KR102264060B1 - Method and system for predicting risk of periodontal disease and Computer readable medium storing a program of the same - Google Patents

Method and system for predicting risk of periodontal disease and Computer readable medium storing a program of the same Download PDF

Info

Publication number
KR102264060B1
KR102264060B1 KR1020180169355A KR20180169355A KR102264060B1 KR 102264060 B1 KR102264060 B1 KR 102264060B1 KR 1020180169355 A KR1020180169355 A KR 1020180169355A KR 20180169355 A KR20180169355 A KR 20180169355A KR 102264060 B1 KR102264060 B1 KR 102264060B1
Authority
KR
South Korea
Prior art keywords
sample
strain
risk
ppi
copy number
Prior art date
Application number
KR1020180169355A
Other languages
Korean (ko)
Other versions
KR20200079795A (en
Inventor
강지훈
김은혜
Original Assignee
주식회사 힐릭스코
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 힐릭스코 filed Critical 주식회사 힐릭스코
Priority to KR1020180169355A priority Critical patent/KR102264060B1/en
Publication of KR20200079795A publication Critical patent/KR20200079795A/en
Application granted granted Critical
Publication of KR102264060B1 publication Critical patent/KR102264060B1/en

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • 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
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
    • C12Q2537/00—Reactions characterised by the reaction format or use of a specific feature
    • C12Q2537/10—Reactions characterised by the reaction format or use of a specific feature the purpose or use of
    • C12Q2537/165—Mathematical modelling, e.g. logarithm, ratio
    • 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
    • C12Q2561/00—Nucleic acid detection characterised by assay method
    • C12Q2561/113—Real time assay

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Organic Chemistry (AREA)
  • Biomedical Technology (AREA)
  • Zoology (AREA)
  • Primary Health Care (AREA)
  • Data Mining & Analysis (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Pathology (AREA)
  • Epidemiology (AREA)
  • Wood Science & Technology (AREA)
  • Databases & Information Systems (AREA)
  • Proteomics, Peptides & Aminoacids (AREA)
  • Microbiology (AREA)
  • Immunology (AREA)
  • Biotechnology (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Analytical Chemistry (AREA)
  • Physics & Mathematics (AREA)
  • Biochemistry (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • General Engineering & Computer Science (AREA)
  • Genetics & Genomics (AREA)
  • Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
  • Apparatus Associated With Microorganisms And Enzymes (AREA)

Abstract

본 발명은 구강 시료에서 산출한 치주질환 병원균의 위험 지수(periodontal pathogens risk index, PPI)를 이용하여 치주질환의 위험도를 예측하는 방법 및 그 시스템에 대한 것으로, 치주질환 병원균을 포함할 것으로 추정되는 사용자의 구강 시료로부터의 핵산을 realtime PCR 방법으로 증폭하여 역치 주기 값을 산출하고, 이를 수치화한 병원균 위험지수(Periodontal pathogens risk index, PPI)와 비교하는 저렴하고 간단한 방법으로 치주질환 발병에 주요한 병원균에 대한 치주질환의 위험도 예측할 수 있도록 한다.The present invention relates to a method and system for predicting the risk of periodontal disease using a periodontal pathogens risk index (PPI) calculated from an oral sample, and a user who is estimated to include periodontal disease pathogens. It is an inexpensive and simple method that calculates the threshold cycle value by amplifying nucleic acids from oral samples of It also helps to predict the risk of periodontal disease.

Description

구강 질환의 위험도 예측 방법 및 이를 수행하는 시스템, 그 방법이 을 수행하기 위한 프로그램이 기록된 컴퓨터 판독이 가능한 기록매체{Method and system for predicting risk of periodontal disease and Computer readable medium storing a program of the same}A method for predicting risk of oral disease, a system for performing the same, and a computer readable recording medium in which a program for performing the method is recorded {Method and system for predicting risk of periodontal disease and computer readable medium storing a program of the same}

본 발명은 구강 시료에서 산출한 치주질환 병원균의 위험 지수(periodontal pathogens risk index, PPI)를 이용하여 치주질환의 위험도를 예측하는 방법 및 그 시스템에 대한 것이다.The present invention relates to a method and system for predicting the risk of periodontal disease using a periodontal pathogens risk index (PPI) calculated from an oral sample.

치주질환은 잇몸에 발생하는 치은염과 치조골에 발생하는 치주염을 포함하여, 치아 자체가 손상되는 질환이 아닌 치아를 지지하고 있는 주위 조직이 파괴되는 질환을 의미하며, 감염성이며 염증성인 만성질환이다.Periodontal disease, including gingivitis occurring in the gums and periodontitis occurring in the alveolar bone, refers to a disease in which the surrounding tissues supporting the teeth are destroyed rather than a disease in which the teeth themselves are damaged, and is an infectious and inflammatory chronic disease.

치주질환의 직접적 원인은, 세균성 치태, 치석, 흡연 등을 들 수 있으나, 간접적으로는 사회경제 수준은 물론, 생활 습관 및 전신 건강과도 연관이 있는 것으로 알려져 있다.The direct causes of periodontal disease include bacterial plaque, tartar, and smoking, but it is known that indirectly it is related to socioeconomic level as well as lifestyle and general health.

의료 기술의 패러다임은, 과거의 치료 중심에서 벗어나, 질병이 발병하기 이전에 개인별로 위험을 예견하고 예방하는 방식으로 변경되고 있는바, 치주질환의 위험 정도를 예견할 수 있는 개인별 맞춤식 모델의 필요성은 증가하고 있다.The paradigm of medical technology is shifting away from the treatment center of the past to predict and prevent individual risks before the onset of disease. The need for a personalized model that can predict the risk of periodontal disease is increasing

일본공개특허 제2003-0159262호는 데이터를 수집하고 가공하여 치주병의 진행도를 수치화하여 치주병을 판별하는 기술을 개시하나, 여기에서 사용되는 정보들은 연령, 성별, 흡연, 복약유무 등 기본적인 정보에 불과하며, 각 정보들의 계수 값에 대한 고찰이 없어서 그 정확도가 낮을 수 밖에 없으며, 특히 치주질환의 예방을 위한 데이터가 아니라, 이미 진행되고 있는 치주병의 진행도를 판단하는 것인바, 예측을 수행하는 것과는 거리가 있다.Japanese Patent Application Laid-Open No. 2003-0159262 discloses a technique for quantifying the progress of periodontal disease by collecting and processing data to determine the periodontal disease, but the information used here includes basic information such as age, gender, smoking, and taking medication. The accuracy is low because there is no consideration of the coefficient value of each piece of information. In particular, it is not data for the prevention of periodontal disease, but rather to judge the progress of periodontal disease that is already in progress. far from doing it.

한국공개특허 제2013-7017847호는 구강 상태를 검사하여 치주병 위험도를 판정하기 위하여 다양한 정보를 활용하는데, 여기에서 활용되는 정보들은 칼슘 농도, 단백질 농도, 백혈구의 수 등 분자생물학적 요인에 한정되어 있으, 위험도의 예측에는 한계가 있다.Korean Patent Publication No. 2013-7017847 uses various information to determine the risk of periodontal disease by examining oral conditions, and the information used here is limited to molecular biological factors such as calcium concentration, protein concentration, and number of white blood cells. However, there is a limit to the prediction of risk.

일본공개특허 제2003-0159262호Japanese Patent Laid-Open No. 2003-0159262 한국공개특허 제2013-7017847호Korean Patent Publication No. 2013-7017847

본 발명은 상술한 문제를 해결하기 위하여 안출된 것으로, 본 발명의 목적은 치주질환 병원균을 포함할 것으로 추정되는 사용자의 구강 시료로부터의 핵산을 realtime PCR 방법으로 증폭하여 역치 주기 값을 산출하고, 이를 수치화한 병원균 위험지수(Periodontal pathogens risk index, PPI)와 비교하는 저렴하고 간단한 방법으로 치주질환 발병에 주요한 병원균에 대한 치주질환의 위험도 예측할 수 있도록 하는 방법과 이를 자동화여 구현가능한 기술을 제공하는 데 있다.The present invention has been devised to solve the above problem, and an object of the present invention is to amplify a nucleic acid from a user's oral sample, which is estimated to contain a periodontal disease pathogen, by a realtime PCR method to calculate a threshold cycle value, It is to provide a method that can predict the risk of periodontal disease for the major pathogens in the development of periodontal disease in an inexpensive and simple way compared to the quantified periodontal pathogens risk index (PPI), and to provide a technology that can be implemented by automating it. .

상술한 과제를 해결하기 위한 수단으로서, 본 발명의 실시예에서는, 1) 치주질환 병원균을 포함하는 표준 구강 시료에서 핵산을 분리하고, 희석한 핵산을 주형(template)으로 하여 실시간 중합효소 연쇄반응을 수행한 후, 각 희석 농도별 제1역치 주기(threshold cycle, CT) 값을 측정하여 표준곡선(standard curve)을 마련하는 단계; 2) 검사대상 구강시료에 대하여 핵산을 분리하고, 분리한 핵산을 주형으로 하여 실시간 PCR을 수행하여 제2역치 주기 값을 산출하는 단계; 3) 제2역치 주기값을 상기 표준곡선에 대입하여, 정상시료와 치주질환 시료에서의 균주별 평균 카피 (copy)수, 민감도, 특이도를 반영한 컷오프 (cut-off) 값을 산출하고, 오즈비를 고려하여 균주별 위험지수 (PPI)를 결정하는 단계; 4) 상기 균주별 위험지수 (PPI)를 대입하여 정상시료 및 치주질환 시료마다 8개 균주의 합산된 PPI 점수를 산출하고, 민감도 및 특이도를 반영한 컷오프 (cut-off) 값을 산출하는 단계; 5) 상기 컷오프 (cut-off) 값을 기준으로, 상기 검사대상 구강시료에 대한 위험도를 예측하는, 치주질환 위험도의 예측방법을 제공할 수 있도록 한다.As a means for solving the above problems, in an embodiment of the present invention, 1) a nucleic acid is isolated from a standard oral sample containing a periodontal disease pathogen, and a real-time polymerase chain reaction is performed using the diluted nucleic acid as a template After performing, measuring a first threshold cycle (CT) value for each dilution concentration to prepare a standard curve; 2) isolating a nucleic acid from the oral sample to be tested, performing real-time PCR using the isolated nucleic acid as a template to calculate a second threshold cycle value; 3) By substituting the second threshold period value into the standard curve, a cut-off value reflecting the average number of copies, sensitivity, and specificity for each strain in normal samples and periodontal disease samples is calculated, and odds determining the risk index (PPI) for each strain in consideration of the ratio; 4) calculating the summed PPI score of 8 strains for each normal sample and periodontal disease sample by substituting the risk index (PPI) for each strain, and calculating a cut-off value reflecting sensitivity and specificity; 5) Based on the cut-off value, it is possible to provide a method for predicting the risk of periodontal disease, which predicts the risk for the oral sample to be tested.

나아가, 상술한 예측방법을 수행하기 위한 프로그램이 기록된 컴퓨터 판독이 가능한 기록매체를 제공할 수 있다.Furthermore, it is possible to provide a computer-readable recording medium in which a program for performing the above-described prediction method is recorded.

나아가, 본 발명의 다른 실시예에서는, 검체대상인 구강시료에 대하여 치주질환의 위험도를 예측하는 시스템에 있어서, 표준시료 또는 검체시료를 로딩하여 상기 PCR 분석모듈에 공급하는 시료공급모듈; 표준시료 또는 검체시료에 대한 핵산을 주형으로하여 실시한 중합효소연쇄반응을 수행하는 PCR 분석모듈; 및 상기 PCR 분석모듈에서 PCR 반응을 수행한 대상물에 대해 역치 주기값을 측정하여 표준시료에 대한 표준곡선을 마련하고, 검체 대상시료에 대한 역치주기값을 산출하여 대비하여, 검사대상 구강시료에 대한 위험도를 예측하는 위험도예측모듈;을 포함하는, 치주질환 위험도 예측시스템을 제공할 수도 있다.Furthermore, in another embodiment of the present invention, in a system for predicting the risk of periodontal disease for an oral sample as a sample, a sample supply module for loading a standard sample or a sample sample and supplying it to the PCR analysis module; a PCR analysis module for performing a polymerase chain reaction performed using a nucleic acid for a standard sample or a sample sample as a template; and a standard curve for a standard sample by measuring a threshold period value for an object subjected to a PCR reaction in the PCR analysis module, and calculating and preparing a threshold period value for a sample target sample, for an oral sample to be tested It is also possible to provide a periodontal disease risk prediction system, including; a risk prediction module for predicting the risk.

본 발명의 실시예에 따르면, 치주질환 병원균을 포함할 것으로 추정되는 사용자의 구강 시료로부터의 핵산을 realtime PCR 방법으로 증폭하여 역치 주기 값을 산출하고, 이를 수치화한 병원균 위험지수(Periodontal pathogens risk index, PPI)와 비교하는 저렴하고 간단한 방법으로 치주질환 발병에 주요한 병원균에 대한 치주질환의 위험도 예측할 수 있도록 하는 효과가 있다.According to an embodiment of the present invention, a threshold cycle value is calculated by amplifying a nucleic acid from a user's oral sample, which is estimated to contain periodontal disease pathogens, by a real-time PCR method, and the pathogen risk index (Periodontal pathogens risk index, It is an inexpensive and simple method compared to PPI) and has the effect of predicting the risk of periodontal disease for the major pathogens in the development of periodontal disease.

특히, 병원 균주별 카테고리를 위험도 별로 구분하여 균주별 위험도지수(PPI)를 구현함에 있어서, PCR 방법과 역치 주기값을 산출한 후, 오즈비 산출과 이를 이용하여 위험지수를 산정하기 위한 분석 및 회귀분석을 수행하여 예측의 신뢰도를 극대화할 수 있는 장점이 구현된다.In particular, in implementing the risk index (PPI) for each strain by dividing the categories for each hospital strain by risk, after calculating the PCR method and the threshold cycle value, the odds ratio is calculated and analysis and regression to calculate the risk index using this method The advantage of maximizing the reliability of prediction by performing analysis is realized.

또한, 본 발명의 실시예에 따르면, 이러한 치주질환 위험도의 예측을 구현하는 프로그램을 통해 자동화한 분석을 신속하게 구현하여 예측의 시간 및 신뢰도를 크게 향상할 수 있도록 할 수 있다.In addition, according to an embodiment of the present invention, it is possible to rapidly implement an automated analysis through a program for implementing the prediction of the risk of periodontal disease, thereby greatly improving the time and reliability of the prediction.

도 1은 본 발명의 실시예에 따른 구강 질환 위험도 예측 시스템을 구성하는 구성 블록도를 도시한 것이다.
도 2는 도 1에 따른 시스템을 적용하여 구강질환의 위험도를 예측하는 방법을 도시한 순서도이다.
도 3은 이러한 표준곡선도출부(320)에 의해 구현된 표준곡선을 제시한 것이다.
도 4는 Pg 병원균에 대한 ROC curve를 도시한 것이다.
도 5는 도 4에 대한 ROC Curve에서 컷오프 값을 도출하는 것을 예시한 것이다.
도 6 내지 도 8은 본 발명의 실시예에 따른 구강 질환 위험도 예측방법을 적용한 결과를 도시한 이미지이다.1 is a block diagram illustrating a configuration of an oral disease risk prediction system according to an embodiment of the present invention.
2 is a flowchart illustrating a method of predicting the risk of oral disease by applying the system according to FIG. 1 .
FIG. 3 shows a standard curve implemented by the standard curve derivation unit 320 .
Figure 4 shows the ROC curve for the Pg pathogen.
FIG. 5 illustrates deriving a cutoff value from the ROC Curve for FIG. 4 .
6 to 8 are images showing the results of applying the oral disease risk prediction method according to an embodiment of the present invention.

본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되는 실시예를 참조하면 명확해질 것이다. 그러나, 본 발명은 이하에서 개시되는 실시예로 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 것이다.Advantages and features of the present invention, and methods for achieving them, will become apparent with reference to the embodiments described below in detail in conjunction with the accompanying drawings. However, the present invention is not limited to the embodiments disclosed below, but will be implemented in various different forms.

본 명세서에서 본 실시예는 본 발명의 개시가 완전하도록 하며, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이다. 그리고 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 따라서, 몇몇 실시예에서, 잘 알려진 구성 요소, 잘 알려진 동작 및 잘 알려진 기술들은 본 발명이 모호하게 해석되는 것을 피하기 위하여 구체적으로 설명되지 않는다.In the present specification, the present embodiment is provided to complete the disclosure of the present invention, and to fully inform those of ordinary skill in the art to which the present invention pertains to the scope of the present invention. And the invention is only defined by the scope of the claims. Accordingly, in some embodiments, well-known components, well-known operations, and well-known techniques have not been specifically described to avoid obscuring the present invention.

도 1은 본 발명의 실시예에 따른 구강 질환 위험도 예측 시스템을 구성하는 구성 블록도를 도시한 것이다.1 is a block diagram illustrating a configuration of an oral disease risk prediction system according to an embodiment of the present invention.

도 1을 참조하면, 표준시료 또는 검체시료를 로딩하여 상기 PCR 분석모듈에 공급하는 시료공급모듈(100)과, 표준시료 또는 검체시료에 대한 핵산을 주형으로하여 실시한 중합효소연쇄반응을 수행하는 PCR 분석모듈(200) 및 상기 PCR 분석모듈에서 PCR 반응을 수행한 대상물에 대해 역치 주기값을 측정하여 표준시료에 대한 표준곡선을 마련하고, 검체 대상시료에 대한 역치주기값을 산출하여 대비하여, 검사대상 구강시료에 대한 위험도를 예측하는 위험도예측모듈(300)을 포함하여 구성될 수 있다.Referring to FIG. 1 , a sample supply module 100 for loading a standard sample or a sample sample and supplying it to the PCR analysis module, and a polymerase chain reaction performed using a nucleic acid for a standard sample or a sample sample as a template PCR The analysis module 200 and the PCR analysis module measure the threshold cycle value for the subject subjected to the PCR reaction to prepare a standard curve for the standard sample, and prepare a threshold cycle value for the sample target sample It may be configured to include a risk prediction module 300 for predicting the risk for the target oral sample.

특히, 상기 위험도예측모듈(300)은, 표준 구강 시료 또는 검체 대상인 구강시료에서 핵산을 분리하고, 희석한 핵산을 주형(template)으로 하여 실시간 중합효소 연쇄반응을 수행한 후, 각 희석 농도별 역치 주기(threshold cycle, CT) 값을 측정하는 역치주기값 산출부(310)와, 상기 역치주기값 산출부(320)에서 표준구강시료에서 산출된 제1역치주기값을 기준으로 표준곡선을 마련하는 표준곡선(standard curve)도출부(320), 상기 역치주기값 산출부(310)에서 산출된 검체대상 구강시료에 대한 제2역치 주기값을 상기 표준곡선에 대입하여, 정상시료와 치주질환 시료에서의 균주별 평균 카피 (copy)수, 민감도, 특이도를 반영한 컷오프 (cut-off) 값을 산출하고, 오즈비를 고려하여 균주별 위험지수 (PPI)를 결정하는 균주별 위험지수 결정부(330), 상기 검사대상 구강시료에 대한 위험도를 예측하는 위험도 산출부(340) 및 결과값을 디스플레이하는 결과값 디스플레이부(350)을 포함하여 구성될 수 있다.In particular, the risk prediction module 300 separates a nucleic acid from a standard oral sample or an oral sample as a sample, performs a real-time polymerase chain reaction using the diluted nucleic acid as a template, and then sets the threshold value for each dilution concentration. A standard curve is prepared based on the threshold cycle value calculation unit 310 for measuring a threshold cycle (CT) value, and the first threshold cycle value calculated from the standard oral sample by the threshold cycle value calculation unit 320 By substituting the second threshold period value for the sample target oral sample calculated by the standard curve deriving unit 320 and the threshold period value calculating unit 310 into the standard curve, in the normal sample and periodontal disease sample The risk index determiner 330 for each strain that calculates the cut-off value reflecting the average number of copies, sensitivity, and specificity of each strain, and determines the risk index (PPI) for each strain in consideration of the odds ratio ), a risk calculation unit 340 for predicting the degree of risk for the oral sample to be examined and a result value display unit 350 for displaying the result value may be configured.

상술한 본 발명에 따른 시스템 구조는, 검체 시료에 대한 자동화한 분석 데이터를 전송받아 위험도 예측을 수행하는 구강 질환의 위험도를 자동화하여 예측하는 프로그램화한 매체로 구현될 수 있다.The above-described system structure according to the present invention may be implemented as a programmed medium for automatically predicting the risk of oral disease by receiving the automated analysis data for the specimen and performing the risk prediction.

이 경우, 상술한 위험도 예측모듈(300)을 구성하는 주요 구성 요소들의 경우, 알고리즘화한 기능 프로그램으로 자동화한 결과값을 산출하는 기능을 수행할 수 있게 프로그래밍 될 수 있다.In this case, the main components constituting the above-described risk prediction module 300 may be programmed to perform a function of calculating an automated result value with an algorithmized function program.

따라서, 본 발명에서의 위험도 예측모듈(300)의 경우, 프로그램화하여 제공될 수 있도록 하며, 본 발명에서는 이러한 응용프로그램이 기록된 컴퓨터 판독이 가능한 기록매체를 컴퓨터 또는 이동통신단말기(예를 들면, 스마트폰, 태블릿 PC)를 이용하여 실행할 수 있다. 이때, 이러한 응용 프로그램은 컴퓨터의 하드디스크에 설치되거나, 혹은 CD-ROM 또는 DVD-ROM에 설치되거나, 혹은 USB 메모리에 설치되어 실행될 수 있다. 이외에도 다양한 재생장치에 설치되어 실행될 수 있다.Therefore, in the case of the risk prediction module 300 in the present invention, it is programmatically provided, and in the present invention, a computer readable recording medium in which such an application program is recorded is stored in a computer or a mobile communication terminal (eg, It can be executed using a smartphone or tablet PC). In this case, such an application program may be installed on the hard disk of the computer, installed on a CD-ROM or DVD-ROM, or installed on a USB memory and executed. In addition, it may be installed and executed in various playback devices.

이상의 본 발명에 따른 구강 질환 위험도 예측 시스템을 적용하여 구강질환의 위험도를 예측하는 방법을 아래에서 상술하기로 한다.A method of predicting the risk of oral disease by applying the oral disease risk prediction system according to the present invention will be described in detail below.

도 2는 도 1에 따른 시스템을 적용하여 구강질환의 위험도를 예측하는 방법을 도시한 순서도이다.2 is a flowchart illustrating a method of predicting the risk of oral disease by applying the system according to FIG. 1 .

도 1 및 도 2를 참조하여 보면, 본 발명에 따른 구강 질환 위험도 예측 시스템을 적용하여 구강질환의 위험도를 예측하는 방법은, 1) 구강 질환 병원균을 포함하는 표준 구강 시료에서 핵산을 분리하고, 희석한 핵산을 주형(template)으로 하여 실시간 중합효소 연쇄반응을 수행한 후, 각 희석 농도별 제1역치 주기(threshold cycle, CT) 값을 측정하여 표준곡선(standard curve)을 마련하는 단계, 2) 검사대상 구강시료에 대하여 핵산을 분리하고, 분리한 핵산을 주형으로 하여 실시간 PCR을 수행하여 제2역치 주기 값을 산출하는 단계, 3) 제2역치 주기값을 상기 표준곡선에 대입하여, 정상시료와 치주질환 시료에서의 균주별 평균 카피 (copy)수, 민감도, 특이도를 반영한 컷오프 (cut-off) 값을 산출하고, 오즈비를 고려하여 균주별 위험지수 (PPI)를 결정하는 단계, 4) 상기 균주별 위험지수 (PPI)를 대입하여 정상시료 및 치주질환 시료마다 8개 균주의 합산된 PPI 점수를 산출하고, 민감도 및 특이도를 반영한 컷오프 (cut-off) 값을 산출하는 단계, 5) 상기 컷오프 (cut-off) 값을 기준으로, 상기 검사대상 구강시료에 대한 위험도를 예측하는 과정으로 수행될 수 있다.1 and 2, the method for predicting the risk of oral disease by applying the oral disease risk prediction system according to the present invention is 1) isolating a nucleic acid from a standard oral sample containing an oral disease pathogen, and diluting it A step of preparing a standard curve by measuring a first threshold cycle (CT) value for each dilution concentration after performing a real-time polymerase chain reaction using one nucleic acid as a template, 2) Separating the nucleic acid from the oral sample to be tested, performing real-time PCR using the isolated nucleic acid as a template to calculate a second threshold period value, 3) substituting the second threshold period value into the standard curve, and calculating a cut-off value reflecting the average number of copies, sensitivity, and specificity for each strain in periodontal disease samples, and determining the risk index (PPI) for each strain in consideration of the odds ratio, 4 ) Substituting the risk index (PPI) for each strain, calculating the summed PPI score of 8 strains for each normal sample and periodontal disease sample, and calculating a cut-off value reflecting sensitivity and specificity, 5 ) based on the cut-off value, it may be performed as a process of estimating the degree of risk for the oral sample to be tested.

1) 표준 구강 시료의 PCR 분석을 통한 표준 곡선의 구현1) Implementation of standard curve through PCR analysis of standard oral samples

우선, 도 1에서의 표준 구강시료 공급부(110)에서 공급되는 치주질환을 포함하는 구강 질환 세포를 포함하는 표준 구강시료를 공급받아, PCR분석모듈(200)에 투입한다. 상기 PCR분석모듈(200)에서는, 구강 질환 병원균을 포함하는 표준 구강 시료에서 핵산을 분리하고, 희석한 핵산을 주형(template)으로 하여 실시간 중합효소 연쇄반응을 수행하게 된다.First, a standard oral sample containing oral disease cells including periodontal disease supplied from the standard oral sample supply unit 110 in FIG. 1 is supplied and put into the PCR analysis module 200 . In the PCR analysis module 200, a nucleic acid is separated from a standard oral sample containing an oral disease pathogen, and a real-time polymerase chain reaction is performed using the diluted nucleic acid as a template.

상기 표준 구강시료 공급부(100)에서 공급되는 표준 구강시료는 치주질환을 포함하는 구강질환 세포를 포함하고 있으며, 이러한 세포는, 본 발명의 실시예에서는, 치주질환을 유발하는 대표적인 병원균을 토대로 설명을 하기로 하나, 반드시 이러한 병원균에 한정되는 것은 아니다. 일예로, 본 실시예에서 사용하는 치주질환 병원균은, 치주질환 병원균은 아그레가티박터 액티노마이세템코미탄스(Aggregatibacter actinomycetemcomitans, Aa), 포르피로모나스 긴기발리스(Porphyromonas gingivalis, Pg), 타네렐라 포르시시아(Tannerella forsythia, Tf), 트레포네마 덴티콜라(Treponema denticola, Td), 프레보텔라 인터메디아(Prevotella intermedia, Pi), 푸소박테리움 뉴클레아툼(Fusobacterium nucleatum, Fn), 펩토스트렙토콕쿠스 언에어로비우스(Peptostreptococcus anaerobius, Pa), 캄필로박터 렉투스(Campylobacter rectus, Cr) 및 에이케넬라 코로덴스(Eikenella corrodens, Ec)로 이루어진 군으로부터 선택되는 1종 이상의 균주를 포함할 수 있다.The standard oral sample supplied from the standard oral sample supply unit 100 contains oral disease cells including periodontal disease, and these cells, in an embodiment of the present invention, are described based on representative pathogens that cause periodontal disease. However, it is not necessarily limited to these pathogens. For example, the periodontal disease pathogen used in this embodiment is a periodontal disease pathogen Aggregatibacter actinomycetemcomitans (Aa), Porphyromonas gingivalis (Porphyromonas gingivalis, Pg), Tannerella Forsythia (Tannerella forsythia, Tf), Treponema denticola (Td), Prevotella intermedia (Pi), Fusobacterium nucleatum (Fn), peptostrepto Coccus anaerobius (Peptostreptococcus anaerobius, Pa), Campylobacter rectus (Campylobacter rectus, Cr) and Eikenella corrodens (Eikenella corrodens, Ec) may include one or more strains selected from the group consisting of have.

치주질환 병원균의 핵산을 추출하는 방법은 통상적으로 알려진 미생물의 핵산 추출방법이라면 제한받지 않고 사용하여 치주질환 병원균의 핵산을 추출할 수 있으며, 추출한 핵산을 계단 희석법(serial dilution)등의 통상적인 방법으로 순차적으로 희석할 수 있다. 바람직하게는 상기 핵산은 유전체 DNA(genomic DNA)일 수 있다.The method of extracting the nucleic acid of the periodontal disease pathogen is not limited as long as it is a nucleic acid extraction method of a commonly known microorganism, and the nucleic acid of the periodontal disease pathogen can be extracted, and the extracted nucleic acid is used in a conventional method such as serial dilution. It can be diluted sequentially. Preferably, the nucleic acid may be genomic DNA.

희석한 핵산을 주형(template)으로 하여 실시간 중합효소 연쇄반응(real-time PCR)을 수행한 후, 각희석 농도별 역치 주기(threshold cycle, CT) 값을 측정하여 표준곡선(standard curve)을 마련할 수 있도록 한다.After performing real-time PCR using the diluted nucleic acid as a template, a standard curve is prepared by measuring the threshold cycle (CT) value for each dilution concentration. make it possible

특히, 본 단계에서는 PCR 증폭모듈을 통해, 치주질환 병원균의 핵산의 특이적인 올리고뉴클레오티드 서열을 포함하는 프라이머를 이용하여 real-time PCR방법으로 표적 서열을 증폭할 수 있다. 상기 real-time PCR 방법은 중합효소를 이용하여 표적 핵산에 특이적으로 결합하는 프라이머 쌍으로부터 표적 핵산을 증폭하는 방법이다.In particular, in this step, a target sequence can be amplified by a real-time PCR method using a primer containing a specific oligonucleotide sequence of a nucleic acid of a periodontal disease pathogen through the PCR amplification module. The real-time PCR method is a method of amplifying a target nucleic acid from a primer pair that specifically binds to the target nucleic acid using a polymerase.

이후, 각 희석 농도별 제1역치 주기(threshold cycle, CT) 값을 측정하여 표준곡선(standard curve)을 마련할 수 있도록 한다. real-time PCR 방법은 구강 시료 내의 치주질환 병원균의 표적 핵산을 정량하기 위해서는 표준 구강 시료의 표준곡선(standard curve) 작성이 필수적인 요소로서, 표준 구강 시료와 치주질환 병원균을 포함할 것으로 추정되는 구강 시료를 대상으로 동시에 정량적 real-time PCR을 실시하여 표준시료로부터 검량선을 도출한 후, 이 검량선으로부터 미지 구강 시료 내 표적 핵산의 양을 정량할 수 있다. 이때, 표준 구강 시료로부터의 검량선(x축: 표준시료의 농도, y축: 역치 주기 값(threshold cycle, CT)은 상관지수 (R2)가 1에 가까울수록, 기울기가 -3.33 에 가까울수록 이상적이다.Thereafter, a standard curve can be prepared by measuring a first threshold cycle (CT) value for each dilution concentration. In the real-time PCR method, a standard curve of a standard oral sample is an essential element in order to quantify the target nucleic acid of a periodontal disease pathogen in an oral sample. After deriving a calibration curve from a standard sample by simultaneously performing quantitative real-time PCR on the target, the amount of target nucleic acid in the unknown oral sample can be quantified from the calibration curve. At this time, the calibration curve from the standard oral sample (x-axis: concentration of standard sample, y-axis: threshold cycle value (CT)) is ideal as the correlation index (R2) is closer to 1 and the slope is closer to -3.33. .

특히, 표준곡선(standard curve)은 도 1의 역치주기값산출부(310)에 의해 산출된 역치주기값을 기준으로, 표준곡선도출부(320)에 의해 아래의 {식 1}에 의해 구현될 수 있다.In particular, the standard curve is to be implemented by the following {Equation 1} by the standard curve deriving unit 320 based on the threshold period value calculated by the threshold period value calculating unit 310 of FIG. 1 . can

{식 1}{Formula 1}

Y= mx+nY=mx+n

(m는 기울기 (m<0), n는 y절편, Y는 역치주기(CT value), X는 플라스미드 카피(plasmid cpoies))(m is the slope (m<0), n is the y-intercept, Y is the threshold period (CT value), X is the plasmid cpoies)

도 3은 이러한 표준곡선도출부(320)에 의해 구현된 표준곡선을 제시한 것이다.FIG. 3 shows a standard curve implemented by the standard curve derivation unit 320 .

도 3에서 도출된 표준곡선은, 표준 구강 시료에 존재하는 병원균은 상술한 아그레가티박터 액티노마이세템코미탄스(Aggregatibacter actinomycetemcomitans, Aa), 포르피로모나스 긴기발리스(Porphyromonas gingivalis, Pg), 타네렐라 포르시시아(Tannerella forsythia, Tf), 트레포네마 덴티콜라(Treponema denticola, Td), 프레보텔라 인터메디아(Prevotella intermedia, Pi), 푸소박테리움 뉴클레아툼(Fusobacterium nucleatum, Fn), 펩토스트렙토콕쿠스 언에어로비우스(Peptostreptococcus anaerobius, Pa), 캄필로박터 렉투스(Campylobacter rectus, Cr) 및 에이케넬라 코로덴스(Eikenella corrodens, Ec)로 이루어진 군에 대한 총 9종의 병원 균에 대한 표준곡선을 도출한 것이다.The standard curve derived from FIG. 3 shows that the pathogens present in the standard oral sample are Aggregatibacter actinomycetemcomitans (Aa), Porphyromonas gingivalis (Pg), and tane described above. Rella forsythia (Tannerella forsythia, Tf), Treponema denticola (Td), Prevotella intermedia (Pi), Fusobacterium nucleatum (Fn), Pepto For a total of 9 pathogens against the group consisting of Streptococcus anaerobius (Peptostreptococcus anaerobius, Pa), Campylobacter rectus (Cr) and Eikenella corrodens (Ec) A standard curve was derived.

따라서, 위 표준 구강시료를 통해 구현되는 표준곡선은, 위 치주질환 병원균 9종 모두의 핵산을 동시에 증폭할 수 있는 실시간 다중중합연쇄반응(multiplex real-time PCR) 방법을 사용하여 real-time PCR 방법을 수행하는 것이 바람직하며, 치주질환 병원균의 핵산에 특이적으로 결합하여 형광 발광하는 표지 물질(probe)을 사용하여 치주질환 병원균의 핵산을 표지할 수 있으며, 이에 제한되는 것은 아니다.Therefore, the standard curve implemented through the above standard oral sample is a real-time PCR method using a real-time multiplex real-time PCR method that can amplify the nucleic acids of all 9 types of pathogenic periodontal disease at the same time. Preferably, the nucleic acid of the periodontal disease pathogen can be labeled using a probe that specifically binds to the nucleic acid of the periodontal disease pathogen and emits fluorescence, but is not limited thereto.

2. 검사대상 구강 시료에 대한 제2역치주기값을 산출2. Calculate the second threshold period value for the oral sample to be tested

이후, 검사대상 구강시료를 PCR 모듈(200)에 인입하여 상술한 PCR 과정을 통해 역치 주기값을 도출할 수 있도록 한다.Thereafter, the oral sample to be tested is introduced into the PCR module 200 so that a threshold period value can be derived through the PCR process described above.

3. 균주별 위험지수 결정 단계3. Step of determining risk index by strain

이후에는, 도 1의 균주별 위험지수 결정부(330)을 통해, 제2역치 주기값을 상기 표준곡선에 대입하여, 정상시료와 치주질환 시료에서의 균주별 평균 카피 (copy)수, 민감도, 특이도를 반영한 컷오프 (cut-off) 값을 산출하고, 오즈비를 고려하여 균주별 위험지수 (PPI)를 결정하는 단계가 수행될 수 있다.Thereafter, through the risk index determination unit 330 for each strain of FIG. 1 , the second threshold period value is substituted into the standard curve, and the average number of copies for each strain in the normal sample and periodontal disease sample, the sensitivity, A step of calculating a cut-off value reflecting the specificity and determining the risk index (PPI) for each strain in consideration of the odds ratio may be performed.

구체적으로는, a) 제2역치 주기값을 상기 표준곡선에 대입하고,Specifically, a) substituting the second threshold period value into the standard curve,

b) 정상시료와 치주질환 시료에서의 균주별 평균 카피 (copy)수, 민감도, 특이도를 반영하여 컷오프 (cut-off) 값을 산출하고,b) Calculate the cut-off value by reflecting the average number of copies, sensitivity, and specificity for each strain in normal samples and periodontal disease samples,

c) 오즈비를 고려하여 균주별 위험지수 (PPI)를 결정하는 과정으로 수행될 수 있다.c) It can be carried out as a process of determining the risk index (PPI) for each strain in consideration of the odds ratio.

이 경우, 상기 제2역치 주기값을 상기 표준곡선에 대입하는 것은, 실시간 PCR을 통해 나오는 역치주기(CT value)를 {식 1}의 수식에 대입하여 X값(플라스미드 카피)을 산출한다.In this case, substituting the second threshold period value into the standard curve calculates the X value (plasmid copy) by substituting the threshold period (CT value) obtained through real-time PCR into the equation of {Equation 1}.

정상시료와 치주질환 시료에서의 균주별 평균 카피 (copy)수, 민감도, 특이도를 반영하여 컷오프 (cut-off) 값을 산출하는 과정이 수행되며, 이는 균주별로 정상시료와 치주질환 시료의 카피수를 이용하여 ROC curve (Receiver Operation Characteristic Curve)를 그리고, 민감도와 특이도가 높은 카피수를 컷오프(cut-off) 값으로 정하도록 구현될 수 있다.The process of calculating the cut-off value by reflecting the average number of copies, sensitivity, and specificity for each strain in the normal sample and periodontal disease sample is performed, which is a copy of the normal sample and periodontal disease sample for each strain. It can be implemented to draw an ROC curve (Receiver Operation Characteristic Curve) using the number, and to set the number of copies with high sensitivity and specificity as a cut-off value.

도 4는 치주질환 병원균인 포르피로모나스 긴기발리스(Porphyromonas gingivalis, Pg)를 예로 하여, Pg 균주에 대한 ROC curve를 도출한 것을 도시한 것이다. FIG. 4 illustrates the deriving of ROC curves for the Pg strain, taking Porphyromonas gingivalis (Pg), a periodontal disease pathogen, as an example.

{표 1_Pg 균주에 대한 산출정보}{Table 1_Calculation information for Pg strains}

Figure 112018130373943-pat00001
Figure 112018130373943-pat00001

이상의 ROC curve에서 특이도와 민감도가 높은 카피수를 도 5와 같은 결과 값에서 컷오프 값으로 산출(붉은 색 카피 부분)하게 된다.In the above ROC curve, the number of copies with high specificity and sensitivity is calculated as a cutoff value from the result value as shown in FIG. 5 (red copy part).

이 경우, 정상시료와 치주질환 시료에서의 균주별 평균 카피 (copy)수, 민감도, 특이도를 반영하여 컷오프 (cut-off) 값을 산출하는 과정은, 정상시료와 구강 질환을 검사할 검사대상 구강시료의 PPI를 이용하여 ROC curve (Receiver Operation Characteristic Curve)를 도출하며, 치주질환 모두 합한 경우 (All_CP)와 중증도에 따라 구분한 경우(Early, Moderate, Severe) 각각의 ROC curve를 도출할 수도 있다.In this case, the process of calculating the cut-off value by reflecting the average number of copies, sensitivity, and specificity for each strain in the normal sample and periodontal disease sample is the normal sample and the test target for oral disease. The ROC curve (Receiver Operation Characteristic Curve) is derived using the PPI of the oral sample, and each ROC curve can also be derived when periodontal disease is combined (All_CP) and classified according to severity (Early, Moderate, Severe). .

다음으로, 상술한 c) 오즈비를 고려하여 균주별 위험지수 (PPI)를 결정하는 단계를 설명하면 다음과 같다.Next, the step of determining the risk index (PPI) for each strain in consideration of the above-described c) odds ratio will be described as follows.

검사 대상 시료의 분석결과에 대한 오즈비는, 하기의 {식 2}에 의해 산출될 수 있다.The odds ratio for the analysis result of the test target sample may be calculated by the following {Equation 2}.

{식 2}{Equation 2}

오즈비=ad/bcodds ratio = ad/bc

(시료의 카피수 중, a는 위험노출가능성이 있고, 질병발명가능성이 있는 개체수, b는 위험노출가능성은 있으나 질병발병 가능성은 없는 개체수, c는 위험노출 가능성은 없으나 질병발명가능성은 있는 개체수, d는 위험노출가능성 및 질병발병가능성이 없는 개체수로 정의한다.)(Among the number of copies of the sample, a is the number of individuals with a risk exposure potential and the possibility of developing a disease, b is the number of individuals with a risk exposure potential but not a possibility of developing a disease, c is the number of individuals with no risk exposure potential but the possibility of developing a disease; d is defined as the number of individuals without risk exposure and disease development.)

{표 2_오즈비 산출 방식}{Table 2_Odds ratio calculation method}

Figure 112018130373943-pat00002
Figure 112018130373943-pat00002

이상의 표 2와 같이 검사대상 균주에 대한 위험노출 유무의 카피수와 질병에 대한 카피수 유무에 대한 카피수를 도출하고, 이에 대한 오즈비를 ad/bc의 식으로 산출하게 된다.As shown in Table 2 above, the number of copies with or without risk exposure to the strain to be tested and the number of copies with or without the number of copies for diseases are derived, and the odds ratio for this is calculated in the form of ad/bc.

일예로, Pg 균주를 포함하는 검사 대상 균주에 대해, qPCR을 수행하고, 이에 대한 오즈비(Odd ratio)를 산출하면 다음과 같다.As an example, qPCR is performed on the test strain including the Pg strain, and the odds ratio is calculated for it as follows.

{표 3_오즈비 산출 예시}{Table 3_Example of Odds Ratio Calculation}

Figure 112018130373943-pat00003
Figure 112018130373943-pat00003

이후, c)단계에서 균주별 위험지수(PPI)를 결정하는 것은, 특정균주들에 대해 기준이 되는 오즈비를 기준 값으로 설정하고, 기준이 되는 오즈비값의 범주에 따라 일정한 균주별 위험지수(PPI) 값을 부여하며, 균주 카피수별 균주별 위험지수(PPI) 점수를 세분화하기 위해 구강질환 평균 카피수를 설정한 후, 정상시료 평균 카피수를 설정하고, 아래 {식 3}에 따른 회귀분석을 통해 결정하게 된다.Thereafter, determining the risk index (PPI) for each strain in step c) is to set the standard odds ratio for specific strains as a reference value, and set the standard risk index (PPI) for each strain according to the category of the standard odds ratio ( PPI) value, and after setting the oral disease average copy number to subdivide the risk index (PPI) score for each strain copy number, set the average copy number for normal samples, and regression analysis according to {Equation 3} below is decided through

{식 3}{expression 3}

Y=kx+gY=kx+g

(단, Y는 PPI점수, x는 균주 카피수)(However, Y is the PPI score, x is the number of copies of the strain)

이에 대한 구체적인 예를 들면 다음과 같다.Specific examples of this are as follows.

우선, 균주별 위험지수(PPI)를 결정하는 것은, 다음과 같이 균주들 별로 그룹화하여 진행할 수 있다.First, determining the risk index (PPI) for each strain can be performed by grouping each strain as follows.

이를테면, 제1그룹 균주들로 균주가 Pg, Tf, Td 중 어느 하나이면서 오즈비가 10 이상인 경우 최대 PPI 20점 부여하고, 균주 카피수별 PPI점수를 세분화시키기 위해 치주질환 평균 카피수를 20점으로 설정하고, 정상시료 평균 카피수를 5점으로 설정하여 회귀분석을 통해 균주별 위험지수(PPI)를 결정할 수 있다.For example, in the first group strains, if the strain is any one of Pg, Tf, and Td and the odds ratio is 10 or more, a maximum PPI of 20 points is given, and the average periodontal disease copy number is set to 20 points to subdivide the PPI score for each strain copy number And, by setting the average copy number of the normal sample to 5 points, the risk index (PPI) for each strain can be determined through regression analysis.

또한, 제2그룹 균주들로 균주가 Pi, Cr 중 어느 하나이면서 오즈비가 10이상인 경우 최대 PPI 12.5점 부여하고, 균주 카피수별 PPI점수를 세분화시키기 위해 치주질환 평균 카피수를 12.5점으로 설정하고, 정상시료 평균 카피수를 2.5점으로 설정하여 회귀분석을 통해 균주별 위험지수(PPI)를 결정할 수 있다.In addition, in the second group strains, if the strain is any one of Pi and Cr and the odds ratio is 10 or more, the maximum PPI point is given 12.5 points, and the average copy number of periodontal disease is set to 12.5 points to subdivide the PPI score for each strain copy number, By setting the average copy number of a normal sample to 2.5 points, the risk index (PPI) for each strain can be determined through regression analysis.

나아가, 제3그룹 균주들로 균주가 Fn 이면서, 오즈비가 10이하인 경우 최대 PPI 5점 부여하고, 균주 카피수별 PPI점수를 세분화시키기 위해 치주질환 평균 카피수를 5점으로 설정하고, 정상시료 평균 카피수를 1점으로 설정하여 회귀분석을 통해 결정할 수 있다.Furthermore, in the third group strains, if the strain is Fn and the odds ratio is 10 or less, the maximum PPI is given 5 points, and the average number of copies of periodontal disease is set to 5 in order to subdivide the PPI score for each strain copy number, and the average copy of normal samples It can be determined through regression analysis by setting the number to 1 point.

또한, 제4그룹 균주들로 균주가 Pa, Ec 이면서 오즈비가 10이하인 경우 최대 PPI 5점 부여하고, 균주 카피수별 PPI점수를 세분화시키기 위해 치주질환 평균 카피수를 5점으로 설정하고, 정상시료 평균 카피수를 1점으로 설정하여 회귀분석을 통해 결정 할 수 있다.In addition, in the fourth group strains, when the strain is Pa, Ec and the odds ratio is 10 or less, a maximum PPI of 5 points is given, and in order to subdivide the PPI score for each strain copy number, the average copy number of periodontal disease is set to 5 points, and the average of normal samples is given. It can be determined through regression analysis by setting the number of copies to 1 point.

이상의 균주별 그룹화의 경우, 치주질환 병원균 중에서도 급성 치주질환에서 발견되는 치주질환을 발병시키는 주요 원인균인 포르피로모나스 긴기발리스(Pg), 타네렐라 포르시시아(Tf), 트레포네마 덴티콜라(Td) 등은 타 병원균에 비해 치주질환을 유발하는 위험성이 보다높을 것으로 판단하여, 해당 병원균에 대하여는 치주질환 위험도에 가중치를 부여하여 치주질환 병원균의 위험 지수를 결정할 수 있다.In the case of grouping by strain above, among the pathogens of periodontal disease, Porphyromonas gingivalis (Pg), Tanerella forsisia (Tf), Treponema denticola ( Td) and others judge that the risk of inducing periodontal disease is higher than that of other pathogens, and for the pathogen, the risk index of the periodontal disease pathogen can be determined by weighting the periodontal disease risk.

4. 구강시료에 대한 위험도 예측과 디스플레이4. Risk prediction and display for oral samples

상기와 같이 하여 산출된 치주질환 병원균의 위험지수와 치주질환 병원균을 포함하는 것으로 추정되는 구강 시료에서 측정한 역치 주기 값을 상기 표준곡선에 대입하여 산출한 값을 비교하여 치주질환 위험도를 예측할 수 있으며, 위험도가 특정 범위에서 포함될 경우, 치주질환을 갖는 것으로 판별하거나, 치주 질환이 유발될 것으로 예측하게 된다.The risk index of periodontal disease pathogens calculated as described above and the threshold period value measured in the oral sample estimated to contain the periodontal disease pathogen are compared to the value calculated by substituting the standard curve to predict the risk of periodontal disease, , if the risk is included in a specific range, it is determined to have periodontal disease, or it is predicted that periodontal disease will be induced.

나아가, 예측을 수행하는 결과는 디스플레이 모듈을 통해 사용자가 실시간으로 확인할 수 있도록 시스템 구성을 구성할 수 있다.Furthermore, the system configuration can be configured so that the user can check the prediction result in real time through the display module.

일례로, 치주질환 병원균을 포함하는 것으로 추정되는 구강 시료에서 분리한 유전체 DNA로 real-time PCR을 수행하여 얻은 역치 주기 값을 상기에서 작성한 표준곡선에 대입하여 구강 시료에서 분리한 유전체 DNA 중 병원균의 카피수를 예측(측정)할 수 있다. 즉, 구강 시료에서 분리한 총 유전체DNA 중에 치주질환 병원균의 유전체 DNA가 많이 포함되어 있으면 역치 주기 값은 낮을 것이고, 치주질환 병원균의 유전체 DNA가 적게 포함되어 있으면 역치 주기 값이 높을 것이므로, 역치 주기 값에 따라 구강 시료 중의 치주질환 병원균의 카피수를 측정하여 질환을 예측할 수 있게 된다.For example, by substituting the threshold period value obtained by performing real-time PCR with genomic DNA isolated from an oral sample estimated to contain periodontal disease pathogens into the standard curve prepared above, The copy number can be predicted (measured). That is, if a large amount of genomic DNA of a periodontal disease pathogen is included in the total genomic DNA isolated from the oral sample, the threshold cycle value will be low, and if a small amount of genomic DNA of a periodontal disease pathogen is included, the threshold cycle value will be high. Accordingly, it is possible to predict the disease by measuring the number of copies of the periodontal disease pathogen in the oral sample.

따라서, 본 발명의 시스템 및 방법에 따르면, 검사 대상인 구강시료에 대해, 균주별(실시예에서는 9종 균쥬) 발명 위험도를 지수로 예측하여 디스플레이할 수 있게 된다.Therefore, according to the system and method of the present invention, for the oral sample to be tested, it is possible to predict and display the invention risk by strain (9 strains in the embodiment) as an index.

도 6은 상술한 과정에서 8건의 치주질환 병원균에 대한 위험도 지수(PPI)를 산출한 결과를 나타낸 표이다.6 is a table showing the results of calculating the risk index (PPI) for eight periodontal disease pathogens in the above-described process.

구체적으로는, 구강질환, 그 중 치주질환을 유발하는 병원균을 테이블의 가장 좌측에 배치하고, 이들 병원균(균주)에 대한 균주별 평균 카피수, AUC, 카피수의 컷오프 (정상과 치주질환을 구별하는), 민감도, 특이도, 오즈비, PPI 점수를 산출할 수 있도록 한 것이다. 즉, 도 6의 테이블(표)는 왼쪽부터 오른쪽으로 결과를 도출하는 과정(최종 PPI)을 제시하고 있다.Specifically, oral diseases, among them, pathogens that cause periodontal disease are placed on the leftmost side of the table, and the average copy number, AUC, and copy number cutoff for each strain for these pathogens (strains) (distinguish between normal and periodontal disease) ), sensitivity, specificity, odds ratio, and PPI score. That is, the table of FIG. 6 presents a process (final PPI) for deriving results from left to right.

도 7은, 검사대상 시료를 채취한 그룹별 PPI 평균점수와 AUC, PPI의 컷오프 (정상과 치주질환을 구별하는), 민감도, 특이도, 오즈비를 나타낸 결과를 도시한 표이다.7 is a table showing the results of PPI average score, AUC, PPI cutoff (distinguishing normal and periodontal disease), sensitivity, specificity, and odds ratio for each group from which a sample to be tested was collected.

이 역시 표 왼쪽에서 오른쪽으로 순차로 결과 도출하게 되며, 최종적으로 도 8과 같은 결과를 도출할 수 있게 된다. Again, the results are derived sequentially from the left to the right of the table, and finally, the results as shown in FIG. 8 can be derived.

도 8은 건강한 피험자와 만성 치주염환자에 대한 구강시료에 본 발명의 시스템을 적용한 결과를 도시한 것이다.8 shows the results of applying the system of the present invention to oral samples for healthy subjects and chronic periodontitis patients.

(A)는 ROC 곡선의 컷오프 값에 따른 PPI 점수의 4가지 카테고리(정상, 주의, 위험, 심각)를 분류한 것이며, A 그래프 상에 회색의 블록박스는 각 그룹의 점수분포를 나타낸다. (B)는 만성 치주염환자와 건강한 대조군 사이의 PPI 점수 비교를 도시한 것이고, (C)는 초기, 중기, 말기 만성 치주염에 대한 ROC 곡선을 도시한 것이다.(All_CP: 초기, 중기, 말기 만성 치주염의 합계.) (C)에 표시된 임상진단명은 Chronic periodontitis(만성치주염), All_CP(초기+중기+말기 만성치주염), Early_CP(초기 만성치주염), Moderate_CP(중기 만성치주염), Severe_CP(말기 만성치주염)을 의미한다.(A) shows the classification of four categories (normal, caution, risk, severe) of PPI scores according to the cutoff value of the ROC curve, and the gray block box on the A graph indicates the score distribution of each group. (B) shows the comparison of PPI scores between chronic periodontitis patients and healthy controls, and (C) shows the ROC curves for early, middle, and late chronic periodontitis. (All_CP: early, middle, and late chronic periodontitis) The clinical diagnoses shown in (C) are: Chronic periodontitis, All_CP (early + middle + late chronic periodontitis), Early_CP (early chronic periodontitis), Moderate_CP (intermediate chronic periodontitis), Severe_CP (end-stage chronic periodontitis) means

도 8에서 A에서 x축은 그룹별(병원진단)이고, y축은 PPI 점수를 나타낸다. A 그래프에서 점선은 PPI 컷오프로 나눈 경계를 도시한 것이다. 이러한 경계를 중심으로, 질환의 PPI 위험도를 심각(severe), 위험(at risk), 주의(moderate), 정상(healthy)로 구분하며, 예를 들어 PPI 0~40이면 정상으로 보고, PPI 41~60이면 주의로 분류하여 표시할 수 있도록 한다.In FIG. 8 A, the x-axis represents each group (hospital diagnosis), and the y-axis represents the PPI score. In graph A, the dotted line shows the boundary divided by the PPI cutoff. Based on these boundaries, the PPI risk of disease is divided into severe, at risk, moderate, and healthy. For example, PPI 0-40 is reported as normal, PPI 41- If it is 60, it should be classified as caution and displayed.

[표 4][Table 4]

Figure 112018130373943-pat00004
Figure 112018130373943-pat00004

위 표 4는, PPI 점수대로 구별했을 때, 실제 임상진단이랑 얼마나 일치하는지를 보여주는 것으로, 실제 임상진단 수치와 본 발명에 따른 PPI 수치 사이에 매우 높은 일치도를 보이는 것을 확인할 수 있다.Table 4 above shows how consistent with the actual clinical diagnosis when classified according to the PPI score, and it can be seen that there is a very high degree of agreement between the actual clinical diagnosis value and the PPI value according to the present invention.

즉, 임상진단명(Clinical diagnosis) 기준으로 Healthy(n=64)는 65.6%+18.8% (1~60점), Early(n=32)는 21.9%+40.6% (61~100점), ,Moderate(n=39)는 7.7%+87.2% (61~100점), Severe(n=35)는 2.9%+97.1%(61~100점)로 본 발명에 따른 PPI 수치 사이에 매우 높은 일치도를 보이고 있음을 확인할 수 있다.That is, based on clinical diagnosis, Healthy (n=64) is 65.6%+18.8% (1-60 points), Early (n=32) is 21.9%+40.6% (61-100 points), ,Moderate (n=39) is 7.7%+87.2% (61-100 points), Severe (n=35) is 2.9%+97.1% (61-100 points), which shows a very high degree of agreement between the PPI values according to the present invention. It can be confirmed that there is

이상에서 상술한 본 발명의 실시예에 따른 구강질환 예측 시스템에 구현되는 위험도예측모듈을 적용하여 구강질환을 예측하는 것을 설명하였다.The prediction of oral disease has been described by applying the risk prediction module implemented in the oral disease prediction system according to the embodiment of the present invention described above.

본 발명의 실시예에 따라 구현되는 분석 기능을 구현하는 위험도 예측모듈의 경우, 기능적인 블록 구성들 및 다양한 처리 단계들로 나타내어질 수 있다. 이러한 기능 블록들은 특정 기능들을 실행하는 다양한 개수의 하드웨어 또는/및 소프트웨어 구성들로 구현될 수 있다. 예를 들어, 본 발명은 하나 이상의 마이크로프로세서들의 제어 또는 다른 제어 장치들에 의해서 다양한 기능들을 실행할 수 있는, 메모리, 프로세싱, 로직(logic), 룩업 테이블(look-up table) 등과 같은 직접 회로 구성들을 채용할 수 있다.In the case of a risk prediction module implementing an analysis function implemented according to an embodiment of the present invention, it may be represented by functional block configurations and various processing steps. These functional blocks may be implemented in any number of hardware and/or software configurations that perform specific functions. For example, the present invention provides integrated circuit configurations, such as memory, processing, logic, look-up table, etc., capable of executing various functions by means of the control of one or more microprocessors or other control devices. can be hired

본 발명에의 구성 요소들이 소프트웨어 프로그래밍 또는 소프트웨어 요소들로 실행될 수 있는 것과 유사하게, 본 발명은 데이터 구조, 프로세스들, 루틴들 또는 다른 프로그래밍 구성들의 조합으로 구현되는 다양한 알고리즘을 포함하여, C, C++, 자바(Java), 어셈블러(assembler) 등과 같은 프로그래밍 또는 스크립팅 언어로 구현될 수 있다. 기능적인 측면들은 하나 이상의 프로세서들에서 실행되는 알고리즘으로 구현될 수 있다. 또한, 본 발명은 전자적인 환경 설정, 신호 처리, 및/또는 데이터 처리 등을 위하여 종래 기술을 채용할 수 있다. "매커니즘", "요소", "수단", "구성" "~부"과 같은 용어는 넓게 사용될 수 있으며, 기계적이고 물리적인 구성들로서 한정되는 것은 아니다. 상기 용어는 프로세서 등과 연계하여 소프트웨어의 일련의 처리들(routines)의 의미를 포함할 수 있다.Similar to how the components of the present invention may be implemented as software programming or software elements, the present invention includes various algorithms implemented as data structures, processes, routines, or combinations of other programming constructs, including C, C++ , Java, assembler, etc. may be implemented in a programming or scripting language. Functional aspects may be implemented in an algorithm running on one or more processors. In addition, the present invention may employ conventional techniques for electronic configuration, signal processing, and/or data processing, and the like. Terms such as “mechanism”, “element”, “means”, “constituent” and “part” may be used broadly and are not limited to mechanical and physical components. The term may include the meaning of a series of routines of software in association with a processor or the like.

이상에서와 같이 본 발명의 기술적 사상은 바람직한 실시예에서 구체적으로 기술되었으나, 상기한 바람직한 실시예는 그 설명을 위한 것이며, 그 제한을 위한 것이 아니다. 이처럼 이 기술 분야의 통상의 전문가라면 본 발명의 기술 사상의 범위 내에서 본 발명의 실시예의 결합을 통해 다양한 실시예들이 가능함을 이해할 수 있을 것이다.As described above, the technical idea of the present invention has been specifically described in the preferred embodiment, but the preferred embodiment is for the purpose of explanation and not for limitation. As such, those of ordinary skill in the art will be able to understand that various embodiments are possible through the combination of the embodiments of the present invention within the scope of the technical spirit of the present invention.

100: 시료공급모듈
110: 표준시료 공급부
120: 검체시료 공급부
200: PCR 분석모듈
300: 위험도 예측모듈
310: 역치주기값 산출부
320: 표준곡선 도출부
330: 균주별 위험지수 결정부
340: 위험도 산출부
350: 결과값 디스플레이부100: sample supply module
110: standard sample supply unit
120: sample sample supply unit
200: PCR analysis module
300: risk prediction module
310: threshold period value calculator
320: standard curve derivation unit
330: risk index determination unit for each strain
340: risk calculation unit
350: result value display unit

Claims (14)

1) 구강 질환 병원균을 포함하는 표준 구강 시료에서 핵산을 분리하고, 희석한 핵산을 주형(template)으로 하여 실시간 중합효소 연쇄반응을 수행한 후, 각 희석 농도별 제1역치 주기(threshold cycle, CT) 값을 측정하여 표준곡선(standard curve)을 마련하는 단계;
2) 검사대상 구강시료에 대하여 핵산을 분리하고, 분리한 핵산을 주형으로 하여 실시간 PCR을 수행하여 제2역치 주기 값을 산출하는 단계;
3) 제2역치 주기값을 상기 표준곡선에 대입하여, 정상시료와 치주질환 시료에서의 균주별 평균 카피 (copy)수, 민감도 및 특이도를 반영한 컷오프 (cut-off) 값을 산출하고, 오즈비를 고려하여 포르피로모나스 긴기발리스(Porphyromonas gingivalis, Pg), 타네렐라 포르시시아(Tannerella forsythia, Tf), 트레포네마 덴티콜라(Treponema denticola, Td), 프레보텔라 인터메디아(Prevotella intermedia, Pi), 캄필로박터 렉투스(Campylobacter rectus, Cr), 푸소박테리움 뉴클레아툼(Fusobacterium nucleatum, Fn), 펩토스트렙토콕쿠스 언에어로비우스(Peptostreptococcus anaerobius, Pa) 및 에이케넬라 코로덴스(Eikenella corrodens, Ec)의 8개 균주별 치주질환 병원균의 위험 지수(periodontal pathogens risk index, PPI)를 결정하는 단계;
4) 상기 균주별 치주질환 병원균의 위험 지수(periodontal pathogens risk index, PPI)를 대입하여 정상시료 및 치주질환 시료마다 8개 균주의 합산된 PPI 점수를 산출하고, 민감도 및 특이도를 반영한 컷오프 (cut-off) 값을 산출하는 단계;
5) 상기 컷오프 (cut-off) 값을 기준으로, 상기 검사대상 구강시료에 대한 위험도를 예측하는,
만성 치주염 위험도의 예측방법으로,
상기 균주별 치주질환 병원균의 위험 지수(periodontal pathogens risk index, PPI)를 결정하는 것은,
제1그룹 균주들로 균주가 포르피로모나스 긴기발리스(Porphyromonas gingivalis, Pg), 타네렐라 포르시시아(Tannerella forsythia, Tf), 트레포네마 덴티콜라(Treponema denticola, Td) 중 어느 하나이면서 오즈비가 10 이상인 경우 최대 PPI 20점 부여하고, 균주 카피수별 PPI점수를 세분화시키기 위해 치주질환 평균 카피수를 20점으로 설정하고, 정상시료 평균 카피수를 5점으로 설정하여 회귀분석을 통해 결정하고,
제2그룹 균주들로 균주가 프레보텔라 인터메디아(Prevotella intermedia, Pi), 캄필로박터 렉투스(Campylobacter rectus, Cr) 중 어느 하나이면서 오즈비가 10이상인 경우 최대 PPI 12.5점 부여하고, 균주 카피수별 PPI점수를 세분화시키기 위해 치주질환 평균 카피수를 12.5점으로 설정하고, 정상시료 평균 카피수를 2.5점으로 설정하여 회귀분석을 통해 결정하고,
제3그룹 균주들로 균주가 푸소박테리움 뉴클레아툼(Fusobacterium nucleatum, Fn) 이면서, 오즈비가 10이하인 경우 최대 PPI 5점 부여하고, 균주 카피수별 PPI점수를 세분화시키기 위해 치주질환 평균 카피수를 5점으로 설정하고, 정상시료 평균 카피수를 1점으로 설정하여 회귀분석을 통해 결정하고,
제4그룹 균주들로 균주가 펩토스트렙토콕쿠스 언에어로비우스(Peptostreptococcus anaerobius, Pa), 에이케넬라 코로덴스(Eikenella corrodens, Ec) 이면서 오즈비가 10이하인 경우 최대 PPI 5점 부여하고, 균주 카피수별 PPI점수를 세분화시키기 위해 치주질환 평균 카피수를 5점으로 설정하고, 정상시료 평균 카피수를 1점으로 설정하여 회귀분석을 통해 결정하는 것인,
만성 치주염 위험도의 예측방법.
1) A nucleic acid is isolated from a standard oral sample containing an oral disease pathogen, a real-time polymerase chain reaction is performed using the diluted nucleic acid as a template, and a first threshold cycle (CT) for each dilution concentration ) measuring the value to prepare a standard curve;
2) isolating a nucleic acid from the oral sample to be tested, performing real-time PCR using the isolated nucleic acid as a template to calculate a second threshold cycle value;
3) By substituting the second threshold period value into the standard curve, a cut-off value reflecting the average number of copies, sensitivity, and specificity for each strain in normal samples and periodontal disease samples is calculated, and odds Considering the rain, Porphyromonas gingivalis (Pg), Tannerella forsythia (Tf), Treponema denticola (Td), Prevotella intermedia (Prevotella intermedia, Pi), Campylobacter rectus (Cr), Fusobacterium nucleatum (Fn), Peptostreptococcus anaerobius (Peptostreptococcus anaerobius, Pa) and E. corodens ( determining the risk index (periodontal pathogens risk index, PPI) of periodontal disease pathogens for each of the eight strains of Eikenella corrodens, Ec);
4) By substituting the periodontal pathogens risk index (PPI) for each strain, the summed PPI score of 8 strains is calculated for each normal sample and periodontal disease sample, and a cutoff reflecting sensitivity and specificity -off) calculating a value;
5) Based on the cut-off value, predicting the risk for the oral sample to be tested,
As a predictive method for the risk of chronic periodontitis,
Determining the risk index (periodontal pathogens risk index, PPI) of periodontal disease pathogens for each strain is,
As the first group strains, the strain is any one of Porphyromonas gingivalis (Pg), Tannerella forsythia (Tf), and Treponema denticola (Td) and Ozbi If it is 10 or more, the maximum PPI is given 20 points, the average copy number of periodontal disease is set to 20 points to subdivide the PPI score for each strain copy number, and the average copy number of the normal sample is set to 5 points and determined through regression analysis,
As the second group strains, if the strain is any one of Prevotella intermedia (Pi) and Campylobacter rectus (Cr) and the odds ratio is 10 or more, a maximum PPI of 12.5 points is given, and each strain copy number In order to subdivide the PPI score, the average copy number of periodontal disease is set to 12.5 points, and the average copy number of normal samples is set to 2.5 points and determined through regression analysis,
As the third group strains, if the strain is Fusobacterium nucleatum (Fn) and the odds ratio is 10 or less, a maximum PPI of 5 points is given, and the average copy number of periodontal disease is calculated to subdivide the PPI score for each strain copy number. It is set to 5 points, and the average copy number of the normal sample is set to 1 point and determined through regression analysis,
As the 4th group strains, if the strain is Peptostreptococcus anaerobius (Pa), Eikenella corrodens (Ec) and the odds ratio is 10 or less, the maximum PPI is 5 points, and each strain copy number To subdivide the PPI score, the periodontal disease average copy number is set to 5 points, and the normal sample average copy number is set to 1 point, which is determined through regression analysis,
A method for predicting the risk of chronic periodontitis.
 청구항 1에 있어서,
상기 표준곡선은, 하기의 식 1에 따른 균주별 표준곡선인,
만성 치주염 위험도의 예측방법.
{식 1}
Y= mx+n
(m는 기울기 (m<0), n는 y절편, Y는 역치주기(CT value), X는 플라스미드 카피(plasmid cpoies))
The method according to claim 1,
The standard curve is a standard curve for each strain according to Equation 1 below,
A method for predicting the risk of chronic periodontitis.
{Formula 1}
Y=mx+n
(m is the slope (m<0), n is the y-intercept, Y is the threshold period (CT value), X is the plasmid cpoies)
 청구항 2에 있어서,
상기 3)단계는,
a) 제2역치 주기값을 상기 표준곡선에 대입하는 단계;
b) 정상시료와 치주질환 시료에서의 균주별 평균 카피 (copy)수, 민감도 및 특이도를 반영하여 컷오프 (cut-off) 값을 산출하는 단계;
c) 오즈비를 고려하여 균주별 치주질환 병원균의 위험 지수(periodontal pathogens risk index, PPI)를 결정하는 단계;
만성 치주염 위험도의 예측방법.
3. The method according to claim 2,
Step 3) is,
a) substituting a second threshold period value into the standard curve;
b) calculating a cut-off value by reflecting the average number of copies, sensitivity, and specificity for each strain in the normal sample and the periodontal disease sample;
c) determining the risk index (periodontal pathogens risk index, PPI) of each strain in consideration of the odds ratio;
A method for predicting the risk of chronic periodontitis.
 청구항 3에 있어서,
상기 a) 단계는, 실시간 PCR을 통해 나오는 역치주기(CT value)를 상기 {식 1}의 수식에 대입하여 X값(플라스미드 카피)을 산출하는 단계이며,
상기 b) 단계는, 균주별로 정상시료와 치주질환 시료의 카피수를 이용하여 ROC curve (Receiver Operation Characteristic Curve)를 도출한 후, 민감도와 특이도가 높은 카피수를 컷오프 (cut-off) 값으로 정하는 단계; 인,
만성 치주염 위험도의 예측방법.
4. The method according to claim 3,
Step a) is a step of calculating the X value (plasmid copy) by substituting the threshold period (CT value) obtained through real-time PCR into the formula of {Equation 1},
In step b), the ROC curve (Receiver Operation Characteristic Curve) is derived using the copy number of the normal sample and the periodontal disease sample for each strain, and then the copy number with high sensitivity and specificity is set as a cut-off value. determining step; sign,
A method for predicting the risk of chronic periodontitis.
 청구항 4에 있어서,
상기 c) 단계는, 상기 오즈비를 하기의 {식 2}에 의해 산출하는, 만성 치주염 위험도의 예측방법.
{식 2}
오즈비=ad/bc
(시료의 카피수 중, a는 위험노출가능성이 있고, 질병발명가능성이 있는 개체수, b는 위험노출가능성은 있으나 질병발병 가능성은 없는 개체수, c는 위험노출 가능성은 없으나 질병발명가능성은 있는 개체수, d는 위험노출가능성 및 질병발병가능성이 없는 개체수로 정의한다.)
5. The method according to claim 4,
In step c), the odds ratio is calculated by the following {Equation 2}, a method of predicting the risk of chronic periodontitis.
{Equation 2}
odds ratio = ad/bc
(Among the number of copies of the sample, a is the number of individuals with a risk exposure potential and the possibility of developing a disease, b is the number of individuals with a risk exposure potential but not a possibility of developing a disease, c is the number of individuals with no risk exposure potential but the possibility of developing a disease; d is defined as the number of individuals without risk exposure and disease development.)
 청구항 5에 있어서,
상기 b)단계는,
정상시료와 구강 질환을 검사할 검사대상 구강시료의 PPI를 이용하여 ROC curve (Receiver Operation Characteristic Curve)를 도출하며,
치주질환 모두 합한 경우 (All_CP)와 중증도에 따라 구분한 경우(Early, Moderate, Severe) 각각의 ROC curve를 도출하는,
만성 치주염 위험도의 예측방법.
6. The method of claim 5,
Step b) is,
The ROC curve (Receiver Operation Characteristic Curve) is derived using the PPI of the normal sample and the oral sample to be tested for oral disease.
To derive the ROC curve for each periodontal disease summed (All_CP) and classified according to severity (Early, Moderate, Severe),
A method for predicting the risk of chronic periodontitis.
 청구항 6에 있어서,
상기 c)단계에서 균주별 치주질환 병원균의 위험 지수(periodontal pathogens risk index, PPI)를 결정하는 것은,
특정균주들에 대해 기준이 되는 오즈비를 기준 값으로 설정하고,
기준이 되는 오즈비값의 범주에 따라 일정한 균주별 치주질환 병원균의 위험 지수(periodontal pathogens risk index, PPI) 값을 부여하며,
균주 카피수별 균주별 치주질환 병원균의 위험 지수(periodontal pathogens risk index, PPI) 점수를 세분화하기 위해 구강질환 평균 카피수를 설정한 후,
정상시료 평균 카피수를 설정하고,아래 {식 3}에 따른 회귀분석을 통해 결정하는,
만성 치주염 위험도의 예측방법.
{식 3}
Y=kx+g
(단, Y는 PPI점수, x는 균주 카피수)
7. The method of claim 6,
Determining the risk index (periodontal pathogens risk index, PPI) of periodontal disease pathogens for each strain in step c) is,
Set the standard odds ratio for specific strains as the standard value,
A periodontal pathogens risk index (PPI) value is given for each strain according to the standard odds ratio category.
After setting the average oral disease copy number to subdivide the periodontal pathogens risk index (PPI) score by strain by strain copy number,
Set the average copy number of a normal sample, and determine it through regression analysis according to {Equation 3} below,
A method for predicting the risk of chronic periodontitis.
{expression 3}
Y=kx+g
(However, Y is the PPI score, x is the number of copies of the strain)
 삭제delete 삭제delete 삭제delete 삭제delete 검체대상인 구강시료에 대하여 치주질환의 위험도를 예측하는 시스템에 있어서,
표준시료 또는 검체시료를 로딩하여 PCR 분석모듈에 공급하는 시료공급모듈;
표준시료 또는 검체시료에 대한 핵산을 주형으로하여 실시한 중합효소연쇄반응을 수행하는 PCR 분석모듈; 및
상기 PCR 분석모듈에서 PCR 반응을 수행한 대상물에 대해 역치 주기값을 측정하여 표준시료에 대한 표준곡선을 마련하고, 검체 대상시료에 대한 역치주기값을 산출하여 대비하여, 검사대상 구강시료에 대한 위험도를 예측하는 위험도예측모듈;을 포함하고,
상기 위험도예측모듈은,
표준 구강 시료 또는 검체대상인 구강시료에서 핵산을 분리하고, 희석한 핵산을 주형(template)으로 하여 실시간 중합효소 연쇄반응을 수행한 후, 각 희석 농도별 역치 주기(threshold cycle, CT) 값을 측정하는 역치주기값 산출부;
상기 역치주기값 산출부에서 표준구강시료에서 산출된 제1역치주기값을 기준으로 표준곡선을 마련하는 표준곡선(standard curve)도출부;
상기 역치주기값 산출부에서 산출된 검체대상 구강시료에 대한 제2역치 주기값을 상기 표준곡선에 대입하여, 정상시료와 치주질환 시료에서의 균주별 평균 카피 (copy)수, 민감도 및 특이도를 반영한 컷오프 (cut-off) 값을 산출하고, 오즈비를 고려하여 포르피로모나스 긴기발리스(Porphyromonas gingivalis, Pg), 타네렐라 포르시시아(Tannerella forsythia, Tf), 트레포네마 덴티콜라(Treponema denticola, Td), 프레보텔라 인터메디아(Prevotella intermedia, Pi), 캄필로박터 렉투스(Campylobacter rectus, Cr), 푸소박테리움 뉴클레아툼(Fusobacterium nucleatum, Fn), 펩토스트렙토콕쿠스 언에어로비우스(Peptostreptococcus anaerobius, Pa) 및 에이케넬라 코로덴스(Eikenella corrodens, Ec)의 8개 균주별 치주질환 병원균의 위험 지수(periodontal pathogens risk index, PPI)를 결정하는 균주별 위험지수 결정부;
상기 검사대상 구강시료에 대한 위험도를 예측하는 위험도 산출부;
를 포함하고,
상기 균주별 치주질환 병원균의 위험 지수(periodontal pathogens risk index, PPI)를 결정하는 것은,
제1그룹 균주들로 균주가 포르피로모나스 긴기발리스(Porphyromonas gingivalis, Pg), 타네렐라 포르시시아(Tannerella forsythia, Tf), 트레포네마 덴티콜라(Treponema denticola, Td) 중 어느 하나이면서 오즈비가 10 이상인 경우 최대 PPI 20점 부여하고, 균주 카피수별 PPI점수를 세분화시키기 위해 치주질환 평균 카피수를 20점으로 설정하고, 정상시료 평균 카피수를 5점으로 설정하여 회귀분석을 통해 결정하고,
제2그룹 균주들로 균주가 프레보텔라 인터메디아(Prevotella intermedia, Pi), 캄필로박터 렉투스(Campylobacter rectus, Cr) 중 어느 하나이면서 오즈비가 10이상인 경우 최대 PPI 12.5점 부여하고, 균주 카피수별 PPI점수를 세분화시키기 위해 치주질환 평균 카피수를 12.5점으로 설정하고, 정상시료 평균 카피수를 2.5점으로 설정하여 회귀분석을 통해 결정하고,
제3그룹 균주들로 균주가 푸소박테리움 뉴클레아툼(Fusobacterium nucleatum, Fn) 이면서, 오즈비가 10이하인 경우 최대 PPI 5점 부여하고, 균주 카피수별 PPI점수를 세분화시키기 위해 치주질환 평균 카피수를 5점으로 설정하고, 정상시료 평균 카피수를 1점으로 설정하여 회귀분석을 통해 결정하고,
제4그룹 균주들로 균주가 펩토스트렙토콕쿠스 언에어로비우스(Peptostreptococcus anaerobius, Pa), 에이케넬라 코로덴스(Eikenella corrodens, Ec) 이면서 오즈비가 10이하인 경우 최대 PPI 5점 부여하고, 균주 카피수별 PPI점수를 세분화시키기 위해 치주질환 평균 카피수를 5점으로 설정하고, 정상시료 평균 카피수를 1점으로 설정하여 회귀분석을 통해 결정하는 것인,
만성 치주염 위험도의 예측시스템.
In a system for predicting the risk of periodontal disease for an oral sample as a sample,
a sample supply module for loading a standard sample or a sample sample and supplying it to the PCR analysis module;
a PCR analysis module for performing a polymerase chain reaction performed using a nucleic acid for a standard sample or a sample sample as a template; and
A standard curve for a standard sample is prepared by measuring a threshold cycle value for an object subjected to a PCR reaction in the PCR analysis module, and a threshold cycle value for the sample target sample is calculated and compared, and the risk to the oral sample to be tested Including; risk prediction module for predicting
The risk prediction module is
After separating nucleic acids from a standard oral sample or oral sample, which is the sample, performing a real-time polymerase chain reaction using the diluted nucleic acid as a template, the threshold cycle (CT) value for each dilution concentration is measured. threshold period value calculator;
a standard curve deriving unit for preparing a standard curve based on the first threshold period value calculated from the standard oral sample by the threshold period value calculating unit;
By substituting the second threshold period value for the oral sample for the sample object calculated by the threshold period value calculator into the standard curve, the average number of copies, sensitivity and specificity for each strain in the normal sample and periodontal disease sample Calculating the reflected cut-off value, taking the odds ratio into consideration, Porphyromonas gingivalis (Pg), Tannerella forsythia (Tf), Treponema denticola (Treponema denticola) , Td), Prevotella intermedia (Pi), Campylobacter rectus (Cr), Fusobacterium nucleatum (Fn), Peptostreptococcus anaerobius ( Peptostreptococcus anaerobius, Pa) and Eikenella corrodens (Eikenella corrodens, Ec) for each strain of the periodontal pathogens risk index (periodontal pathogens risk index, PPI) for each strain to determine the risk index (PPI);
a risk calculator for predicting the risk of the oral sample to be tested;
including,
Determining the risk index (periodontal pathogens risk index, PPI) of periodontal disease pathogens for each strain is,
As the first group strains, the strain is any one of Porphyromonas gingivalis (Pg), Tannerella forsythia (Tf), and Treponema denticola (Td) and Ozbi If it is 10 or more, the maximum PPI is given 20 points, the average copy number of periodontal disease is set to 20 points to subdivide the PPI score for each strain copy number, and the average copy number of the normal sample is set to 5 points and determined through regression analysis,
As the second group strains, if the strain is any one of Prevotella intermedia (Pi) and Campylobacter rectus (Cr) and the odds ratio is 10 or more, a maximum PPI of 12.5 points is given, and each strain copy number In order to subdivide the PPI score, the average copy number of periodontal disease is set to 12.5 points, and the average copy number of normal samples is set to 2.5 points and determined through regression analysis,
As the third group strains, if the strain is Fusobacterium nucleatum (Fn) and the odds ratio is 10 or less, a maximum PPI of 5 points is given, and the average copy number of periodontal disease is calculated to subdivide the PPI score for each strain copy number. It is set to 5 points, and the average copy number of the normal sample is set to 1 point and determined through regression analysis,
As the 4th group strains, if the strain is Peptostreptococcus anaerobius (Pa), Eikenella corrodens (Ec) and the odds ratio is 10 or less, the maximum PPI is 5 points, and each strain copy number To subdivide the PPI score, the periodontal disease average copy number is set to 5 points, and the normal sample average copy number is set to 1 point, which is determined through regression analysis,
A system for predicting the risk of chronic periodontitis.
 삭제delete 청구항 1에 따른 만성 치주염 위험도의 예측방법을 수행하기 위한 프로그램이 기록된 컴퓨터 판독이 가능한 기록매체.
A computer-readable recording medium in which a program for performing the method for predicting the risk of chronic periodontitis according to claim 1 is recorded.
KR1020180169355A 2018-12-26 2018-12-26 Method and system for predicting risk of periodontal disease and Computer readable medium storing a program of the same KR102264060B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020180169355A KR102264060B1 (en) 2018-12-26 2018-12-26 Method and system for predicting risk of periodontal disease and Computer readable medium storing a program of the same

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180169355A KR102264060B1 (en) 2018-12-26 2018-12-26 Method and system for predicting risk of periodontal disease and Computer readable medium storing a program of the same

Publications (2)

Publication Number Publication Date
KR20200079795A KR20200079795A (en) 2020-07-06
KR102264060B1 true KR102264060B1 (en) 2021-06-11

Family

ID=71571597

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180169355A KR102264060B1 (en) 2018-12-26 2018-12-26 Method and system for predicting risk of periodontal disease and Computer readable medium storing a program of the same

Country Status (1)

Country Link
KR (1) KR102264060B1 (en)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20230055473A (en) * 2021-10-19 2023-04-26 아주대학교산학협력단 Composition for diagnosing periodontal disease using microbiome in saliva and use thereof

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4048262B2 (en) 2001-11-27 2008-02-20 株式会社センス・イット・スマート Oral pre-examination system, program and recording medium

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Kim et al., PLoS ONE 13(11): e0200900, pp.1-14 (2018.11.) 1부.*
김선미 등, 대한소아치과학회지, 35(3), pp.494-503 (2008) 1부.*

Also Published As

Publication number Publication date
KR20200079795A (en) 2020-07-06

Similar Documents

Publication Publication Date Title
EP3416653B1 (en) Method and system for early risk assessment of preterm delivery outcome
Baud et al. Microbial diversity in the vaginal microbiota and its link to pregnancy outcomes
Gürsoy et al. Molecular biomarker research in periodontology: a roadmap for translation of science to clinical assay validation
Zhu et al. The predictive potentiality of salivary microbiome for the recurrence of early childhood caries
Costa et al. Periodontitis in individuals with liver cirrhosis: A case–control study
CN105525029A (en) Seminal plasma piRNA markers reflecting male sperm activity or combination and application thereof
CN105603101A (en) Application of system for detecting expression quantity of eight miRNAs in preparation of product for diagnosing or assisting in diagnosing hepatocellular carcinoma
Kervinen et al. Parity and gestational age are associated with vaginal microbiota composition in term and late term pregnancies
KR102264060B1 (en) Method and system for predicting risk of periodontal disease and Computer readable medium storing a program of the same
Miao et al. Methylation of the RIN3 promoter is associated with transient ischemic stroke/mild ischemic stroke with early cognitive impairment
KR101745067B1 (en) System and method for the prediction of periodontal disease
Dhulipalla et al. Evaluation of periodontal risk in adult patients using two different risk assessment models–a pilot study
Narita et al. Identification of the specific microbial community compositions in saliva associated with periodontitis during pregnancy
CN111261222B (en) Construction method of oral microbial community detection model
WO2023021978A1 (en) Method for examining autoimmune disease
Høyer et al. Hereditary peripheral neuropathies diagnosed by next-generation sequencing
Jeong et al. Effective microbial molecular diagnosis of periodontitis-related pathogen Porphyromonas gingivalis from salivary samples using rgpA gene
Lee et al. New application methods for chromosomal abnormalities screening test using digital PCR
US20230193397A1 (en) cDNA, mRNA, PROTEIN, AND KIT AND SYSTEM FOR EVALUATING GLIOMA PROGNOSIS
EP4159874A1 (en) Faecal microbiota signature for pancreatic cancer
WO2022269566A1 (en) Systems and methods for determining oral microbiome compositions and health outcomes
EP4361289A1 (en) Detection of gene expression pattern specific to pancreatic cancer, and detection of pancreatic cancer through combination with measurement of ca19-9
WO2022019326A1 (en) Method for providing assistance in detecting brain tumor
CN115505636A (en) Salivary oral flora biomarker for diagnosing severe periodontitis and stages thereof
CN117925807A (en) Application of UHRF2 gene in diagnosis of premature ovarian failure

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant