection temperature and the size that it has at the second detection temperature, the size that the signal value dependent on the presence of the third target analyte has at the second detection temperature and the 3
  • An eighth size parameter representing the relationship between the sizes at the detection temperature
  • a ninth size representing the relationship between the size at the first detection temperature and the size at the third detection temperature of the signal value dependent on the presence of the third target analyte. It may include at least one selected from the group consisting of parameters.
  • the above joint-estimation process is (a) a 1-1 approximation function, a 1-2 approximation function, a 1-3 approximation function, a 2-2 approximation function, a 2-3 approximation function, and 3-3
  • a 1-1 approximation function a 1-1 approximation function
  • a 1-2 approximation function a 1-3 approximation function
  • a 2-2 approximation function a 2-3 approximation function
  • 3-3 By joint-estimating the value of the approximation function parameter included in at least one approximation function selected from the group consisting of the approximation function, and (b) the value of at least one size parameter among the plurality of size parameters. It can be done.
  • the above joint-estimation process is (a) 1-1 approximation function, 1-2 approximation function, 1-3 approximation function, 2-1 approximation function, 2-2 approximation function , the value of the approximation function parameter included in at least one approximation function selected from the group consisting of the 2-3 approximation function, the 3-1 approximation function, the 3-2 approximation function, and the 3-3 approximation function; , (b) can be performed by joint-estimating the value of at least one size parameter among a plurality of size parameters.
  • the values of the approximation function parameters included in the 1-1 approximation function, the 2-2 approximation function, and the 3-3 approximation function, (b) the first size parameter, the Joint-estimation may be performed on parameter values of the fourth parameter group including the second size parameter and the fourth size parameter.
  • the combination of parameters subject to joint-estimation in the present disclosure is not limited to the above-described embodiments, and may be modified and implemented in various ways.
  • the computer device 200 may prepare a joint-estimation for the above-described parameters based on a pre-stored statistical model.
  • a mathematical relationship may be defined for separating a signal value dependent on the presence of the first target analyte from the first data set measured at the first temperature.
  • a mathematical relationship will be defined for excluding signal values dependent on the presence of the first target analyte and separating signal values dependent on the presence of the second target analyte from the second data set measured at the second temperature. You can.
  • signal values dependent on the presence of the first target analyte and signal values dependent on the presence of the second target analyte are excluded from the third data set measured at the third temperature, and signal values dependent on the presence of the third target analyte are excluded.
  • a mathematical relationship can be defined to separate signal values.
  • the statistical model may include Equation 31 below, which defines the relationship between the above-described data sets and the approximation function and/or size parameter, and Equation 31 may be expressed as Equations 32 to 34.
  • Equation 31 may be expressed as Equations 32 to 34.
  • y 3,t represents the third data set measured at the third temperature in each of the plurality of cycles
  • ⁇ 33 represents the 3-3 approximation function parameter, which is the parameter of the 3-3 approximation function
  • CR 1 is the 3-3 approximation function parameter
  • 1 represents the size parameter
  • CR 2 represents the second size parameter
  • CR 3 represents the third size parameter
  • f 33 ( ⁇ 33 , t) represents the 3-3 approximation function in which the 3-3 approximation function parameters and the cycle are input variables
  • e 3 represents the third error representing the error component in the third data set.
  • the computer device 200 may perform joint-estimation for the above-described parameters based on this statistical model.
  • the statistical model may include one or more objective functions for estimating the values of optimized parameters that approximate the data set, and computer device 200 may determine the objective function under preset conditions (e.g., a maximum or minimum value). ) can be obtained and calculated as an estimate of the optimized parameter.
  • the first objective function for the first error, the second objective function for the second error, the third objective function for the third error, and the overall objective function for the total error according to one embodiment are as shown in Equations 35 to 38. can be expressed.
  • the computer device 200 may estimate the value of the 1-1 approximation function parameter using the first data set. Additionally, the computer device 200 uses the estimated result for the 1-1 approximation function parameter and the second data set at least in part to form a joint for the value of the 2-2 approximation function parameter and the value of the first size parameter. -Estimation can be performed. In addition, the computer device 200 may at least partially use the third data set and the estimated results for the values of the 2-2 approximation function parameter and the 1-1 size parameter to obtain a value of the 3-3 approximation function parameter, Joint-estimation may be performed on the value of the second size parameter and the value of the third size parameter.
  • the computer device 200 uses the first to third data sets at least in part to determine the values of the first to third approximation function parameters and the first size parameter.
  • the values of the through third size parameters can be joint-estimated.
  • the above-described backfitting algorithm can be used in this joint-estimation process, and this process can be understood with reference to the embodiments described throughout the specification.
  • the above-described first to third approximation functions further include a background signal approximation function for approximating the first to third background signals. It may be included, and the parameter values of these background signal approximation functions may be joint-estimated together in the above-described joint-estimation process. Likewise, the process can be understood with reference to the above-described embodiments.
  • FIGS. 16A to 16F show simulation results according to an embodiment of performing the above-described joint-estimation from the first to third data sets in which background signals are considered. Equation 5 was used for each target signal approximation function, Equation 10 was used for each background signal approximation function as the background signal was considered a quadratic function, and Equations 31 to 38 were used for joint-estimation of the values of parameters. Modified forms of equations that further included a background signal approximation function were used.
  • the upper graphs of FIGS. 16A to 16F show the first to third data sets in each case. Additionally, the middle graph shows the simulation results for each approximation function to which the values of the parameters estimated from the relevant data sets were applied in the case where each size parameter had a single value. Additionally, the bottom graph shows the simulation results for each approximation function to which the values of the parameters estimated from the corresponding data sets were applied in the case where each size parameter has multiple values (specifically, values for each cycle).
  • the first, second and third approximation functions in FIG. 16 represent the 1-1, 2-2 and 3-3 approximation functions.
  • Figure 16a is a case in which only the first target analyte is present, and corresponds to the cases when the first target analyte is present at a relatively high concentration (top line) and when the first target analyte is present at a relatively low concentration (bottom line).
  • Figures 16b and 16c show the case in which only the second target analyte is present and the case in which only the third target analyte is present, respectively, when each target analyte is present at a relatively high concentration (top line) and when it is present at a relatively low concentration. This corresponds to the case (bottom line).
  • each approximation function to which the values of the parameters estimated to minimize the overall error according to the above-described embodiment is applied is visualized in the middle and lower graphs. It can be seen that each approximation function was appropriately estimated from the corresponding data sets.
  • Figure 16d corresponds to a case in which all first to third target analytes are present, but the first and second target analytes are present at relatively high concentrations, and the third target analytes are present at relatively low concentrations.
  • Figure 16e corresponds to a case in which the first and third target analytes are present at a relatively high concentration and the second target analyte is present at a relatively low concentration
  • Figure 16f shows the case where the second and third target analytes are present at a relatively high concentration. This corresponds to a case in which the second target analyte is present at a relatively low concentration.
  • each approximation function to which the values of the parameters estimated to minimize the overall error according to the above-described embodiment is applied is shown in the middle and bottom graphs. It is visualized, and it can be seen that each approximation function was appropriately estimated from the corresponding data sets.
  • FIG. 17 is a flowchart illustrating a method by which the computer device 200 acquires an approximate signal for each of a plurality of target analytes according to an embodiment.
  • step S1710 the computer device 200 measures the first detection temperature of each of the multiple cycles from the signal generation reaction of multiple cycles targeting the first target analyte, the second target analyte, and the third target analyte in the sample.
  • a first data set, a second data set measured at a second detection temperature for each of multiple cycles, and a third data set measured at a third detection temperature for each of multiple cycles can be obtained.
  • this signal generation reaction includes a first signal generation composition for detecting a first target analyte in a sample, a second signal generation composition for detecting a second target analyte, and a third target analysis in one reaction vessel.
  • the first signal generating composition, the second signal generating composition and the third signal generating composition comprise the same label, and the signal from the label is There is no differentiation for each target analyte by a single type of detector.
  • step S1720 the computer device 200 uses the first to third data sets at least in part to (a) create a first data set that approximates a signal value at a first detection temperature that is dependent on the presence of the first target analyte.
  • -1 approximation function a 2-2 approximation function approximating the signal value at the second detection temperature dependent on the presence of the second target analyte, and the signal value at the third detection temperature dependent on the presence of the third target analyte.
  • the value of the approximation function parameter included in at least one approximation function selected from the group consisting of the approximating 3-3 approximation function, and (b) a signal value dependent on at least one of the target analytes is the first detection temperature. Joint-estimation may be performed on the value of at least one size parameter among the plurality of size parameter values representing the relationship between sizes at any two of the through third detection temperatures.
  • a method of detecting each of a plurality of target analytes may be performed by the computer device 200 according to another embodiment of the present disclosure. After the above-described steps S1710 to S1720 are performed, the computer device 200 can detect each of the first to third target analytes in the sample using the joint-estimation result, as described above. It may be understood in the same or similar manner as the embodiments.
  • an example of obtaining an approximate signal for each of the three target analytes has been described, but the present disclosure is not limited thereto, and based on the technical idea described in the specification, an approximate signal for each of the m target analytes has been described. It can be seen that the embodiment of acquiring the signal can also be modified and implemented in an expandable form.
  • Combinations of each block of the block diagram and each step of the flowchart attached to the present invention may be performed by computer program instructions. Since these computer program instructions can be mounted on the encoding processor of a general-purpose computer, special-purpose computer, or other programmable data processing equipment, the instructions performed through the encoding processor of the computer or other programmable data processing equipment are included in each block or block of the block diagram. Each step of the flowchart creates a means to perform the functions described.
  • These computer program instructions may also be stored in computer-usable or computer-readable memory that can be directed to a computer or other programmable data processing equipment to implement a function in a particular way, so that the computer-usable or computer-readable memory
  • the instructions stored in can also produce manufactured items containing instruction means that perform the functions described in each block of the block diagram or each step of the flowchart.
  • Computer program instructions can also be mounted on a computer or other programmable data processing equipment, so that a series of operational steps are performed on the computer or other programmable data processing equipment to create a process that is executed by the computer, thereby generating a process that is executed by the computer or other programmable data processing equipment. Instructions that perform processing equipment may also provide steps for executing functions described in each block of the block diagram and each step of the flowchart.
  • each block or each step may represent a module, segment, or portion of code that includes one or more executable instructions for executing specified logical function(s). Additionally, it should be noted that in some alternative embodiments it is possible for the functions mentioned in the blocks or steps to occur out of order. For example, two blocks or steps shown in succession may in fact be performed substantially simultaneously, or the blocks or steps may sometimes be performed in reverse order depending on the corresponding function.

Landscapes

  • Chemical & Material Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Organic Chemistry (AREA)
  • Proteomics, Peptides & Aminoacids (AREA)
  • General Health & Medical Sciences (AREA)
  • Wood Science & Technology (AREA)
  • Analytical Chemistry (AREA)
  • Engineering & Computer Science (AREA)
  • Biochemistry (AREA)
  • Immunology (AREA)
  • Zoology (AREA)
  • Physics & Mathematics (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Molecular Biology (AREA)
  • Microbiology (AREA)
  • Biotechnology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • General Engineering & Computer Science (AREA)
  • Biophysics (AREA)
  • Genetics & Genomics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • General Physics & Mathematics (AREA)
  • Pathology (AREA)
  • Investigating Or Analyzing Materials Using Thermal Means (AREA)

Abstract

시료 내 제1 표적 분석물 및 제2 표적 분석물을 타겟으로 하는 복수 사이클의 신호 발생 반응으로부터, 상기 복수 사이클 각각의 제1 검출온도에서 측정된 제1 데이터 세트 및 상기 복수 사이클 각각의 제2 검출온도에서 측정된 제2 데이터 세트를 획득하고, 상기 제1 데이터 세트와 상기 제2 데이터 세트를 적어도 부분적으로 이용해서, (a) 상기 제1 표적 분석물의 존재에 의존적인 상기 제1 검출온도에서의 신호값을 근사화하는 제1-1 근사 함수, 상기 제1 표적 분석물의 존재에 의존적인 상기 제2 검출온도에서의 신호값을 근사화하는 제1-2 근사 함수 및 상기 제2 표적 분석물의 존재에 의존적인 상기 제2검출온도에서의 신호값을 근사화하는 제2 근사 함수로 이루어지는 군으로부터 선택되는 적어도 어느 하나의 근사 함수에 포함된 근사 함수 파라미터의 값과, (b) 상기 제1 표적 분석물의 존재에 의존적인 신호값이 상기 제1 검출온도에서 갖는 크기와 상기 제2 검출온도에서 갖는 크기 간의 관계를 나타내는 크기 파라미터의 값에 대한 joint-estimation을 수행하는 단계를 포함하는, 표적 분석물에 관한 근사 신호의 획득 방법이 제공된다.

Description

복수의 표적 분석물 각각에 대한 근사 신호의 획득 방법 및 이를 수행하는 컴퓨터 장치
본 개시는 복수의 표적 분석물 각각에 대한 근사 신호의 획득 방법 및 이를 수행하는 컴퓨터 장치에 관한 것이다.
중합효소 연쇄반응(Polymerase chain reaction: PCR)으로 공지된 핵산증폭반응은 이중가닥 DNA의 변성, DNA 주형에로의 올리고뉴클레오타이드 프라이머의 어닐링 및 DNA 중합효소에 의한 프라이머 연장의 반복된 사이클 과정을 포함한다(Mullis 등, 미국 특허 제4,683,195호, 제4,683,202호 및 제4,800,159호; Saiki et al., Science 230:1350-1354(1985)).
실시간 PCR(Real-time PCR)은 시료에서 타겟 핵산을 실시간으로 검출하기 위한 PCR 기반 기술이다. 특정 타겟 핵산을 검출하기 위하여, PCR 반응 시 타겟 핵산의 양에 비례하여 검출 가능한 형광신호를 방출하는 신호 발생수단이 이용된다. 타겟 핵산의 양에 비례하는 형광신호가 실시간 PCR을 통하여 각 측정지점(사이클) 마다 검출되어, 각 측정지점 및 상기 측정지점에서의 신호값을 포함하는 데이터 세트가 수득되고, 데이터 세트로부터 측정지점 대비 검출되는 형광신호의 세기를 표시한 증폭곡선(amplification curve) 또는 증폭 프로파일 곡선(amplification profile curve)이 수득된다.
일반적으로 실시간 PCR에 의한 증폭곡선은 베이스라인(baseline) 영역, 지수(exponential) 영역, 정체(plateau) 영역으로 구분된다. 지수 영역은 PCR 증폭 산물의 증가에 비례하여 방출되는 형광신호가 증가하는 영역이며, 정체 영역은 PCR 증폭 산물의 증가 및 형광신호의 방출이 포화상태에 이르러 더 이상 형광신호의 증가가 나타나지 않는 영역이다. 베이스라인 영역에서는 반응 초기에 형광신호의 크기 변화가 두드러지지 않는다. 베이스라인 영역에서는 PCR 반응 산물이 방출하는 형광신호가 검출될 정도로 충분하지 않다. 따라서, 이 영역에서는 타겟 분석 물질의 증폭에 의한 형광신호보다는 반응 시료 자체의 형광신호와 측정 시스템 자체의 형광신호인 배경신호(background signal)가 형광신호의 대부분을 차지한다.
실시간 PCR의 데이터 세트로부터 복수의 타겟 분석 물질의 증폭이 존재하는지 여부를 판단하는 다양한 방법이 개발되어 있다. 그 중에서도, 상이한 검출 온도를 이용하여 시료 내 2개의 타겟 핵산 서열을 검출하는 방법이 알려져 있다(한국등록특허 제10-2050601호). 알려진 방법에 따르면, 하나의 반응 용기에서 상대적 고온 검출 온도 및 상대적 저온 검출 온도 각각을 갖는 2개의 타겟 핵산 서열을 검출하기 위한 2개의 신호 발생 조성물과 함께 해당 시료를 인큐베이션하고, 상대적 고온 검출 온도 및 상대적 저온 검출 온도 각각에서 발생된 시그널을 단일 유형의 검출기를 이용하여 검출할 수 있다. 이때, 상대적 고온 검출 온도에서 검출된 시그널에는 상대적 고온 검출 온도를 갖는 타겟 핵산 서열에 대한 시그널이 포함되고, 상대적 저온 검출 온도에서 검출된 시그널에는 상대적 저온 검출 온도를 갖는 타겟 핵산 서열에 대한 시그널 및 상대적 고온 검출 온도를 갖는 타겟 핵산 서열에 대한 시그널 모두가 포함될 수 있다. 상대적 고온 검출 온도를 갖는 타겟 핵산 서열의 존재는 상대적 고온 검출 온도에서 검출된 시그널에 의해 결정되고, 상대적 저온 검출 온도를 갖는 타겟 핵산 서열의 존재는 기준값을 사용하여 상대적 고온 검출 온도에서 검출된 시그널 및 상대적 저온 검출 온도에서 검출된 시그널 간의 차이에 의해 결정될 수 있다. 이때, 기준값은 사전에 구해진 값으로서, 상기 하나의 반응 용기가 아닌 다른 반응 용기에서, 상대적 고온 검출 온도를 갖는 타겟 핵산 서열과 신호 발생 조성물과 함께 인큐베이션함에 따라 검출되는, 고온 검출 온도에서 검출된 시그널 및 상대적 저온 검출 온도에서 검출된 시그널 간의 차이를 구하여 얻어진다.
이와 같이, 복수의 타겟 분석 물질을 검출하기 위해 상기한 기준값을 사용하여 복수의 온도 각각에서 검출된 신호값으로부터 복수의 타겟 분석 물질 각각에 해당하는 신호값을 추출하는 작업이 수행되고 있다. 그러나, 종래 기술에서 상기한 기준값은 사전에 다른 반응 용기에서의 시그널로부터 구한 값으로서, 복수의 타겟 분석 물질을 검출하고자 하는 타겟 반응 용기에서의 시그널로부터 도출되는 값이 아니며, 따라서 반응 용기, 검출 장치 등 검출 환경에 따라 발생되는 차이를 반영하기 어려운 한계가 있다. 또한, 상기한 기준값은 반응 용기에 상대적 저온 검출 온도를 갖는 타겟 핵산 서열은 존재하지 않고 상대적 고온 검출 온도를 갖는 타겟 핵산 서열이 존재할 때, 고온 검출 온도에서 검출된 시그널 및 상대적 저온 검출 온도에서 검출된 시그널 간의 차이를 구하여 얻어지는 것이기 때문에, 타겟 분석 물질의 존부를 알 수 없는 임의의 타겟 반응 용기에서는 구할 수 없는 한계가 있다.
이에 사전에 구한 기준값을 사용하지 않고도 복수의 온도 각각에서 검출된 신호값으로부터 상기한 기준값과 복수의 표적 분석물 각각에 해당하는 신호값을 추정할 수 있는 기술이 요구되고 있다.
본 발명이 해결하고자 하는 과제는, 상이한 온도 각각에서 검출된 신호값으로부터 복수의 표적 분석물 각각에 대한 근사 신호를 획득하는 기술을 제공하는 것이다.
또한, 전술한 근사 신호의 획득 과정에는 상기 검출된 신호값으로부터 특정 표적 분석물에 대한 신호값만을 분리 내지 추출하는 과정이 포함되며 이 과정에서 소정의 파라미터가 이용되는데, 이러한 파라미터의 값이 각각의 반응 용기마다 최적화된 값으로서 적용되도록 하는 것이, 전술한 과제에 포함될 수 있다.
다만, 본 발명이 해결하고자 하는 과제는 이상에서 언급한 것으로 제한되지 않으며, 언급되지 않은 또 다른 해결하고자 하는 과제는 아래의 기재로부터 본 발명이 속하는 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
일 실시예에 따른 컴퓨터 장치에 의해 수행되는 복수의 표적 분석물 각각에 대한 근사 신호의 획득 방법에 있어서, 상기 방법은, 시료 내 제1 표적 분석물 및 제2 표적 분석물을 타겟으로 하는 복수 사이클의 신호 발생 반응으로부터, 상기 복수 사이클 각각의 제1 검출온도에서 측정된 제1 데이터 세트 및 상기 복수 사이클 각각의 제2 검출온도에서 측정된 제2 데이터 세트를 획득하는 단계; 상기 제1 데이터 세트에는 상기 시료 내 상기 제1 표적 분석물의 존재에 의존적인 상기 제1 검출온도에서의 신호값이 포함되고, 상기 제2 데이터 세트에는 상기 시료 내 상기 제1 표적 분석물 및 상기 제2 표적 분석물의 존재에 의존적인 상기 제2 검출온도에서의 신호값이 포함되며, 상기 신호 발생 반응은 하나의 반응 용기에서 상기 시료 내 상기 제1 표적 분석물을 검출하기 위한 제1 신호 발생 조성물 및 상기 제2 표적 분석물을 검출하기 위한 제2 신호 발생 조성물과 함께 상기 시료를 인큐베이션함에 따라 발생되고, 상기 제1 신호 발생 조성물 및 상기 제2 신호 발생 조성물은 동일한 표지를 포함하고, 상기 표지로부터의 신호는 단일 유형의 검출기에 의해 각 표적 분석물에 대해 구별되지 않으며, 상기 제1 데이터 세트와 상기 제2 데이터 세트를 적어도 부분적으로 이용해서, (a) 상기 제1 표적 분석물의 존재에 의존적인 상기 제1 검출온도에서의 신호값을 근사화하는 제1-1 근사 함수, 상기 제1 표적 분석물의 존재에 의존적인 상기 제2 검출온도에서의 신호값을 근사화하는 제1-2 근사 함수 및 상기 제2 표적 분석물의 존재에 의존적인 상기 제2 검출온도에서의 신호값을 근사화하는 제2 근사 함수로 이루어지는 군으로부터 선택되는 적어도 어느 하나의 근사 함수에 포함된 근사 함수 파라미터의 값과, (b) 상기 제1 표적 분석물의 존재에 의존적인 신호값이 상기 제1 검출온도에서 갖는 크기와 상기 제2 검출온도에서 갖는 크기 간의 관계를 나타내는 크기 파라미터의 값에 대한 joint-estimation을 수행하는 단계를 포함한다.
일 실시예에서, 상기 joint-estimation을 수행하는 단계에서는, 상기 제1-1 근사 함수와 상기 제2 근사 함수에 포함된 근사 함수 파라미터 및 상기 크기 파라미터를 포함하는 제1 파라미터 그룹의 파라미터 값에 대한 joint-estimation이 수행되되, 상기 제1 파라미터 그룹에서의 상기 크기 파라미터는 상기 제1 검출온도에서 갖는 크기에 대한 상기 제2 검출온도에서 갖는 크기의 비를 나타내고, 또는, 상기 제1-2 근사 함수와 상기 제2 근사 함수에 포함된 근사 함수 파라미터 및 상기 크기 파라미터를 포함하는 제2 파라미터 그룹의 파라미터 값에 대한 joint-estimation이 수행되되, 상기 제2 파라미터 그룹에서의 상기 크기 파라미터는 상기 제2 검출온도에서 갖는 크기에 대한 상기 제1 검출온도에서 갖는 크기의 비를 나타낼 수 있다.
일 실시예에서, 상기 joint-estimation을 수행하는 단계는, 상기 제1 데이터 세트를 이용하여 상기 제1-1 근사 함수에 포함된 제1-1 근사 함수 파라미터의 값을 추정하는 단계; 및 상기 제1-1 근사 함수 파라미터에 대해 추정된 값 및 상기 제2 데이터 세트를 적어도 부분적으로 이용하여 상기 제2 근사 함수에 포함된 제2 근사 함수 파라미터의 값 및 상기 크기 파라미터의 값에 대한 joint-estimation을 수행하는 단계;를 포함할 수 있다.
일 실시예에서, 상기 제1-1 근사 함수 파라미터의 값은, 상기 복수 사이클 각각에서 상기 제1-1 근사 함수와 상기 제1 데이터 세트 간의 차이(difference)의 합이 최소화되도록 추정될 수 있다.
일 실시예에서, 상기 제2 근사 함수 파라미터의 값 및 상기 크기 파라미터의 값에 대한 joint-estimation을 수행하는 단계에서는, 상기 크기 파라미터의 값 및 상기 추정된 제1-1 근사 함수 파라미터의 값을 갖는 상기 제1-1 근사 함수의 값을 이용해서, 상기 제1-2 근사 함수의 값이 준비되고, 상기 복수 사이클 각각에서 (a) 상기 제2 데이터 세트;와, (b) 상기 제2 근사 함수 및 상기 제1-2 근사 함수의 합; 간의 차이(difference)를 연산하고, 상기 복수 사이클에서 상기 차이의 합이 최소화되도록 상기 제2 근사 함수 파라미터의 값 및 상기 크기 파라미터의 값에 대한 joint-estimation을 수행할 수 있다.
일 실시예에서, 상기 제2 근사 함수 파라미터의 값 및 상기 크기 파라미터의 값은, joint maximum likelihood estimation에 기초하여 추정될 수 있다.
일 실시예에서, 상기 joint-estimation을 수행하는 단계는, 상기 복수 사이클 각각에서 상기 제1 데이터 세트와 상기 제1-1 근사 함수 간의 차이(difference)의 합과, 상기 복수 사이클 각각에서 상기 제2 데이터 세트가 상기 제2 근사 함수 및 상기 제1-2 근사 함수와 갖는 차이(difference)의 합을 고려해서, 상기 제1-1 근사 함수에 포함된 제1-1 근사 함수 파라미터의 값, 상기 제2 근사 함수에 포함된 제2 근사 함수 파라미터의 값 및 상기 크기 파라미터의 값에 대한 joint-estimation을 수행하는 단계를 포함할 수 있다.
일 실시예에서, 상기 제1-1 근사 함수 파라미터의 값, 상기 제2 근사 함수 파라미터의 값 및 상기 크기 파라미터의 값은, joint maximum likelihood estimation에 기초하여 추정될 수 있다.
일 실시예에서, 상기 joint-estimation을 수행하는 단계는, 상기 제1-1 근사 함수 파라미터, 상기 제2 근사 함수 파라미터 및 상기 크기 파라미터 중 어느 하나 또는 둘의 파라미터에 임의의 값 또는 기 추정된 값을 적용하고 나머지 파라미터의 값을 추정하는 단계; 및 상기 추정된 나머지 파라미터의 값을 적용하고 상기 어느 하나 또는 둘의 파라미터의 값을 추정하는 단계;를 더 포함하고, 상기 나머지 파라미터의 값을 추정하는 단계 및 상기 어느 하나 또는 둘의 파라미터의 값을 추정하는 단계는 복수로 수행될 수 있다.
일 실시예에서, 상기 제1 데이터 세트 및 상기 제2 데이터 세트 각각은, 상기 시료 내 상기 제1 표적 분석물 및 상기 제2 표적 분석물을 검출하는 검출 장치로부터 획득된 원시 데이터 세트(raw data set), 상기 원시 데이터 세트의 수학적으로 변형된 데이터 세트, 상기 원시 데이터 세트의 표준화(normalization)된 데이터 세트, 또는 상기 수학적으로 변형된 데이터 세트의 표준화된 데이터 세트일 수 있다.
일 실시예에서, 상기 제1-1 근사 함수, 상기 제1-2 근사 함수 및 상기 제2 근사 함수 각각은, 시그모이드(sigmoid) 함수, 로지스틱(logistic) 함수, 곰페르츠(Gompertz) 함수, 및 차프만(Chapman) 함수로 이루어진 군으로부터 선택된 어느 하나일 수 있다.
일 실시예에서, 상기 제1-1 근사 함수에 포함된 제1-1 근사 함수 파라미터 및 상기 제1-2 근사 함수에 포함된 제1-2 근사 함수 파라미터는, 상기 제1 표적 분석물의 존재에 의존적인 신호값의 사이클에 대한 제1 기울기를 나타내는 파라미터, 상기 제1 기울기가 극대인 지점에 대응되는 사이클을 나타내는 파라미터, baseline 영역에서의 신호값을 나타내는 파라미터 및 plateau 영역에서의 신호값을 나타내는 파라미터 중 적어도 하나를 포함하고, 상기 제2 근사 함수에 포함 제2 근사 함수 파라미터는, 상기 제2 표적 분석물의 존재에 의존적인 신호값의 사이클에 대한 제2 기울기를 나타내는 파라미터, 상기 제2 기울기가 극대인 지점에 대응되는 사이클을 나타내는 파라미터, baseline 영역에서의 신호값을 나타내는 파라미터 및 plateau 영역에서의 신호값을 나타내는 파라미터 중 적어도 하나를 포함할 수 있다.
일 실시예에서, 상기 제1-1 근사 함수, 상기 제1-2 근사 함수 및 상기 제2 근사 함수 각각은 배경신호에 대한 배경 신호 근사 함수의 파라미터를 더 포함하고, 상기 제1-1 근사 함수 및 상기 제1-2 근사 함수 각각에 포함된 상기 배경 신호 근사 함수의 파라미터는, 상기 제1 데이터 세트에 더 포함된 제1 배경신호의 사이클에 대한 기울기를 근사화하는 파라미터, baseline 영역에서의 신호값을 근사화하는 파라미터, 및 상기 제1 배경신호의 크기가 최소인 지점에 대응되는 사이클을 근사화하는 파라미터 중 적어도 하나를 포함하고, 상기 제2 근사 함수에 포함된 상기 배경 신호 근사 함수의 파라미터는, 상기 제2 데이터 세트에 더 포함된 제2 배경신호의 사이클에 대한 기울기를 근사화하는 파라미터, baseline 영역에서의 신호값을 근사화하는 파라미터, 및 상기 제2 배경신호의 크기가 최소인 지점에 대응되는 사이클을 근사화하는 파라미터 중 적어도 하나를 포함할 수 있다.
일 실시예에서, 상기 배경 신호 근사 함수의 파라미터는, 상수 또는 다항 함수의 파라미터일 수 있다.
일 실시예에서, 상기 제1 검출온도는 상기 제2 검출온도보다 클 수 있다.
일 실시예에서, 상기 제2 검출온도는 상기 제1 검출온도보다 클 수 있다.
일 실시예에서, 상기 신호 발생 반응은 핵산 증폭을 수반할 수 있다.
일 실시예에서, 상기 joint-estimation에서는, 상기 크기 파라미터의 값이 상기 복수 사이클로부터 결정되는 두 개 이상의 사이클 구간 각각에 대해서 joint-estimation되는 것을 특징으로 할 수 있다.
일 실시예에서, 상기 joint-estimation에서는, 상기 크기 파라미터의 값이 상기 복수 사이클 각각에 대해서 joint-estimation되는 것을 특징으로 할 수 있다.
일 실시예에서, 상기 joint-estimation을 수행하는 단계는, 상기 제1 데이터 세트를 이용하여 상기 제1-1 근사 함수에 포함된 제1-1 근사 함수 파라미터의 값을 추정하는 단계; 및 상기 제1 데이터 세트와 상기 제2 데이터 세트를 이용하여 상기 제2 근사 함수에 포함된 제2 근사 함수 파라미터의 값과 상기 크기 파라미터의 값에 대한 joint-estimation을 수행하는 단계를 포함할 수 있다.
일 실시예에서, 상기 제2 근사 함수 파라미터의 값과 상기 크기 파라미터의 값에 대한 joint-estimation을 수행하는 단계는, 상기 복수 사이클 각각에서 (a) 상기 제2 데이터 세트;와, (b) 상기 제1 데이터 세트 및 상기 크기 파라미터; 간의 차이(difference)를 연산하는 단계; 및 상기 복수 사이클에서 상기 차이의 합이 최소화되도록 상기 제2 근사 함수 파라미터의 값 및 상기 크기 파라미터의 값에 대한 joint-estimation을 수행하는 단계를 포함할 수 있다.
일 실시예에 따른 컴퓨터 판독 가능한 기록 매체에 저장되어 있는 컴퓨터 프로그램은, 상기 방법에 포함된 각 단계를 수행하도록 프로그램될 수 있다.
일 실시예에 따른 컴퓨터 판독 가능한 기록 매체는, 상기 방법에 포함된 각 단계를 수행하도록 프로그램된 컴퓨터 프로그램이 저장되어 있을 수 있다.
일 실시예에 따른 컴퓨터 장치는, 시료 내 제1 표적 분석물 및 제2 표적 분석물을 타겟으로 하는 복수 사이클의 신호 발생 반응으로부터, 상기 복수 사이클 각각의 제1 검출온도에서 측정된 제1 데이터 세트 및 상기 복수 사이클 각각의 제2 검출온도에서 측정된 제2 데이터 세트를 획득하는 획득부; 상기 제1 데이터 세트에는 상기 시료 내 상기 제1 표적 분석물의 존재 여부에 의존적인 상기 제1 검출온도에서의 신호값이 포함되고, 상기 제2 데이터 세트에는 상기 시료 내 상기 제1 표적 분석물 및 상기 제2 표적 분석물의 존재 여부에 의존적인 상기 제2 검출온도에서의 신호값이 포함되며, 상기 신호 발생 반응은 하나의 반응 용기에서 상기 시료 내 상기 제1 표적 분석물을 검출하기 위한 제1 신호 발생 조성물 및 상기 제2 표적 분석물을 검출하기 위한 제2 신호 발생 조성물과 함께 상기 시료를 인큐베이션함에 따라 발생되고, 상기 제1 신호 발생 조성물 및 상기 제2 신호 발생 조성물은 동일한 표지를 포함하고, 상기 표지로부터의 신호는 단일 유형의 검출기에 의해 각 표적 분석물에 대해 구별되지 않으며, 적어도 하나의 명령어를 저장하는 메모리; 및 프로세서를 포함하고, 상기 프로세서에 의해 상기 적어도 하나의 명령어이 실행됨으로써, 상기 제1 데이터 세트와 상기 제2 데이터 세트를 적어도 부분적으로 이용해서, (a) 상기 제1 표적 분석물의 존재에 의존적인 상기 제1 검출온도에서의 신호값을 근사화하는 제1-1 근사 함수, 상기 제1 표적 분석물의 존재에 의존적인 상기 제2 검출온도에서의 신호값을 근사화하는 제1-2 근사 함수 및 상기 제2 표적 분석물의 존재에 의존적인 상기 제2 검출온도에서의 신호값을 근사화하는 제2 근사 함수로 이루어지는 군으로부터 선택되는 적어도 어느 하나의 근사 함수에 포함된 근사 함수 파라미터의 값과, (b) 상기 제1 표적 분석물의 존재에 의존적인 신호값이 상기 제1 검출온도에서 갖는 크기와 상기 제2 검출온도에서 갖는 크기 간의 관계를 나타내는 크기 파라미터의 값에 대한 joint-estimation이 수행될 수 있다.
일 실시예에 따른 컴퓨터 장치에 의해 수행되는 복수의 표적 분석물 각각을 검출하는 방법에 있어서, 상기 방법은, 시료 내 제1 표적 분석물 및 제2 표적 분석물을 타겟으로 하는 복수 사이클의 신호 발생 반응으로부터, 상기 복수 사이클 각각의 제1 검출온도에서 측정된 제1 데이터 세트 및 상기 복수 사이클 각각의 제2 검출온도에서 측정된 제2 데이터 세트를 획득하는 단계; 상기 제1 데이터 세트에는 상기 시료 내 상기 제1 표적 분석물의 존재에 의존적인 상기 제1 검출온도에서의 신호값이 포함되고, 상기 제2 데이터 세트에는 상기 시료 내 상기 제1 표적 분석물 및 상기 제2 표적 분석물의 존재에 의존적인 상기 제2 검출온도에서의 신호값이 포함되며, 상기 신호 발생 반응은 하나의 반응 용기에서 상기 시료 내 상기 제1 표적 분석물을 검출하기 위한 제1 신호 발생 조성물 및 상기 제2 표적 분석물을 검출하기 위한 제2 신호 발생 조성물과 함께 상기 시료를 인큐베이션함에 따라 발생되고, 상기 제1 신호 발생 조성물 및 상기 제2 신호 발생 조성물은 동일한 표지를 포함하고, 상기 표지로부터의 신호는 단일 유형의 검출기에 의해 각 표적 분석물에 대해 구별되지 않으며, 상기 제1 데이터 세트와 상기 제2 데이터 세트를 적어도 부분적으로 이용해서, (a) 상기 제1 표적 분석물의 존재에 의존적인 상기 제1 검출온도에서의 신호값을 근사화하는 제1-1 근사 함수, 상기 제1 표적 분석물의 존재에 의존적인 상기 제2 검출온도에서의 신호값을 근사화하는 제1-2 근사 함수 및 상기 제2 표적 분석물의 존재에 의존적인 상기 제2 검출온도에서의 신호값을 근사화하는 제2 근사 함수로 이루어지는 군으로부터 선택되는 적어도 어느 하나의 근사 함수에 포함된 근사 함수 파라미터의 값과, (b) 상기 제1 표적 분석물의 존재에 의존적인 신호값이 상기 제1 검출온도에서 갖는 크기와 상기 제2 검출온도에서 갖는 크기 간의 관계를 나타내는 크기 파라미터의 값에 대한 joint-estimation을 수행하는 단계; 및 상기 joint-estimation 결과를 이용하여 상기 시료 내 상기 제1 표적 분석물 및 상기 제2 표적 분석물 각각을 검출하는 단계;를 포함할 수 있다.
일 실시예에 따른 컴퓨터 장치에 의해 수행되는 복수의 표적 분석물 각각에 대한 근사 신호의 획득 방법에 있어서, 상기 방법은, 시료 내 제1 표적 분석물, 제2 표적 분석물 및 제3 표적 분석물을 타겟으로 하는 복수 사이클의 신호 발생 반응으로부터, 상기 복수 사이클 각각의 제1 검출온도에서 측정된 제1 데이터 세트, 상기 복수 사이클 각각의 제2 검출온도에서 측정된 제2 데이터 세트 및 상기 복수 사이클 각각의 제3 검출온도에서 측정된 제3 데이터 세트를 획득하는 단계; 상기 제1 데이터 세트에는 상기 시료 내 상기 제1 표적 분석물의 존재에 의존적인 상기 제1 검출온도에서의 신호값이 포함되고, 상기 제2 데이터 세트에는 상기 시료 내 상기 제1 표적 분석물 및 상기 제2 표적 분석물의 존재에 의존적인 상기 제2 검출온도에서의 신호값이 포함되며, 상기 제3 데이터 세트에는 상기 시료 내 상기 제1 표적 분석물, 상기 제2 표적 분석물 및 상기 제3 표적 분석물의 존재에 의존적인 상기 제3 검출온도에서의 신호값이 포함되며, 상기 신호 발생 반응은 하나의 반응 용기에서 상기 시료 내 상기 제1 표적 분석물을 검출하기 위한 제1 신호 발생 조성물, 상기 제2 표적 분석물을 검출하기 위한 제2 신호 발생 조성물 및 상기 제3 표적 분석물을 검출하기 위한 제3 신호 발생 조성물과 함께 상기 시료를 인큐베이션함에 따라 발생되고, 상기 제1 신호 발생 조성물, 상기 제2 신호 발생 조성물 및 상기 제3 신호 발생 조성물은 동일한 표지를 포함하고, 상기 표지로부터의 신호는 단일 유형의 검출기에 의해 각 표적 분석물에 대해 구별되지 않으며, 상기 제1 데이터 세트 내지 상기 제3 데이터 세트를 적어도 부분적으로 이용해서, (a) 상기 제1 표적 분석물의 존재에 의존적인 상기 제1 검출온도에서의 신호값을 근사화하는 제1-1 근사 함수, 상기 제1 표적 분석물의 존재에 의존적인 상기 제2 검출온도에서의 신호값을 근사화하는 제1-2 근사 함수, 상기 제1 표적 분석물의 존재에 의존적인 상기 제3 검출온도에서의 신호값을 근사화하는 제1-3 근사 함수, 상기 제2 표적 분석물의 존재에 의존적인 상기 제2 검출온도에서의 신호값을 근사화하는 제2-2 근사 함수, 상기 제2 표적 분석물의 존재에 의존적인 상기 제3 검출온도에서의 신호값을 근사화하는 제2-3 근사 함수 및 상기 제3 표적 분석물의 존재에 의존적인 상기 제3 검출온도에서의 신호값을 근사화하는 제3-3 근사 함수로 이루어지는 군으로부터 선택되는 적어도 어느 하나의 근사 함수에 포함된 근사 함수 파라미터의 값과, (b) 상기 표적 분석물 중 적어도 어느 하나에 의존적인 신호값이 상기 제1 검출온도 내지 제3 검출온도 중 어느 두 검출온도에서 갖는 크기 간의 관계를 나타내는 복수개의 크기 파라미터의 값 중 적어도 하나의 크기 파라미터의 값에 대한 joint-estimation을 수행하는 단계를 포함한다.
일 실시예에서, 상기 복수개의 크기 파라미터는, 상기 제1 표적 분석물의 존재에 의존적인 신호값이 상기 제1 검출온도에서 갖는 크기와 상기 제2 검출온도에서 갖는 크기 간의 관계를 나타내는 제1 크기 파라미터, 상기 제1 표적 분석물의 존재에 의존적인 신호값이 상기 제2 검출온도에서 갖는 크기와 상기 제3 검출온도에서 갖는 크기 간의 관계를 나타내는 제2 크기 파라미터, 상기 제2 표적 분석물의 존재에 의존적인 신호값이 상기 제2 검출온도에서 갖는 크기와 상기 제3 검출온도에서 갖는 크기 간의 관계를 나타내는 제3 크기 파라미터, 및 상기 제1 표적 분석물의 존재에 의존적인 신호값이 상기 제1 검출온도에서 갖는 크기와 상기 제3 검출온도에서 갖는 크기 간의 관계를 나타내는 제4 크기 파라미터로 이루어지는 군으로부터 선택되는 적어도 어느 하나를 포함할 수 있다.
일 실시예에 따르면, 특정 표적 분석물의 존재에 의존적인 신호값이 두 검출온도에서 갖는 크기 간의 관계를 나타내는 크기 파라미터에 대해서, 해당 신호 발생 반응에 대한 반응(reaction) 단위로 최적화된 값이 추정될 수 있다. 전술한 것처럼, 특정 표적 분석물의 존재 하에 발생되는 두 검출온도에서의 신호들 간의 관계는 기준값(reference value)이라는 용어로 표현될 수 있다. 종래에는 임의의 시료에 대한 신호 발생 반응을 분석하기 전에 이러한 기준값을 미리 정해진 절차에 따라 실험적으로 또는 통계적으로 측정되고, 임의의 시료에 대한 신호 발생 반응의 분석 과정에서 미리 구해둔 기준값을 각 표적 분석물에 대한 신호값의 추출 과정에 적용하는 방식이 이용되었다. 그러나, 이러한 종래 기술은 각 반응마다 반응 용기, 검출 장치 등의 다양한 검출 환경에 따라 발생되는 차이를 반영할 수 없는 한계점이 있고, 이로 인해 기준값이 과도하거나 과소하게 적용됨에 따라 신호 왜곡이 발생하여서 결과적으로 각 표적 분석물의 검출 정확성이 감소하는 문제점이 있었다. 그러나, 본 개시의 일 실시예에 따르면, 시료에 대한 신호 발생 반응이 수행되는 반응마다 해당 반응에 최적화된 크기 파라미터의 값이 estimation되어 신호값 추출에 적용될 수 있다. 이로 인해, 각 표적 분석물의 신호값이 보다 정확하게 추출될 수 있으며, 결과적으로 각 표적 분석물의 검출 정확성이 향상될 수 있다.
아울러, 데이터 세트들로부터 각 표적 분석물의 존재 하에 발생되는 신호값을 근사화하는 근사 함수의 파라미터의 값이 상기한 크기 파라미터와 함께 추정될 수 있다. 이러한 파라미터들은 전체 오차에 대해 서로 영향을 미치는 상호 연관 관계가 있으며, 크기 파라미터와 각 근사 함수의 파라미터는 어느 하나의 파라미터가 다른 파라미터에 의존하고, 그 반대의 경우도 마찬가지이다. 따라서, 어느 하나의 파라미터만을 고려해서 값이 추정되는 것보다는, 이러한 파라미터들의 상호 연관 관계를 함께 고려해서 파라미터들의 최적화된 값이 joint-estimation됨으로써, 전체 오차가 최소화될 수 있다.
또한, 종래에는 상기한 기준값을 미리 구하는 과정, 각 표적 분석물에 해당하는 신호값의 추출 과정, 추출된 신호값에 맞는 증폭곡선 함수의 fitting 과정 등의 여러 과정들이 요구되는 단점이 있었다. 그러나, 본 개시의 일 실시예에 따르면, 상기한 것처럼 각 근사 함수와 크기 파라미터의 값이 함께 fitting됨에 따라, 종래 요구되던 여러 과정들이 한 번의 fitting 과정으로 통합될 수 있으므로, 시간 및 비용 측면에서 효율적인 검출이 가능하게 된다.
또한, 종래 기술에서는 미리 구해둔 기준값이 특정 케이스에서 과도하게 적용됨에 따라, 신호값 추출 과정에서 신호 왜곡이 크게 발생되어 위양성 가능성을 야기시키는 문제점이 있었다. 그러나, 본 개시의 일 실시예에 따르면, 이처럼 과도한 기준값에 의한 문제점을 해소할 수 있으며, 이로부터 보다 정확한 양음성 판독 결과를 제공할 수 있다.
추가적인 일 실시예에 따르면, 상기한 크기 파라미터의 값이 복수 사이클 각각에 대해서 estimation될 수 있다. 이에 따라, 각 반응마다 각 사이클 단위로 크기 파라미터에 대해서 보다 최적화된 값이 적용될 수 있으며, 단일한 값이 적용되는 케이스보다 각 표적 분석물의 검출 정확성이 더욱 향상될 수 있다.
추가적인 일 실시예에 따르면, 표적 분석물의 존재에 비의존적인 신호값을 근사화하는 배경 신호 근사 함수의 파라미터의 값이 함께 joint-estimation될 수 있다. 예컨대, 신호 분석 과정에서 야기되는 인위적인 신호 왜곡이 없는 원시 데이터 세트로부터, 종래 분석에 어려움이 많았던 배경 신호를 근사화하는 근사 함수의 파라미터 값이 전술한 파라미터들과 함께 추출될 수 있다. 또한, 배경 신호에 대한 세분화된 모델링을 통해 다양한 배경 요소들에 대한 함수들을 joint-estimation을 위한 모델에 추가하는 방식으로, joint-estimation 대상이 되는 파라미터들에 대한 확장 및 관리가 용이해지는 이점이 있다.
본 개시의 효과는 상기한 효과로 한정되는 것은 아니며, 본 개시의 상세한 설명 또는 특허청구범위에 기재된 발명의 구성으로부터 추론 가능한 모든 효과를 포함하는 것으로 이해되어야 한다.
도 1은 일 실시예에 따른 표적 분석물 검출 시스템의 구성을 예시적으로 나타내는 블록도이다.
도 2a와 2b에는 일 실시예에 따른 컴퓨터 장치에서 이용되는 데이터 세트 및 해당 데이터 세트로부터 추정되는 제1 표적 분석물 및 제2 표적 분석물 각각에 의존적인 신호값의 다양한 예시가 도시되어 있다.
도 3은 일 실시예에 따른 컴퓨터 장치의 구성을 예시적으로 나타내는 블록도이다.
도 4a 및 4b에는 일 실시예에 따른 시그모이드 함수 및 이러한 시그모이드함수의 특성을 나타내는 파라미터들의 개념 내지 정의가 도시되어 있다.
도 5는 제1 실시예에 따른 컴퓨터 장치가 프로세서를 통해 제2 근사 함수 파라미터의 값과 크기 파라미터의 값을 joint-estimation하는 방법을 예시적으로 나타내는 순서도이다.
도 6은 제2 실시예에 따른 컴퓨터 장치가 프로세서를 통해 제1 근사 함수 파라미터의 값, 제2 근사 함수 파라미터의 값 및 크기 파라미터의 값을 joint-estimation하는 구체적인 방법을 예시적으로 나타내는 순서도이다.
도 7a와 7b에는 다른 일 실시예에 따른 컴퓨터 장치에서 이용되는 배경 신호가 포함된 데이터 세트 및 해당 데이터 세트로부터 추정되는 제1 표적 분석물 및 제2 표적 분석물 각각에 의존적인 신호값이 다양한 예시로서 도시되어 있다.
도 8은 제3 실시예에 따른 프로세서가 제2 근사 함수 파라미터의 값, 제4 근사 함수 파라미터의 값 및 크기 파라미터의 값을 joint-estimation하는 방법을 예시적으로 나타내는 순서도이다.
도 9는 제4 실시예에 따른 프로세서가 제1 근사 함수 파라미터의 값 내지 제4 근사 함수 파라미터의 값 및 크기 파라미터의 값을 joint-estimation하는 방법을 예시적으로 나타내는 순서도이다.
도 10a 내지 10d에는 배경 신호가 상수로 고려된 제3 실시예에 따른 시뮬레이션 결과가 도시되어 있다.
도 11a 내지 11c에는 배경 신호가 1차 함수로 고려된 제3 실시예에 따른 시뮬레이션 결과가 도시되어 있다.
도 12a 내지 12c에는 배경 신호가 2차 함수로 고려된 제3 실시예에 따른 시뮬레이션 결과가 도시되어 있다.
도 13은 일 실시예에 따른 컴퓨터 장치가 표적 분석물에 대한 근사 신호를 획득하는 방법을 예시적으로 나타내는 순서도이다.
도 14a 내지 도 14d에는 전술한 다른 일 실시예에 따라 크기 파라미터의 값이 복수 사이클 각각에 대해서 추정된 시뮬레이션 결과가 도시되어 있다.
도 15a 내지 도 15b에는 제1 내지 제3 데이터 세트 및 해당 데이터 세트들로부터 joint-estimation되는 각 표적 분석물의 존재에 의존적인 각 온도에서의 신호값이 도시되어 있다.
도 16a 내지 도 16f에는 배경 신호가 고려된 제1 내지 제3 데이터 세트로부터 상기한 joint-estimation을 수행하는 일 실시예에 따른 시뮬레이션 결과가 도시되어 있다.
도 17은 일 실시예에 따른 컴퓨터 장치가 복수의 표적 분석물 각각에 대한 근사 신호를 획득하는 방법을 예시적으로 나타내는 순서도이다.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다.
본 발명의 실시예들을 설명함에 있어서 공지 기능 또는 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략할 것이다. 그리고 후술되는 용어들은 본 발명의 실시예에서의 기능을 고려하여 정의된 용어들로서 이는 사용자, 운용자의 의도 또는 관례 등에 따라 달라질 수 있다. 그러므로 그 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다.
도 1을 설명하기에 앞서, 본원에서 사용된 일부 용어들에 대해 살펴보기로 한다.
본 명세서에서, 용어 "표적 분석물(target analyte)"은 다양한 물질(예컨대, 생물학적 물질 및 비생물학적 물질)을 지칭할 수 있다. 이러한 표적 분석물은 구체적으로 생물학적 물질, 보다 구체적으로 핵산분자(예컨대, DNA 및 RNA), 단백질, 펩타이드, 탄수화물, 지질, 아미노산, 생물학적 화합물, 호르몬, 항체, 항원, 대사물질 및 세포 중 적어도 하나를 포함할 수 있다.
용어 "시료"는 생물학적 시료(예컨대, 세포, 조직 및 체액) 및 비생물학적 시료(예컨대, 음식물, 물 및 토양)을 의미할 수 있다. 이 중, 상기 생물학적 시료는 예컨대, 바이러스, 세균, 조직, 세포, 혈액(전혈, 혈장 및 혈청 포함), 림프, 골수액, 타액, 객담(sputum), 스왑(swab), 흡인액(aspiration), 우유, 소변(urine), 분변(stool), 안구액, 정액, 뇌 추출물, 척수액, 관절액, 흉선액, 기관지 세척액, 복수 및 양막액 중 적어도 하나를 포함할 수 있다. 이러한 시료에는 전술한 표적 분석물이 포함될 수도 있고 그렇지 않을 수도 있다.
한편, 전술한 표적 분석물이 핵산분자이거나 핵산분자를 포함하는 경우, 상기 표적 분석물을 포함할 것으로 추정되는 상기 시료를 대상으로 본 기술분야에서 공지된 핵산 추출(nucleic acid extraction) 과정이 수행될 수 있다(참조: Sambrook, J. et al., Molecular Cloning. A Laboratory Manual, 3rd ed. Cold Spring Harbor Press(2001)). 상기 핵산 추출 과정은 시료의 종류에 따라 달라질 수 있다. 또한, 상기 추출된 핵산이 RNA인 경우 cDNA를 합성하기 위한 역전사(reverse transcription) 과정을 추가로 거칠 수 있다(참조: Sambrook, J. et al., Molecular Cloning. A Laboratory Manual, 3rd ed. Cold Spring Harbor Press(2001).
용어 "데이터 세트"는 신호 발생 조성물(신호 발생 조성물에 대해서는 후술하기로 한다)을 이용하는 상기 표적 분석물에 대한 신호 발생 반응으로부터 수득된 데이터를 지칭한다.
이 경우, 용어 "신호 발생 반응"은 시료 내 표적 분석물의 특성(properties), 예컨대 활성, 양 또는 존재(또는 부존재), 구체적으로 존재(또는 부존재)에 의존적으로 신호를 발생시키는 반응을 의미한다. 이러한 신호 발생 반응은 생물학적 반응 및 화학적 반응을 포함한다. 이 중, 생물학적 반응은 PCR(polymerase chain reaction), 실시간 PCR, 실시간 등온 증폭 반응 및 마이크로어레이 분석과 같은 유전적 분석 과정, 면역학적 분석 과정 및 박테리아 성장 분석을 포함한다. 아울러, 화학적 반응은 화학물질의 생성, 변화 또는 파괴를 분석하는 과정을 포함한다.
일 구현예에 따르면, 신호 발생 반응은 유전적 분석 과정일 수 있으며, 또는 PCR이나 등온 증폭 반응과 같은 핵산 증폭 반응, 효소 반응 또는 미생물 성장일 수 있다. 증폭 반응에서는, 표적 분석물(예컨대, 핵산분자)의 증폭이 동반되거나 또는 동반되지 않을 수 있다. 보다 구체적으로, 증폭 반응은 표적 분석물의 증폭이 동반되는 신호의 증폭 반응을 의미할 수 있다.
한편, 전술한 신호 발생 반응은 신호 변화를 동반한다. 따라서, 이러한 신호 발생 반응의 진행정도는 신호의 변화를 측정함으로써 평가될 수 있다.
신호 발생 반응은 신호가 나타나는 반응 또는 신호가 소멸되는 반응을 나타낼 수 있다. 신호 변화는 신호가 증가하는 변화, 신호가 감소하는 변화를 포함할 수 있다.
여기에서, 용어 "신호"는 측정 가능한 아웃풋을 의미한다. 아울러, 이러한 신호의 측정된 크기 또는 변화는 표적 분석물의 특성, 구체적으로는 시료 내 표적 분석물의 존재 또는 부존재를 정성적으로 또는 정량적으로 지시하는 지시자 역할을 한다.
여기서, 지시자의 예는 형광 세기(fluorescence intensity), 발광 세기, 화학발광 세기, 생발광 세기, 인광세기, 전하 이동, 전압, 전류, 전력, 에너지, 온도, 점성도, 광 스캐터, 방사능 세기, 반사도, 투광도 및 흡광도를 포함하며, 다만 이에 한정되는 것은 아니다.
전술한 바 있는 용어 "신호 발생 조성물"은 분석하고자 하는 표적 분석물의 특성, 구체적으로 존재 또는 부존재를 나타내는 신호를 제공하는 수단을 의미한다. 이러한 신호 발생 조성물은 표지 자체 또는 표지가 연결된 올리고뉴클레오타이드를 포함한다.
이 중, 표지는 형광 표지, 발광 표지, 화학발광 표지, 전기화학적 표지 및 금속 표지를 포함한다. 상기 표지는 인터컬레이팅 염료(intercalating dye)와 같이 표지 자체로 사용될 수 있다. 또는 상기 표지는, 단일 표지 또는 공여 분자(donor molecule) 및 수용 분자(acceptor molecule)를 포함하는 상호작용적인 이중 표지의 형태로서, 하나 이상의 올리고뉴클레오타이드에 결합된 형태로 사용될 수 있다.
상기 신호 발생 조성물은 신호를 발생시키기 위하여 핵산 절단 활성을 갖는 효소를 추가적으로 포함할 수 있다(예를 들어, 5' 핵산 절단 활성을 갖는 효소 또는 3' 핵산 절단 활성을 갖는 효소).
한편, 상기 신호 발생 조성물을 이용하여 표적 분석물, 특히 타겟 핵산분자의 존재를 나타내는 신호를 발생시키는 다양한 방법이 알려져 있다. 대표적인 예에는 다음이 포함될 수 있다: TaqManTM 프로브 방법(미국특허 제5,210,015호), 분자 비콘 방법 (Tyagi, Nature Biotechnology, v.14 MARCH 1996), 스콜피온(Scorpion) 방법(Whitcombe 등, Nature Biotechnology 17:804-807(1999)), 선라이즈(Sunrise 또는 Amplifluor) 방법(Nazarenko 등, Nucleic Acids Research, 25(12):2516-2521(1997), 및 미국특허 제6,117,635호), 럭스(Lux) 방법(미국특허 제7,537,886호), CPT(Duck P, 등. Biotechniques, 9:142-148(1990)), LNA 방법 (미국특허 제6,977,295호), 플렉서(Plexor) 방법(Sherrill CB, 등, Journal of the American Chemical Society, 126:4550-4556(2004)), Hybeacons (D.J. French, 등, Molecular and Cellular Probes 13:363-374(2001) 및 미국특허 제7,348,141호), 이중표지된 자가-퀀칭된 프로브(Dual-labeled, self-quenched probe; 미국특허 제5,876,930호), 혼성화 프로브(Bernard PS, et al., Clin Chem 2000, 46, 147-148), PTOCE(PTO cleavage and extension) 방법(WO 2012/096523), PCE-SH(PTO Cleavage and Extension-Dependent Signaling Oligonucleotide Hybridization) 방법(WO2013/115442), PCE-NH(PTO Cleavage and Extension-Dependent Non-Hybridization) 방법(PCT/KR2013/012312) 및 CER 방법(WO 2011/037306).
한편, 전술한 용어 "신호 발생 반응"은 신호의 증폭 반응을 포함할 수 있다. 이 때, 용어 "증폭 반응"은 상기 신호 발생 조성물에 의하여 발생되는 신호를 증가 또는 감소시키는 반응을 의미한다. 구체적으로, 상기 증폭 반응은 표적 분석물의 존재에 의존적으로 상기 신호 발생 조성물에 의하여 발생하는 신호의 증가(또는 증폭) 반응을 의미한다.
이러한 증폭 반응에서는, 표적 분석물(예컨대, 핵산분자)의 증폭이 동반되거나 또는 동반되지 않을 수 있다. 보다 구체적으로, 증폭 반응은 표적 분석물의 증폭이 동반되는 신호의 증폭 반응을 의미할 수 있다.
한편, 상기 증폭 반응을 통하여 수득되는 데이터 세트에는 증폭 사이클이 포함될 수 있다.
여기에서, 용어 "사이클"은 일정한 조건의 변화를 수반한 복수의 측정에 있어, 상기 조건의 변화 단위를 말한다. 상기 일정한 조건의 변화는 예를 들어 온도, 반응시간, 반응횟수, 농도, pH, 측정 대상(예를 들어 핵산)의 복제 횟수 등의 증가 또는 감소를 의미한다. 따라서 사이클은 시간(time) 또는 과정(process) 사이클, 단위 운영(unit operation) 사이클 및 재생산(reproductive) 사이클 일 수 있다.
보다 구체적으로, 용어 "사이클"은 일정한 과정의 반응을 반복하거나 일정한 시간 간격 기준으로 반응을 반복하는 경우, 상기 반복의 하나의 단위를 의미한다. 일 예로 핵산 증폭 반응의 경우 하나의 사이클은 핵산의 변성단계(denaturation), 프라이머의 어닐링 단계 및 프라이머의 연장 단계(extension)를 포함하는 반응을 의미한다. 이 경우 일정한 조건의 변화는 반응의 반복 횟수의 증가이며, 상기 일련의 단계를 포함하는 반응의 반복 단위가 하나의 사이클로 설정된다.
한편, 표적 분석물의 존재를 나타내는 신호를 증폭시키기 위한 증폭 반응은 표적 분석물이 증폭되면서, 신호도 증폭되는 방법으로 실시될 수 있다(예를 들어, 실시간 PCR 방법). 또는 일 실시예에 따르면, 상기 증폭 반응은 표적 분석물이 증폭되지 않고, 표적 분석물의 존재를 나타내는 신호만이 증폭되는 방법으로 실시될 수도 있다(예를 들어, CPT method (Duck P, et al., Biotechniques, 9:142-148(1990)), Invader assay (미국특허 제6,358,691호 및 제6,194,149호)).
한편, 전술한 표적 분석물이나 표적 분석물, 특히 타겟 핵산분자는 다양한 방법으로 증폭될 수 있다: 중합효소연쇄반응(polymerase chain reaction(PCR)), 리가아제 연쇄반응(ligase chain reaction (LCR)) (미국특허 제4,683,195호 및 제4,683,202호; PCR Protocols: A Guide to Methods and Applications (Innis et al., eds, 1990)), 가닥 치환 증폭(strand displacement amplification (SDA)) (Walker, et al. Nucleic Acids Res. 20(7):1691-6 (1992); Walker PCR Methods Appl 3(1):1-6 (1993)), 전사 매개 증폭(transcription-mediated amplification) (Phyffer, et al., J. Clin. Microbiol. 34:834-841 (1996); Vuorinen, et al., J. Clin. Microbiol. 33:1856-1859 (1995)), 염기순서기반증폭(nucleic acid sequence-based amplification (NASBA)) (Compton, Nature 350(6313):91-2 (1991)), 롤링서클 증폭(rollingcircle amplification, RCA) (Lisby, Mol. Biotechnol. 12(1):75-99 (1999); Hatchet al., Genet. Anal. 15(2):35-40 (1999)) 및 Q-beta 레플리카제(Q-Beta Replicase) (Lizardi et al., BiolTechnology 6:1197(1988)), loop-mediated isothermal amplication(LAMP, Y. Mori, H. Kanda and T. Notomi, J. Infect. Chemother., 2013, 19, 404-411), recombinase polymerase amplication(RPA, J. Li, J. Macdonald and F. von Stetten, Analyst, 2018, 144, 31-67) 등이 있다.
한편, 증폭 반응은 표적 분석물(구체적으로, 타겟 핵산분자)의 증폭이 수반되면서 신호를 증폭한다. 예컨대, 증폭 반응은 PCR, 구체적으로 실시간 PCR에 따라 실시거나 또는 등온 증폭 반응 (예를 들어, LAMP 나 RPA)으로 실시된다.
한편, 신호 발생 반응에 의해 얻은 데이터 세트는 신호 발생 반응의 사이클들 및 사이클들에서의 신호값들을 포함하는 복수의 데이터 지점을 포함한다.
여기에서, 용어 "신호값"은 신호 발생 반응, 특히 증폭 반응의 사이클에서 실제적으로 측정된 신호의 수준(예컨대, 신호의 세기)을 일정한 스케일에 따라 수치화한 값 또는 이들의 변형값을 의미한다. 상기 변형값은 상기 실제적으로 측정된 신호값의 수학적으로 가공된 신호값을 포함할 수 있다. 실제적으로 측정된 신호값(즉, 원시 데이터 세트의 신호값)의 수학적으로 가공된 신호값의 예는 로그값 또는 도함수값(derivatives)을 포함할 수 있다.
용어 "데이터 지점(data point)"은 사이클 및 신호값을 포함하는 하나의 좌표값(a coordinate value)을 의미한다. 아울러, 용어 "데이터"는 데이터 세트를 구성하는 모든 정보를 의미한다. 예컨대, 증폭 반응의 사이클 및 신호값 각각은 데이터에 해당될 수 있다.
신호 발생 반응, 특히 증폭 반응에 의해 얻어진 데이터 지점들은 2차원 직교 좌표계에 나타낼 수 있는 좌표값으로 표시될 수 있다. 상기 좌표값에서 X-축은 해당 사이클 수를 나타내며, Y-축은 해당 사이클에서 측정 또는 가공된 신호값을 나타낸다.
용어 "데이터 세트"는 상기 데이터 지점들의 집합을 의미한다. 예를 들어, 데이터 세트는 신호 발생 조성물의 존재 하에서 수행된 증폭 반응을 통하여 직접적으로 수득되는 데이터 지점의 집합일 수 있으며 또는 이러한 데이터 세트를 변형한 데이터 세트일 수 있다. 상기 데이터 세트는 증폭 반응에 의해 수득되는 복수의 데이터 지점들 또는 이의 변형된 데이터 지점들의 일부 또는 전체일 수 있다.
데이터 세트는 복수의 데이터 세트를 가공하여 수득한 데이터 세트를 포함할 수 있다. 복수의 표적 분석물에 대한 분석을 하나의 반응용기에서 수행하는 경우, 상기 복수의 표적 분석물에 대한 데이터 세트는 상기 하나의 반응용기에서 이루어진 반응으로부터 수득된 데이터 세트들의 가공을 통하여 수득될 수 있다. 예를 들어 하나의 반응용기에서 이루어진 복수의 표적 분석물에 대한 데이터 세트는 서로 다른 온도에서 측정된 신호로부터 수득한 복수의 데이터 세트를 가공(processing)하여 수득될 수 있다. 예컨대, 시료 내 2개의 타겟 핵산 서열을 검출하기 위해 상이한 검출 온도 각각에서 발생된 시그널을 단일 유형의 검출기를 이용하여 검출하는 방법이 알려져 있다(참고: 한국등록특허 제10-2050601호).
데이터 세트는 시료 내 적어도 두 개의 표적 분석물을 타겟으로 하는 복수사이클의 신호 발생 반응으로부터 수득되는 것일 수 있다. 여기서 적어도 두 개의 표적 분석물은 제1 표적 분석물 및 제2 표적 분석물과 같이 서로 상이한 2개의 표적 분석물을 포함할 수 있으며, 또는, 실시예에 따라 서로 상이한 3개 이상의 표적 분석물을 포함할 수도 있음은 물론이다.
아울러, 이러한 데이터 세트는 적어도 두 개의 온도에서 측정된 것일 수 있다. 여기서 적어도 두 개의 온도는 제1 온도 및 제2 온도와 같이 서로 상이한 2개의 온도를 포함할 수 있으며, 또는, 실시예에 따라 서로 상이한 3개 이상의 온도를 포함할 수도 있음은 물론이다.
전술한 데이터 세트 중에서 제1 데이터 세트는 시료 내 제1 표적 분석물을 타겟으로 하는 제1 신호 발생 조성물에 의한 복수 사이클의 제1 신호 발생 반응으로부터 수득된 것으로서, 특히 복수 사이클 각각의 제1 온도에서 측정된 데이터 세트를 지칭한다. 아울러, 제2 데이터 세트는 시료 내 제2 표적 분석물을 타겟으로 하는 제2 신호 발생 조성물에 의한 복수 사이클의 제2 신호 발생 반응으로부터 수득된 것으로서, 복수 사이클 각각의 제2 온도에서 측정된 데이터 세트를 지칭한다. 또한, 전술한 데이터 세트에는, 실시예에 따라, 시료 내 제m 표적 분석물(m은 3 이상의 자연수)을 타겟으로 하는 제m 신호 발생 조성물에 의한 복수 사이클의 제m 신호 발생 반응으로부터 수득된 것으로서, 복수 사이클 각각의 제m 온도에서 측정된 제m 데이터 세트가 더 포함될 수 있다. 여기에서, 제m 온도는 제m 표적 분석물의 검출 온도를 나타낸다. 이와 같이, 실시예에 따라, 전술한 데이터 세트에는 상이한 표적 분석물을 타겟으로 상이한 온도에서 측정된 하나 이상의 추가적인 데이터 세트가 더 포함될 수 있음을 알 수 있다.
상기 신호 발생 반응은 하나의 반응 용기에서 제1 표적 분석물을 검출하기 위한 제1 신호 발생 조성물 및 제2 표적 분석물을 검출하기 위한 제2 신호 발생 조성물과 함께 시료를 인큐베이션함에 따라 발생될 수 있다. 여기에서, 제1 온도는 제1 표적 분석물의 검출온도이고, 제2 온도는 제2 표적 분석물의 검출온도를 나타낸다. 예컨대, 시료 내에 제1 표적 분석물이 존재하는 경우, 제1 신호 발생 반응에 의해 제1 표적 분석물에 의존적인 신호값이 제1 온도와 제2 온도 각각에서 발생될 수 있다. 또한, 시료 내에 제2 표적 분석물이 존재하는 경우, 제2 신호 발생 반응에 의해 제2 표적 분석물에 의존적인 신호값이 제2 온도에서 발생될 수 있다. 이에 따라, 시료 내에 제1 표적 분석물과 제2 표적 분석물이 모두 존재한다면, 제1 데이터 세트에는 제1 표적 분석물에 의존적인 제1 온도에서의 신호값이 포함되고, 제2 데이터 세트에는 제1 표적 분석물에 의존적인 제2 온도에서의 신호값과 제2 표적 분석물에 의존적인 제2 온도에서의 신호값이 포함될 수 있다. 명세서 전반에서, 이러한 '온도'와 '검출 온도'는 상호 교환 가능하게 사용될 수 있다.
실시예에 따라, 상기 신호 발생 반응은 제1 신호 발생 조성물 내지 제m 신호 발생 조성물을 함께 시료를 인큐베이션함에 따라 발생될 수 있다. 예컨대, m이 3인 케이스를 상정하면, 시료 내에 제1 표적 분석물이 존재하는 경우, 제1 신호 발생 반응에 의해 제1 표적 분석물에 의존적인 신호값이 제1 온도, 제2 온도 및 제3 온도 각각에서 발생될 수 있다. 또한, 시료 내에 제2 표적 분석물이 존재하는 경우, 제2 신호 발생 반응에 의해 제2 표적 분석물에 의존적인 신호값이 제2 온도 및 제3 온도에서 발생될 수 있다. 또한, 시료 내에 제3 표적 분석물이 존재하는 경우, 제3 신호 발생 반응에 의해 제3 표적 분석물에 의존적인 신호값이 제3 온도에서 발생될 수 있다. 이에 따라, 시료 내에 제1 표적 분석물 내지 제3 표적 분석물이 모두 존재한다면, 제1 데이터 세트에는 제1 표적 분석물에 의존적인 제1 온도에서의 신호값이 포함되고, 제2 데이터 세트에는 제1 표적 분석물에 의존적인 제2 온도에서의 신호값과 제2 표적 분석물에 의존적인 제2 온도에서의 신호값이 포함되고, 제3 데이터 세트에는 제1 표적 분석물에 의존적인 제3 온도에서의 신호값과 제2 표적 분석물에 의존적인 제3 온도에서의 신호값과 제3 표적 분석물에 의존적인 제3 온도에서의 신호값이 포함될 수 있다.
상기 제1 신호 발생 조성물 및 제2 신호 발생 조성물은 동일한 표지를 포함하고, 해당 표지로부터의 신호는 단일 유형의 검출기에 의해 각 표적 분석물에 대해 구별되지 않을 수 있다. 또한, 실시예에 따라, 제m 신호 발생 조성물도 제1 신호 발생 조성물 및 제2 신호 발생 조성물와 동일한 표지를 포함할 수 있다. 여기에서, 단일 유형의 검출기에 의해 각 표적 분석물에 대해 구별되지 않는다는 것은, 이들의 동일하거나 실질적으로 동일한 신호 특성(예컨대, 광학적 특성, 발광 파장 및 전기적 시그널)로 인하여, 신호가 단일 유형의 검출기에 의해 서로 구별되지 않는 것을 의미한다. 예를 들어, 2개의 표적 분석물의 검출을 위해 동일한 표지(예컨대, FAM)가 사용되고 FAM으로부터의 발광 파장을 검출하기 위해 단일 유형의 검출기가 사용되는 경우, 시그널은 구별되게 검출되지 않는다.
상기 제1 온도 및 제2 온도는 신호 발생 조성물이 신호를 발하는 온도이며, 제1 온도에서 발생되는 신호는, 시료 내 제1 표적 분석물의 존재 여부에 의존적으로 발생되는 형광 신호(예컨대, 상대적 형광신호 세기(relative fluorescence unit, RFU))를 포함하고, 제2 온도에서 발생되는 신호는, 시료 내 제1 표적 분석물의 존재 여부에 의존적으로 발생되는 형광 신호와 제2 표적 분석물의 존재 여부에 의존적으로 발생되는 형광 신호 세기를 포함할 수 있다.
일 실시예에서, 제1 온도와 제2 온도는 75℃ - 40℃ 범위의 온도에서 선택될 수 있다. 예컨대, 제1 온도와 제2 온도는 각각 72℃, 65℃, 60℃, 55℃ 및 50℃ 중 어느 하나이며, 제1 온도와 제2 온도는 서로 상이한 온도일 수 있다.
일 실시예에서, 제1 온도는 제2 온도보다 클 수 있다. 예컨대, 제1 온도는 72℃이고, 제2 온도는 60℃일 수 있다. 다른 실시예에서, 제2 온도는 제1 온도보다 클 수 있다. 예컨대, 제2 온도는 72℃이고, 제1 온도는 60℃일 수 있다.
추가적으로, 전술한 제1 온도 및 제2 온도와는 상이한 제3 온도도 상정해볼 수 있는데, 예컨대, 제1 온도, 제2 온도 및 제3 온도는 90℃ - 40℃ 범위의 온도에서 선택될 수 있다. 일 예로서, 각각 85℃, 83℃, 75℃, 72℃, 65℃, 60℃, 55℃ 및 50℃ 중 어느 하나이며, 제1 온도 내지 제3 온도는 서로 상이한 온도일 수 있다.
일 실시예에서, 제1 온도는 제2 온도보다 크고, 제2 온도는 제3 온도보다 클 수 있으며, 예컨대, 제1 온도는 83℃이고, 제2 온도는 72℃이고, 제3 온도는 60℃일 수 있다. 다른 일 실시예에서, 제1 온도는 제2 온도보다 작고, 제2 온도는 제3 온도보다 작을 수 있으며, 예컨대, 제3 온도는 83℃이고, 제2 온도는 72℃이고, 제1 온도는 60℃일 수 있다. 실시예에 따라, 전술한 하나 이상의 제m 온도가 고려될 수 있으며, 예컨대, 90℃ - 40℃ 범위의 온도 내에서 제1 온도 및 제2 온도와는 상이한 온도로서 각각 선택될 수 있다.
이하의 명세서 전반에서는 제1 표적 분석물 및 제2 표적 분석물 각각에 대한 근사 신호의 획득에 이용되는 파라미터를 추정하는 실시예를 중심으로 기술하였으나, 유사한 방식으로 3개 이상의 표적 분석물 각각에 대한 근사 신호의 획득에 이용되는 파라미터를 추정하는 실시예가 변형되어 실시될 수 있음을 알 수 있다.
일 실시예에서, 데이터 세트는, 검출 장치로부터 획득되는 원시 데이터 세트(raw data set), 원시 데이터 세트의 수학적으로 변형된 데이터 세트, 원시 데이터 세트의 표준화(normalization)된 데이터 세트, 또는 해당 수학적으로 변형된 데이터 세트의 표준화된 데이터 세트일 수 있다.
여기에서, 원시 데이터 세트는 신호 발생 반응으로부터 직접 수득한 신호값을 포함하는 데이터 세트를 말한다. 예를 들면, 원시 데이터 세트는 데이터 제공 장치(100)(예: 검출 장치)로부터 수득되고, 데이터 제공 장치(100) 상에서 기본적인 신호 가공을 거친 다음, 신호 분석 단계로 넘어오는 신호값의 세트를 포함한다.
또한, 원시 데이터 세트의 수학적으로 변형된 데이터 세트는 원시 데이터 세트로부터 수학적 가공을 통해 변환된 데이터 세트를 지칭한다. 예를 들면, 수학적으로 가공된 데이터 세트는 원시 데이터 세트로부터 적어도 일부의 배경 신호를 제거함으로써 수득된, 즉, 베이스라인 차감된 데이터 세트일 수 있다. 베이스라인 차감된 데이터 세트는 당업계의 공지된 다양한 방법(예컨대, 미국특허 제8,560,247호)에 의해 수득될 수 있다.
또한, 용어 "표준화(normalization)"는 복수의 반응들에 대한 데이터 세트들 사이의 신호 편차를 줄이거나 없애는 과정(process)을 의미한다. 또한, 표준화는, 분석 목적을 위해 데이터 세트의 데이터(특히, 신호값)을 정정 또는 변형하는 보정 또는 조정의 일 양태이다.
일 실시예에 따르면, 표적 분석물에 대한 데이터 세트는 200 개 이하, 150 개 이하, 100 개 이하, 80 개 이하, 60 개 이하, 50 개 이하, 45 개 이하, 40 개 이하 및 30 개 이하의 데이터 지점을 포함한다.
일 실시예에 따르면, 표적 분석물에 대한 데이터 세트는 2 개 이상, 5 개 이상, 10 개 이상, 15 개 이상 및 20 개 이상의 데이터 지점을 포함한다.
용어 "크기 파라미터"는 2개 이상의 신호값이 상이한 두 개 이상의 검출 온도에서 측정될 때, 상이한 검출 온도에서의 신호값의 크기 관계를 기술한다. 일 실시예에서, 상이한 검출온도는 제1 온도 및 제2 온도일 수 있으며, 크기 파라미터는 특정 표적 분석물의 존재에 의존적인 신호값이 제1 온도에서 갖는 크기와 제2 온도에서 갖는 크기 간의 관계를 나타내는 파라미터를 의미한다. 예컨대, 크기 파라미터는 제1 온도와 제2 온도에서의 특정 표적 분석물에 의존적인 신호값 변화의 패턴(규칙)을 반영하기 위한 하나 이상의 값으로서, 제1 온도에서 검출된 신호값을 제2 온도에서의 신호값으로 변환, 전환, 조절 또는 변형시키기 위해 사용되는 파라미터를 가리킬 수 있다.
일 실시예에서, 크기 파라미터는 하나의 값을 가질 수 있다. 예컨대, 크기 파라미터는 제1 온도와 제2 온도에서의 특정 표적 분석물(예: 제1 표적 분석물)에 의존적인 신호값의 크기 관계를 나타내는 상수 형태로 표현될 수 있다.
다른 일 실시예에서, 크기 파라미터는 둘 이상의 값을 가질 수 있다. 예를 들면, 크기 파라미터는 복수 사이클 중 하나 이상에서 제1 온도와 제2 온도에서의 특정 표적 분석물(예: 제1 표적 분석물)에 의존적인 신호값의 크기 관계를 나타내는 두 개 이상의 상수값의 집합 형태로 표현될 수 있다. 다른 예를 들면, 제1 온도와 제2 온도에서 특정 표적 분석물(예: 제1 표적 분석물)에 의존적인 신호값의 크기 관계를 나타내는 크기 근사 함수가 사이클을 독립 변수로 갖는 다항 함수(예: 1차 함수, 2차 함수)의 형태로 정의되고, 크기 파라미터는 이러한 크기 근사 함수에 포함되는 하나 이상의 파라미터(예: 1차 함수의 계수(coefficient))일 수도 있다.
전술한 크기 파라미터의 경우, 명세서 전반에서 제1 온도와 제2 온도를 중심으로 기술되어 있으나, 본 발명의 사상이 이에 한정되는 것은 아니다. 예컨대, 앞서 살펴본 바와 같이 제3 온도를 가정했을 때, 크기 파라미터는 각 표적 분석물에 대해서 제1 온도와 제2 온도 사이의 크기 관계뿐 아니라, 제1 온도와 제3 온도, 제2 온도와 제3 온도 사이의 크기 관계 역시 정의될 수 있다. 다만, 명세서 전반에서는 설명의 편의상 제1 온도와 제2 온도에 대한 크기 파라미터의 실시예를 중심으로 기술되었으며, 이러한 실시예들은 제1 온도와 제3 온도에 대한 크기 파라미터 및 제2 온도와 제3 온도에 대한 파라미터 등 제m 온도가 적용되는 케이스에 대해서도 동일하게 적용될 수 있다. 이러한 크기 파라미터의 실시예에 대해서는 뒤에서 다시 설명하도록 한다.
전술한 데이터 세트는 플롯팅될 수 있으며 이에 의해 증폭곡선이 획득될 수 있다.
한편, 용어 '차이(difference)'는 비교 대상이 되는 두 요소 간의 크기 차이를 의미할 수도 있고, 해당 크기 차이에 대응되는 에러를 의미할 수도 있다. 예를 들면, A와 B 간의 차이는 (A - B), (B - A), (A / B), (B / A), |A - B|, (A - B)2 및 (A - B)2에 대한 루트값 등을 의미할 수도 있고, 데이터 세트에 대한 loss function(예: mean squared error, root mean squared error 등) 기반의 에러를 의미할 수도 있다.
이하, 도면을 참조하여 본 개시의 다양한 구현예에 대해 살펴보기로 한다.
도 1은 일 실시예에 따른 표적 분석물 검출 시스템(1000)의 구성을 나타내는 블록도이다.
도 1을 참조하면, 표적 분석물 검출 시스템(1000)은 데이터 제공 장치(100) 및 컴퓨터 장치(200) 중 적어도 하나를 포함할 수 있다. 다만, 표적 분석물 검출 시스템(1000)이 도 1에 도시된 것으로 한정 해석되는 것은 아니다. 예컨대 표적 분석물 검출 시스템(1000)에는 데이터 제공 장치(100)가 적어도 두 개 이상 포함되거나 또는 컴퓨터 장치(200)가 적어도 두 개 이상 포함될 수 있다.
데이터 제공 장치(100)는 시료 내 제1 표적 분석물 및 제2 표적 분석물을 타겟으로 하는 복수 사이클의 신호 발생 반응으로부터 데이터 세트를 수득하고, 수득된 데이터 세트를 컴퓨터 장치(200)에 직간접적으로 제공할 수 있다. 상술한 것처럼, 데이터 세트는 상기 신호 발생 반응에 의해 제1 온도에서 측정된 제1 데이터 세트 및 제2 온도에서 측정된 제2 데이터 세트를 포함할 수 있다. 물론, 상술한 바와 같이 데이터 세트에 제3 온도에서 측정된 제3 데이터 세트가 포함될 수 있음은 물론이다.
일 실시예에서, 데이터 제공 장치(100)는 시료 내 제1 표적 분석물 및 제2 표적 분석물을 검출하도록 구현된 검출 장치(예: 핵산 증폭 장치)를 포함할될 수 있다. 예를 들면, 데이터 제공 장치(100)는 상기 신호 발생 반응이 수행되도록 시료가 수용되어 있는 반응 용기의 환경(온도 등)을 제어하여 상기 데이터 세트를 직접적으로 수득할 수 있고, 수득된 데이터 세트를 컴퓨터 장치(200)에 직접 또는 간접적으로 제공할 수 있다. 다른 실시예에서, 데이터 제공 장치(100)는 상기 검출 장치 및 상기 검출 장치에 의해 생성된 검출 결과(예: 핵산 증폭 결과)를 가공하여 제공하는 프로그램이 실행되도록 구현된 컴퓨터를 포함할 수도 있다.
컴퓨터 장치(200)는 복수의 표적 분석물 각각에 대한 근사 신호를 획득하도록 구현될 수 있다. 여기에서, 복수의 표적 분석물 각각에 대한 근사 신호를 획득하는 과정에는, 데이터 세트로부터 시료 내 둘 이상의 표적 분석물 각각에 의존적인 신호값을 분리 내지 추출하는 과정 뿐만 아니라, 이렇게 분리 내지 추출된 신호값을 근사화하는 과정이 포함된다. 이러한 분리 내지 추출 과정, 그리고 근사화하는 과정에 대해서는 뒤에서 실시예를 통해 자세하게 살펴보기로 한다.
여기서, 신호값을 분리 내지 추출하는 과정에는 소정의 파라미터가 이용되는데, 전술한 컴퓨터 장치(200)는 이러한 파라미터의 값을 시료가 수용되어 있는 반응 용기마다, 최적의 값으로 추정 또는 설정할 수 있다. 이러한 파라미터의 값을 추정 내지 설정하는 과정에 대해서 역시, 뒤에 실시예를 통해 자세하게 살펴보기로 한다.
일 실시예에서, 컴퓨터 장치(200)는 데이터 제공 장치(100)로부터 데이터 세트를 획득할 수 있다. 예컨대, 컴퓨터 장치(200)는 데이터 제공 장치(100)와 전기적으로 또는 네트워크를 통해 연결될 수 있고, 데이터 제공 장치(100)로부터 상기 데이터 세트를 획득할 수 있다. 여기에서, 네트워크는 유선 및 무선 등과 같은 다양한 통신망을 통해 구성될 수 있고, 예를 들면, 근거리 통신망(LAN: Local Area Network), 도시권 통신망(MAN: Metropolitan Area Network), 광역 통신망(WAN: Wide Area Network) 등 다양한 통신망으로 구성될 수 있다.
일 실시예에서, 컴퓨터 장치(200)는 본 명세서에서 설명되는 기능을 실현시키기 위한 컴퓨터 프로그램을 통해 동작하는 컴퓨터 등으로 구현될 수 있다. 일 실시예에서, 컴퓨터 장치(200)는 데이터 제공 장치(100)를 포함하도록 구현되거나, 컴퓨터 장치(200)에서 수행되는 이하의 기능은 데이터 제공 장치(100) 내에 구현될 수도 있다. 예컨대, 이하의 기능은 상기 핵산 증폭 장치에 탑재될 수 있고, 상기 핵산 증폭 장치에 의해 생성된 핵산 증폭 결과를 제공하는 프로그램이 실행되는 컴퓨터에 소프트웨어로서 구현될 수도 있다.
한편, 표적 분석물 검출 시스템(1000)에는 도 1에 도시된 구성요소들 외에 다른 구성요소들이 더 포함될 수 있다. 또는, 도 1에 도시된 구성요소들 중 하나는 생략될 수 있다.
이하, 도 2a와 2b를 참조하여 일 실시예에 따른 컴퓨터 장치(200)에서 이용되는 데이터 세트 및 해당 데이터 세트로부터 추정되는 둘 이상의 표적 분석물 각각에 의존적인 신호값의 다양한 예시에 대해 먼저 살펴보도록 한다.
도 2a에는 제1 데이터 세트 및 제2 데이터 세트가 예시적으로 도시되어 있다. 도 2a를 참조하면, 제1 온도 및 제2 온도가 각각 72℃ 및 60℃이다. 그리고, 제1 표적 분석물 및 제2 표적 분석물은 각각 Chlamydia trachomatis(CT) 및 Neisseria gonorrhoeae(NG)의 genome DNA이다. 물론, 이러한 온도 및 표적 분석물의 종류는 예시에 불과하다.
도 2a를 참조하면, 상술한 것처럼, 제1 온도(예: 72℃에서 측정된 제1 데이터 세트에는 제1 표적 분석물(예: CT)과 제2 표적 분석물(예: NG) 중에서 제1 표적 분석물의 존재에 의존적인 신호값이 포함되고, 제2 온도(예: 60℃에서 측정된 제2 데이터 세트에는 제1 표적 분석물의 존재에 의존적인 신호값과 제2 표적 분석물의 존재에 의존적인 신호값이 함께 포함될 수 있다.
구체적으로, CT와 NG 중 CT만 존재하는 튜브 1의 경우, 제1 데이터 세트와 제2 데이터 세트 각각에 CT의 존재에 의존적인 증폭곡선이 나타나되, 온도 차이로 인해 각 데이터 세트에서의 증폭곡선 크기에 차이가 있게 된다. 또한, NG만 존재하는 튜브 2의 경우, 제2 데이터 세트에 NG의 존재에 의존적인 증폭곡선이 나타난다. 또한, CT와 NG가 서로 유사한 고농도로 함께 존재하는 튜브 3의 경우, 제1 데이터 세트에는 CT의 존재에 의존적인 증폭곡선이 나타나고, 제2 데이터 세트에는 CT의 존재에 의존적인 증폭곡선과 NG의 존재에 의존적인 증폭곡선이 합쳐지되, 비슷한 농도로 인해 증폭곡선의 형태가 유사하여 하나의 증폭곡선처럼 나타난다. 또한, CT와 NG가 서로 다른 농도로 함께 존재하는 튜브 4의 경우, 예컨대, CT는 상대적 고농도이고 NG는 상대적 저농도인 경우, 제1 데이터 세트에는 CT의 존재에 의존적인 증폭곡선이 나타나고, 제2 데이터 세트에는 CT의 존재에 의존적인 증폭곡선과 NG의 존재에 의존적인 증폭곡선이 합쳐지되, 농도 차이로 인해 증폭곡선의 형태가 다른 굴곡진 곡선의 형태로 나타난다. 한편, CT와 NG 중 어느 하나도 존재하지 않는 대조군(NTC)의 튜브 5의 경우, 제1 데이터 세트와 제2 데이터 세트 모두에서 CT의 존재에 의존적인 증폭곡선과 NG의 존재에 의존적인 증폭곡선은 나타나지 않는다.
도 2b에는 도 2a에 도시된 제1 데이터 세트 및 제2 데이터 세트로부터 추정되는, 제1 표적 분석물의 존재에 의존적인 제1 온도에서의 신호값과, 제2 표적 분석물의 존재에 의존적인 제2 온도에서의 신호값이 예시적으로 도시되어 있다.
도 2b를 참조하면, 제1 데이터 세트와 제2 데이터 세트로부터, 제1 표적 분석물(예: CT)의 존재에 의존적인 제1 온도(예: 72℃)에서의 신호값과, 제2 표적 분석물(예: NG)의 존재에 의존적인 제2 온도(예: 60℃)에서의 신호값이 각각 추출될 수 있다. 예컨대, CT와 NG 중 어느 하나만 존재하는 경우, 해당 표적 분석물이 갖는 검출 온도에서 해당 표적 분석물의 존재에 의존적인 증폭곡선이 튜브 1 및 2와 같이 추출될 수 있다. 또한, CT와 NG 모두 존재하는 경우, 각각의 표적 분석물이 갖는 검출 온도에서 각각의 표적 분석물의 존재에 의존적인 증폭곡선이 튜브 3 및 4와 같이 추출되되, 농도 차이에 따라 증폭곡선의 기울기가 최대인 사이클의 번호가 상이하게 나타날 수 있으며, 예컨대, 상대적 저농도인 표적 분석물의 경우 증폭곡선의 기울기가 최대인 사이클의 번호가 상대적 고농도인 표적 분석물에 비해 상대적으로 뒤로 밀려서 나타날 수 있다.
이하, 도 3 내지 도 13을 참조하여 컴퓨터 장치(200)의 구성 및 동작을 상세하게 살펴보도록 한다.
도 3은 일 실시예에 따른 컴퓨터 장치(200)의 구성을 나타내는 도면이다. 도 3을 참조하면, 컴퓨터 장치(200)는 획득부(210), 메모리(220), 디스플레이(230) 및 프로세서(240)를 포함할 수 있다.
획득부(210)는 시료 내 제1 표적 분석물 및 제2 표적 분석물을 타겟으로 하는 복수 사이클의 신호 발생 반응으로부터, 제1 데이터 세트 및 제2 데이터 세트를 획득하도록 구현된다. 일 실시예에서, 획득부(210)는 데이터 제공 장치(100)로부터 제1 데이터 세트 및 제2 데이터 세트를 획득할 수 있다. 다른 일 실시예에서, 획득부(210)는 도면에는 도시되어 있지 않지만 컴퓨터 장치(200)에서 상기 신호 발생 반응이 수행될 수 있는 경우, 이렇게 수행된 결과로부터 제1 데이터 세트 및 제2 데이터 세트를 획득할 수도 있다.
일 실시예에서, 획득부(210)는 송수신기(미도시)를 포함할 수 있다. 이 경우, 획득부(210)는 이러한 송수신기를 이용하여 데이터 제공 장치(100)로부터 제1 데이터 세트 및 제2 데이터 세트를 수신할 수 있다. 다른 실시예에서, 획득부(210)는 데이터 입력 포트(미도시)를 포함할 수도 있다. 이 경우, 획득부(210)는 데이터 입력 포트를 이용하여 컴퓨터 장치(200)와 전기적으로 연결된 저장장치(예: USB(Universal Serial Bus) 등)로부터 데이터 제공 장치(100)에 의해 생성되어 해당 장치에 저장된 제1 데이터 세트 및 제2 데이터 세트를 읽어올 수 있다. 물론, 획득부(210)의 구현예가 상술한 실시예에 한정되는 것은 아니다.
메모리(220)에는 후술될 프로세서(240)에 의해 실행될 적어도 하나의 명령어 또는 데이터 등이 저장될 수 있다. 일 실시예에서, 메모리(220)는 읽기 전용 메모리(read only memory, ROM) 및 랜덤 액세스 메모리(random access memory, RAM) 중에서 적어도 하나를 포함할 수 있다.
디스플레이(230)는 프로세서(240)에 의해 적어도 하나의 명령어가 실행됨에 따라 획득되는 이미지, 그래프, 테이블 또는 텍스트 등을 표시할 수 있다. 예를 들면, 디스플레이(230)는 프로세서(240)에 의해 추정되는 파라미터들의 값 또는 추정 결과를 이용하여 검출되는 표적 분석물에 대한 검출 결과를 텍스트 등으로 표시할 수 있다.
디스플레이(230)는 데이터를 디스플레이하는 데이터 출력 장치를 포괄적으로 의미할 수 있다. 예를 들면, 디스플레이(230)는 액정 디스플레이(liquid crystal display), 박막 트랜지스터 액정 디스플레이(thin film transistor-liquid crystal display), 유기 발광 다이오드(organic light-emitting diode), 플렉시블 디스플레이(flexible display), 3차원 디스플레이(3D display) 등으로 구현될 수 있다.
프로세서(240)는 컴퓨터 장치(200)의 동작을 전반적으로 제어할 수 있고, 표적 분석물에 대한 근사 신호의 획득에 이용되는 파라미터의 값을 추정하는 일련의 동작들을 수행할 수 있다. 예를 들면, 프로세서(240)는 중앙 처리 장치(central processing unit, CPU), 그래픽 처리 장치(graphics processing unit, GPU), MCU(micro controller unit) 또는 일 실시예들에 따른 방법들이 수행되는 전용의 프로세서를 의미할 수 있다. 이러한 프로세서(240)는 적어도 하나의 코어를 포함하도록 구현될 수 있다.
또한, 도 3에 도시된 구성요소들 외에 다른 범용적인 구성요소들이 컴퓨터 장치(200)에 더 포함될 수 있음을 관련 기술 분야에서 통상의 지식을 가진 자라면 이해할 수 있다. 예를 들면, 컴퓨터 장치(200)는 구성요소들 간의 데이터 등의 전송에 이용되는 버스선(bus line), 각종 입출력 장치와 이를 위한 인터페이스 등을 더 포함할 수 있다. 또한, 도 3에 도시된 구성요소들 중 하나 이상은 생략될 수도 있다.
프로세서(240)는 메모리(220)에 저장된 적어도 하나의 명령어를 실행함으로써 이하에서 기술되는 다양한 기능들을 제공할 수 있다. 일 실시예에서, 이하이서 기술되는 다양한 기능들은 하나 이상의 컴퓨터 프로그램으로 구현될 수 있고, 각각의 실행을 위한 명령어 및 데이터는 메모리(220)에 저장되어 프로세서(240)에 의해 실행될 수 있으나, 이에 한정되는 것은 아니다.
프로세서(240)는 제1 데이터 세트 및 제2 데이터 세트를 적어도 부분적으로 이용해서 근사 함수 파라미터의 값과 크기 파라미터의 값을 추정하도록 구현될 수 있다. 여기에서, 근사 함수 파라미터는 제1 근사 함수 및 제2 근사 함수 중 적어도 하나의 근사 함수에 포함된 파라미터를 나타낸다.
이하에서는, 제1 근사 함수, 제2 근사 함수, 근사 함수 파라미터 및 크기 파라미터에 대해서 먼저 설명하고, 파라미터의 값을 추정하는 동작에 대해서는 뒤에서 자세하게 설명하기로 한다.
일 실시예에서, 제1 근사 함수는 시료 내 제1 표적 분석물의 존재에 의존적인 제1 온도 또는 제2 온도에서의 신호값을 근사화하는 함수를 포함한다. 상술한 것처럼, 제1 표적 분석물을 타겟으로 하는 복수 사이클의 제1 신호 발생 반응에 의해, 제1 온도와 제2 온도 각각에서 제1 표적 분석물의 존재에 의존적인 신호가 발생될 수 있다. 아울러, 상이한 온도로 인해, 각 온도에서 발생되는 신호의 양에는 차이가 있을 수 있다. 일 실시예에서, 제1 근사 함수는 제1 표적 분석물의 존재에 의존적으로 증폭된 제1 온도에서의 신호값을 근사화하는 함수(이하, 제1-1 근사 함수)를 포함할 수 있고, 다른 실시예에서, 제1 표적 분석물의 존재에 의존적으로 증폭된 제2 온도에서의 신호값을 근사화하는 함수(이하, 제1-2 근사 함수)를 포함할 수도 있다. 한편, 이하에서는, 전자의 제1-1 근사 함수에 대한 실시예를 중심으로 기술하였으나, 이에 제한되지 않는다. 또한, 후술되는 실시예들 중 일부에는 제1 근사 함수의 용어가 사용되었으나, 이러한 제1 근사 함수는 실시예에 따라서 제1-1 근사함수 및/또는 제1-2 근사함수로서 해석될 수 있다.
일 실시예에서, 제1 근사 함수는 시그모이드(sigmoid) 함수, 로지스틱(logistic) 함수, 곰페르츠(Gompertz) 함수, 및 차프만(Chapman) 함수로 이루어진 군으로부터 선택된 어느 하나를 포함할 수 있다. 예컨대, 제1-1 근사 함수 및/또는 제1-2 근사 함수 각각은 하기 수학식 1 내지 6 중 어느 하나로 표현되는 함수를 포함할 수 있으나, 이에 제한되지 않으며, 그 밖의 다양한 방식으로 표현될 수 있다.
Figure PCTKR2023009459-appb-img-000001
Figure PCTKR2023009459-appb-img-000002
Figure PCTKR2023009459-appb-img-000003
Figure PCTKR2023009459-appb-img-000004
Figure PCTKR2023009459-appb-img-000005
Figure PCTKR2023009459-appb-img-000006
(여기에서 그리고 이하에서, t는 사이클을 나타내고, α1, α2, α3, α4, 및 α5는 해당 근사 함수에 포함된 파라미터를 나타냄)
일 실시예에서, 제1 근사 함수에 포함된 파라미터(이하, 제1 근사 함수 파라미터)는, 복수 사이클에서 제1 표적 분석물의 존재에 의존적인 신호값이 나타내는 라인의 특성을 나타낼 수 있다. 예컨대, 제1-1 근사 함수의 제1-1 근사 함수 파라미터는 복수 사이클에서 제1 표적 분석물의 존재에 의존적인 제1 검출온도에서의 신호값이 나타내는 라인의 형상, 경사도, 시작점 및 끝점 등에 대한 파라미터들(예컨대, 수학식 1 내지 6의 α1 내지 α5)을 포함하고, 제1-2 근사 함수의 제1-2 근사 함수 파라미터는 복수 사이클에서 제1 표적 분석물의 존재에 의존적인 제2 검출온도에서의 신호값이 나타내는 라인의 형상, 경사도, 시작점 및 끝점 등에 대한 파라미터들을 포함할 수 있다. 명세서 전반에서, 근사 함수 파라미터는 단수 또는 복수를 포함하는 개념으로 이해될 수 있다.
구체적으로, 제1 근사 함수 파라미터는, (a) 제1 표적 분석물의 존재에 의존적인 신호값의 사이클에 대한 제1 기울기를 나타내는 파라미터, (b) 제1 기울기가 극대인 지점에 대응되는 사이클을 나타내는 파라미터, (c) 제1 표적 분석물의 존재에 의존적인 신호값의 baseline 영역에서의 신호값을 나타내는 파라미터 및 (d) 제1 표적 분석물의 존재에 의존적인 신호값의 plateau 영역에서의 신호값을 나타내는 파라미터 중 적어도 하나를 포함할 수 있다. 예컨대, 제1 근사 함수가 수학식 1 내지 6 중 어느 하나로 표현되는 경우, 수학식 1 내지 6의 α1 내지 α5 각각은 제1 근사 함수 파라미터로서, 상기 제1 기울기, 제1 기울기가 극대인 지점에 대응되는 사이클, baseline 영역에서의 신호값 또는 plateau 영역에서의 신호값, 일부 지점에서 곡선의 경사도가 급격한 정도 등을 나타내는 파라미터일 수 있다.
예시적으로, 수학식 6에 따른 시그모이드 함수의 파라미터들을 나타낸 도 4a 및 4b를 참조하면, α1은 시그모이드 함수가 나타내는 S자 형태의 곡선의 기울기가 가파른 정도를 나타내는 파라미터로서, 전술한 제1 기울기를 나타내는 파라미터일 수 있다. 예컨대 α1이 커질수록 시그모이드 함수가 나타내는 곡선의 전체적인 경사도가 커질 수 있으며, 상대적으로 짧은 사이클 동안 신호값이 빠르게 증가하여 곡선의 saturation 지점에 도달할 수 있으며, 전술한 제1 기울기를 나타낼 수 있다. 또한, α2는 해당 표적 분석물의 존재에 의존적인 신호값의 baseline 영역에서의 신호값을 나타내는 파라미터이고, α3는 해당 표적 분석물의 존재에 의존적인 신호값의 baseline 영역과 plateau 영역 사이의 신호값을 나타내는 파라미터이다. 또한, α4는 해당 표적 분석물의 존재에 의존적인 신호값 중 exponential 영역에서의 신호값의 사이클에 대한 기울기가 최대인 지점에 대응되는 사이클을 나타내는 파라미터로서, 예컨대 α4가 커질수록 시그모이드 함수가 나타내는 곡선의 saturation 지점이 뒤로 늦추어질 수 있다. 또한, α5는 시그모이드 함수가 나타내는 S자 형태의 곡선이 비대칭적인 정도를 나타내는 파라미터로서, 예시적으로, exponential 영역 내 기울기 증가가 두드러지는 초반의 국소 구간(예: 기울기가 설정값 이상 증가하는 사이클부터 신호값이 변곡점에 도달할 때까지의 사이클 구간)에서의 부분적인 기울기가 가파른 정도를 나타내는 파라미터일 수 있다. 예컨대 α5가 커질수록 시그모이드 함수가 나타내는 곡선은 대칭적인 S자 형태의 곡선이 아닌, 초반 경사도가 후반 경사도보다 상대적으로 더욱 가파르게 증가하는 비대칭적인 S자 형태의 곡선일 수 있다. 상술한 파라미터들에 대한 설명은 예시적인 것으로서, 근사 함수의 종류나 수학식의 구체화된 형태 등에 따라 다양하게 변형된 형태로 실시될 수 있다.
일 실시예에서, 제1 근사 함수는, 시료 내 제1 표적 분석물의 존재에 의존적인 신호값을 근사화하는 제1 표적 신호 근사 함수와, 제1 데이터 세트 내에서 제1 표적 분석물의 존재에 비의존적인 배경 신호(이하, 제1 배경 신호)를 근사화하는 제1 배경 신호 근사 함수를 포함할 수 있다. '배경 신호'에 대해서는 후술하기로 한다. 예컨대, 제1-1 근사 함수는, 시료 내 제1 표적 분석물의 존재에 의존적인 제1 온도에서의 신호값을 근사화하는 제1-1 표적 신호 근사 함수(예: f11(α11,t))와, 제1 온도에서의 제1 배경 신호를 근사화하는 제1-1 배경 신호 근사 함수(예: g11(β11,t))로 구성될 수 있다. 또는, 제1-2 근사 함수는, 시료 내 제1 표적 분석물의 존재에 의존적인 제2 온도에서의 신호값을 근사화하는 제1-2 표적 신호 근사 함수(예: f12(α12,t))와, 제2 온도에서의 제1 배경 신호를 근사화하는 제1-2 배경 신호 근사 함수(예: g12(β12,t))로 구성될 수 있다. 여기에서, α11은 제1-1 표적 신호 근사 함수의 파라미터들을 지칭하고, α12는 제1-2 표적 신호 근사 함수의 파라미터들을 지칭한다. 이러한 제1-1 표적 신호 근사 함수 및/또는 제1-2 표적 신호 근사 함수는 상술한 제1 근사 함수의 실시예들을 포함할 수 있고, 해당 표적 신호 근사 함수에 포함된 파라미터는 상술한 제1 근사 함수 파라미터의 실시예들(예: 전술한 수학식에서의 α1~α5)을 포함할 수 있다.
일 실시예에서, 제1 배경 신호 근사 함수는 상수 또는 다항 함수일 수 있다. 예컨대, 제1-1 배경 신호 근사 함수 및/또는 제1-2 배경 신호 근사 함수 각각은 상수로서 하기 수학식 7로 표현될 수 있고, 또는 2차 이하의 다항 함수로서 하기 수학식 8 내지 10 중 어느 하나로 표현될 수도 있으나, 이에 제한되지 않으며, 그 밖의 다양한 형태로 변형되어 표현될 수 있다.
Figure PCTKR2023009459-appb-img-000007
Figure PCTKR2023009459-appb-img-000008
Figure PCTKR2023009459-appb-img-000009
Figure PCTKR2023009459-appb-img-000010
(여기에서, t는 마찬가지로 사이클을 나타내고, β0, β1, β2 및 t0 는 해당 배경 신호 근사 함수에 포함된 파라미터를 나타내며, 예컨대, 수학식 9에서는 (β2 > 0)이 가정될 수 있고, 수학식 10에서는 (β1 > 0) 및 (t0 45)가 가정될 수 있음)
일 실시예에서, 제1 배경 신호 근사 함수에 포함된 근사 함수 파라미터는, 제1 배경 신호가 나타내는 라인의 특성을 나타낼 수 있다. 구체적으로, 제1 배경 신호 근사 함수에 포함된 근사 함수 파라미터는, (a) 제1 데이터 세트에 포함된 제1 배경신호의 사이클에 대한 기울기를 근사화하는 파라미터, (b) 제1 배경신호의 baseline 영역에서의 신호값을 근사화하는 파라미터, 및 (c) 제1 배경신호의 크기가 최소인 지점에 대응되는 사이클을 근사화하는 파라미터 중 적어도 하나를 포함할 수 있다. 예컨대, 제1 배경 신호 근사 함수에 포함된 근사 함수 파라미터는 제1 배경 신호가 나타내는 라인의 형상, 기울기, 시작점 및 최소점 등에 대한 파라미터들(예컨대, β0 내지 β2)을 포함할 수 있다.
일 실시예에서, 제2 근사 함수는 시료 내 제2 표적 분석물의 존재에 의존적인 신호값을 근사화하는 함수를 나타낸다. 상술한 것처럼, 제2 표적 분석물을 타겟으로 하는 복수 사이클의 제2 신호 발생 반응에 의해, 제1 온도와 제2 온도 중 제2 온도에서 제2 표적 분석물의 존재에 의존적인 신호가 발생될 수 있다. 예컨대, 제2 근사 함수는 제2 온도에서 측정된 제2 데이터 세트에 포함된 신호값 중 제2 표적 분석물의 존재에 의존적으로 증폭된 신호값을 근사화하는 함수일 수 있으며, 전술한 제1-1 근사 함수 또는 제1-2 근사 함수의 실시예를 참조하면 제2 온도에서의 제2-2 근사 함수로서 해석될 수 있다.
일 실시예에서, 제2 근사 함수는 시그모이드 함수, 로지스틱 함수, 곰페르츠 함수, 및 차프만 함수로 이루어진 군으로부터 선택된 어느 하나를 포함할 수 있다. 마찬가지로, 제2 근사 함수도 상기 수학식 1 내지 6 중 어느 하나로 표현되는 함수를 포함할 수 있으며, 이에 제한되지 않는다.
일 실시예에서, 제2 근사 함수에 포함된 파라미터(이하, 제2 근사 함수 파라미터)는, 제2 표적 분석물의 존재에 의존적인 신호값이 나타내는 라인의 특성을 나타낼 수 있다.
구체적으로, 제2 근사 함수 파라미터는, (a) 제2 표적 분석물의 존재에 의존적인 신호값의 사이클에 대한 제2 기울기를 나타내는 파라미터, (b) 제2 기울기가 극대인 지점에 대응되는 사이클을 나타내는 파라미터, (c) 제2 표적 분석물의 존재에 의존적인 신호값의 baseline 영역에서의 신호값을 나타내는 파라미터 및 (4) 제2 표적 분석물의 존재에 의존적인 신호값의 plateau 영역에서의 신호값을 나타내는 파라미터 중 적어도 하나를 포함할 수 있다. 마찬가지로, 제2 근사 함수 파라미터는 제1 근사 함수 파라미터에 대해 상술한 실시예들을 포함할 수 있다.
일 실시예에서, 제2 근사 함수는, 시료 내 제2 표적 분석물의 존재에 의존적인 신호값을 근사화하는 제2 표적 신호 근사 함수와, 제2 데이터 세트 내에서 제2 표적 분석물의 존재에 비의존적인 배경 신호(이하, 제2 배경 신호)를 근사화하는 제2 배경 신호 근사 함수를 포함할 수 있다. 예컨대, 제2 근사 함수는, 시료 내 제2 표적 분석물의 존재에 의존적인 제2 온도에서의 신호값을 근사화하는 제2-2 표적 신호 근사 함수(예: f22(α22,t))와, 제2 온도에서의 제2 배경 신호를 근사화하는 제2-2 배경 신호 근사 함수(예: g22(β22,t))로 구성될 수 있다. 여기에서, α22는 제2-2 표적 신호 근사 함수의 파라미터들을 지칭하고, β22은 제2-2 배경 신호 근사 함수의 파라미터들을 지칭한다. 이러한 제2-2 표적 신호 근사 함수는 상술한 제2 근사 함수의 실시예들을 포함할 수 있고, 제2-2 표적 신호 근사 함수에 포함된 파라미터는 상술한 제2 근사 함수 파라미터의 실시예들을 포함할 수 있다.
일 실시예에서, 제2 배경 신호 근사 함수는 상수 또는 다항 함수일 수 있다. 예컨대, 제2-2 배경 신호 근사 함수는 상기 수학식 7 내지 10 중 어느 하나로 표현될 수 있다.
제2 배경 신호 근사 함수에 포함된 근사 함수 파라미터는, 제2 배경 신호가 나타내는 라인의 특성을 나타낼 수 있다. 마찬가지로, 제2 배경 신호 근사 함수에 포함된 근사 함수 파라미터는, (a) 제2 데이터 세트에 포함된 제2 배경신호의 사이클에 대한 기울기를 근사화하는 파라미터, (b) 제2 배경신호의 baseline 영역에서의 신호값을 근사화하는 파라미터, 및 (c) 제2 배경신호의 크기가 최소인 지점에 대응되는 사이클을 근사화하는 파라미터 중 적어도 하나를 포함할 수 있다. 마찬가지로, 제2 배경 신호 근사 함수에 포함된 근사 함수 파라미터는 제1 배경 신호 근사 함수에 포함된 근사 함수 파라미터에 대해 상술한 실시예들을 포함할 수 있다.
일 실시예에서, 배경 신호는 표적 분석물에 대한 신호 발생 반응이 수행되는 검출 장치(예: CFX96), 시료가 수용되는 반응용기(예: 용기의 형태, 수용 방식 등) 및 반응용기가 수용되는 플레이트(예: 12x8 배치구조) 중 적어도 하나의 종류에 의존적으로 수득되는 신호일 수 있다. 예컨대, 제1 배경 신호는 제1 데이터 세트 중 제1 표적 분석물의 존재 이외의 원인인 검출 장치의 종류, 반응용기 형상 등에 의해 발생될 수 있고, 제2 배경 신호는 제2 데이터 세트 중 제1 표적 분석물 및 제2 표적 분석물 중 하나 이상의 존재 이외의 원인인 검출 장치의 종류, 반응용기 형상 등에 의해 발생될 수 있다. 또한, 실시예에 따라서, 제3 배경 신호를 포함한 제m 배경 신호 또한 같은 방식으로 해석될 수 있다.
한편, 실시예에 따라서, 이러한 배경 신호는 기 설정된 복수개의 배경 요소(예: 검출 장치에서의 baseline 요소, 채널 간섭으로 인한 noise 요소, 특정 신호 발생 조성물(예: 표지, 효소 등)의 사용으로 인한 신호 패턴 차이의 보정을 위한 요소 등)로 세분화될 수 있다. 실시예에 따라서, 이러한 배경 신호를 근사화하는 배경 신호 근사 함수는 해당 배경 요소들이 모두 고려된 상수나 다항 함수의 선형 함수 형태로 표현될 수 있고, 또는, 각각의 배경 요소에 대한 상수나 다항 함수를 결합(예: 합산)한 비선형 함수 형태로 표현될 수도 있다. 이처럼, 배경 신호 근사 함수는 상기한 방식으로 여러 배경 요소들이 고려되는 형태로 확장될 수 있다.
일 실시예에서, 크기 파라미터는 제1 표적 분석물의 존재에 의존적인 신호값이 제1 온도에서 갖는 크기와 제2 온도에서 갖는 크기 간의 관계를 나타낸다. 구체적인 일 실시예에서, 크기 파라미터는, 제1 표적 분석물의 존재에 의존적인 제1 온도에서의 신호값에 대한, 제1 표적 분석물의 존재에 의존적인 제2 온도에서의 신호값의 비율(또는 그 반대)을 나타내는 파라미터일 수 있다. 예컨대, 제1 표적 분석물의 존재에 의존적인 제1 온도 및 최종 사이클(end cycle)에서의 신호값을 a라고 하고, 제1 표적 분석물의 존재에 의존적인 제2 온도 및 최종 사이클에서의 신호값을 b라고 하였을 때(도 2a의 튜브 1 참조), 크기 파라미터는 a에 대한 b의 비(예: b/a), b에 대한 a의 비(예: a/b) 또는 이에 상응하는 값을 의미할 수 있다. 예컨대, 크기 파라미터는 본 기술분야에서 사용되는 cut-off ratio로서, 상기 비율을 근사화하는 상수 또는 상수의 집합에 대한 파라미터일 수 있고, 제2 온도에서의 신호값 중 제1 표적 분석물의 존재 여부에 의존적인 부분을 특정하는데 이용될 수 있다.
종래 기술에서는 사전에 시료 내에 어떤 표적 분석물이 어느 정도의 양으로 존재하는지에 대한 정보가 있는 다수의 실험 데이터의 신호값들로부터 크기 파라미터에 관한 통계값을 구하여 크기 파라미터의 값을 미리 설정해둔 후, 어떤 표적 분석물이 존재하는지 알 수 없는 임의의 시료에 대해서 표적 분석물을 검출할 때 기 설정된 크기 파라미터의 값을, 임의의 시료에 일률적으로 동일하게 적용하였다. 이에 따라, 표적 분석물의 검출 과정에서 시료 내의 조성물, 반응 용기나 검출 장치의 종류 등의 검출 환경이 상이함에 따라 발생되는 차이를 반영하기 어려워 검출 정확성이 감소하는 문제점이 있었다.
그러나, 본 개시에서는 튜브에 어떤 표적 분석물이 존재하는지 알 수 없는 임의의 시료에 대해서 표적 분석물을 검출할 때마다, 이러한 크기 파라미터를 추정할 수 있다. 이에 따라, 시료가 수용되는 반응 용기(well)마다 또는 해당 시료에 대해 수행되는 반응(reaction)마다 최적화된 값을 구하여 보다 정확한 크기 파라미터를 적용할 수 있고, 종래 요구되던 크기 파라미터를 설정하기 위한 수많은 절차들이 생략됨에 따라 비용 효율적인 이점이 있다.
프로세서(240)는 제1 데이터 세트 및 제2 데이터 세트 중 적어도 하나를 적어도 부분적으로 이용하여 제1 근사 함수 파라미터와 제2 근사 함수 파라미터 중 적어도 하나의 값과, 크기 파라미터의 값을 joint-estimation할 수 있다. 여기에서, joint-estimation은 동시에 두 개 이상의 파라미터를 공동으로 추정하는 것을 의미한다. 예컨대, 하나의 파라미터가 다른 파라미터에 의존하고, 그 반대의 경우도 마찬가지인 경우를 나타낸다. 일 실시예에서, joint-estimation을 위해 residual analysis 기반의 linear regression, generalized additive model 기반의 non-linear regression, joint maximum likelihood estimation 및 Bayesian optimization 등의 다양한 공지된 알고리즘이 하나 이상 이용될 수 있으며, 이에 제한되지 않는다.
일 실시예에서, 프로세서(240)는 제1 데이터 세트 및 제2 데이터 세트를 적어도 부분적으로 이용하여 제1 근사 함수 파라미터의 값, 제2 근사 함수 파라미터의 값 및 크기 파라미터의 값을 joint-estimation할 수 있다. 예컨대, 프로세서(240)는 복수 사이클에 대해 (a) 제1 근사 함수를 이용하여 산출되는 제1 근사 데이터 세트와 제1 데이터 세트 간의 차이;와, (b) 제1 근사 함수, 제2 근사 함수 및 크기 파라미터를 이용하여 산출되는 제2 근사 데이터 세트와 제2 데이터 세트 간의 차이;가 모두 고려된 전체 오차가 최소화되도록 하는, 제1 근사 함수 파라미터의 값, 제2 근사 함수 파라미터의 값 및 크기 파라미터의 값을 산출할 수 있다.
다른 일 실시예에서, 프로세서(240)는 제2 데이터 세트를 적어도 부분적으로 이용하여 제2 근사 함수 파라미터의 값과 크기 파라미터의 값을 joint-estimation할 수 있다. 예컨대, 프로세서(240)는 복수 사이클에 대해 상기 제2 근사 데이터 세트와 제2 데이터 세트 간의 차이가 최소화되도록 하는, 제2 근사 함수 파라미터의 값과 크기 파라미터의 값을 산출할 수 있다.
한편, 상기한 joint-estimation 과정은 제1-1 근사 함수, 제1-2 근사 함수 및 제2 근사 함수로 이루어지는 군으로부터 선택되는 적어도 어느 하나의 근사 함수에 포함된 근사 함수 파라미터의 값과 크기 파라미터의 값을 joint-estimation하는 방식으로 수행될 수 있다. 일 실시예에 따르면, 제1-1 근사 함수와 제2 근사 함수에 포함된 근사 함수 파라미터 및 크기 파라미터를 포함하는 제1 파라미터 그룹의 파라미터 값에 대한 joint-estimation이 수행되되, 제1 파라미터 그룹에서의 크기 파라미터는 제1 검출온도에서 갖는 크기에 대한 상기 제2 검출온도에서 갖는 크기의 비를 나타낼 수 있다. 다른 일 실시예에 따르면, 제1-2 근사 함수와 제2 근사 함수에 포함된 근사 함수 파라미터 및 크기 파라미터를 포함하는 제2 파라미터 그룹의 파라미터 값에 대한 joint-estimation이 수행되되, 제2 파라미터 그룹에서의 크기 파라미터는 제2 검출온도에서 갖는 크기에 대한 제1 검출온도에서 갖는 크기의 비를 나타낼 수 있다. 이하에서는 전자의 실시예를 중심으로 기술하였으나, 후자의 실시예 또한 비슷한 방식으로 변형되어 실시될 수 있음을 알 수 있다.
위에서 제시한 프로세서(240)의 기능/동작에 관한 다양한 실시예들에 대해서 이하에서 보다 상세하게 서술하도록 한다.
1) 데이터 세트에 대한 통계 모델 (statistical model)
프로세서(240)는 기 저장된 통계 모델에 기초하여 상술한 파라미터들에 대한 joint-estimation을 준비할 수 있다. 여기에서, joint-estimation을 준비한다는 것은, 메모리(220)에서 통계 모델을 로딩 또는 저장하거나, 통계 모델을 이용한 파라미터 추정 기능을 수행하기 위해 메모리(220)에 저장된 하나 이상의 명령어를 실행시키는 동작 등을 포괄하는 개념으로 이해될 수 있다.
구체적으로, 통계 모델에서는 제1 온도에서 측정된 제1 데이터 세트로부터 제1 표적 분석물의 존재에 의존적인 신호값을 분리하기 위한 수학적 관계가 정의될 수 있다. 또한, 통계 모델에서는 제2 온도에서 측정된 제2 데이터 세트로부터 제1 표적 분석물의 존재에 의존적인 신호값을 제외시키고 제2 표적 분석물의 존재에 의존적인 신호값을 분리하기 위한 수학적 관계가 정의될 수 있다. 예컨대, 통계 모델은 제1 데이터 세트 및 제1-1 근사 함수 간의 관계를 정의하고, 제2 데이터 세트, 제1-1 근사 함수, 제2 근사 함수 및 크기 파라미터 간의 관계를 정의하는 하기 수학식 11을 포함할 수 있고, 이러한 수학식 11은 수학식 12 내지 13과 같이 표현될 수 있다.
Figure PCTKR2023009459-appb-img-000011
Figure PCTKR2023009459-appb-img-000012
Figure PCTKR2023009459-appb-img-000013
명세서 전반에서, t는 사이클을 나타내고, y1,t는 복수 사이클 각각의 제1 온도에서 측정된 제1 데이터 세트를 나타내며, y2,t는 복수 사이클 각각의 제2 온도에서 측정된 제2 데이터 세트를 나타낸다. α11는 제1-1 근사 함수 파라미터를 나타내고, α22는 제2-2 근사 함수 파라미터를 나타내며, CR은 크기 파라미터를 나타낸다. f11(α11,t)는 제1-1 근사 함수 파라미터와 사이클이 입력 변수인 제1-1 근사 함수(구체적으로는, 제1-1 표적 신호 근사 함수)를 나타내고, f22(α22,t)는 제2-2 근사 함수 파라미터와 사이클이 입력 변수인 제2-2 근사 함수(구체적으로는, 제2-2 표적 신호 근사 함수)를 나타낸다. 또한, e1 및 e2 각각은 제1 데이터 세트 내 에러 성분을 나타내는 제1 에러 및 제2 데이터 세트 내 에러 성분을 나타내는 제2 에러 각각을 나타낸다. 여기에서, 에러 성분은 소정의 규칙이나 기준에 기반하여 설명할 수 없는 성분을 의미하며, 예컨대, 근사 함수를 통해 근사화되는 근사 데이터 세트와 데이터 세트 간의 차이에 해당하는 잔여 성분으로서 표현될 수 있다.
예컨대, 수학식 11 내지 13을 참조하면, 제1 데이터 세트는 제1-1 근사 함수와 제1 에러의 합으로 정의될 수 있고, 제2 데이터 세트는 제1-1 근사 함수와 크기 파라미터의 곱, 제2 근사 함수 및 제2 에러의 합으로 정의될 수 있다. 실시예에 따라서, 제1 근사 함수가 제2 온도에서의 신호값을 근사화하는 제1-2 근사 함수인 경우, 수학식 11 내지 13의 변형된 형태로서, 제1 데이터 세트는 크기 파라미터의 역수와 제1-2 근사 함수의 곱 및 제1 에러의 합으로 정의될 수 있고, 제2 데이터 세트는 제1-2 근사 함수와 제2 근사 함수 및 제2 에러의 합으로 정의될 수도 있으며, 이하의 목적 함수들도 유사한 방식으로 변형될 수 있다.
프로세서(240)는 통계 모델에 기초하여 상술한 파라미터들에 대한 joint-estimation을 수행할 수 있다. 일 실시예에서, 통계 모델은 데이터 세트를 근사화하는 최적화된 파라미터의 값의 추정을 위한 하나 이상의 목적 함수를 포함할 수 있다. 프로세서(240)는 목적 함수가 최댓값 또는 최솟값이 되도록 하는 파라미터의 값을 구하여 최적화된 파라미터의 추정치로서 산출할 수 있다. 이하에서는 likelihood(우도) 기반의 다양한 목적 함수들을 이용하여 파라미터들의 값에 대한 joint-estimation이 수행되는 다양한 실시예에 대해서 기술하도록 한다.
2) 제1 실시예에 따른 joint-estimation
도 5는 제1 실시예에 따른 컴퓨터 장치(200)가 프로세서(240)를 통해 제2 근사 함수 파라미터의 값과 크기 파라미터의 값을 joint-estimation하는 방법을 예시적으로 나타내는 순서도이다.
도 5를 참조하면, 단계 S510에서 프로세서(240)는 제1 데이터 세트를 이용하여 제1-1 근사 함수에 포함된 제1-1 근사 함수 파라미터의 값을 추정할 수 있다. 예컨대, 프로세서(240)는 제1 데이터 세트에서 제1 표적 분석물에 의존적인 제1 온도에서의 신호값을 가장 잘 근사화하는 제1-1 근사 함수 파라미터의 값을 산출할 수 있다.
일 실시예에서, 제1-1 근사 함수 파라미터의 값은, 복수 사이클 각각에서 제1-1 근사 함수와 제1 데이터 세트 간의 차이의 합이 최소화되도록 추정될 수 있다. 상술한 것처럼, 제1-1 근사 함수와 제1 데이터 세트 간의 차이는 단순히 크기 차이를 의미할 수 있고, 해당 크기 차이의 절대값, 제곱 또는 그에 대응되는 mean squared error, root mean squared error 등을 의미할 수도 있다.
보다 구체적으로, 프로세서(240)는 제1 데이터 세트에 대한 제1 목적 함수를 이용하여 제1-1 근사 함수 파라미터의 값을 추정할 수 있다. 일 실시예에서, 제1 목적 함수는 복수 사이클 각각에서 제1-1 근사 함수와 제1 데이터 세트 간의 차이(예컨대, 제1 에러)에 기초하여 결정될 수 있다. 일 예로, 제1 목적 함수는 제1 에러가 N(0, σ1 2)의 정규 분포를 따른다고 가정할 때, 하기 수학식 14와 같이 표현될 수 있으나, 이에 제한되지 않는다. 예를 들면, 제1 목적 함수는 복수 사이클 각각에서 제1 근사 함수와 제1 데이터 세트 간의 차이의 합으로 표현되거나, 해당 차이의 합의 평균으로 표현되거나, 그 밖의 다양하게 변형된 형태로 표현될 수 있다.
Figure PCTKR2023009459-appb-img-000014
(여기에서, l1(α11)는 제1-1 근사 함수 파라미터의 값 추정에 이용되는 제1 목적 함수를 나타내고, n은 사이클 중 최종 사이클(예: 45)을 나타냄)
프로세서(240)는 제1 목적 함수가 최댓값 또는 최솟값이 되도록 하는 제1-1 근사 함수 파라미터의 값을 산출할 수 있다. 일 실시예에서, 제1 목적 함수의 최솟값(또는 최댓값)을 찾기 위해 신호값의 미분, 차분, 계차, 비율, 선형회귀 분석법 및 경사하강법 중 적어도 하나가 이용될 수 있다. 예컨대, 제1 목적 함수에서 최적화하고자 하는 제1-1 근사 함수 파라미터 α11에 대한 편미분으로 극값을 찾는 연산을 통해 제1 근사 함수 파라미터 α11의 최적화된 값이 도출될 수 있다.
일 실시예에서, 제1-1 근사 함수 파라미터의 값은 maximum likelihood estimation(최대우도법) 또는 maximum likelihood estimate(최대우도추정량)에 기초하여 추정될 수 있다. 여기에서, maximum likelihood estimation 또는 maximum likelihood estimate에 기초한다는 것은, maximum likelihood estimation의 계산 결과 또는 maximum likelihood estimate에 소정의 수학적 연산(예: log 연산, 음의 부호(negative) 연산 등)이 더해진 log-likelihood estimation(또는 estimate) 및 negative log-likelihood estimation(또는 estimate) 등을 포괄하는 개념으로 이해될 수 있다.
단계 S520에서 프로세서(240)는 제1-1 근사 함수 파라미터에 대해 추정된 결과 및 제2 데이터 세트를 적어도 부분적으로 이용하여 제2 근사 함수에 포함된 제2 근사 함수 파라미터의 값 및 크기 파라미터의 값에 대한 joint-estimation을 수행할 수 있다. 예컨대, 프로세서(240)는 단계 S510에서 추정된 제1-1 근사 함수 파라미터의 값을 적용하였을 때, 제2 데이터 세트에서 제1 표적 분석물에 의존적인 제2 온도에서의 신호값과 제2 표적 분석물에 의존적인 제2 온도에서의 신호값을 가장 잘 근사화하는 크기 파라미터의 값과 제2 근사 함수 파라미터의 값을 산출할 수 있다.
일 실시예에서, 제2 근사 함수 파라미터의 값 및 크기 파라미터의 값 각각은, 복수 사이클 각각에서 (a) 제2 데이터 세트;와, (b) 제2 근사 함수 및 제2 온도에서 제1 표적 분석물에 의존적인 신호값(또는 제1-2 근사 함수)의 합; 간의 차이가 최소화되도록 추정될 수 있다. 마찬가지로, 상기 차이는 단순한 크기 차이, 크기 차이의 절대값, 제곱 또는 그에 대응되는 mean squared error, root mean squared error 등을 의미할 수 있다.
구체적으로, 프로세서(240)는 크기 파라미터의 값, 추정된 제1 근사 함수 파라미터의 값을 갖는 제1-1 근사 함수의 값을 이용해서, 제2 온도에서 제1 표적 분석물에 의존적인 신호값(또는 제1-2 근사 함수의 값)을 준비하고, 복수 사이클 각각에서 (a) 제2 데이터 세트;와, (b) 제2 근사 함수 및 상기 제2 온도에서 상기 제1 표적 분석물에 의존적인 신호값(또는 제1-2 근사 함수)의 합; 간의 차이를 연산하고, 복수 사이클에서 상기 차이의 합이 최소화되도록 제2 근사 함수 파라미터의 값 및 상기 크기 파라미터의 값에 대한 joint-estimation을 수행할 수 있다.
예를 들면, 프로세서(240)는 제2 데이터 세트에 대한 제2 목적 함수를 이용하여 제2 근사 함수 파라미터의 값 및 크기 파라미터의 값에 대한 joint-estimation을 수행할 수 있다. 일 실시예에서, 제2 목적 함수는 복수 사이클 각각에서 (a) 제2 데이터 세트;와, (b) 제2 근사 함수 및 제2 온도에서 제1 표적 분석물에 의존적인 신호값(또는 제1-2 근사 함수)의 합; 간의 차이(예컨대, 제2 에러)를 출력할 수 있다. 예컨대, 제2 목적 함수는 제2 에러가 N(0, σ2 2)의 정규 분포를 따른다고 가정할 때, 하기 수학식 15와 같이 표현될 수 있으나, 이에 제한되지 않는다. 수학식 15를 참조하면, 전술한 '복수 사이클 각각에서의 제2 온도에서 제1 표적 분석물에 의존적인 신호값(또는 제1-2 근사 함수)'은 크기 파라미터와 단계 S510에서 추정된 제1 근사 함수 파라미터의 값이 적용된 제1-1 근사 함수의 곱으로서 연산될 수 있으며(예: CR * f11(α11, t)), 실시예에 따라서 해당 연산 결과는 복수 사이클 각각에서의 제1-2 근사 함수(예: f12(α12, t) = CR * f11(α11, t))에 대응될 수 있다. 또한, '복수 사이클 각각에서의 제2 근사 함수 및 제2 온도에서 제1 표적 분석물에 의존적인 신호값(또는 제1-2 근사 함수)의 합'은 전술한 연산 결과와의 합(예: f22(α22, t) + CR * f11(α11, t))으로서 연산될 수 있다.
Figure PCTKR2023009459-appb-img-000015
(여기에서, l2(α22)는 제2-1 근사 함수 파라미터 및 크기 파라미터의 추정에 이용되는 제2 목적 함수를 나타냄)
프로세서(240)는 제2 목적 함수가 최댓값 또는 최솟값이 되도록 하는 제2 근사 함수 파라미터의 값 및 크기 파라미터의 값을 산출할 수 있다. 예컨대, 프로세서(240)는 크기 파라미터, 추정된 제1 근사 함수 파라미터의 값을 갖는 제1-1 근사 함수의 값을 이용해서, 제2 온도에서 제1 표적 분석물에 의존적인 신호값(예: CR * f11(α11)) 또는 제1-2 근사 함수의 값(예: f12(α12, t))을 구할 수 있다. 또한, 프로세서(240)는 복수 사이클 각각에서 (a) 제2 데이터 세트(예: y2,t);와, (b) 제2-2 근사 함수(예: f22(α22)) 및 제2 온도에서 제1 표적 분석물에 의존적인 신호값(예: CR * f11(α11))의 합; 간의 차이(예: y2,t - CR * f11(α11) - f22(α22))를 구할 수 있다. 또한, 프로세서(240)는 복수 사이클에서 상기 차이의 합이 최소화되도록 제2-2 근사 함수 파라미터의 값 및 크기 파라미터의 값에 대한 joint-estimation을 수행할 수 있다.
한편, 전술한 joint-estimation 과정에서, 제1-1 근사 함수 파라미터에 대해 추정된 결과 및 제2 데이터 세트를 이용하는 대신, 제1 데이터 세트 및 제2 데이터 세트를 이용해서 joint estimation을 수행할 수도 있다.
구체적으로, 프로세서(240)는 제1 데이터 세트를 이용하여 제1-1 근사 함수에 포함된 제1-1 근사 함수 파라미터의 값을 추정하고, 제1 데이터 세트와 제2 데이터 세트를 이용하여 제2 근사 함수 파라미터의 값과 크기 파라미터의 값에 대한 joint-estimation을 수행할 수 있다. 일 실시예에서, 프로세서(240)는 복수 사이클 각각에서 (a) 제2 데이터 세트;와, (b) 제1 데이터 세트 및 크기 파라미터; 간의 차이를 연산하고, 복수 사이클에서 상기 차이의 합이 최소화되도록 제2 근사 함수 파라미터의 값 및 크기 파라미터의 값에 대한 joint-estimation을 수행할 수 있다. 구체적인 예로서, 수학식 15에 기재된 f11(α11, t)는 제1-1 근사 함수 파라미터에 대해 추정된 결과에 대응되며, 수학식 15에서 해당 f11(α11, t)는 제1 데이터 세트에 대응되는 y1,t로 대체될 수 있다. 이러한 경우, 수학식 12를 참조하면, 제2 근사 함수와 크기 파라미터에 대한 추정 과정에서 제1-1 근사 함수로 인한 제1 에러에 상응하는 오차가 개선될 수 있는 이점이 있다.
다른 일 실시예에서, 제2 근사 함수 파라미터의 값 및 크기 파라미터의 값 각각은, 복수 사이클 각각에서 (a) 제2 데이터 세트;와, (b) 제2 근사 함수 및 제2 온도에서 제1 표적 분석물에 의존적인 신호값(또는 제1-2 근사 함수)의 합; 간의 차이에 기초하여 결정되는 전체 에러가 최소화되도록 추정될 수 있다. 일 실시예에서, 전체 에러는 제1 에러와 제2 에러를 스케일링하여 연산한 값으로서, 예컨대, 평균이 0이고 분산이 1이 되도록 하는 표준화(standardization) 또는 평균이 0이고 -1에서 1까지의 값 범위가 되도록 하는 평균 정규화(mean normalization) 등을 통해 단위가 스케일링된 제1 에러와 제2 에러의 값을 합하거나 산술 평균하는 방식으로 산출될 수 있다.
예를 들면, 프로세서(240)는 제1 데이터 세트와 제2 데이터 세트에 대한 전체 목적 함수를 이용하여 제2-2 근사 함수 파라미터의 값 및 크기 파라미터의 값에 대한 joint-estimation을 수행할 수 있다. 일 실시예에서, 전체 목적 함수는 (a) 복수 사이클 각각에서 제1 데이터 세트와 제1-1 근사 함수 간의 차이(예: 제1 에러)의 합과, (b) 복수 사이클 각각에서 제2 데이터 세트;가 제2-2 근사 함수 및 제2 온도에서 제1 표적 분석물에 의존적인 신호값(또는 제1-2 근사 함수)의 합;과 갖는 차이(예: 제2 에러)의 합에 기초하여 결정되는 전체 에러를 출력할 수 있다. 예컨대, 전체 목적 함수는 제1 에러가 N(0, σ1 2)의 정규 분포를 따르고, 제2 에러가 N(0, σ2 2)의 정규 분포를 따른다고 가정할 때, 하기 수학식 16과 같이 표현될 수 있으나, 이에 제한되지 않는다.
Figure PCTKR2023009459-appb-img-000016
(여기에서, ljoint(α11, α22, CR)은 제1-1 근사 함수 파라미터, 제2-2 근사 함수 파라미터 및 크기 파라미터 중 적어도 일부의 joint estimation에 이용되는 전체 목적 함수를 나타내고, σ1는 표본을 제1 데이터 세트(구체적으로는, 복수 사이클에서의 제1 에러의 집합)로 보았을 때 복수 사이클에 대한 제1 에러의 표준 편차를 나타내고, σ2는 표본을 제2 데이터 세트(구체적으로는, 복수 사이클에서의 제2 에러의 집합)로 보았을 때 복수 사이클에 대한 제2 에러의 표준 편차를 나타냄)
일 실시예에서, 프로세서(240)는 기 추정된 제1-1 근사 함수 파라미터의 값을 전체 목적 함수 내 제1-1 근사 함수에 적용하고, 전체 목적 함수가 최댓값 또는 최솟값이 되도록 하는 제2 근사 함수 파라미터의 값 및 크기 파라미터의 값을 산출할 수 있다. 예컨대, 프로세서(240)는 이전 단계에서 구한 제1-1 근사 함수 파라미터의 값을 전체 목적 함수에 포함된 제1-1 근사 함수에 적용하고, 전체 목적 함수가 최소화되도록 제2-2 근사 함수 파라미터의 값 및 크기 파라미터의 값에 대한 joint-estimation을 수행할 수 있다. 이때, 전체 목적 함수 내 제1 에러의 분산(예: σ1 2)과 제2 에러의 분산(예: σ2 2) 각각에는 기 설정된 값이 적용될 수 있다. 예컨대, σ1 2는 {n/(n-1) * 제1 목적 함수의 출력값}으로 추정되고, σ2 2는 {n/(n-1) * 제2 목적 함수의 출력값} 또는 σ1 2로 추정될 수 있다. 이와 같이, 전체 목적 함수에서는 제1 목적 함수의 출력값과 제2 목적 함수의 출력값 각각에 대해 제1 에러의 분산과 제2 에러의 분산 각각을 나누어주는 연산을 통해, 제1 에러와 제2 에러에 대한 정규 분포가 N(0, 1)에 따르도록 단위를 scailing해주는 과정이 추가될 수 있다.
마찬가지로, 제2 목적 함수 또는 제3 목적 함수의 최솟값(또는 최댓값)을 찾기 위해 신호값의 미분, 차분, 계차, 비율, 선형회귀 분석법 및 경사하강법 중 적어도 하나가 이용될 수 있다. 예컨대, 제2 목적 함수 또는 제3 목적 함수에서 최적화하고자 하는 제2-2 근사 함수 파라미터 α22 및 크기 파라미터 CR 각각에 대한 편미분으로 극값을 찾는 joint-estimation을 통해 제2-2 근사 함수 파라미터 α22 및 크기 파라미터 CR의 최적화된 값이 함께 도출될 수 있다.
일 실시예에서, 제2 근사 함수 파라미터의 값 및 크기 파라미터의 값 각각은 joint maximum likelihood estimation에 기초하여 추정될 수 있다. 마찬가지로, joint maximum likelihood estimation에 기초한다는 것은 joint log-likelihood estimation 및 joint negative log-likelihood estimation 등을 포괄하는 개념으로 이해될 수 있다.
3) 제2 실시예에 따른 joint-estimation
제2 실시예에 따른 프로세서(240)는 제1 데이터 세트와 제2 데이터 세트를 적어도 부분적으로 이용해서, 제1-1 근사 함수 파라미터의 값, 제2 근사 함수 파라미터의 값 및 크기 파라미터의 값을 joint-estimation할 수 있다. 일 실시예에서, 프로세서(240)는 (a) 복수 사이클 각각에서 제1 데이터 세트와 제1-1 근사 함수 간의 차이(예: 제1 에러)의 합과, (b) 복수 사이클 제2 데이터 세트;가 제2 근사 함수 및 제2 온도에서 제1 표적 분석물에 의존적인 신호값(또는 제1-2 근사 함수)의 합;과 갖는 차이(예: 제2 에러)의 합을 고려해서, 제1 근사 함수 파라미터, 제2 근사 함수 파라미터 및 크기 파라미터를 대한 joint-estimation을 수행할 수 있다.
구체적으로, 프로세서(240)는 제1 데이터 세트와 제2 데이터 세트에 대한 전체 목적 함수를 이용하여 제1-1 근사 함수 파라미터의 값, 제2 근사 함수 파라미터의 값 및 크기 파라미터의 값에 대한 joint-estimation을 수행할 수 있다. 상술한 것처럼, 전체 목적 함수는 상기 수학식 16과 같이 표현될 수 있다. 예컨대, 수학식 16을 참조하면, 프로세서(240)는 전체 목적 함수가 최솟값이 되도록 하는 제1-1 근사 함수 파라미터의 값, 제2 근사 함수 파라미터의 값 및 크기 파라미터의 값을 산출할 수 있다.
도 6은 제2 실시예에 따른 컴퓨터 장치(200)가 프로세서(240)를 통해 제1-1 근사 함수 파라미터의 값, 제2 근사 함수 파라미터의 값 및 크기 파라미터의 값을 joint-estimation하는 구체적인 방법을 예시적으로 나타내는 순서도이다.
도 6을 참조하면, 단계 S610에서 프로세서(240)는 제1-1 근사 함수 파라미터, 제2 근사 함수 파라미터 및 크기 파라미터 중 어느 하나 또는 둘의 파라미터에 임의의 값 또는 기 추정된 값을 적용하고 나머지 파라미터의 값을 추정할 수 있다. 예컨대, 프로세서(240)는 전체 목적 함수 내의 제2-2 근사 함수 파라미터 및 크기 파라미터 각각에 기설정 범위 내에서 랜덤하게 결정된 값을 적용하고, 전체 목적 함수가 최솟값이 되도록 하는 제1-1 근사 함수 파라미터의 값을 추정할 수 있다. 이때, 상술한 것처럼, σ1 2 = {n/(n-1) * 제1 목적 함수의 출력값}으로 추정되고, σ2 2 = σ2 1로 추정될 수 있다.
단계 S620에서 프로세서(240)는 추정된 나머지 파라미터의 값을 적용하고 상기 어느 하나 또는 둘의 파라미터의 값을 추정할 수 있다. 예컨대, 프로세서(240)는 전체 목적 함수 내의 제1-1 근사 함수 파라미터에 이전 단계에서 추정된 값을 적용하고, 전체 목적 함수가 최솟값이 되도록 하는 제2-2 근사 함수 파라미터의 값과 크기 파라미터의 값을 추정할 수 있다. 이때, 예컨대, σ2 2 = {n/(n-1) * 제2 목적 함수의 출력값}으로 추정될 수 있다.
단계 S630에서 프로세서(240)는 단계 S610 내지 S620 중 적어도 하나를 복수로 수행할 수 있다. 예컨대, 프로세서(240)는 직전 단계에서 추정된 제2-2 근사 함수 파라미터의 값과 크기 파라미터의 값을 전체 목적 함수에 적용하고, σ1 2 = {n/(n-1) * 제1 목적 함수의 출력값}으로 추정하고, 전체 목적 함수가 최솟값이 되도록 하는 제1-1 근사 함수 파라미터의 값을 추정할 수 있다. 또한, 프로세서(240)는 직전 단계에서 추정된 제1-1 근사 함수 파라미터의 값을 전체 목적 함수에 적용하고, σ2 2 = {n/(n-1) * 제2 목적 함수의 출력값}으로 추정하고, 전체 목적 함수가 최솟값이 되도록 하는 제2-2 근사 함수 파라미터의 값과 크기 파라미터의 값을 추정할 수 있으며, 이러한 동작은 반복적으로 수행될 수 있다. 일 실시예에서, 이와 같은 반복을 통해 전체 목적 함수가 최솟값이 되도록 하는 제1-1 근사 함수 파라미터의 값, 제2 근사 함수 파라미터의 값 및 크기 파라미터의 값을 joint-estimation하는 과정에서 backfitting 알고리즘이 이용될 수 있다.
일 실시예에서, 프로세서(240)는 직전 단계에서 추정된 파라미터의 값들을 전체 목적 함수에 적용하고, 전체 목적 함수가 최솟값이 되도록 하는 직전 단계에서 추정되지 않은 파라미터의 값들을 추정하는 동작을 기설정 조건이 충족될 때까지 반복적으로 수행할 수 있다. 여기에서, 기설정 조건은 반복 횟수(예: learning rate)가 기설정 값 이상이 되도록 하는 조건일 수 있고, 전체 목적 함수의 출력값이 소정의 값 범위 또는 특정 상태(예: minimization, optimization)가 되도록 하는 조건일 수도 있으며, 이에 제한되지 않는다.
4) 배경 신호가 고려되는 통계 모델의 다른 실시예
이상에서는 배경 신호가 고려되지 않은 통계 모델의 일 실시예에 따라 근사 함수 파라미터의 값과 크기 파라미터의 값을 추정하는 동작에 대해 기술하였다. 그러나, 다른 실시예에서, 프로세서(240)는 배경 신호가 고려되는 통계 모델의 다른 실시예에 기초하여 상술한 파라미터들의 값에 대한 joint-estimation을 수행할 수 있다.
이하, 도 7a와 7b를 참조하여 다른 일 실시예에 따른 컴퓨터 장치(200)에서 이용되는 배경 신호가 포함된 데이터 세트 및 해당 데이터 세트로부터 추정되는 둘 이상의 표적 분석물 각각에 의존적인 신호값 및 배경 신호의 다양한 예시에 대해 먼저 살펴보도록 한다.
도 7a에는 제1 데이터 세트 및 제2 데이터 세트가 예시적으로 도시되어 있다. 도 7a에는 도 2a와 유사한 조건의 제1 데이터 세트 및 제2 데이터 세트가 예시적으로 도시되어 있으며, 도 2a와는 다르게 데이터 세트에 예시적인 배경 신호가 더 포함되어 있음을 알 수 있다. 마찬가지로, 이러한 배경 신호의 형태는 예시에 불과하다.
도 7b에는 도 7a에 도시된 제1 데이터 세트 및 제2 데이터 세트로부터 추정되는, 제1 표적 분석물의 존재에 의존적인 제1 온도에서의 신호값과, 제1 온도에서의 배경 신호와, 제2 표적 분석물의 존재에 의존적인 제2 온도에서의 신호값과, 제2 온도에서의 배경 신호가 예시적으로 도시되어 있다. 도 7b에서는 제1 데이터 세트와 제2 데이터 세트로부터, 제1 표적 분석물의 존재에 의존적인 제1 온도에서의 신호값과, 제2 표적 분석물의 존재에 의존적인 제2 온도에서의 신호값이 각각 추출될 때, 도 2a와는 다르게, 제1 온도에서 측정된 제1 표적 분석물의 존재에 비의존적인 제1 배경 신호와, 제2 온도에서 측정된 제1 표적 분석물 또는 제2 표적 분석물의 존재에 비의존적인 제2 배경 신호가 함께 추출될 수 있다.
상술한 것처럼, 제1 근사 함수에는 제1 배경 신호를 근사화하는 제1 배경 신호 근사 함수가 더 포함될 수 있고, 제2 근사 함수에는 제2 배경 신호를 근사화하는 제2 배경 신호 근사 함수가 더 포함될 수 있으며, 프로세서(240)는 상술한 joint-estimation 과정에서, 제1 배경 신호 근사 함수와 제2 배경 신호 근사 함수 중 하나 이상의 근사 함수 파라미터에 대한 joint-estimation을 함께 수행할 수 있다.
구체적으로, 통계 모델에서는 제1 온도에서 측정된 제1 데이터 세트로부터 제1 표적 분석물의 존재에 의존적인 신호값과 제1 배경 신호를 분리하기 위한 수학적 관계가 정의될 수 있다. 또한, 통계 모델에서는 제2 온도에서 측정된 제2 데이터 세트로부터 제1 표적 분석물의 존재에 의존적인 신호값을 제외시키고 제2 표적 분석물의 존재에 의존적인 신호값과 제2 배경 신호를 분리하기 위한 수학적 관계가 정의될 수 있다. 예컨대, 통계 모델은 하기 수학식 17을 포함할 수 있고, 수학식 17은 수학식 18 내지 19와 같이 표현될 수 있다.
Figure PCTKR2023009459-appb-img-000017
Figure PCTKR2023009459-appb-img-000018
Figure PCTKR2023009459-appb-img-000019
여기에서, β11는 제1 배경 신호 근사 함수의 근사 함수 파라미터를 나타내고, β22는 제2 배경 신호 근사 함수의 근사 함수 파라미터를 나타낸다. 또한, "f11(α11,t)+g11(β11,t)"는 배경 신호가 고려된 제1-1 근사 함수를 나타내고, 구체적으로 f11(α11,t)은 제1-1 표적 신호 근사 함수의 근사 함수 파라미터와 사이클이 입력 변수인 제1-1 표적 신호 근사 함수를 나타내고, g11(β11,t)는 제1 배경 신호 근사 함수의 근사 함수 파라미터와 사이클이 입력 변수인 제1 온도에서의 제1 배경 신호 근사 함수를 나타낸다. 또한, "f22(α22,t)+g22(β22,t)"는 배경 신호가 고려된 제2-2 근사 함수를 나타내고, 구체적으로 f22(α22,t)는 제2-2 표적 신호 근사 함수의 근사 함수 파라미터와 사이클이 입력 변수인 제2-2 표적 신호 근사 함수를 나타내고, g22(β22,t)는 제2 배경 신호 근사 함수의 근사 함수 파라미터와 사이클이 입력 변수인 제2 온도에서의 제2 배경 신호 근사 함수를 나타낸다.
예컨대, 수학식 17 내지 19를 참조하면, 제1 데이터 세트는 제1-1 표적 신호 근사 함수, 제1 배경 신호 근사 함수 및 제1 에러의 합으로 정의될 수 있고, 제2 데이터 세트는 제1-1 표적 신호 근사 함수와 크기 파라미터의 곱, 제2-2 표적 신호 근사 함수, 제2 배경 신호 근사 함수 및 제2 에러의 합으로 정의될 수 있다. 마찬가지로, 실시예에 따라서, 제1 근사 함수가 제2 온도에서의 신호값을 근사화하는 제1-2 근사 함수인 경우, 수학식 17 내지 19의 변형된 형태로서, 제1 데이터 세트는 크기 파라미터의 역수와 제1-2 표적 신호 근사 함수의 곱, 제1 배경 신호 근사 함수 및 제1 에러의 합으로 정의될 수 있고, 제2 데이터 세트는 제1-2 표적 신호 근사 함수, 제2-2 표적 신호 근사 함수, 제2 배경 신호 근사 함수 및 제2 에러의 합으로 정의될 수도 있으며, 이하의 목적 함수들도 유사한 방식으로 변형될 수 있다.
프로세서(240)는 배경 신호가 고려되는 통계 모델의 다른 실시예에 기초하여 상술한 파라미터들의 값에 대한 joint-estimation을 수행할 수 있다. 상술한 실시예들과 유사한 방식으로, 통계 모델의 다른 실시예는 최적화된 파라미터의 값의 추정을 위한 하나 이상의 목적 함수를 포함할 수 있으며, 프로세서(240)는 목적 함수가 최댓값 또는 최솟값이 되도록 하는 파라미터의 값을 구하여 최적화된 파라미터의 추정치로서 산출할 수 있다. 마찬가지로, 이하에서는 다양한 목적 함수를 이용하여 파라미터들의 값에 대한 joint-estimation이 수행되는 다양한 실시예에 대해서 기술하도록 한다.
5) 배경 신호가 고려되는 제3 실시예에 따른 joint-estimation
제3 실시예에 따라 수행되는 joint-estimation에서는, 제1 배경 신호 근사 함수 및 제2 배경 신호 근사 함수 중 적어도 하나의 파라미터의 값까지 더 joint-estimation될 수 있다.
도 8은 제3 실시예에 따른 프로세서(240)가 배경 신호가 고려된 제2 근사 함수 파라미터의 값과 크기 파라미터의 값을 joint-estimation하는 방법을 예시적으로 나타내는 순서도이다. 도 8은 도 1 내지 도 7과 함께 상술한 실시예들을 참조하여 이해될 수 있으며, 중복되거나 유사한 기술적 원리에 대한 설명은 생략하도록 한다.
도 8을 참조하면, 단계 S810에서 프로세서(240)는 제1 데이터 세트를 이용하여 제1-1 근사 함수에 포함된 제1 표적 분석물에 의존적인 신호값에 대한 제1-1 표적 신호 근사 함수의 파라미터의 값 및 제1 배경 신호에 대한 제1-1 배경 신호 근사 함수의 파라미터의 값을 추정할 수 있다. 제1 실시예와 유사한 방식으로, 제1-1 표적 신호 근사 함수의 파라미터의 값 및 제1-1 배경 신호 근사 함수의 파라미터의 값 각각은, 복수 사이클 각각에서 제1 배경 신호가 고려된 제1-1 근사 함수와 제1 데이터 세트 간의 차이의 합이 최소화되도록 joint-estimation될 수 있다.
보다 구체적으로, 프로세서(240)는 제1 데이터 세트에 대한 제1 목적 함수를 이용하여 제1-1 표적 신호 근사 함수의 파라미터의 값과 제1-1 배경 신호 근사 함수의 파라미터의 값을 추정할 수 있다. 일 예로, 제1 목적 함수는 제1 에러가 N(0, σ1 2)의 정규 분포를 따른다고 가정할 때, 하기 수학식 20과 같이 표현될 수 있다. 프로세서(240)는 제1 목적 함수가 최솟값이 되도록 하는 제1-1 표적 신호 근사 함수의 파라미터의 값 및 제1-1 배경 신호 근사 함수의 파라미터의 값을 산출할 수 있다.
Figure PCTKR2023009459-appb-img-000020
단계 S820에서 프로세서(240)는 제1-1 표적 신호 근사 함수의 파라미터와 제1-1 배경 신호 근사 함수의 파라미터에 대해 추정된 값 및 제2 데이터 세트를 적어도 부분적으로 이용하여, 제2 근사 함수에 포함된 제2 표적 분석물에 의존적인 신호 값에 대한 제2 표적 신호 근사 함수의 파라미터의 값, 제2 배경 신호에 대한 제2 배경 신호 근사 함수의 파라미터의 값 및 크기 파라미터의 값에 대한 joint-estimation을 수행할 수 있다. 제1 실시예와 유사한 방식으로, 제2 표적 신호 근사 함수의 파라미터의 값, 제2 배경 신호 근사 함수의 파라미터의 값 및 크기 파라미터의 값 각각은, 복수 사이클 각각에서 (a) 제2 데이터 세트;와, (b) 제2 근사 함수, 제2 온도에서 제1 표적 분석물에 의존적인 신호값(또는 제1-2 근사 함수)의 합; 간의 차이가 최소화되도록 joint-estimation될 수 있다.
구체적인 일 실시예로서, 프로세서(240)는 제2 데이터 세트에 대한 제2 목적 함수를 이용하여 제2-2 표적 신호 근사 함수의 파라미터의 값, 제2-2 배경 신호 근사 함수의 파라미터의 값 및 크기 파라미터의 값에 대한 joint-estimation을 수행할 수 있다. 일 예로, 제2 목적 함수는 제2 에러가 N(0, σ2 2)의 정규 분포를 따른다고 가정할 때, 하기 수학식 21과 같이 표현될 수 있다. 프로세서(240)는 제2 목적 함수가 최솟값이 되도록 하는 제2-2 표적 신호 근사 함수의 파라미터의 값, 제2-2 배경 신호 근사 함수의 파라미터의 값 및 크기 파라미터의 값을 산출할 수 있다.
Figure PCTKR2023009459-appb-img-000021
구체적인 다른 일 실시예로서, 프로세서(240)는 제1 데이터 세트와 제2 데이터 세트에 대한 전체 목적 함수를 이용하여 제2 표적 신호 근사 함수의 파라미터의 값, 제2 배경 신호 근사 함수의 파라미터의 값 및 크기 파라미터의 값에 대한 joint-estimation을 수행할 수 있다. 일 예로, 전체 목적 함수는 제1 에러가 N(0, σ1 2)의 정규 분포를 따르고, 제2 에러가 N(0, σ2 2)의 정규 분포를 따른다고 가정할 때, 하기 수학식 22와 같이 표현될 수 있다. 프로세서(240)는 이전 단계에서 기 추정된 파라미터의 값들을 전체 목적 함수 내 제1-1 근사 함수에 적용하고, 전체 목적 함수가 최솟값이 되도록 하는 제2-2 표적 신호 근사 함수의 파라미터의 값, 제2-2 배경 신호 근사 함수의 파라미터의 값 및 크기 파라미터의 값을 산출할 수 있다.
Figure PCTKR2023009459-appb-img-000022
6) 배경 신호가 고려되는 제4 실시예에 따른 joint-estimation
제4 실시예에 따라 수행되는 joint-estimation에서는, 제1 배경 신호 근사 함수 및 제2 배경 신호 근사 함수 중 적어도 하나의 파라미터의 값까지 더 joint-estimation될 수 있다.
도 9는 제4 실시예에 따른 프로세서(240)가 배경 신호가 고려된 제1-1 근사 함수 파라미터의 값, 제2 근사 함수 파라미터의 값 및 크기 파라미터의 값을 joint-estimation하는 방법을 예시적으로 나타내는 순서도이다. 마찬가지로, 도 9는 도 1 내지 도 8과 함께 상술한 실시예들을 참조하여 이해될 수 있다.
도 9를 참조하면, 단계 S910에서 프로세서(240)는 제1-1 표적 신호 근사 함수의 파라미터, 제1-1 배경 신호 근사 함수의 파라미터, 제2 표적 신호 근사 함수의 파라미터, 제2 배경 신호 근사 함수의 파라미터 및 크기 파라미터 중 일부 파라미터에 임의의 값 또는 기 추정된 값을 적용하고 나머지 파라미터의 값을 추정할 수 있다. 예컨대, 제2 실시예와 유사한 방식으로, 프로세서(240)는 전체 목적 함수 내의 제2-2 표적 신호 근사 함수의 파라미터의 값, 제2-2 배경 신호 근사 함수의 파라미터의 값 및 크기 파라미터 각각에 기설정 범위 내에서 랜덤하게 결정된 값을 적용하고, 전체 목적 함수가 최솟값이 되도록 하는 제1-1 표적 신호 근사 함수의 파라미터의 값 및 제1-1 배경 신호 근사 함수의 파라미터의 값을 joint-estimation할 수 있다. 예컨대, 전체 목적 함수는 수학식 22과 같이 표현될 수 있고, 마찬가지로, σ1 2 = {n/(n-1) * 제1 목적 함수의 출력값}으로 추정되고, σ2 2 = σ1 2로 추정될 수 있다.
단계 S920에서 프로세서(240)는 추정된 나머지 파라미터의 값을 적용하고 상기 일부 파라미터의 값을 추정할 수 있다. 예컨대, 프로세서(240)는 전체 목적 함수 내의 제1-1 표적 신호 근사 함수 및 제1-1 배경 신호 근사 함수의 파라미터에 이전 단계에서 추정된 값을 적용하고, 전체 목적 함수가 최솟값이 되도록 하는 제2-2 표적 신호 근사 함수의 파라미터의 값, 제2-2 배경 신호 근사 함수의 파라미터의 값 및 크기 파라미터의 값을 joint-estimation할 수 있다. 마찬가지로, σ2 2 = {n/(n-1) * 제2 목적 함수의 출력값}으로 추정될 수 있다.
단계 S930에서 프로세서(240)는 단계 S910 내지 S920 중 적어도 하나를 복수로 수행할 수 있다. 일 실시예에서, 프로세서(240)는 직전 단계에서 추정된 파라미터의 값들을 전체 목적 함수에 적용하고, 전체 목적 함수가 최솟값이 되도록 하는 직전 단계에서 추정되지 않은 파라미터의 값들을 추정하는 동작을 상술한 기설정 조건이 충족될 때까지 반복적으로 수행할 수 있다.
7) 본 개시의 일 실시예에 대한 시뮬레이션 결과
도 10a 내지 도 10d에는 배경 신호가 상수로 고려된 제3 실시예에 따른 시뮬레이션 결과가 도시되어 있다. 구체적으로, 제3 실시예에 따라 프로세서(240)가 제1 데이터 세트를 이용하여 제1-1 표적 신호 근사 함수와 제1-1 배경 신호 근사 함수의 파라미터의 값을 추정한 후, 추정된 파라미터의 값들과 제2 데이터 세트를 이용하여 제2-2 표적 신호 근사 함수와 제2-2 배경 신호 근사 함수의 파라미터의 값 및 크기 파라미터의 값에 대한 joint-estimation을 수행한 결과를 예시하고 있다. 또한, 제1-1 및 제2-2 표적 신호 근사 함수에는 수학식 6이 이용되었고, 배경 신호를 상수로 고려함에 따라 제1-1 및 제2-2 배경 신호 근사 함수에는 수학식 7이 이용되었으며, 각 배경 신호 근사 함수에서의 파라미터 값은 baseline 영역에서의 신호값을 나타내는 파라미터인 α2의 추정치에 대응되는 값으로 추정되도록 설정되었다. 또한, 제1-1 근사 함수의 파라미터의 값에 대한 joint-estimation에는 수학식 20이 이용되었으며, 제2-2 근사 함수의 파라미터의 값 및 크기 파라미터의 값에 대한 joint-estimation에는 수학식 22가 이용되었다. 또한, 크기 파라미터에는 통계적으로 산출된 소정의 값 범위(예: 0.7~1.3)가 설정되었다.
보다 구체적으로, 도 10a 내지 도 10d 각각의 상단 그래프에는 도 7에 도시된 튜브 1 내지 튜브 4 각각에 대응되는 케이스에서의 제1 데이터 세트 및 제2 데이터 세트가 도시되어 있다. 또한, 하단 그래프에는 제3 실시예에 따라 해당 제1 데이터 세트 및 제2 데이터 세트로부터 추정된 파라미터들의 값이 적용된 제1-1 근사 함수와 제2-2 근사 함수에 대한 시뮬레이션 결과를 보여주고 있다. 하단 그래프에서, 실선 그래프는 추정치에 해당하는 제1-1 근사 함수와 제2-2 근사 함수의 출력값(각 표적 분석물에 의존적인 신호값과 배경 신호가 포함)을 보여주고 있으며, 점선 그래프는 및 에러가 반영된 각 표적 분석물의 원시 데이터에 대응되는 신호값을 보여주고 있다.
도 10a는 시료 내 제1 표적 분석물과 제2 표적 분석물 중 제1 표적 분석물만 존재하는 케이스로서, 제3 실시예에 따라 전체 오차가 최소화되도록 추정된 제1-1 표적 신호 근사 함수(수학식 6 참조)의 파라미터(α11-1~α11-5)의 값, 제2-2 표적 신호 근사 함수(수학식 6 참조)의 파라미터(α22-1~α22-5)의 값, 제1-1 배경 신호 근사 함수(수학식 7 참조)의 파라미터(β1-0)의 값, 제2-2 배경 신호 근사 함수(수학식 7 참조)의 파라미터(β2-0)의 값 및 크기 파라미터의 값은 하기 표 1과 같다. 추정된 파라미터들의 값에 따라 제1-1 근사 함수와 제2-2 근사 함수를 도 10a 하단 그래프와 같이 시각화할 수 있으며, 각각의 근사 함수가 제1 데이터 세트 및 제2 데이터 세트로부터 적절하게 추정된 것을 볼 수 있다. 이때, 제2-2 근사 함수는 제1-1 근사 함수와 비교하여 증폭되는 양이 상대적으로 거의 없는 것을 볼 수 있으나, 세부적으로는 시그모이드 함수의 특성에 따라 S자 형태의 곡선으로 나타날 수 있다.
파라미터 α11-1 α11-2 α11-3 α11-4 α11-5
추정치 -0.3748 3800.7797 3096.9367 18.7310 2.2438
파라미터 α22-1 α22-2 α22-3 α22-4 αs22-5
추정치 -0.0888 3632.4944 184.6181 1.3826 9.9872
파라미터 β1-0 β2-0 CR
추정치 3800.7797 3632.4944 1.0778
도 10b는 시료 내 제1 표적 분석물과 제2 표적 분석물 중 제2 표적 분석물만 존재하는 케이스로서, 마찬가지로 제3 실시예에 따라 전체 오차가 최소화되도록 추정된 파라미터들의 값은 하기 표 2와 같다. 마찬가지로, 추정된 파라미터들의 값이 적용된 각 근사 함수를 도 10b 하단 그래프와 같이 시각화할 수 있으며, 제1 데이터 세트 및 제2 데이터 세트로부터 적절하게 추정된 것을 볼 수 있다. 마찬가지로, 제1 근사 함수는 제2 근사 함수와 비교하여 증폭되는 양이 상대적으로 거의 없는 것을 볼 수 있으나, 세부적으로는 시그모이드 함수의 특성에 따라 S자 형태의 곡선으로 나타날 수 있다.
파라미터 α11-1 α11-2 α11-3 α11-4 α11-5
추정치 -0.0120 3324.8089 1236.0936 -34.5013 1.9741
파라미터 α22-1 α22-2 α22-3 α22-4 α22-5
추정치 -0.5563 3055.8674 3073.1690 20.0603 1.1632
파라미터 β1-0 β2-0 CR
추정치 3324.8089 3055.8674 1.2167
도 10c는 시료 내 제1 표적 분석물과 제2 표적 분석물이 서로 비슷한 고농도로 함께 존재하는 케이스로서, 마찬가지로 제3 실시예에 따라 전체 오차가 최소화되도록 추정된 파라미터들의 값은 하기 표 3과 같다. 마찬가지로, 추정된 파라미터들의 값이 적용된 각 근사 함수를 도 10c 하단 그래프와 같이 시각화할 수 있으며, 크기 파라미터의 값이 최대 범위의 경계에 위치하고 있으나, 각각의 근사 함수가 제1 데이터 세트 및 제2 데이터 세트로부터 적정한 수준에서 분리된 것을 볼 수 있다.
파라미터 α11-1 α11-2 α11-3 α11-4 α11-5
추정치 -0.3283 3785.2543 3079.8843 18.0131 2.8270
파라미터 α22-1 α22-2 α22-3 α22-4 α22-5
추정치 -0.5220 3621.7654 2244.2201 19.6574 1.3194
파라미터 β1-0 β2-0 CR
추정치 3785.2543 3621.7654 1.3
도 10d는 시료 내 제1 표적 분석물은 상대적 고농도로 제2 표적 분석물은 상대적 저농도로 함께 존재하는 케이스로서, 마찬가지로 제3 실시예에 따라 전체 오차가 최소화되도록 추정된 파라미터들의 값은 하기 표 4와 같다. 마찬가지로, 추정된 파라미터들의 값이 적용된 각 근사 함수를 도 10d 하단 그래프와 같이 시각화할 수 있으며, 제1 데이터 세트 및 제2 데이터 세트로부터 적절하게 분리된 것을 볼 수 있다.
파라미터 α11-1 α11-2 α11-3 α11-4 α11-5
추정치 -0.3525 3996.2212 3329.1281 17.9658 2.8845
파라미터 α22-1 α22-2 α22-3 α22-4 α22-5
추정치 -0.3374 3801.8109 3039.4187 34.2169 4.7607
파라미터 β1-0 β2-0 CR
추정치 3996.2212 3801.8109 1.1056
상술한 것처럼, 본 개시의 일 실시예는 제1 데이터 세트 및 제2 데이터 세트를 이용해서 배경 신호가 고려된 제1-1 근사 함수 파라미터의 값, 제2-2 근사 함수 파라미터의 값 및 크기 파라미터의 값을 joint-estimation할 수 있으며, 도 10에 도시된 것처럼 본 개시에 따른 알고리즘이 잘 동작하고 있음을 알 수 있다.
8) 본 개시의 다른 일 실시예에 대한 시뮬레이션 결과
도 11a 내지 11d에는 배경 신호가 1차 함수로 고려된 제3 실시예에 따른 시뮬레이션 결과가 도시되어 있고, 도 12a 내지 12c에는 배경 신호가 2차 함수로 고려된 제3 실시예에 따른 시뮬레이션 결과가 도시되어 있다. 전술한 시뮬레이션과 유사한 조건으로 시뮬레이션되었으며, 도 11의 시뮬레이션에는 배경 신호를 1차 함수로 고려함에 따라 각 배경 신호 근사 함수에는 수학식 8이 이용되었고, 도 12의 시뮬레이션에는 배경 신호를 2차 함수로 고려함에 따라 각 배경 신호 근사 함수에는 수학식 10이 이용되었다.
구체적으로, 도 11a 내지 도 11c와 도 12a 내지 도 12c의 상단 그래프에는 도 7에 도시된 튜브 1, 2 및 4 각각에 대응되는 케이스에서의 제1 데이터 세트 및 제2 데이터 세트가 도시되어 있다. 또한, 중단 및 하단 그래프에는 시뮬레이션에 따라 해당 제1 데이터 세트 및 제2 데이터 세트로부터 추정된 파라미터들의 값이 적용된 제1 표적 분석물의 존재에 의존적인 제1 온도에서의 신호값(제1-1 표적 신호 근사 함수), 제2 표적 분석물의 존재에 의존적인 제2 온도에서의 신호값(제2-2 표적 신호 근사 함수), 제1 배경 신호(제1-1 배경 신호 근사 함수) 및 제2 배경 신호(제2-2 배경 신호 근사 함수)에 대한 시뮬레이션 결과가 도시되어 있다. 마찬가지로, 중단 그래프에서, 실선 그래프는 추정치에 해당하는 제1-1 근사 함수와 제2-2 근사 함수의 출력값을 보여주고 있으며, 점선 그래프는 및 배경 신호가 제거되고 에러가 반영된 각 표적 분석물의 원시 데이터에 대응되는 신호값을 보여주고 있다.
도 11 내지 도 12를 참조하면, 배경 신호가 다항식으로 고려된 다양한 케이스에서도, 각 표적 분석물의 존재에 의존적인 신호값과 각 온도에서의 배경 신호가 제1 데이터 세트 및 제2 데이터 세트로부터 적절하게 추정된 것을 볼 수 있다.
9) 크기 파라미터가 두 개 이상의 값을 값을 갖는 다른 실시예
이상에서는 크기 파라미터가 하나의 값을 갖는 일 실시예에 따라 근사 함수 파라미터의 값과 크기 파라미터의 값을 추정하는 동작에 대해 기술하였다. 그러나, 프로세서(240)는 크기 파라미터가 두 개 이상의 값을 갖는 다른 일 실시예에 따라 상술한 joint-estimation을 수행할 수 있다.
다른 일 실시예에 따르면, 크기 파라미터는 두 개 이상의 값을 가질 수 있다. 구체적인 예시로서, 크기 파라미터는 복수 사이클로부터 결정되는 두 개 이상의 사이클 구간 각각에 대해서 적용되는 두 개 이상의 값을 가질 수 있다. 여기서, 각 사이클 구간은 연속적인 구간이거나 비연속적인 구간일 수 있다. 사이클 구간이 연속적인 구간인 일 예시에서, 크기 파라미터는 예컨대, 기 설정된 사이클 구간(예: 1~45)으로부터 연속적으로 구획되는 제1 사이클 구간(예: 1~10), 제2 사이클 구간(예: 11~30) 및 제3 사이클 구간(예: 31~45) 각각에 대해서 적용되는 3개의 값을 가질 수 있다. 사이클 구간이 비연속적인 구간인 일 예시에서, 크기 파라미터는 예컨대, 기 설정된 사이클 구간(예: 1~45) 중에서 연속적이거나 비연속적으로 구획되는 제1 사이클 구간(예: 10~15, 30~33, ..., 44) 및 제2 사이클 구간(예: 16~29, 34~39, ..., 45) 각각에 대해서 적용되는 2개의 값을 가질 수 있다. 실시예에 따라서, 이러한 사이클 구간은 전체 사이클 구간 중 일부로부터 결정될 수도 있고, 전체 사이클 구간 중 기 설정된 하나 이상의 구간(예: 1~5)이 제외된 나머지 구간으로부터 결정될 수도 있다.
전술한 다른 일 실시예에 따르면, 상술한 joint-estimation 과정에서, 크기 파라미터의 값이 복수 사이클로부터 결정되는 두 개 이상의 사이클 구간 각각에 대해서 joint-estimation될 수 있다. 예컨대, 상술한 여러 실시예들 중 적어도 하나에 따라 제2-2 근사 함수 파라미터의 값과 크기 파라미터의 값을 joint-estimation하는 과정, 또는 제1-1 근사 함수 파라미터의 값, 제2-2 근사 함수 파라미터의 값 및 크기 파라미터의 값을 joint-estimation하는 과정에서, 크기 파라미터의 값이 두 개 이상의 사이클 구간 각각에 대해서 추정될 수 있다. 일 예로, 크기 파라미터의 값이 2개로서 사이클 구간 1과 2 각각에 대응되는 서로 다른 CR 값이 있고, 상술한 joint-estimation 과정에서 이러한 사이클 구간별 CR이 적용되어 전체 오차가 최소화되도록 각 CR 값이 추정될 수 있다.
다른 일 실시예에서, 크기 파라미터는 복수 사이클에 대한 복수개의 값을 가질 수 있다. 예를 들면, 크기 파라미터는 각각이 사이클 및 크기 파라미터의 값을 포함하는 데이터 지점들의 집합의 형태이거나 사이클이 행(row)이고 크기 파라미터가 열(column)인 2차원 배열의 형태로 처리될 수 있다. 다른 예를 들면, 크기 파라미터는 해당 사이클 순서에 따라 나열되는 크기 파라미터의 값들의 묶음인 1차원 배열의 형태로 처리될 수 있다.
구체적인 일 예시로서, 전술한 joint-estimation 과정에서, 크기 파라미터의 값은 복수 사이클 각각에 대해서 joint-estimation될 수 있다. 예컨대, 제1 실시예에 따른 수학식 11, 15 및 16에서, 제2 실시예에 따른 수학식 11 및 16에서, 제3 실시예에 따른 수학식 17, 21 및 22, 또는 제4 실시예에 따른 수학식 17 및 22에서, 해당 수학식에 포함된 CR은 복수 사이클(t) 각각에서의 CR을 나타내는 CRt로 대체될 수 있다. 일 예로, 크기 파라미터는 n개(예: n=45) 사이클별 값에 해당하는 CR 값들의 집합(예: CRt = {1.22, 1.10, ..., 1.15})으로서, 상술한 joint-estimation 과정에서 전체 오차가 최소화되도록 사이클별 CR 값이 추정될 수 있다.
또 다른 일 실시예에서, 크기 파라미터는 다항 함수의 형태로 정의되는 크기 근사 함수에 포함된 하나 이상의 파라미터일 수 있다. 예를 들면, 크기 파라미터는 1차 함수인 크기 근사 함수(예: y=ax+b)의 계수(예: a, b)일 수 있고, 전술한 수학식들에 포함된 CR이 해당 크기 근사 함수로 대체될 수 있으며, 상술한 joint-estimation 과정에서 제1 근사 함수 파라미터 및/또는 제2 근사 함수 파라미터의 값과 함께 해당 크기 파라미터의 값으로서 해당 계수 값들이 추정될 수 있다.
도 14a 내지 도 14d에는 전술한 다른 일 실시예에 따라 크기 파라미터의 값이 복수 사이클 각각에 대해서 추정된 시뮬레이션 결과가 도시되어 있다. 해당 시뮬레이션 과정은 도 10a 내지 도 10d를 참조하여 상술한 것과 동일 또는 유사한 방식으로 시뮬레이션되었으며, 도 14a 내지 도 14d 각각의 상단 그래프와 하단 그래프 또한 같은 방식으로 해석될 수 있다. 또한, 해당 시뮬레이션 과정에서 편의상 배경 신호가 상수인 실시예가 적용되었으나, 배경 신호가 1차 함수이거나 2차 함수인 경우에도 마찬가지로 적절하게 시뮬레이션된 결과가 획득되었다.
도 14a는 제1 표적 분석물만 존재하는 케이스로서, 상술한 실시예에 따라 전체 오차가 최소화되도록 추정된 파라미터들의 값은 하기 표 5와 같으며, 특히 크기 파라미터의 값들이 복수 사이클 각각에 대해서 추정되었다. 추정된 파라미터들의 값이 적용된 각 근사 함수를 하단 그래프와 같이 시각화할 수 있다.
파라미터 α11-1 α11-2 α11-3 α11-4 α11-5
추정치 -0.3813 3782.0864 3114.4171 19.2229 19.2976
파라미터 α22-1 α22-2 α22-3 α22-4 α22-5
추정치 -0.4060 3629.8903 0.0667 17.7326 0.5737
파라미터 β1-0 β2-0
추정치 3782.0864 3629.8903
파라미터 CRt (t=1~45)
추정치 {1.2077, 1.1217, 1.0944, 1.1002, 1.1503, 1.1222, 1.2832, 1.0606, 1.0770, 1.1037, 1.1228, 1.0805, 1.0616, 1.0661, 1.1975, 1.0945, 1.0699, 1.0696, 1.0765, 1.0864, 1.0881, 1.0920, 1.0949, 1.0946, 1.0930, 1.1004, 1.0953, 1.0969, 1.1025, 1.0983, 1.1016, 1.1004, 1.1031, 1.1097, 1.1068, 1.1084, 1.1131, 1.1155, 1.1130, 1.1154, 1.1157, 1.1166, 1.1177, 1.1212, 1.1231}
도 14b는 제2 표적 분석물만 존재하는 케이스로서, 상술한 실시예에 따라 전체 오차가 최소화되도록 추정된 파라미터들의 값은 하기 표 6과 같으며, 추정된 파라미터들의 값이 적용된 각 근사 함수를 하단 그래프와 같이 시각화할 수 있다.
파라미터 α11-1 α11-2 α11-3 α11-4 α11-5
추정치 -0.0176 3191.4973 1107.8981 0.0008 0.9374
파라미터 α22-1 α22-2 α22-3 α22-4 α22-5
추정치 -0.5270 2944.4611 3096.2790 20.2336 1.0846
파라미터 β1-0 β2-0
추정치 3191.4973 2944.4611
파라미터 CRt (t=1~45)
추정치 {1.2316, 1.1727, 1.0773, 1.1555, 1.1538, 1.1438, 1.1884, 1.1396, 1.1544, 1.1417, 1.1263, 1.1397, 1.1222, 1.1093, 1.0709, 1.0540, 1.0599, 1.0666, 1.0799, 1.1179, 1.1312, 1.1894, 1.2080, 1.1697, 1.1540, 1.1574, 1.1496, 1.1320, 1.1347, 1.1327, 1.1419, 1.1424, 1.1209, 1.1308, 1.0948, 1.0874, 1.1298, 1.1178, 1.1328, 1.0982, 1.1178, 1.1210, 1.1108, 1.1085, 1.0957}
도 14c는 제1 표적 분석물과 제2 표적 분석물이 서로 비슷한 고농도로 함께 존재하는 케이스로서, 상술한 실시예에 따라 전체 오차가 최소화되도록 추정된 파라미터들의 값은 하기 표 7과 같으며, 추정된 파라미터들의 값이 적용된 각 근사 함수를 하단 그래프와 같이 시각화할 수 있다.
파라미터 α11-1 α11-2 α11-3 α11-4 α11-5
추정치 -0.3355 3762.3107 3100.8932 18.8212 2.2680
파라미터 α22-1 α22-2 α22-3 α22-4 α22-5
추정치 -0.3826 3600.6706 2892.1740 19.5341 1.7422
파라미터 β1-0 β2-0
추정치 3762.3107 3600.6706
파라미터 CRt (t=1~45)
추정치 {1.0816, 1.2632, 1.0659, 1.0921, 1.1986, 1.1075, 1.0542, 1.2779, 1.2123, 1.1832, 1.2878, 1.0837, 1.2410, 1.0743, 1.1327, 1.0797, 1.1188, 1.1776, 1.2655, 1.2924, 1.2937, 1.2777, 1.2491, 1.2089, 1.1746, 1.1583, 1.1241, 1.1104, 1.1043, 1.0930, 1.0879, 1.0837, 1.0868, 1.0832, 1.0830, 1.0844, 1.0868, 1.0915, 1.0912, 1.0926, 1.0977, 1.0988, 1.0986, 1.1011, 1.1009}
도 14d는 제1 표적 분석물은 상대적 고농도로 제2 표적 분석물은 상대적 저농도로 함께 존재하는 케이스로서, 상술한 실시예에 따라 전체 오차가 최소화되도록 추정된 파라미터들의 값은 하기 표 8과 같으며, 추정된 파라미터들의 값이 적용된 각 근사 함수를 하단 그래프와 같이 시각화할 수 있다.
파라미터 α11-1 α11-2 α11-3 α11-4 α11-5
추정치 -0.3629 3963.4209 3359.4326 18.9660 2.1515
파라미터 α22-1 α22-2 α22-3 α22-4 α22-5
추정치 -0.2528 3785.8577 3646.6662 37.6415 2.0981
파라미터 β1-0 β2-0
추정치 3963.4209 3785.8577
파라미터 CRt (t=1~45)
추정치 {1.2747, 1.2757, 1.0511, 1.1271, 1.1981, 1.2575, 1.2662, 1.0766, 1.2023, 1.1651, 1.1770, 1.1661, 1.2298, 1.2983, 1.1815, 1.1272, 1.0663, 1.0616, 1.1499, 1.0811, 1.0983, 1.1048, 1.0936, 1.0939, 1.0876, 1.0876, 1.0860, 1.0837, 1.0840, 1.0725, 1.0736, 1.0586, 1.0599, 1.0546, 1.0507, 1.0533, 1.0728, 1.1071, 1.1281, 1.1543, 1.1663, 1.1532, 1.1371, 1.1218, 1.1040}
이상에서는 제1-1 근사 함수와 제2 근사 함수에 포함된 근사 함수 파라미터 및 크기 파라미터를 포함하는 제1 파라미터 그룹의 파라미터 값에 대한 joint-estimation이 수행되는 실시예를 중심으로 기술하였다. 그러나, 전술한 것처럼, 다른 일 실시예에 따르면, 제1-2 근사 함수와 제2 근사 함수에 포함된 근사 함수 파라미터 및 크기 파라미터를 포함하는 제2 파라미터 그룹의 파라미터 값에 대한 joint-estimation이 수행될 수 있다.
예컨대, 통계 모델은 하기 수학식 23 내지 27 중 적어도 하나를 포함할 수 있다. 여기서, α12는 제1-2 근사 함수 파라미터를 나타내고, f12(α12,t)는 제1-2 근사 함수 파라미터와 사이클이 입력 변수인 제1-2 근사 함수(구체적으로는, 제1-2 표적 신호 근사 함수)를 나타낸다. 또한, 제1 목적 함수, 제2 목적 함수 및 전체 목적 함수는 하기 수학식 28, 29 및 30과 같이 표현될 수 있다. 이처럼 수학식 23 내지 수학식 30 중 적어도 일부를 이용한 joint-estimation 과정 또한, 이상에서 기술한 실시예들과 동일 또는 유사한 방식으로 수행될 수 있음을 알 수 있다.
Figure PCTKR2023009459-appb-img-000023
Figure PCTKR2023009459-appb-img-000024
Figure PCTKR2023009459-appb-img-000025
Figure PCTKR2023009459-appb-img-000026
Figure PCTKR2023009459-appb-img-000027
Figure PCTKR2023009459-appb-img-000028
Figure PCTKR2023009459-appb-img-000029
Figure PCTKR2023009459-appb-img-000030
이상에서는 프로세서(240)가 근사 함수 파라미터의 값과 크기 파라미터의 값을 joint-estimation하는 동작에 대한 다양한 실시예들을 살펴보았다. 상술한 것처럼, 프로세서(240)는 제1 데이터 세트 및 제2 데이터 세트로부터, 제1 표적 분석물의 존재에 의존적인 제1 온도에서의 신호값과, 제2 표적 분석물의 존재에 의존적인 제2 온도에서의 신호값을 분리할 수 있다.
프로세서(240)는 상기 joint-estimation 결과를 이용하여 시료 내 제1 표적 분석물 및 제2 표적 분석물 각각을 검출하는데 이용되는 역치 사이클(cycle threshold)를 결정할 수 있다. 구체적으로, 프로세서(240)는 추정된 제1 근사 함수 파라미터의 값을 이용하여 제1 표적 분석물에 대한 제1 역치 사이클을 결정하고, 추정된 제2 근사 함수 파라미터의 값을 이용하여 제2 표적 분석물에 대한 제2 역치 사이클을 결정할 수 있다.
일 실시예에서, 역치 사이클은 각 표적 분석물에 의존적인 신호값(예: RFU)이 기설정된 기준 신호값(예: 200)을 넘어서는 지점에서의 사이클 수일 수 있으며, 이에 제한되는 것은 아니다. 예컨대, 도 12c에서 제1 표적 분석물에 대한 제1 역치 사이클은 38.0808이고, 제2 표적 분석물에 대한 제2 역치 사이클은 29.2071이다. 실시예에 따라서, 역치 사이클은 해당 근사 함수로부터 도출되는 소정의 분석 결과(예: 도함수 등)가 소정의 조건을 충족할 때의 신호값, 사이클 수 또는 특정 파라미터의 측정값 등을 포괄하는 의미로서 넓게 해석될 수 있다. 예를 들면, 역치 사이클은 추정된 근사 함수 파라미터의 값을 갖는 근사 함수의 1차, 2차 또는 다차 도함수가 계산된 후, 계산된 도함수의 최댓값을 갖는 사이클 수를 의미할 수 있다. 다른 예를 들면, 역치 사이클은 본 기술 분야에서 사용되는 용어 CP(cross point), TOP (take-off point) 또는 CQ (quantification cycle)를 포괄하는 의미로서 해석될 수 있다.
프로세서(240)는 상기 joint-estimation 결과를 이용하여 시료 내 제1 표적 분석물 및 제2 표적 분석물 각각을 검출할 수 있다. 일 실시예에서, 프로세서(240)는 제1 역치 사이클 및 제2 역치 사이클을 적어도 부분적으로 이용하여 시료 내 제1 표적 분석물 및 제2 표적 분석물 각각에 대한 양성 또는 음성 여부를 판독할 수 있다. 예컨대, 프로세서(240)는 각 역치 사이클이 기 설정된 범위(예: 0 이상 40 이하) 내에 있는지 여부에 따라, 각 표적 분석물이 존재하는지 여부를 결정할 수 있다. 다른 일 실시예에서, 프로세서(240)는 역치 사이클의 크기, 전체 사이클 동안 각 표적 분석물에 의존적인 신호값의 변화량 및 exponential 영역 내 각 표적 분석물에 의존적인 신호값의 사이클에 대한 기울기 등이 기설정된 조건을 충족하는지 여부에 기초하여, 시료 내 각 표적 분석물이 존재하는지 여부를 결정하고, 이에 따라 각 표적 분석물에 대한 양성 또는 음성 여부 및 역치 사이클을 포함하는 판독 결과를 출력할 수 있다. 일 실시예에서, 판독 결과에는 상기 joint-estimation 결과가 더 포함될 수도 있으며, 예컨대, 추정에 이용된 함수 정보와 추정된 파라미터들의 값 등이 함께 제공될 수 있다.
일 실시예에서, 프로세서(240)는 시료 내 제1 표적 분석물 및 제2 표적 분석물 각각을 검출할 때, 제1 온도 또는 제2 온도에서의 신호값을 근사화하는 제1 근사 함수를 이용할 수 있다. 예컨대, 제1 온도에서의 신호값을 근사화하는 제1 근사 함수와 제2 온도에서의 신호값을 근사화하는 제2 근사 함수를 이용하여 상이한 온도에서 시료 내 각 표적 분석물이 존재하는지 여부를 결정할 수도 있고, 제2 온도에서의 신호값을 근사화하는 제1 근사 함수와 제2 온도에서의 신호값을 근사화하는 제2 근사 함수를 이용하여 동일한 제2 온도에서 시료 내 각 표적 분석물이 존재하는지 여부를 결정할 수도 있다.
도 13은 일 실시예에 따른 컴퓨터 장치(200)가 복수의 표적 분석물 각각에 대한 근사 신호를 획득하는 방법을 예시적으로 나타내는 순서도이다.
단계 S1310에서 컴퓨터 장치(200)는 시료 내 제1 표적 분석물 및 제2 표적 분석물을 타겟으로 하는 복수 사이클의 신호 발생 반응으로부터, 복수 사이클 각각의 제1 검출온도에서 측정된 제1 데이터 세트 및 복수 사이클 각각의 제2 검출온도에서 측정된 제2 데이터 세트를 획득할 수 있다.
단계 S1320에서 컴퓨터 장치(200)는 제1 데이터 세트와 제2 데이터 세트를 적어도 부분적으로 이용해서, 제1 표적 분석물의 존재에 의존적인 제1 검출온도에서의 신호값을 근사화하는 제1-1 근사 함수, 제1 표적 분석물의 존재에 의존적인 제2 검출온도에서의 신호값을 근사화하는 제1-2 근사 함수 및 제2 표적 분석물의 존재에 의존적인 제2 검출온도에서의 신호값을 근사화하는 제2 근사 함수로 이루어지는 군으로부터 선택되는 적어도 어느 하나의 근사 함수에 포함된 근사 함수 파라미터의 값과, 제1 표적 분석물의 존재에 의존적인 신호값이 제1 온도에서 갖는 크기와 제2 온도에서 갖는 크기 간의 관계를 나타내는 크기 파라미터의 값에 대한 joint-estimation을 수행할 수 있다.
상술한 것처럼, 단계 S1320는 다양한 실시예에 따라 수행될 수 있으며, 이에 제한되지 않는다.
제1 실시예에서, 컴퓨터 장치(200)는 제1 데이터 세트를 이용하여 제1-1 근사 함수 파라미터의 값을 추정할 수 있다. 또한, 컴퓨터 장치(200)는 제1-1 근사 함수 파라미터에 대해 추정된 값 및 제2 데이터 세트를 적어도 부분적으로 이용하여 제2 근사 함수 파라미터의 값 및 크기 파라미터의 값에 대한 joint-estimation을 수행할 수 있다.
제2 실시예에서, 컴퓨터 장치(200)는 복수 사이클 각각에서 제1 데이터 세트와 제1-1 근사 함수 간의 차이의 합과, 복수 사이클 각각에서 제2 데이터 세트가 제2 근사 함수 및 제2 온도에서 제1 표적 분석물에 의존적인 신호값(또는 제1-2 근사 함수)의 합과 갖는 차이의 합을 고려해서, 제1-1 근사 함수 파라미터의 값, 제2 근사 함수 파라미터의 값 및 크기 파라미터의 값에 대한 joint-estimation을 수행할 수 있다.
제3 실시예에서, 컴퓨터 장치(200)는 제1 데이터 세트를 이용하여 제1 근사 함수에 포함된 제1-1 표적 신호 근사 함수와 제1-1 배경 신호 근사 함수의 파라미터의 값을 추정할 수 있다. 또한, 컴퓨터 장치(200)는 추정된 파라미터의 값 및 제2 데이터 세트를 적어도 부분적으로 이용하여 제2-2 근사 함수에 포함된 제2-2 표적 신호 근사 함수와 제2-2 배경 신호 근사 함수의 파라미터의 값 및 크기 파라미터의 값에 대한 joint-estimation을 수행할 수 있다.
제4 실시예에서, 컴퓨터 장치(200)는 복수 사이클 각각에서 제1 데이터 세트와 제1-1 근사 함수 간의 차이의 합과, 복수 사이클 각각에서 제2 데이터 세트가 제2-2 근사 함수 및 제2 온도에서 제1 표적 분석물에 의존적인 신호값(또는 제1-2 근사 함수)의 합과 갖는 차이의 합을 고려해서, 제1-1 표적 신호 근사 함수, 제1-1 배경 신호 근사 함수, 제2-2 표적 신호 근사 함수 및 제2-2 배경 신호 근사 함수의 파라미터의 값 및 크기 파라미터를 대한 joint-estimation을 수행할 수 있다.
본 개시의 일 실시예에 따르면, 시료 내 둘 이상의 표적 분석물을 검출하는 과정에서 각각의 표적 분석물에 의존적인 신호값을 분리하는데 이용되는 근사 함수 파라미터의 값과 크기 파라미터의 값에 대해 joint-estimation함으로써, 파라미터들의 값을 보다 체계적이고 응용에 용이한 방식으로 추정할 수 있다.
본 개시의 일 실시예에 따르면, 시료가 수용되는 반응용기(well)마다 또는 각각의 반응(reaction)마다 최적화된 크기 파라미터의 값을 추정함으로써, 표적 분석물에 대해 보다 정확한 양음성 판독 결과를 얻을 수 있다.
본 개시의 일 실시예에 따르면, 종래 크기 파라미터의 값을 사전에 설정하기 위해 요구되던 수많은 절차들이 생략됨에 따라 비용 효율성을 개선할 수 있다.
한편, 일 실시예에 따른 근사 신호의 획득 방법은, 전술한 방법에 포함된 각 단계를 수행하도록 프로그램된 컴퓨터 프로그램을 저장하는 컴퓨터 판독가능한 기록매체로서 구현되거나, 또는 전술한 방법에 포함된 각 단계를 수행하도록 프로그램된, 컴퓨터 판독가능한 기록매체에 저장된 컴퓨터 프로그램에 의해 구현될 수 있다.
한편, 본 개시의 다른 일 실시예에 따른 컴퓨터 장치(200)에 의해 복수의 표적 분석물 각각을 검출하는 방법이 수행될 수 있다.
전술한 단계 S1310 내지 단계 S1320이 수행된 후에, 컴퓨터 장치(200)는 상기 joint-estimation 결과를 이용하여 시료 내 제1 표적 분석물 및 제2 표적 분석물 각각을 검출할 수 있다. 구체적으로, 컴퓨터 장치(200)는 상기 joint-estimation 결과에 포함된 제1-1 근사 함수 파라미터의 값을 갖는 제1-1 근사 함수 및/또는 제1-2 근사 함수 파라미터 값을 갖는 제1-2 근사 함수를 이용해서 시료 내 제1 표적 분석물의 존부를 결정하고, 상기 joint-estimation 결과에 포함된 2 근사 함수 파라미터의 값을 갖는 제2 근사 함수를 이용해서 시료 내 제2 표적 분석물의 존부를 결정할 수 있다.
일 실시예에서, 컴퓨터 장치(200)는 추정된 제1-1 근사 함수 파라미터의 값을 갖는 제1-1 근사 함수로부터 제1-1 역치 사이클을 결정하거나, 추정된 제1-2 근사 함수 파라미터의 값을 갖는 제1-2 근사 함수로부터 결정되는 제1-2 역치 사이클을 결정할 수 있다. 또한, 컴퓨터 장치(200)는 제1-1 역치 사이클 또는 제1-2 역치 사이클이 기 설정된 조건(예: 소정 값 범위 내에 있는지)을 충족하는지 여부에 기초하여, 시료 내 제1 표적 분석물의 존부를 결정할 수 있다. 또한, 컴퓨터 장치(200)는 추정된 제2 근사 함수 파라미터의 값을 갖는 제2 근사 함수로부터 제2 역치 사이클을 결정하고, 제2 역치 사이클이 전술한 조건을 충족하는지 여부에 기초하여, 시료 내 제2 표적 분석물의 존부를 결정할 수 있다.
한편, 본 개시의 다른 일 실시예에 따른 컴퓨터 장치(200)는 제1 검출온도 내지 제3 검출온도 각각에서 측정된 세 개의 데이터 세트들로부터, 세 개의 표적 분석물 각각의 존재에 의존적인 신호값을 근사화하는 근사 함수의 파라미터와 크기 파라미터에 대한 joint-estimation을 수행할 수 있다.
구체적으로, 컴퓨터 장치(200)는 시료 내 제1 표적 분석물, 제2 표적 분석물 및 제3 표적 분석물을 타겟으로 하는 복수 사이클의 신호 발생 반응으로부터, 복수 사이클 각각의 제1 검출온도에서 측정된 제1 데이터 세트, 복수 사이클 각각의 제2 검출온도에서 측정된 제2 데이터 세트 및 복수 사이클 각각의 제3 검출온도에서 측정된 제3 데이터 세트를 획득할 수 있다.
이상에서 기술한 것과 마찬가지로, 제1 데이터 세트에는 시료 내 제1 표적 분석물의 존재에 의존적인 제1 검출온도에서의 신호값이 포함되고, 제2 데이터 세트에는 시료 내 제1 표적 분석물 및 제2 표적 분석물의 존재에 의존적인 제2 검출온도에서의 신호값이 포함되며, 제3 데이터 세트에는 시료 내 제1 표적 분석물, 제2 표적 분석물 및 제3 표적 분석물의 존재에 의존적인 제3 검출온도에서의 신호값이 포함될 수 있다. 상술한 바와 같이, 이러한 신호 발생 반응은 하나의 반응 용기에서 시료 내 제1 표적 분석물을 검출하기 위한 제1 신호 발생 조성물, 제2 표적 분석물을 검출하기 위한 제2 신호 발생 조성물 및 제3 표적 분석물을 검출하기 위한 제3 신호 발생 조성물과 함께 시료를 인큐베이션함에 따라 발생되고, 제1 신호 발생 조성물, 제2 신호 발생 조성물 및 제3 신호 발생 조성물은 동일한 표지를 포함하고, 해당 표지로부터의 신호는 단일 유형의 검출기에 의해 각 표적 분석물에 대해 구별되지 않을 수 있다.
도 15a에는 제1 데이터 세트, 제2 데이터 세트 및 제3 데이터 세트가 예시적으로 도시되어 있다. 도 15a를 참조하면, 제1 온도, 제2 온도 및 제3 온도가 각각 83℃, 72℃ 및 60℃이다. 또한, 타겟 1은 제1 표적 분석물을 의미하고, 타겟 2는 제2 표적 분석물을 의미하며, 타겟 3은 제3 표적 분석물을 의미한다. 편의상, 배경 신호가 고려되지 않은 실시예가 예시적으로 도시되었으나, 배경 신호가 고려되는 경우도 이상에서 기술한 실시예들과 동일 또는 유사한 방식으로 이해될 수 있다.
구체적으로, 타겟 1만 존재하는 튜브 1의 경우, 제1 내지 제3 데이터 세트 각각에 타겟 1의 존재에 의존적인 증폭곡선이 나타나고, 타겟 2만 존재하는 튜브 2의 경우, 제2 내지 제3 데이터 세트에 타겟 2의 존재에 의존적인 증폭곡선이 나타나며, 타겟 3만 존재하는 튜브 3의 경우, 제3 데이터 세트에 타겟 3에 존재에 의존적인 증폭곡선이 나타난다. 또한, 각 타겟 존재 시 농도가 서로 유사한 고농도라는 전제 하에, 타겟 1과 2가 존재하는 튜브 4, 타겟 2와 3이 존재하는 튜브 5, 타겟 1과 3이 존재하는 튜브 6, 타겟 1 내지 3이 존재하는 튜브 7 및 타겟 1 내지 3 중 어느 하나도 존재하지 않는 대조군(NTC)의 튜브 8 각각에 대해서 예시적인 증폭곡선의 형태가 도 15A에 도시된 각 데이터 세트에서 나타남을 알 수 있다.
도 15b에는 도 15a에 도시된 제1 데이터 세트 내지 제3 데이터 세트로부터 joint-estimation되는, 각 표적 분석물의 존재에 의존적인 각 온도에서의 신호값이 예시적으로 도시되어 있다. 예컨대, 타겟 1 내지 3 중 어느 하나만 존재하는 경우, 해당 표적 분석물이 갖는 검출 온도에서 해당 표적 분석물의 존재 하에 발생되는 증폭곡선이 튜브 1 내지 3와 같이 추출될 수 있다. 또한, 타겟 1 내지 타겟 3 중 둘 이상이 존재하는 경우, 각각의 표적 분석물이 갖는 검출 온도에서 각각의 표적 분석물의 존재 하에 발생되는 증폭곡선이 튜브 4 내지 7과 같이 추출될 수 있다.
컴퓨터 장치(200)는 제1 데이터 세트, 제2 데이터 세트 및 제3 데이터 세트를 이용해서, (a) 제1 근사 함수, 제2 근사 함수 및 제3 근사 함수 중 적어도 하나의 근사 함수에 포함된 근사 함수 파라미터의 값과, (b) 복수개의 크기 파라미터의 값 중 적어도 하나의 크기 파라미터의 값에 대한 joint-estimation을 수행할 수 있다.
상술한 바와 비슷한 원리로, 제1 근사 함수는 제1 표적 분석물의 존재에 의존적인 제1 검출온도에서의 신호값을 근사화하는 제1-1 근사 함수, 제1 표적 분석물의 존재에 의존적인 제2 검출온도에서의 신호값을 근사화하는 제1-2 근사 함수 및 제1 표적 분석물의 존재에 의존적인 제3 검출온도에서의 신호값을 근사화하는 제1-3 근사 함수 중 적어도 하나를 포함할 수 있다. 또한, 제2 근사 함수는 제2 표적 분석물의 존재에 의존적인 제1 검출온도에서의 신호값을 근사화하는 제2-1 근사 함수, 제2 표적 분석물의 존재에 의존적인 제2 검출온도에서의 신호값을 근사화하는 제2-2 근사 함수 및 제2 표적 분석물의 존재에 의존적인 제3 검출온도에서의 신호값을 근사화하는 제2-3 근사 함수 중 적어도 하나를 포함할 수 있다.
또한, 제3 근사 함수는 제3 표적 분석물의 존재에 의존적인 신호값을 근사화하는 함수로서, 제3 표적 분석물의 존재에 의존적인 제1 검출온도에서의 신호값을 근사화하는 제3-1 근사 함수, 제3 표적 분석물의 존재에 의존적인 제2 검출온도에서의 신호값을 근사화하는 제3-2 근사 함수 및 제3 표적 분석물의 존재에 의존적인 제3 검출온도에서의 신호값을 근사화하는 제3-3 근사 함수 중 적어도 어느 하나를 포함할 수 있다. 마찬가지로, 제3 근사 함수도 제1 근사 함수나 제2 근사 함수에 관하여 상술한 실시예들과 같거나 유사한 방식으로 해석될 수 있다. 예컨대, 제3 근사 함수는 상수 또는 다항 함수로서 전술한 수학식 1 내지 6 중 어느 하나로 표현될 수 있으며, 실시예에 따라서, 제3 표적 분석물의 존재에 의존적인 신호값을 근사화하는 제3 표적 신호 근사 함수와 제3 표적 분석물의 존재에 비의존적인 제3 배경 신호)를 근사화하는 제3 배경 신호 근사 함수를 포함할 수 있다.
또한, 복수개의 크기 파라미터는 표적 분석물 중 적어도 어느 하나에 의존적인 신호값이 제1 검출온도 내지 제3 검출온도 중 어느 두 검출온도에서 갖는 크기 간의 관계를 나타낸다. 구체적으로, 각 크기 파라미터는 각 신호 발생 조성물에 의해 각 표적 분석물의 존재하에 제1 검출온도, 제2 검출온도, 제3 검출온도 중 선택된 2개의 온도에서 제공된 신호의 변화의 관계를 나타낼 수 있으며, 예컨대, 선택된 2개의 온도에서 검출된 신호값 간의 차이 또는 비율로서 구해질 수 있다.
일 실시예에서, 복수개의 크기 파라미터는, 제1 표적 분석물의 존재에 의존적인 신호값이 제1 검출온도에서 갖는 크기와 제2 검출온도에서 갖는 크기 간의 관계를 나타내는 제1 크기 파라미터, 제1 표적 분석물의 존재에 의존적인 신호값이 제2 검출온도에서 갖는 크기와 제3 검출온도에서 갖는 크기 간의 관계를 나타내는 제2 크기 파라미터, 제2 표적 분석물의 존재에 의존적인 신호값이 제2 검출온도에서 갖는 크기와 제3 검출온도에서 갖는 크기 간의 관계를 나타내는 제3 크기 파라미터, 및 제1 표적 분석물의 존재에 의존적인 신호값이 제1 검출온도에서 갖는 크기와 제3 검출온도에서 갖는 크기 간의 관계를 나타내는 제4 크기 파라미터로 이루어지는 군으로부터 선택되는 적어도 어느 하나를 포함할 수 있다. 이러한 각 크기 파라미터는 서로 다른 온도에서의 특정 표적 분석물에 의존적인 신호값 변화의 패턴을 나타내는 값이나 값의 집합으로서, 예컨대, 해당 신호값들의 크기 비율이거나 이들로부터 소정 수식에 따라 연산된 값이나 값의 집합을 의미할 수 있다. 예시적으로, 제1 크기 파라미터의 경우, 제1 검출온도에서 제1 표적 분석물의 존재에 의존적인 신호값에 대한 제2 검출온도에서 제1 표적 분석물의 존재에 의존적인 신호값의 비로서 구해지거나, 제2 검출온도에서 제1 표적 분석물의 존재에 의존적인 신호값에 대한 제1 검출온도에서 제1 표적 분석물의 존재에 의존적인 신호값의 비로서 구해질 수 있다.
한편, 본 개시의 크기 파라미터가 전술한 실시예들에 제한되는 것은 아니며, 실시예에 따라서, 그밖의 다양한 신호 관계를 나타내는 크기 파라미터가 더 포함될 수도 있다. 예시적으로, 상기한 복수개의 크기 파라미터는 제1 내지 제4 크기 파라미터와 함께, 제2 표적 분석물의 존재에 의존적인 신호값이 제1 검출온도에서 갖는 크기와 제2 검출온도에서 갖는 크기 간의 관계를 나타내는 제5 크기 파라미터, 제2 표적 분석물의 존재에 의존적인 신호값이 제1 검출온도에서 갖는 크기와 제3 검출온도에서 갖는 크기 간의 관계를 나타내는 제6 크기 파라미터, 제3 표적 분석물의 존재에 의존적인 신호값이 제1 검출온도에서 갖는 크기와 제2 검출온도에서 갖는 크기 간의 관계를 나타내는 제7 크기 파라미터, 제3 표적 분석물의 존재에 의존적인 신호값이 제2 검출온도에서 갖는 크기와 제3 검출온도에서 갖는 크기 간의 관계를 나타내는 제8 크기 파라미터, 및 제3 표적 분석물의 존재에 의존적인 신호값이 제1 검출온도에서 갖는 크기와 제3 검출온도에서 갖는 크기 간의 관계를 나타내는 제9 크기 파라미터로 이루어지는 군으로부터 선택되는 적어도 어느 하나를 포함할 수도 있다.
일 실시예에 따른 상기한 joint-estimation 과정은 (a) 제1-1 근사 함수, 제1-2 근사 함수, 제1-3 근사 함수, 제2-2 근사 함수, 제2-3 근사 함수 및 제3-3 근사 함수로 이루어지는 군으로부터 선택되는 적어도 어느 하나의 근사 함수에 포함된 근사 함수 파라미터의 값과, (b) 복수개의 크기 파라미터 중 적어도 하나의 크기 파라미터의 값을 joint-estimation하는 방식으로 수행될 수 있다.
다른 일 실시예에 따른 상기한 joint-estimation 과정은 (a) 제1-1 근사 함수, 제1-2 근사 함수, 제1-3 근사 함수, 제2-1 근사 함수, 제2-2 근사 함수, 제2-3 근사 함수, 제3-1 근사 함수, 제3-2 근사 함수, 및 제3-3 근사 함수로 이루어지는 군으로부터 선택되는 적어도 어느 하나의 근사 함수에 포함된 근사 함수 파라미터의 값과, (b) 복수개의 크기 파라미터 중 적어도 하나의 크기 파라미터의 값을 joint-estimation하는 방식으로 수행될 수 있다.
바람직한 일 실시예에 따르면, (a) 제1-1 근사 함수, 제2-2 근사 함수 및 제3-3 근사 함수에 포함된 근사 함수 파라미터의 값과, (b) 제1 크기 파라미터 내지 제3 크기 파라미터를 포함하는 제3 파라미터 그룹의 파라미터 값에 대한 joint-estimation이 수행될 수 있다.
다른 바람직한 일 실시예에 따르면, (a) 제1-1 근사 함수, 제2-2 근사 함수 및 제3-3 근사 함수에 포함된 근사 함수 파라미터의 값과, (b) 제1 크기 파라미터, 제2 크기 파라미터 및 제4 크기 파라미터를 포함하는 제4 파라미터 그룹의 파라미터 값에 대한 joint-estimation이 수행될 수 있다. 그러나, 본 개시에서 joint-estimation의 대상이 되는 파라미터들의 조합은 전술한 실시예들에 제한되지 않으며, 다양한 방식으로 변형되어 실시될 수 있음을 알 수 있다.
컴퓨터 장치(200)는 기 저장된 통계 모델에 기초하여 상술한 파라미터들에 대한 joint-estimation을 준비할 수 있다. 일 실시예에 따른 통계 모델에서는 제1 온도에서 측정된 제1 데이터 세트로부터 제1 표적 분석물의 존재에 의존적인 신호값을 분리하기 위한 수학적 관계가 정의될 수 있다. 또한, 통계 모델에서는 제2 온도에서 측정된 제2 데이터 세트로부터 제1 표적 분석물의 존재에 의존적인 신호값을 제외시키고 제2 표적 분석물의 존재에 의존적인 신호값을 분리하기 위한 수학적 관계가 정의될 수 있다. 또한, 통계 모델에서는 제3 온도에서 측정된 제3 데이터 세트로부터 제1 표적 분석물의 존재에 의존적인 신호값 및 제2 표적 분석물의 존재에 의존적인 신호값을 제외시키고 제3 표적 분석물의 존재에 의존적인 신호값을 분리하기 위한 수학적 관계가 정의될 수 있다. 예컨대, 통계 모델은 상기한 데이터 세트들과 근사 함수 및/또는 크기 파라미터 간의 관계를 정의하는 하기 수학식 31을 포함할 수 있고, 이러한 수학식 31은 수학식 32 내지 34와 같이 표현될 수 있다. 이하, 위에서 기술한 실시예들과 중복되는 설명은 생략하도록 한다.
Figure PCTKR2023009459-appb-img-000031
Figure PCTKR2023009459-appb-img-000032
Figure PCTKR2023009459-appb-img-000033
Figure PCTKR2023009459-appb-img-000034
여기서, y3,t는 복수 사이클 각각의 제3 온도에서 측정된 제3 데이터 세트를 나타내고, α33는 제3-3 근사 함수의 파라미터인 제3-3 근사 함수 파라미터를 나타내고, CR1은 제1 크기 파라미터를 나타내고, CR2는 제2 크기 파라미터를 나타내고, CR3은 제3 크기 파라미터를 나타낸다. 또한, f33(α33,t)는 제3-3 근사 함수 파라미터와 사이클이 입력 변수인 제3-3 근사 함수를 나타내고, e3는 제3 데이터 세트 내 에러 성분을 나타내는 제3 에러를 나타낸다.
일 실시예에서, 컴퓨터 장치(200)는 이러한 통계 모델에 기초하여 상술한 파라미터들에 대한 joint-estimation을 수행할 수 있다. 일 실시예에서, 통계 모델은 데이터 세트를 근사화하는 최적화된 파라미터의 값의 추정을 위한 하나 이상의 목적 함수를 포함할 수 있고, 컴퓨터 장치(200)는 목적 함수가 기 설정된 조건(예: 최댓값 또는 최솟값)이 되도록 하는 파라미터의 값을 구하여 최적화된 파라미터의 추정치로서 산출할 수 있다. 일 실시예에 따른 제1 에러에 대한 제1 목적 함수, 제2 에러에 대한 제2 목적 함수, 제3 에러에 대한 제3 목적 함수 및 전체 에러에 대한 전체 목적 함수는 수학식 35 내지 38과 같이 표현될 수 있다.
Figure PCTKR2023009459-appb-img-000035
Figure PCTKR2023009459-appb-img-000036
Figure PCTKR2023009459-appb-img-000037
Figure PCTKR2023009459-appb-img-000038
(여기에서, l3는 제3 에러에 대한 제3 목적 함수를 나타내고, σ3은 표본을 제3 데이터 세트로 보았을 때 복수 사이클에 대한 제3 에러의 표준 편차를 나타냄)
상술한 제1 실시예를 참조하면, 컴퓨터 장치(200)는 제1 데이터 세트를 이용하여 제1-1 근사 함수 파라미터의 값을 추정할 수 있다. 또한, 컴퓨터 장치(200)는 제1-1 근사 함수 파라미터에 대해 추정된 결과 및 제2 데이터 세트를 적어도 부분적으로 이용하여 제2-2 근사 함수 파라미터의 값 및 제1 크기 파라미터의 값에 대한 joint-estimation을 수행할 수 있다. 또한, 컴퓨터 장치(200)는 제2-2 근사 함수 파라미터와 제1-1 크기 파라미터의 값에 대해 추정된 결과 및 제3 데이터 세트를 적어도 부분적으로 이용하여 제3-3 근사 함수 파라미터의 값, 제2 크기 파라미터의 값 및 제3 크기 파라미터의 값에 대한 joint-estimation을 수행할 수 있다.
상술한 제2 실시예를 참조하면, 컴퓨터 장치(200)는 제1 데이터 세트 내지 제3 데이터 세트를 적어도 부분적으로 이용해서, 제1 근사 함수 파라미터 내지 제3 근사 함수 파라미터의 값과 제1 크기 파라미터 내지 제3 크기 파라미터들의 값을 joint-estimation할 수 있다. 예시적으로, 이러한 joint-estimation 과정에서 상술한 backfitting 알고리즘이 이용될 수 있으며, 이러한 과정은 명세서 전반에 기술된 실시예들을 참조하여 이해될 수 있다.
한편, 배경 신호가 고려된 제3 실시예 내지 제4 실시예를 참조하면, 전술한 제1 근사 함수 내지 제3 근사 함수에는 제1 배경 신호 내지 제3 배경 신호를 근사화하는 배경 신호 근사 함수가 더 포함될 수 있으며, 상술한 joint-estimation 과정에서 이러한 배경 신호 근사 함수들의 파라미터의 값이 함께 joint-estimation될 수 있다. 마찬가지로, 해당 과정은 상술한 실시예들을 참조하여 이해될 수 있다.
도 16a 내지 도 16f에는 배경 신호가 고려된 제1 내지 제3 데이터 세트로부터 상기한 joint-estimation을 수행하는 일 실시예에 따른 시뮬레이션 결과가 도시되어 있다. 각 표적 신호 근사 함수에는 수학식 5가 이용되었고, 배경 신호를 2차 함수로 고려함에 따라 각 배경 신호 근사 함수에는 수학식 10이 이용되었으며, 파라미터들의 값에 대한 joint-estimation에는 수학식 31 내지 38에 배경 신호 근사 함수가 더 포함된 변형된 형태의 수학식들이 이용되었다.
보다 구체적으로, 도 16a 내지 도 16f의 상단 그래프에는 각 케이스에서의 제1 데이터 세트 내지 제3 데이터 세트가 도시되어 있다. 또한, 중간 그래프에는 각 크기 파라미터의 값이 1개인 케이스에서 해당 데이터 세트들로부터 추정된 파라미터들의 값이 적용된 각 근사 함수에 대한 시뮬레이션 결과를 보여주고 있다. 또한, 하단 그래프에는 각 크기 파라미터의 값이 복수개(구체적으로는, 각 사이클별 값)인 케이스에서 해당 데이터 세트들로부터 추정된 파라미터들의 값이 적용된 각 근사 함수에 대한 시뮬레이션 결과를 보여주고 있다. 도 16에서의 제1, 제2 및 제3 근사 함수는 제1-1, 제2-2 및 제3-3 근사 함수를 나타낸다.
도 16a는 제1 표적 분석물만 존재하는 케이스로서, 제1 표적 분석물이 상대적 고농도로 존재할 때(상단 라인)와 상대적 저농도로 존재할 때(하단 라인)의 케이스에 해당한다. 또한, 도 16b와 도 16c는 각각 제2 표적 분석물만 존재하는 케이스와 제3 표적 분석물만 존재하는 케이스로서, 각 표적 분석물이 상대적 고농도로 존재할 때(상단 라인)와 상대적 저농도로 존재할 때(하단 라인)의 케이스에 해당한다. 각 도면에는 각 케이스에서의 제1 내지 제3 데이터 세트가 상단 그래프에 도시되어 있고, 상술한 실시예에 따라 전체 오차가 최소화되도록 추정된 파라미터들의 값이 적용된 각 근사함수가 중간 및 하단 그래프에 시각화되어 있으며, 각 근사함수가 해당 데이터 세트들로부터 적절하게 추정되었음을 알 수 있다.
도 16d는 제1 내지 제3 표적 분석물이 모두 존재하되, 제1 표적 분석물과 제2 표적 분석물은 상대적 고농도로 존재하고, 제3 표적 분석물은 상대적 저농도로 존재하는 케이스에 해당한다. 또한, 도 16e는 제1 및 제3 표적 분석물은 상대적 고농도로 존재하고 제2 표적 분석물은 상대적 저농도로 존재하는 케이스에 해당하고, 도 16f는 제2 및 제3 표적 분석물이 상대적 고농도로 존재하고 제2 표적 분석물이 상대적 저농도로 존재하는 케이스에 해당한다. 마찬가지로, 각 도면에는 각 케이스에서의 제1 내지 제3 데이터 세트가 상단 그래프에 도시되어 있고, 상술한 실시예에 따라 전체 오차가 최소화되도록 추정된 파라미터들의 값이 적용된 각 근사함수가 중간 및 하단 그래프에 시각화되어 있으며, 각 근사함수가 해당 데이터 세트들로부터 적절하게 추정되었음을 알 수 있다.
도 16a 내지 16f에 도시된 것처럼, 각 크기 파라미터의 값이 사이클별로 추정된 케이스에서 단일 값으로 추정된 케이스보다 정확한 추정 결과가 획득되었음을 알 수 있으며, 특히 시료 내 두 개 이상의 표적 분석물이 존재하는 경우 이러한 차이가 보다 두드러지게 나타남을 알 수 있다. 또한, 도 16a 내지 16f의 각 중간 및 하단 그래프에서, 실선 라인은 추정치에 해당하는 각 근사 함수의 출력값을 보여주고 있으며, 점선 라인은 에러가 반영된 각 표적 분석물에 의존적인 원시 데이터에 대응되는 신호값을 보여주고 있다. 다시 말해서, 추정 결과와 원시 데이터가 잘 매칭되고 있음을 알 수 있다.
도 17은 일 실시예에 따른 컴퓨터 장치(200)가 복수의 표적 분석물 각각에 대한 근사 신호를 획득하는 방법을 예시적으로 나타내는 순서도이다.
단계 S1710에서 컴퓨터 장치(200)는 시료 내 제1 표적 분석물, 제2 표적 분석물 및 제3 표적 분석물을 타겟으로 하는 복수 사이클의 신호 발생 반응으로부터, 복수 사이클 각각의 제1 검출온도에서 측정된 제1 데이터 세트, 복수 사이클 각각의 제2 검출온도에서 측정된 제2 데이터 세트 및 복수 사이클 각각의 제3 검출온도에서 측정된 제3 데이터 세트를 획득할 수 있다. 상술한 것처럼, 이러한 신호 발생 반응은 하나의 반응 용기에서 시료 내 제1 표적 분석물을 검출하기 위한 제1 신호 발생 조성물, 제2 표적 분석물을 검출하기 위한 제2 신호 발생 조성물 및 제3 표적 분석물을 검출하기 위한 제3 신호 발생 조성물과 함께 시료를 인큐베이션함에 따라 발생되고, 제1 신호 발생 조성물, 제2 신호 발생 조성물 및 제3 신호 발생 조성물은 동일한 표지를 포함하고, 해당 표지로부터의 신호는 단일 유형의 검출기에 의해 각 표적 분석물에 대해 구별되지 않는다.
단계 S1720에서 컴퓨터 장치(200)는 제1 데이터 세트 내지 제3 데이터 세트를 적어도 부분적으로 이용해서, (a) 제1 표적 분석물의 존재에 의존적인 제1 검출온도에서의 신호값을 근사화하는 제1-1 근사 함수, 제2 표적 분석물의 존재에 의존적인 제2 검출온도에서의 신호값을 근사화하는 제2-2 근사 함수 및 제3 표적 분석물의 존재에 의존적인 제3 검출온도에서의 신호값을 근사화하는 제3-3 근사 함수로 이루어지는 군으로부터 선택되는 적어도 어느 하나의 근사 함수에 포함된 근사 함수 파라미터의 값과, (b) 표적 분석물 중 적어도 어느 하나에 의존적인 신호값이 제1 검출온도 내지 제3 검출온도 중 어느 두 검출온도에서 갖는 크기 간의 관계를 나타내는 복수개의 크기 파라미터의 값 중 적어도 하나의 크기 파라미터의 값에 대한 joint-estimation을 수행할 수 있다.
한편, 본 개시의 다른 일 실시예에 따른 컴퓨터 장치(200)에 의해 복수의 표적 분석물 각각을 검출하는 방법이 수행될 수 있다. 전술한 단계 S1710 내지 단계 S1720이 수행된 후에, 컴퓨터 장치(200)는 상기 joint-estimation 결과를 이용하여 시료 내 제1 표적 분석물 내지 제3 표적 분석물 각각을 검출할 수 있으며, 이상에서 기술한 실시예들과 동일 또는 유사한 방식으로 이해될 수 있다.
한편, 이상에서는 3개의 표적 분석물 각각에 대한 근사 신호를 획득하는 실시예에 대해 기술하였으나, 본 개시는 이에 제한되지 않으며, 명세서에 기술된 기술적 사상을 바탕으로 m개의 표적 분석물 각각에 대한 근사 신호를 획득하는 실시예에 대해서도 확장 가능한 형태로 변형되어 실시될 수 있음을 알 수 있다.
본 발명에 첨부된 블록도의 각 블록과 순서도의 각 단계의 조합들은 컴퓨터 프로그램 인스트럭션들에 의해 수행될 수도 있다. 이들 컴퓨터 프로그램 인스트럭션들은 범용 컴퓨터, 특수용 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비의 인코딩 프로세서에 탑재될 수 있으므로, 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비의 인코딩 프로세서를 통해 수행되는 그 인스트럭션들이 블록도의 각 블록 또는 순서도의 각 단계에서 설명된 기능들을 수행하는 수단을 생성하게 된다. 이들 컴퓨터 프로그램 인스트럭션들은 특정 방법으로 기능을 구현하기 위해 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비를 지향할 수 있는 컴퓨터 이용 가능 또는 컴퓨터 판독 가능 메모리에 저장되는 것도 가능하므로, 그 컴퓨터 이용가능 또는 컴퓨터 판독 가능 메모리에 저장된 인스트럭션들은 블록도의 각 블록 또는 순서도 각 단계에서 설명된 기능을 수행하는 인스트럭션 수단을 내포하는 제조 품목을 생산하는 것도 가능하다. 컴퓨터 프로그램 인스트럭션들은 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비 상에 탑재되는 것도 가능하므로, 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비 상에서 일련의 동작 단계들이 수행되어 컴퓨터로 실행되는 프로세스를 생성해서 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비를 수행하는 인스트럭션들은 블록도의 각 블록 및 순서도의 각 단계에서 설명된 기능들을 실행하기 위한 단계들을 제공하는 것도 가능하다.
또한, 각 블록 또는 각 단계는 특정된 논리적 기능(들)을 실행하기 위한 하나 이상의 실행 가능한 인스트럭션들을 포함하는 모듈, 세그먼트 또는 코드의 일부를 나타낼 수 있다. 또, 몇 가지 대체 실시예들에서는 블록들 또는 단계들에서 언급된 기능들이 순서를 벗어나서 발생하는 것도 가능함을 주목해야 한다. 예컨대, 잇달아 도시되어 있는 두 개의 블록들 또는 단계들은 사실 실질적으로 동시에 수행되는 것도 가능하고 또는 그 블록들 또는 단계들이 때때로 해당하는 기능에 따라 역순으로 수행되는 것도 가능하다.
이상의 설명은 본 발명의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 발명의 본질적인 품질에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능할 것이다. 따라서, 본 발명에 개시된 실시예들은 본 발명의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예에 의하여 본 발명의 기술 사상의 범위가 한정되는 것은 아니다. 본 발명의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 균등한 범위 내에 있는 모든 기술사상은 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다.
CROSS-REFERENCE TO RELATED APPLICATION
본 특허출원은 2022년 07월 05일 한국에 출원한 특허출원번호 제10-2022-0082751호에 대해 미국 특허법 119(a)조 (35 U.S.C §119(a))에 따라 우선권을 주장하며, 그 모든 내용은 참고문헌으로 본 특허출원에 병합된다. 아울러, 본 특허출원은 미국 이외의 국가에 대해서도 위와 동일한 이유로 우선권을 주장하며 그 모든 내용은 참고문헌으로 본 특허출원에 병합된다.

Claims (27)

  1. 컴퓨터 장치에 의해 수행되는 복수의 표적 분석물 각각에 대한 근사 신호의 획득 방법에 있어서,
    시료 내 제1 표적 분석물 및 제2 표적 분석물을 타겟으로 하는 복수 사이클의 신호 발생 반응으로부터, 상기 복수 사이클 각각의 제1 검출온도에서 측정된 제1 데이터 세트 및 상기 복수 사이클 각각의 제2 검출온도에서 측정된 제2 데이터 세트를 획득하는 단계; 상기 제1 데이터 세트에는 상기 시료 내 상기 제1 표적 분석물의 존재에 의존적인 상기 제1 검출온도에서의 신호값이 포함되고, 상기 제2 데이터 세트에는 상기 시료 내 상기 제1 표적 분석물 및 상기 제2 표적 분석물의 존재에 의존적인 상기 제2 검출온도에서의 신호값이 포함되며,
    상기 신호 발생 반응은 하나의 반응 용기에서 상기 시료 내 상기 제1 표적 분석물을 검출하기 위한 제1 신호 발생 조성물 및 상기 제2 표적 분석물을 검출하기 위한 제2 신호 발생 조성물과 함께 상기 시료를 인큐베이션함에 따라 발생되고, 상기 제1 신호 발생 조성물 및 상기 제2 신호 발생 조성물은 동일한 표지를 포함하고, 상기 표지로부터의 신호는 단일 유형의 검출기에 의해 각 표적 분석물에 대해 구별되지 않으며,
    상기 제1 데이터 세트와 상기 제2 데이터 세트를 적어도 부분적으로 이용해서, (a) 상기 제1 표적 분석물의 존재에 의존적인 상기 제1 검출온도에서의 신호값을 근사화하는 제1-1 근사 함수, 상기 제1 표적 분석물의 존재에 의존적인 상기 제2 검출온도에서의 신호값을 근사화하는 제1-2 근사 함수 및 상기 제2 표적 분석물의 존재에 의존적인 상기 제2 검출온도에서의 신호값을 근사화하는 제2 근사 함수로 이루어지는 군으로부터 선택되는 적어도 어느 하나의 근사 함수에 포함된 근사 함수 파라미터의 값과, (b) 상기 제1 표적 분석물의 존재에 의존적인 신호값이 상기 제1 검출온도에서 갖는 크기와 상기 제2 검출온도에서 갖는 크기 간의 관계를 나타내는 크기 파라미터의 값에 대한 joint-estimation을 수행하는 단계를 포함하는,
    표적 분석물에 관한 근사 신호의 획득 방법.
  2. 제 1 항에 있어서,
    상기 joint-estimation을 수행하는 단계에서는,
    상기 제1-1 근사 함수와 상기 제2 근사 함수에 포함된 근사 함수 파라미터 및 상기 크기 파라미터를 포함하는 제1 파라미터 그룹의 파라미터 값에 대한 joint-estimation이 수행되되, 상기 제1 파라미터 그룹에서의 상기 크기 파라미터는 상기 제1 검출온도에서 갖는 크기에 대한 상기 제2 검출온도에서 갖는 크기의 비를 나타내고,
    또는, 상기 제1-2 근사 함수와 상기 제2 근사 함수에 포함된 근사 함수 파라미터 및 상기 크기 파라미터를 포함하는 제2 파라미터 그룹의 파라미터 값에 대한 joint-estimation이 수행되되, 상기 제2 파라미터 그룹에서의 상기 크기 파라미터는 상기 제2 검출온도에서 갖는 크기에 대한 상기 제1 검출온도에서 갖는 크기의 비를 나타내는,
    표적 분석물에 관한 근사 신호의 획득 방법.
  3. 제 1 항에 있어서,
    상기 joint-estimation을 수행하는 단계는,
    상기 제1 데이터 세트를 이용하여 상기 제1-1 근사 함수에 포함된 제1-1 근사 함수 파라미터의 값을 추정하는 단계; 및
    상기 제1-1 근사 함수 파라미터에 대해 추정된 값 및 상기 제2 데이터 세트를 적어도 부분적으로 이용하여 상기 제2 근사 함수에 포함된 제2 근사 함수 파라미터의 값 및 상기 크기 파라미터의 값에 대한 joint-estimation을 수행하는 단계;를 포함하는,
    표적 분석물에 관한 근사 신호의 획득 방법.
  4. 제 3 항에 있어서,
    상기 제1-1 근사 함수 파라미터의 값은,
    상기 복수 사이클 각각에서 상기 제1-1 근사 함수와 상기 제1 데이터 세트 간의 차이(difference)의 합이 최소화되도록 추정되는,
    표적 분석물에 관한 근사 신호 획득 방법.
  5. 제 3 항에 있어서,
    상기 제2 근사 함수 파라미터의 값 및 상기 크기 파라미터의 값에 대한 joint-estimation을 수행하는 단계에서는,
    상기 크기 파라미터의 값 및 상기 추정된 제1-1 근사 함수 파라미터의 값을 갖는 상기 제1-1 근사 함수의 값을 이용해서, 상기 제1-2 근사 함수의 값이 준비되고,
    상기 복수 사이클 각각에서 (a) 상기 제2 데이터 세트;와, (b) 상기 제2 근사 함수 및 상기 제1-2 근사 함수의 합; 간의 차이(difference)를 연산하고,
    상기 복수 사이클에서 상기 차이의 합이 최소화되도록 상기 제2 근사 함수 파라미터의 값 및 상기 크기 파라미터의 값에 대한 joint-estimation을 수행하는,
    표적 분석물에 관한 근사 신호의 획득 방법.
  6. 제 5 항에 있어서,
    상기 제2 근사 함수 파라미터의 값 및 상기 크기 파라미터의 값은,
    joint maximum likelihood estimation에 기초하여 추정되는,
    표적 분석물에 관한 근사 신호의 획득 방법.
  7. 제 1 항에 있어서,
    상기 joint-estimation을 수행하는 단계는,
    상기 복수 사이클 각각에서 상기 제1 데이터 세트와 상기 제1-1 근사 함수 간의 차이(difference)의 합과, 상기 복수 사이클 각각에서 상기 제2 데이터 세트가 상기 제2 근사 함수 및 상기 제1-2 근사 함수와 갖는 차이(difference)의 합을 고려해서, 상기 제1-1 근사 함수에 포함된 제1-1 근사 함수 파라미터의 값, 상기 제2 근사 함수에 포함된 제2 근사 함수 파라미터의 값 및 상기 크기 파라미터의 값에 대한 joint-estimation을 수행하는 단계를 포함하는,
    표적 분석물에 관한 근사 신호의 획득 방법.
  8. 제 7 항에 있어서,
    상기 제1-1 근사 함수 파라미터의 값, 상기 제2 근사 함수 파라미터의 값 및 상기 크기 파라미터의 값은,
    joint maximum likelihood estimation에 기초하여 추정되는,
    표적 분석물에 관한 근사 신호의 획득 방법.
  9. 제 7 항에 있어서,
    상기 joint-estimation을 수행하는 단계는,
    상기 제1-1 근사 함수 파라미터, 상기 제2 근사 함수 파라미터 및 상기 크기 파라미터 중 어느 하나 또는 둘의 파라미터에 임의의 값 또는 기 추정된 값을 적용하고 나머지 파라미터의 값을 추정하는 단계; 및
    상기 추정된 나머지 파라미터의 값을 적용하고 상기 어느 하나 또는 둘의 파라미터의 값을 추정하는 단계;를 더 포함하고,
    상기 나머지 파라미터의 값을 추정하는 단계 및 상기 어느 하나 또는 둘의 파라미터의 값을 추정하는 단계는 복수로 수행되는,
    표적 분석물에 관한 근사 신호의 획득 방법.
  10. 제 1 항에 있어서,
    상기 제1 데이터 세트 및 상기 제2 데이터 세트 각각은
    상기 시료 내 상기 제1 표적 분석물 및 상기 제2 표적 분석물을 검출하는 검출 장치로부터 획득된 원시 데이터 세트(raw data set), 상기 원시 데이터 세트의 수학적으로 변형된 데이터 세트, 상기 원시 데이터 세트의 표준화(normalization)된 데이터 세트, 또는 상기 수학적으로 변형된 데이터 세트의 표준화된 데이터 세트인,
    표적 분석물에 관한 근사 신호의 획득 방법.
  11. 제 1 항에 있어서,
    상기 제1-1 근사 함수, 상기 제1-2 근사 함수 및 상기 제2 근사 함수 각각은
    시그모이드(sigmoid) 함수, 로지스틱(logistic) 함수, 곰페르츠(Gompertz) 함수, 및 차프만(Chapman) 함수로 이루어진 군으로부터 선택된 어느 하나인,
    표적 분석물에 관한 근사 신호의 획득 방법.
  12. 제 1 항에 있어서,
    상기 제1-1 근사 함수에 포함된 제1-1 근사 함수 파라미터 및 상기 제1-2 근사 함수에 포함된 제1-2 근사 함수 파라미터는,
    상기 제1 표적 분석물의 존재에 의존적인 신호값의 사이클에 대한 제1 기울기를 나타내는 파라미터, 상기 제1 기울기가 극대인 지점에 대응되는 사이클을 나타내는 파라미터, baseline 영역에서의 신호값을 나타내는 파라미터 및 plateau 영역에서의 신호값을 나타내는 파라미터 중 적어도 하나를 포함하고,
    상기 제2 근사 함수에 포함 제2 근사 함수 파라미터는,
    상기 제2 표적 분석물의 존재에 의존적인 신호값의 사이클에 대한 제2 기울기를 나타내는 파라미터, 상기 제2 기울기가 극대인 지점에 대응되는 사이클을 나타내는 파라미터, baseline 영역에서의 신호값을 나타내는 파라미터 및 plateau 영역에서의 신호값을 나타내는 파라미터 중 적어도 하나를 포함하는,
    표적 분석물에 관한 근사 신호의 획득 방법.
  13. 제 1 항에 있어서,
    상기 제1-1 근사 함수, 상기 제1-2 근사 함수 및 상기 제2 근사 함수 각각은 배경신호에 대한 배경 신호 근사 함수의 파라미터를 더 포함하고,
    상기 제1-1 근사 함수 및 상기 제1-2 근사 함수 각각에 포함된 상기 배경 신호 근사 함수의 파라미터는,
    상기 제1 데이터 세트에 더 포함된 제1 배경신호의 사이클에 대한 기울기를 근사화하는 파라미터, baseline 영역에서의 신호값을 근사화하는 파라미터, 및 상기 제1 배경신호의 크기가 최소인 지점에 대응되는 사이클을 근사화하는 파라미터 중 적어도 하나를 포함하고,
    상기 제2 근사 함수에 포함된 상기 배경 신호 근사 함수의 파라미터는,
    상기 제2 데이터 세트에 더 포함된 제2 배경신호의 사이클에 대한 기울기를 근사화하는 파라미터, baseline 영역에서의 신호값을 근사화하는 파라미터, 및 상기 제2 배경신호의 크기가 최소인 지점에 대응되는 사이클을 근사화하는 파라미터 중 적어도 하나를 포함하는,
    표적 분석물에 관한 근사 신호의 획득 방법.
  14. 제 13 항에 있어서,
    상기 배경 신호 근사 함수의 파라미터는,
    상수 또는 다항 함수의 파라미터인,
    표적 분석물에 관한 근사 신호의 획득 방법.
  15. 제 1 항에 있어서,
    상기 제1 검출온도는 상기 제2 검출온도보다 큰,
    표적 분석물에 관한 근사 신호의 획득 방법.
  16. 제 1 항에 있어서,
    상기 제2 검출온도는 상기 제1 검출온도보다 큰,
    표적 분석물에 관한 근사 신호의 획득 방법.
  17. 제 1 항에 있어서,
    상기 신호 발생 반응은 핵산 증폭을 수반하는,
    표적 분석물에 관한 근사 신호의 획득 방법.
  18. 제 1 항에 있어서,
    상기 joint-estimation에서는,
    상기 크기 파라미터의 값이 상기 복수 사이클로부터 결정되는 두 개 이상의 사이클 구간 각각에 대해서 joint-estimation되는 것을 특징으로 하는,
  19. 제 1 항에 있어서,
    상기 joint-estimation에서는,
    상기 크기 파라미터의 값이 상기 복수 사이클 각각에 대해서 joint-estimation되는 것을 특징으로 하는,
    표적 분석물에 관한 근사 신호의 획득 방법.
  20. 제 1 항에 있어서,
    상기 joint-estimation을 수행하는 단계는,
    상기 제1 데이터 세트를 이용하여 상기 제1-1 근사 함수에 포함된 제1-1 근사 함수 파라미터의 값을 추정하는 단계; 및
    상기 제1 데이터 세트와 상기 제2 데이터 세트를 이용하여 상기 제2 근사 함수에 포함된 제2 근사 함수 파라미터의 값과 상기 크기 파라미터의 값에 대한 joint-estimation을 수행하는 단계를 포함하는,
    표적 분석물에 관한 근사 신호의 획득 방법.
  21. 제 20 항에 있어서,
    상기 제2 근사 함수 파라미터의 값과 상기 크기 파라미터의 값에 대한 joint-estimation을 수행하는 단계는,
    상기 복수 사이클 각각에서 (a) 상기 제2 데이터 세트;와, (b) 상기 제1 데이터 세트 및 상기 크기 파라미터; 간의 차이(difference)를 연산하는 단계; 및
    상기 복수 사이클에서 상기 차이의 합이 최소화되도록 상기 제2 근사 함수 파라미터의 값 및 상기 크기 파라미터의 값에 대한 joint-estimation을 수행하는 단계를 포함하는,
    표적 분석물에 관한 근사 신호의 획득 방법.
  22. 제 1 항의 방법에 포함된 각 단계를 수행하도록 프로그램된,
    컴퓨터 판독 가능한 기록 매체에 저장되어 있는 컴퓨터 프로그램.
  23. 제 1 항의 방법에 포함된 각 단계를 수행하도록 프로그램된,
    컴퓨터 프로그램이 저장되어 있는 컴퓨터 판독 가능한 기록 매체.
  24. 시료 내 제1 표적 분석물 및 제2 표적 분석물을 타겟으로 하는 복수 사이클의 신호 발생 반응으로부터, 상기 복수 사이클 각각의 제1 검출온도에서 측정된 제1 데이터 세트 및 상기 복수 사이클 각각의 제2 검출온도에서 측정된 제2 데이터 세트를 획득하는 획득부; 상기 제1 데이터 세트에는 상기 시료 내 상기 제1 표적 분석물의 존재 여부에 의존적인 상기 제1 검출온도에서의 신호값이 포함되고, 상기 제2 데이터 세트에는 상기 시료 내 상기 제1 표적 분석물 및 상기 제2 표적 분석물의 존재 여부에 의존적인 상기 제2 검출온도에서의 신호값이 포함되며,
    상기 신호 발생 반응은 하나의 반응 용기에서 상기 시료 내 상기 제1 표적 분석물을 검출하기 위한 제1 신호 발생 조성물 및 상기 제2 표적 분석물을 검출하기 위한 제2 신호 발생 조성물과 함께 상기 시료를 인큐베이션함에 따라 발생되고, 상기 제1 신호 발생 조성물 및 상기 제2 신호 발생 조성물은 동일한 표지를 포함하고, 상기 표지로부터의 신호는 단일 유형의 검출기에 의해 각 표적 분석물에 대해 구별되지 않으며,
    적어도 하나의 명령어를 저장하는 메모리; 및
    프로세서를 포함하고,
    상기 프로세서에 의해 상기 적어도 하나의 명령어이 실행됨으로써,
    상기 제1 데이터 세트와 상기 제2 데이터 세트를 적어도 부분적으로 이용해서, (a) 상기 제1 표적 분석물의 존재에 의존적인 상기 제1 검출온도에서의 신호값을 근사화하는 제1-1 근사 함수, 상기 제1 표적 분석물의 존재에 의존적인 상기 제2 검출온도에서의 신호값을 근사화하는 제1-2 근사 함수 및 상기 제2 표적 분석물의 존재에 의존적인 상기 제2 검출온도에서의 신호값을 근사화하는 제2 근사 함수로 이루어지는 군으로부터 선택되는 적어도 어느 하나의 근사 함수에 포함된 근사 함수 파라미터의 값과, (b) 상기 제1 표적 분석물의 존재에 의존적인 신호값이 상기 제1 검출온도에서 갖는 크기와 상기 제2 검출온도에서 갖는 크기 간의 관계를 나타내는 크기 파라미터의 값에 대한 joint-estimation이 수행되는,
    컴퓨터 장치.
  25. 컴퓨터 장치에 의해 수행되는 복수의 표적 분석물 각각을 검출하는 방법에 있어서,
    시료 내 제1 표적 분석물 및 제2 표적 분석물을 타겟으로 하는 복수 사이클의 신호 발생 반응으로부터, 상기 복수 사이클 각각의 제1 검출온도에서 측정된 제1 데이터 세트 및 상기 복수 사이클 각각의 제2 검출온도에서 측정된 제2 데이터 세트를 획득하는 단계; 상기 제1 데이터 세트에는 상기 시료 내 상기 제1 표적 분석물의 존재에 의존적인 상기 제1 검출온도에서의 신호값이 포함되고, 상기 제2 데이터 세트에는 상기 시료 내 상기 제1 표적 분석물 및 상기 제2 표적 분석물의 존재에 의존적인 상기 제2 검출온도에서의 신호값이 포함되며,
    상기 신호 발생 반응은 하나의 반응 용기에서 상기 시료 내 상기 제1 표적 분석물을 검출하기 위한 제1 신호 발생 조성물 및 상기 제2 표적 분석물을 검출하기 위한 제2 신호 발생 조성물과 함께 상기 시료를 인큐베이션함에 따라 발생되고, 상기 제1 신호 발생 조성물 및 상기 제2 신호 발생 조성물은 동일한 표지를 포함하고, 상기 표지로부터의 신호는 단일 유형의 검출기에 의해 각 표적 분석물에 대해 구별되지 않으며,
    상기 제1 데이터 세트와 상기 제2 데이터 세트를 적어도 부분적으로 이용해서, (a) 상기 제1 표적 분석물의 존재에 의존적인 상기 제1 검출온도에서의 신호값을 근사화하는 제1-1 근사 함수, 상기 제1 표적 분석물의 존재에 의존적인 상기 제2 검출온도에서의 신호값을 근사화하는 제1-2 근사 함수 및 상기 제2 표적 분석물의 존재에 의존적인 상기 제2 검출온도에서의 신호값을 근사화하는 제2 근사 함수로 이루어지는 군으로부터 선택되는 적어도 어느 하나의 근사 함수에 포함된 근사 함수 파라미터의 값과, (b) 상기 제1 표적 분석물의 존재에 의존적인 신호값이 상기 제1 검출온도에서 갖는 크기와 상기 제2 검출온도에서 갖는 크기 간의 관계를 나타내는 크기 파라미터의 값에 대한 joint-estimation을 수행하는 단계; 및
    상기 joint-estimation 결과를 이용하여 상기 시료 내 상기 제1 표적 분석물 및 상기 제2 표적 분석물 각각을 검출하는 단계;를 포함하는,
    표적 분석물 검출 방법.
  26. 컴퓨터 장치에 의해 수행되는 복수의 표적 분석물 각각에 대한 근사 신호의 획득 방법에 있어서,
    시료 내 제1 표적 분석물, 제2 표적 분석물 및 제3 표적 분석물을 타겟으로 하는 복수 사이클의 신호 발생 반응으로부터, 상기 복수 사이클 각각의 제1 검출온도에서 측정된 제1 데이터 세트, 상기 복수 사이클 각각의 제2 검출온도에서 측정된 제2 데이터 세트 및 상기 복수 사이클 각각의 제3 검출온도에서 측정된 제3 데이터 세트를 획득하는 단계; 상기 제1 데이터 세트에는 상기 시료 내 상기 제1 표적 분석물의 존재에 의존적인 상기 제1 검출온도에서의 신호값이 포함되고, 상기 제2 데이터 세트에는 상기 시료 내 상기 제1 표적 분석물 및 상기 제2 표적 분석물의 존재에 의존적인 상기 제2 검출온도에서의 신호값이 포함되며, 상기 제3 데이터 세트에는 상기 시료 내 상기 제1 표적 분석물, 상기 제2 표적 분석물 및 상기 제3 표적 분석물의 존재에 의존적인 상기 제3 검출온도에서의 신호값이 포함되며,
    상기 신호 발생 반응은 하나의 반응 용기에서 상기 시료 내 상기 제1 표적 분석물을 검출하기 위한 제1 신호 발생 조성물, 상기 제2 표적 분석물을 검출하기 위한 제2 신호 발생 조성물 및 상기 제3 표적 분석물을 검출하기 위한 제3 신호 발생 조성물과 함께 상기 시료를 인큐베이션함에 따라 발생되고, 상기 제1 신호 발생 조성물, 상기 제2 신호 발생 조성물 및 상기 제3 신호 발생 조성물은 동일한 표지를 포함하고, 상기 표지로부터의 신호는 단일 유형의 검출기에 의해 각 표적 분석물에 대해 구별되지 않으며,
    상기 제1 데이터 세트 내지 상기 제3 데이터 세트를 적어도 부분적으로 이용해서, (a) 상기 제1 표적 분석물의 존재에 의존적인 상기 제1 검출온도에서의 신호값을 근사화하는 제1-1 근사 함수, 상기 제1 표적 분석물의 존재에 의존적인 상기 제2 검출온도에서의 신호값을 근사화하는 제1-2 근사 함수, 상기 제1 표적 분석물의 존재에 의존적인 상기 제3 검출온도에서의 신호값을 근사화하는 제1-3 근사 함수, 상기 제2 표적 분석물의 존재에 의존적인 상기 제2 검출온도에서의 신호값을 근사화하는 제2-2 근사 함수, 상기 제2 표적 분석물의 존재에 의존적인 상기 제3 검출온도에서의 신호값을 근사화하는 제2-3 근사 함수 및 상기 제3 표적 분석물의 존재에 의존적인 상기 제3 검출온도에서의 신호값을 근사화하는 제3-3 근사 함수로 이루어지는 군으로부터 선택되는 적어도 어느 하나의 근사 함수에 포함된 근사 함수 파라미터의 값과, (b) 상기 표적 분석물 중 적어도 어느 하나에 의존적인 신호값이 상기 제1 검출온도 내지 제3 검출온도 중 어느 두 검출온도에서 갖는 크기 간의 관계를 나타내는 복수개의 크기 파라미터의 값 중 적어도 하나의 크기 파라미터의 값에 대한 joint-estimation을 수행하는 단계를 포함하는,
    표적 분석물에 관한 근사 신호의 획득 방법.
  27. 제 26 항에 있어서,
    상기 복수개의 크기 파라미터는,
    상기 제1 표적 분석물의 존재에 의존적인 신호값이 상기 제1 검출온도에서 갖는 크기와 상기 제2 검출온도에서 갖는 크기 간의 관계를 나타내는 제1 크기 파라미터, 상기 제1 표적 분석물의 존재에 의존적인 신호값이 상기 제2 검출온도에서 갖는 크기와 상기 제3 검출온도에서 갖는 크기 간의 관계를 나타내는 제2 크기 파라미터, 상기 제2 표적 분석물의 존재에 의존적인 신호값이 상기 제2 검출온도에서 갖는 크기와 상기 제3 검출온도에서 갖는 크기 간의 관계를 나타내는 제3 크기 파라미터, 및 상기 제1 표적 분석물의 존재에 의존적인 신호값이 상기 제1 검출온도에서 갖는 크기와 상기 제3 검출온도에서 갖는 크기 간의 관계를 나타내는 제4 크기 파라미터로 이루어지는 군으로부터 선택되는 적어도 어느 하나를 포함하는,
    표적 분석물에 관한 근사 신호의 획득 방법.
PCT/KR2023/009459 2022-07-05 2023-07-05 복수의 표적 분석물 각각에 대한 근사 신호의 획득 방법 및 이를 수행하는 컴퓨터 장치 WO2024010351A1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR20220082751 2022-07-05
KR10-2022-0082751 2022-07-05

Publications (1)

Publication Number Publication Date
WO2024010351A1 true WO2024010351A1 (ko) 2024-01-11

Family

ID=89453721

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2023/009459 WO2024010351A1 (ko) 2022-07-05 2023-07-05 복수의 표적 분석물 각각에 대한 근사 신호의 획득 방법 및 이를 수행하는 컴퓨터 장치

Country Status (1)

Country Link
WO (1) WO2024010351A1 (ko)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006141394A (ja) * 2004-09-29 2006-06-08 F Hoffmann La Roche Ag アルゴリズムを使用する試料の定量分析
JPWO2009093458A1 (ja) * 2008-01-22 2011-05-26 パナソニック株式会社 微粒子測定装置および微粒子測定方法
KR20180074800A (ko) * 2015-11-20 2018-07-03 주식회사 씨젠 표적 분석물질에 대한 데이터 세트의 보정 방법
KR20180122481A (ko) * 2016-04-01 2018-11-12 주식회사 씨젠 둘 이상의 데이터 세트를 이용한 비정상적인 시그널의 검출
KR102050601B1 (ko) * 2014-03-28 2019-12-04 주식회사 씨젠 상이한 검출 온도를 이용한 타겟 핵산 서열의 검출

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006141394A (ja) * 2004-09-29 2006-06-08 F Hoffmann La Roche Ag アルゴリズムを使用する試料の定量分析
JPWO2009093458A1 (ja) * 2008-01-22 2011-05-26 パナソニック株式会社 微粒子測定装置および微粒子測定方法
KR102050601B1 (ko) * 2014-03-28 2019-12-04 주식회사 씨젠 상이한 검출 온도를 이용한 타겟 핵산 서열의 검출
KR20180074800A (ko) * 2015-11-20 2018-07-03 주식회사 씨젠 표적 분석물질에 대한 데이터 세트의 보정 방법
KR20180122481A (ko) * 2016-04-01 2018-11-12 주식회사 씨젠 둘 이상의 데이터 세트를 이용한 비정상적인 시그널의 검출

Similar Documents

Publication Publication Date Title
WO2011149255A9 (en) Modified rnase h and detection of nucleic acid amplification
WO2013119049A1 (ko) 생물학적 시료의 자동 분석 장치 및 방법
WO2020218831A1 (ko) 신규한 등온 단일 반응용 프로브 세트 및 이의 용도
WO2017188669A2 (ko) 절단된 상보적인 태그 절편을 이용한 표적 핵산 서열 검출 방법 및 그 조성물
WO2018139826A1 (ko) Dna 메틸화를 이용한 연령 예측 방법
WO2020251306A1 (en) Computer-implemented method for collaborative development of reagents for detection of target nucleic acids
WO2016068663A1 (ko) 표적 유전자 검출용 미세 유동 장치, 이의 제조방법 및 이를 이용한 검출 방법
WO2024010351A1 (ko) 복수의 표적 분석물 각각에 대한 근사 신호의 획득 방법 및 이를 수행하는 컴퓨터 장치
WO2019013451A1 (ko) 유전자 변이 특이성이 증가된 dna 중합효소 및 이의 활성 증가용 pcr 버퍼 조성물
WO2012048607A1 (zh) 检测pca3基因、psa基因的方法及其诊断试剂盒
WO2022145985A1 (ko) 이동형 진단 구조물
WO2020122679A1 (en) Method for detecting a target analyte in a sample using an s-shaped function for a slope data set
WO2021182881A1 (ko) 유방암 진단용 다중 바이오마커 및 이의 용도
WO2022114920A1 (ko) 혈액 유래 엑소좀에서 발굴한 신규의 알츠하이머 진단용 바이오마커 및 이를 이용한 알츠하이머 진단방법
WO2023027418A1 (ko) 구강질환 유발 세균 검출용 조성물 내지 이의 용도
WO2011139032A2 (ko) 표적 유전자의 다양한 변이가 존재하는 유전자 영역을 증폭하기 위한 프라이머 조성물
WO2017185244A1 (zh) 一种快速区分四种血清型登革病毒的rt-pcr-hrm或pcr-hrm引物、试剂及方法
WO2022045843A1 (en) Method for positive control reaction using pre-positive control composition
WO2023132543A1 (ko) 포토박테리움 레이오그나티 유래의 우라실-ｄｎａ 글리코실라제를 사용하여 핵산 증폭 반응에서의 캐리오버 오염을 제거하는 방법
WO2024085731A1 (ko) 타겟 핵산 분자 검출용 시약 개발에 필요한 복수 개의 세부 성능 실험 가이딩 및 실험 결과 기록서 정리 방법
WO2015105336A1 (ko) 5'-플랩 엔도뉴클레이즈 활성이 억제된 dna 폴리머레이즈를 이용하여 실시간 중합효소 연쇄반응으로 돌연변이 유전자를 검사하는 방법
WO2023080766A1 (ko) 시간 변동 공변량 기반의 prs 모델을 이용한 질환별 위험 유전자 변이 정보 생성 장치 및 그 방법
WO2017196112A1 (en) Detection of abnormal signal in dataset
WO2017209575A1 (en) Evaluation of specificity of oligonucleotides
WO2023033275A1 (ko) 개인 맞춤 생체나이 예측 모형 생성 방법 및 시스템

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: 23835817

Country of ref document: EP

Kind code of ref document: A1