KR102482302B1 - Apparatus and method for determining major histocompatibility complex corresponding to cluster data using artificial intelligence - Google Patents
Apparatus and method for determining major histocompatibility complex corresponding to cluster data using artificial intelligence Download PDFInfo
- Publication number
- KR102482302B1 KR102482302B1 KR1020220055153A KR20220055153A KR102482302B1 KR 102482302 B1 KR102482302 B1 KR 102482302B1 KR 1020220055153 A KR1020220055153 A KR 1020220055153A KR 20220055153 A KR20220055153 A KR 20220055153A KR 102482302 B1 KR102482302 B1 KR 102482302B1
- Authority
- KR
- South Korea
- Prior art keywords
- cluster data
- data
- value
- amino acid
- cluster
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 99
- 108700018351 Major Histocompatibility Complex Proteins 0.000 title claims abstract description 77
- 230000020382 suppression by virus of host antigen processing and presentation of peptide antigen via MHC class I Effects 0.000 title claims abstract description 76
- 238000013473 artificial intelligence Methods 0.000 title description 18
- 238000013145 classification model Methods 0.000 claims abstract description 83
- 108090000765 processed proteins & peptides Proteins 0.000 claims abstract description 60
- 238000012549 training Methods 0.000 claims abstract description 35
- 150000001413 amino acids Chemical class 0.000 claims description 122
- 239000011159 matrix material Substances 0.000 claims description 77
- 230000006870 function Effects 0.000 claims description 69
- 230000008569 process Effects 0.000 claims description 29
- 230000008859 change Effects 0.000 claims description 15
- 238000006467 substitution reaction Methods 0.000 claims description 9
- 239000012472 biological sample Substances 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 7
- 238000013528 artificial neural network Methods 0.000 description 113
- 238000004891 communication Methods 0.000 description 16
- 238000012545 processing Methods 0.000 description 16
- 238000007781 pre-processing Methods 0.000 description 13
- 108090000623 proteins and genes Proteins 0.000 description 12
- 210000004369 blood Anatomy 0.000 description 11
- 239000008280 blood Substances 0.000 description 11
- 210000004027 cell Anatomy 0.000 description 11
- 102000004196 processed proteins & peptides Human genes 0.000 description 10
- 238000012300 Sequence Analysis Methods 0.000 description 8
- 239000000126 substance Substances 0.000 description 8
- 239000000427 antigen Substances 0.000 description 7
- 108091007433 antigens Proteins 0.000 description 7
- 102000036639 antigens Human genes 0.000 description 7
- 230000003287 optical effect Effects 0.000 description 7
- 230000004044 response Effects 0.000 description 7
- 125000003275 alpha amino acid group Chemical group 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 6
- 238000013527 convolutional neural network Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 6
- 210000002381 plasma Anatomy 0.000 description 6
- 239000000523 sample Substances 0.000 description 6
- 210000002966 serum Anatomy 0.000 description 6
- 210000001519 tissue Anatomy 0.000 description 5
- 241000282326 Felis catus Species 0.000 description 4
- 101150076359 Mhc gene Proteins 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 210000000265 leukocyte Anatomy 0.000 description 4
- 210000002569 neuron Anatomy 0.000 description 4
- 239000002773 nucleotide Substances 0.000 description 4
- 125000003729 nucleotide group Chemical group 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 210000003296 saliva Anatomy 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 210000002700 urine Anatomy 0.000 description 4
- 108010034115 HLA-A29 antigen Proteins 0.000 description 3
- 206010028980 Neoplasm Diseases 0.000 description 3
- 210000001744 T-lymphocyte Anatomy 0.000 description 3
- 201000011510 cancer Diseases 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 230000002068 genetic effect Effects 0.000 description 3
- 230000028993 immune response Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000006855 networking Effects 0.000 description 3
- 210000000056 organ Anatomy 0.000 description 3
- 102000004169 proteins and genes Human genes 0.000 description 3
- 238000002054 transplantation Methods 0.000 description 3
- 206010003445 Ascites Diseases 0.000 description 2
- 108090000288 Glycoproteins Proteins 0.000 description 2
- 102000003886 Glycoproteins Human genes 0.000 description 2
- 102100028972 HLA class I histocompatibility antigen, A alpha chain Human genes 0.000 description 2
- 102100028976 HLA class I histocompatibility antigen, B alpha chain Human genes 0.000 description 2
- 102100028971 HLA class I histocompatibility antigen, C alpha chain Human genes 0.000 description 2
- 108010075704 HLA-A Antigens Proteins 0.000 description 2
- 108010058607 HLA-B Antigens Proteins 0.000 description 2
- 108010014597 HLA-B44 Antigen Proteins 0.000 description 2
- 108010052199 HLA-C Antigens Proteins 0.000 description 2
- 241000282412 Homo Species 0.000 description 2
- 206010036790 Productive cough Diseases 0.000 description 2
- 230000004913 activation Effects 0.000 description 2
- 238000001574 biopsy Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 210000001175 cerebrospinal fluid Anatomy 0.000 description 2
- 210000003756 cervix mucus Anatomy 0.000 description 2
- 238000005094 computer simulation Methods 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000008451 emotion Effects 0.000 description 2
- 210000003608 fece Anatomy 0.000 description 2
- 239000012530 fluid Substances 0.000 description 2
- 230000007786 learning performance Effects 0.000 description 2
- 230000005055 memory storage Effects 0.000 description 2
- 230000008520 organization Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000002829 reductive effect Effects 0.000 description 2
- 230000028327 secretion Effects 0.000 description 2
- 238000012163 sequencing technique Methods 0.000 description 2
- 210000003802 sputum Anatomy 0.000 description 2
- 208000024794 sputum Diseases 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 208000035473 Communicable disease Diseases 0.000 description 1
- 108010010378 HLA-DP Antigens Proteins 0.000 description 1
- 102000015789 HLA-DP Antigens Human genes 0.000 description 1
- 108010062347 HLA-DQ Antigens Proteins 0.000 description 1
- 108010058597 HLA-DR Antigens Proteins 0.000 description 1
- 102000006354 HLA-DR Antigens Human genes 0.000 description 1
- 241000251539 Vertebrata <Metazoa> Species 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 208000024340 acute graft versus host disease Diseases 0.000 description 1
- 206010069351 acute lung injury Diseases 0.000 description 1
- 210000000612 antigen-presenting cell Anatomy 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 210000003719 b-lymphocyte Anatomy 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 210000000601 blood cell Anatomy 0.000 description 1
- 238000010322 bone marrow transplantation Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 239000003153 chemical reaction reagent Substances 0.000 description 1
- 210000001151 cytotoxic T lymphocyte Anatomy 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013498 data listing Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 210000004443 dendritic cell Anatomy 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000004821 distillation Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 210000003743 erythrocyte Anatomy 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000000265 homogenisation Methods 0.000 description 1
- 230000028996 humoral immune response Effects 0.000 description 1
- 230000004727 humoral immunity Effects 0.000 description 1
- 210000000987 immune system Anatomy 0.000 description 1
- 238000009169 immunotherapy Methods 0.000 description 1
- 230000000415 inactivating effect Effects 0.000 description 1
- 230000002779 inactivation Effects 0.000 description 1
- 208000015181 infectious disease Diseases 0.000 description 1
- 230000002458 infectious effect Effects 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 210000004185 liver Anatomy 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000004949 mass spectrometry Methods 0.000 description 1
- 244000005700 microbiome Species 0.000 description 1
- 210000001616 monocyte Anatomy 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 210000003924 normoblast Anatomy 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 229940023041 peptide vaccine Drugs 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 238000002203 pretreatment Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 239000010454 slate Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000013403 standard screening design Methods 0.000 description 1
- 230000000638 stimulation Effects 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
- 238000002560 therapeutic procedure Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000007723 transport mechanism Effects 0.000 description 1
- 210000004881 tumor cell Anatomy 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
- 238000007482 whole exome sequencing Methods 0.000 description 1
- 238000012070 whole genome sequencing analysis Methods 0.000 description 1
- 238000012049 whole transcriptome sequencing Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B40/00—ICT specially adapted for biostatistics; ICT specially adapted for bioinformatics-related machine learning or data mining, e.g. knowledge discovery or pattern finding
- G16B40/20—Supervised data analysis
-
- 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
- C12Q1/6869—Methods for sequencing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B30/00—ICT specially adapted for sequence analysis involving nucleotides or amino acids
- G16B30/10—Sequence alignment; Homology search
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B45/00—ICT specially adapted for bioinformatics-related data visualisation, e.g. displaying of maps or networks
Landscapes
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Data Mining & Analysis (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Biotechnology (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Chemical & Material Sciences (AREA)
- Proteomics, Peptides & Aminoacids (AREA)
- Evolutionary Computation (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Analytical Chemistry (AREA)
- Epidemiology (AREA)
- Public Health (AREA)
- Databases & Information Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioethics (AREA)
- Molecular Biology (AREA)
- Organic Chemistry (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- Wood Science & Technology (AREA)
- Zoology (AREA)
- General Physics & Mathematics (AREA)
- Computing Systems (AREA)
- Biomedical Technology (AREA)
- Microbiology (AREA)
- Genetics & Genomics (AREA)
- Biochemistry (AREA)
- Immunology (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
Description
본 개시내용은 면역펩티돔(immunopeptidome)을 분석하는 것에 관한 것이며, 보다 구체적으로 펩타이드들의 클러스터 데이터에 대응되는 주조직 적합성 복합체(MHC)의 타입을 결정하는 것에 관한 것이다.The present disclosure relates to analyzing an immunopeptidome, and more particularly to determining the type of major histocompatibility complex (MHC) corresponding to cluster data of peptides.
주조직 적합성 복합체는 면역계에서 작용하는 'MHC 분자'를 암호화하는 유전자 자리이다. MHC 분자에는 1형(class I)과 2형(class II)이 존재할 수 있다. The major histocompatibility complex is a genetic locus that encodes 'MHC molecules' that function in the immune system. MHC molecules can exist in type 1 (class I) and type 2 (class II).
면역펩티돔은 세포의 표면에서 표현되는 펩타이드들의 세트를 의미하며, 예를 들어 면역펩티돔은 MHC와 연관된 펩타이드들의 조합을 의미할 수 있다.Immunopeptidome refers to a set of peptides expressed on the cell surface, and for example, the immunopeptidome may refer to a combination of MHC-related peptides.
인간 백혈구 항원(Human Leukocyte Antigen; HLA)은 인간의 주조직 적합성 복합체(Major Histocompatibility Complex; MHC) 유전자에 의해 생성되는 당단백 분자이다. HLA는 성숙한 적혈구에는 존재하지 않지만 미성숙 적아세포(erythroblast)에서는 발현이 되며 백혈구 및/또는 혈소판 등의 혈액세포를 포함한 인체 내 모든 조직세포의 표면에 발현된다. MHC 유전자는 모든 척추동물에 존재하며 인간의 MHC 유전자를 HLA 유전자, 이로부터 발현된 산물을 HLA이라고 한다.Human Leukocyte Antigen (HLA) is a glycoprotein molecule produced by the human Major Histocompatibility Complex (MHC) gene. HLA does not exist in mature erythrocytes, but is expressed in immature erythroblasts and is expressed on the surface of all tissue cells in the human body, including blood cells such as leukocytes and/or platelets. The MHC gene is present in all vertebrates, and the human MHC gene is referred to as the HLA gene, and the product expressed therefrom is referred to as HLA.
MHC 유전자들은 자기(self) 및 비자기(non-self)의 인지, 항원 자극에 대한 면역반응, 세포성 면역과 체액성 면역의 조절 및 질병에 대한 감수성 등에 관여한다. MHC 유전자의 산물인 HLA는 고형 장기이식에서 이식된 장기의 생존에 있어서 ABO 혈액형 다음으로 중요한 항원이다. HLA는 골수이식에 있어서 이식의 성패에 가장 중요한 역할을 하는 것으로 알려져 있다. 따라서, HLA의 차이를 면역학적으로 인지하는 것이 이식된 조직에 대한 거부반응(rejection action)의 첫 단계라 볼 수 있다. 또한, 수혈요법에 있어서 HLA와 항체는 혈소판수혈불응증, 발열성 비용혈성 수혈 부작용, 급성 폐손상, 수혈 후 이식편대숙주병과 같은 여러 가지 부작용의 발생에 중요한 역할을 한다.MHC genes are involved in self and non-self recognition, immune response to antigen stimulation, regulation of cellular and humoral immunity, and susceptibility to disease. HLA, a product of the MHC gene, is the second most important antigen next to the ABO blood type in survival of the transplanted organ in solid organ transplantation. HLA is known to play the most important role in transplantation success or failure in bone marrow transplantation. Therefore, recognizing the difference in HLA immunologically can be seen as the first step of the rejection action for the transplanted tissue. In addition, in transfusion therapy, HLA and antibodies play an important role in the occurrence of various side effects such as platelet transfusion refractory, febrile nonhemorrhagic transfusion side effects, acute lung injury, and graft-versus-host disease after transfusion.
HLA는 MHC와 마찬가지로 크게 Class I 및 Class II로 분류될 수 있다. Class I은 HLA-A, HLA-B, HLA-C로 분류되고 대부분의 유핵세포 및 혈소판에서 발현되며, 세포독성 T 세포가 바이러스에 감염된 세포나 종양세포를 인지하여 제거할 때 항원 인식(antigen recognition)에 필수적이다. HLA Class II는 HLA-DR, HLA-DQ, HLA-DP로 분류되고 B 세포, 단핵세포, 수지상세포, 활성화된 T 세포에서 발현되며, 헬퍼 T 세포의 항원 수용체(antigen receptor)와 작용하여 세포성 및 체액성 면역반응을 유발하고, 그리고 항원제시세포에 표현된 항원을 인지할 때 필수적인 것으로 알려져 있다. HLA는 인간이 가지고 있는 유전자 중에서 가장 큰 다형성(polymorphism)을 보이는 유전자이며 인종 및 민족 간에도 빈도 차이가 존재한다. HLA, like MHC, can be largely classified into Class I and Class II. Class I is classified into HLA-A, HLA-B, and HLA-C, and is expressed in most nucleated cells and platelets, and antigen recognition when cytotoxic T cells recognize and remove virus-infected cells or tumor cells. ) is essential for HLA Class II is classified into HLA-DR, HLA-DQ, and HLA-DP, and is expressed in B cells, monocytes, dendritic cells, and activated T cells. and induces a humoral immune response, and is known to be essential when recognizing antigens expressed in antigen-presenting cells. HLA is a gene that shows the largest polymorphism among genes possessed by humans, and there is a frequency difference between races and ethnic groups.
감염 미생물 유래의 단백질 혹은 암세포 특유의 단백질에서 유래한 펩타이드가 MHC에 결합하여 세포표면에 제시되면 T 세포가 인식하여 면역반응을 유발함으로써 감염된 세포 혹은 암세포를 제거하게 된다. 이처럼 T 세포는 정상적인 인체에 존재하지 않는 이물질에 대한 특정한 면역반응을 결정하는 핵심 조절자(player)이다. 따라서, MHC에 결합되는 펩타이드에 대한 예측은 감염질환이나 암의 예방을 위한 펩타이드 백신의 개발에 활용될 수 있다.When peptides derived from proteins derived from infectious microorganisms or proteins specific to cancer cells bind to MHC and are presented on the cell surface, T cells recognize them and trigger an immune response to eliminate infected cells or cancer cells. As such, T cells are key regulators (players) that determine specific immune responses to foreign substances that do not exist in the normal human body. Therefore, the prediction of peptides that bind to MHC can be used for the development of peptide vaccines for the prevention of infectious diseases or cancer.
본 개시내용은 전술한 배경기술에 대응하여 안출된 것으로, MHC의 타입 별로 대응되는 펩타이드의 시퀀스를 보다 정확하게 예측하기 위함이다.The present disclosure was made in response to the aforementioned background art, and is intended to more accurately predict the sequence of a peptide corresponding to each type of MHC.
본 개시내용은 인공지능 모델을 사용하여 클러스터 데이터를 MHC 타입별로 클러스터링하기 위함이다.The present disclosure is to cluster data by MHC type using an artificial intelligence model.
본 개시내용의 기술적 과제들은 이상에서 언급한 기술적 과제로 제한되지 않으며, 언급되지 않은 또 다른 기술적 과제들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.The technical problems of the present disclosure are not limited to the technical problems mentioned above, and other technical problems not mentioned will be clearly understood by those skilled in the art from the description below.
본 개시내용의 일 실시예에 따른 방법 및 장치는, MHC의 타입 별로 이에 대응되는 펩타이드의 서열을 보다 정확하게 예측할 수 있다. The method and apparatus according to an embodiment of the present disclosure can more accurately predict the sequence of a peptide corresponding to each type of MHC.
본 개시의 일 실시예에 따라 컴퓨팅 장치에 의해 수행되는 방법이 개시된다. 상기 방법은: 제 1 타입의 주조직 적합 복합체(Major Histocompatibility Complex: MHC)에 대응되는 제 1 클러스터(cluster) 데이터를 획득하는 단계; 상기 제 1 클러스터 데이터에서의 적어도 하나의 값을 변경하기 위한 노이즈 생성 모델을 사용하여, 상기 제 1 클러스터 데이터로부터 상기 제 1 타입의 MHC에 대응되는 제 2 클러스터 데이터를 생성하는 단계 - 상기 제 2 클러스터 데이터는 상기 제 1 클러스터 데이터와 상이한 값을 포함함 - ; 및 상기 제 2 클러스터 데이터에 적어도 부분적으로 기초하여 분류(classification) 모델을 학습시키는 단계를 포함할 수 있다.A method performed by a computing device is disclosed according to an embodiment of the present disclosure. The method may include: acquiring first cluster data corresponding to a first type of major histocompatibility complex (MHC); Generating second cluster data corresponding to the first type of MHC from the first cluster data by using a noise generation model for changing at least one value of the first cluster data - the second cluster data includes a value different from the first cluster data; and training a classification model based at least in part on the second cluster data.
일 실시예에서, 상기 제 1 클러스터 데이터 및 상기 제 2 클러스터 데이터는, 펩타이드 내에서의 사전결정된 위치에서 아미노산의 종류의 존재 가능성을 나타내는 값를 포함할 수 있다.In one embodiment, the first cluster data and the second cluster data may include a value indicating the possibility of existence of a type of amino acid at a predetermined position in a peptide.
일 실시예에서, 상기 제 1 클러스터 데이터 및 상기 제 2 클러스터 데이터는 행렬 형태의 데이터이며, 상기 행렬의 행과 열 중 어느 하나는 펩타이드에서의 위치를 나타내고 그리고 상기 행렬의 행과 열 중 다른 하나는 아미노산 식별자를 나타낼 수 있다.In one embodiment, the first cluster data and the second cluster data are data in the form of a matrix, wherein one of the rows and columns of the matrix represents a position in a peptide and the other of the rows and columns of the matrix amino acid identifiers.
일 실시예에서, 상기 분류 모델은, 입력되는 클러스터 데이터로부터 상기 클러스터 데이터에 대응되는 MHC 타입을 출력하도록, 상기 제 2 클러스터 데이터에 적어도 부분적으로 기초하여 학습될 수 있다.In one embodiment, the classification model may be learned based at least in part on the second cluster data to output an MHC type corresponding to the cluster data from input cluster data.
일 실시예에서, 상기 제 2 클러스터 데이터에 상기 제 1 MHC 타입이 정답(ground truth)으로 라벨링된 학습 데이터에 적어도 부분적으로 기초하여, 지도 학습(supervised learning)의 방식으로 상기 분류 모델의 학습이 이루어질 수 있다.In one embodiment, the classification model is learned in a supervised learning manner based at least in part on training data in which the first MHC type is labeled as ground truth in the second cluster data. can
일 실시예에서, 상기 분류 모델은 클러스터 데이터에 포함되는 위치 점수 행렬(PWM: Position Weight Matrix)을 입력으로 하고 그리고 상기 분류 모델에서 행렬로 표현되는 필터의 엘리먼트들 각각이 상기 위치 점수 행렬의 엘리먼트들의 값을 처리할 수 있다.In one embodiment, the classification model takes a position weight matrix (PWM) included in cluster data as an input, and each of the elements of a filter represented by a matrix in the classification model is one of elements of the position weight matrix. value can be processed.
일 실시예에서, 상기 분류 모델을 학습시키는 단계는: 상기 제 2 클러스터 데이터 내에서의 아미노산 식별자들의 배열 순서가 의미론적 관련성을 가지도록, 상기 아미노산 식별자들의 배열 순서를 결정하는 단계; 및 상기 결정된 배열 순서에 따라 재배열된 아미노산 식별자들을 포함하는 상기 제 2 클러스터 데이터를 입력으로 하여 상기 분류 모델을 학습시키는 단계를 포함할 수 있다.In one embodiment, the step of training the classification model may include: determining an arrangement sequence of amino acid identifiers in the second cluster data such that the arrangement sequence of amino acid identifiers has semantic relevance; and learning the classification model by taking the second cluster data including amino acid identifiers rearranged according to the determined arrangement order as an input.
일 실시예에서, 상기 아미노산 식별자들의 배열 순서를 결정하는 단계는, 아미노산들 간의 치환 가능성에 적어도 부분적으로 기초하여, 상기 제 2 클러스터 데이터 내에서의 상기 아미노산 식별자들의 배열 순서가 의미론적 관련성을 가지도록, 상기 아미노산 식별자들의 배열 순서를 결정하는 단계를 포함할 수 있다.In one embodiment, determining the sequence of the amino acid identifiers is such that the sequence of the amino acid identifiers in the second cluster data has semantic relevance based at least in part on a substitution possibility between amino acids. , determining the arrangement order of the amino acid identifiers.
일 실시예에서, 상기 노이즈 생성 모델은, 상기 제 1 클러스터 데이터 내에서의 제 1 위치를 결정하기 위한 제 1 랜덤 함수; 및 상기 제 1 위치를 입력으로 하여, 상기 제 1 위치에 대응되는 제 1 값을 변경하는데 사용되는 제 2 값을 생성하는 제 2 랜덤 함수를 포함할 수 있다.In one embodiment, the noise generation model may include a first random function for determining a first position in the first cluster data; and a second random function for generating a second value used to change a first value corresponding to the first position by taking the first position as an input.
일 실시예에서, 상기 제 2 클러스터 데이터를 생성하는 단계는: 제 1 랜덤 함수를 사용하여 상기 제 1 클러스터 데이터 내에서의 제 1 위치를 결정하는 단계; 제 2 랜덤 함수를 사용하여 상기 제 1 위치로부터 제 1 랜덤값을 생성하는 단계; 상기 제 1 위치에 대응되는 제 1 값 및 상기 제 1 랜덤값에 기초하여, 상기 제 1 위치에 대응되는 제 1 값을 업데이트하는 단계; 및 상기 업데이트된 제 1 값을 포함하는 상기 제 2 클러스터 데이터를 생성하는 단계를 포함할 수 있다.In one embodiment, generating the second cluster data includes: determining a first position within the first cluster data using a first random function; generating a first random value from the first position using a second random function; updating a first value corresponding to the first position based on the first value corresponding to the first position and the first random value; and generating the second cluster data including the updated first value.
일 실시예에서, 상기 제 1 위치에 대응되는 제 1 값을 업데이트하는 단계는, 상기 제 1 위치에 대응되는 제 1 값에 상기 제 1 랜덤값을 합산함으로써 상기 제 1 값을 업데이트하는 단계를 포함하며, 그리고 상기 제 1 랜덤값은 반복재현성 임계 범위에 기초하여 생성될 수 있다.In one embodiment, the updating of the first value corresponding to the first location includes updating the first value by adding the first random value to the first value corresponding to the first location. And, the first random value may be generated based on a reproducibility critical range.
일 실시예에서, 상기 제 1 위치에 대응되는 제 1 값을 업데이트하는 단계는, 상기 제 1 랜덤값과 반복재현성 임계값 간의 비교에 기초하여, 상기 제 1 위치에 대응되는 제 1 값을 업데이트할지 여부를 결정하는 단계를 포함할 수 있다.In one embodiment, the updating of the first value corresponding to the first position may include determining whether to update the first value corresponding to the first position based on a comparison between the first random value and a repeatability threshold. It may include the step of determining whether or not.
일 실시예에서, 상기 제 2 클러스터 데이터를 생성하는 단계는: 상기 제 1 랜덤 함수를 사용하여 상기 제 1 클러스터 데이터 내에서의 제 2 위치를 결정하는 단계; 상기 제 2 랜덤 함수를 사용하여 상기 제 2 위치로부터 제 2 랜덤값을 생성하는 단계; 상기 제 1 랜덤값 및 상기 제 2 랜덤값에 기초한 중간값과 반복재현성 임계값 간의 비교에 기초하여, 상기 제 2 위치에 대응되는 제 2 값을 업데이트할지 여부를 결정하는 단계; 상기 제 2 값을 업데이트한다고 결정한 경우, 상기 제 2 위치에 대응되는 제 2 값 및 상기 제 2 랜덤값에 기초하여, 상기 제 2 위치에 대응되는 제 2 값을 업데이트하는 단계; 및 상기 업데이트된 제 1 값 및 상기 업데이트된 제 2 값을 포함하는 상기 제 2 클러스터 데이터를 생성하는 단계를 포함할 수 있다.In one embodiment, generating the second cluster data includes: determining a second position within the first cluster data using the first random function; generating a second random value from the second position using the second random function; determining whether to update a second value corresponding to the second position based on a comparison between an intermediate value based on the first random value and the second random value and a reproducibility threshold; updating the second value corresponding to the second position based on the second value corresponding to the second position and the second random value when it is determined to update the second value; and generating the second cluster data including the updated first value and the updated second value.
일 실시예에서, 상기 제 2 랜덤값의 생성 범위는, 상기 제 1 랜덤값 및 상기 반복재현성 임계값에 기초하여 결정될 수 있다.In an embodiment, a generation range of the second random value may be determined based on the first random value and the reproducibility threshold.
일 실시예에서, 상기 제 2 랜덤값은, 상기 제 2 랜덤값과 상기 제 1 랜덤값의 합산값이 상기 반복재현성 임계값 미만이 되도록 상기 생성 범위를 가질 수 있다.In an embodiment, the second random value may have the generation range such that a sum of the second random value and the first random value is less than the repeatability threshold.
일 실시예에서, 상기 제 1 클러스터 데이터를 획득하는 단계는: 적어도 하나의 피검체로부터 유래된 MHC-펩타이드 결합체(complex)를 포함하는 생물학적 시료로부터 펩타이드 서열들의 리스트를 획득하는 단계; 및 클러스터링 모델을 사용하여 상기 펩타이드 서열들의 리스트에 대한 클러스터링 결과로서 상기 제 1 클러스터 데이터를 획득하는 단계를 포함할 수 있다.In one embodiment, the acquiring of the first cluster data may include: acquiring a list of peptide sequences from a biological sample including an MHC-peptide complex derived from at least one subject; and obtaining the first cluster data as a clustering result for the list of peptide sequences using a clustering model.
본 개시내용의 일 실시예에 따른 컴퓨팅 장치가 개시된다. 상기 컴퓨팅 장치는: 적어도 하나의 프로세서; 및 메모리를 포함할 수 있다. 상기 적어도 하나의 프로세서는: 제 1 타입의 MHC에 대응되는 제 1 클러스터 데이터를 획득하고; 상기 제 1 클러스터 데이터에서의 적어도 하나의 값을 변경하기 위한 노이즈 생성 모델을 사용하여, 상기 제 1 클러스터 데이터로부터 상기 제 1 타입의 MHC에 대응되는 제 2 클러스터 데이터를 생성하고 - 상기 제 2 클러스터 데이터는 상기 제 1 클러스터 데이터와 상이한 값을 포함함 - ; 그리고 상기 제 2 클러스터 데이터에 적어도 부분적으로 기초하여 분류 모델을 학습시킬 수 있다.A computing device according to one embodiment of the present disclosure is disclosed. The computing device includes: at least one processor; and memory. The at least one processor: obtains first cluster data corresponding to a first type of MHC; generating second cluster data corresponding to the first type of MHC from the first cluster data by using a noise generation model for changing at least one value in the first cluster data; includes a value different from that of the first cluster data; A classification model may be trained based at least in part on the second cluster data.
일 실시예에서, 컴퓨터 판독가능 저장 매체에 저장되는 컴퓨터 프로그램이 개시된다. 상기 컴퓨터 프로그램은 컴퓨팅 장치의 적어도 하나의 프로세서에 의해 실행되는 경우: 제 1 타입의 MHC에 대응되는 제 1 클러스터 데이터를 획득하는 동작; 상기 제 1 클러스터 데이터에서의 적어도 하나의 값을 변경하기 위한 노이즈 생성 모델을 사용하여, 상기 제 1 클러스터 데이터로부터 상기 제 1 타입의 MHC에 대응되는 제 2 클러스터 데이터를 생성하는 동작 - 상기 제 2 클러스터 데이터는 상기 제 1 클러스터 데이터와 상이한 값을 포함함 - ; 및 상기 제 2 클러스터 데이터에 적어도 부분적으로 기초하여 분류 모델을 학습시키는 동작을 수행할 수 있다.In one embodiment, a computer program stored on a computer readable storage medium is disclosed. When the computer program is executed by at least one processor of a computing device: obtaining first cluster data corresponding to a first type of MHC; Generating second cluster data corresponding to the first type of MHC from the first cluster data by using a noise generation model for changing at least one value of the first cluster data - the second cluster data includes a value different from the first cluster data; and learning a classification model based at least in part on the second cluster data.
본 개시내용의 일 실시예에 따른 방법 및 장치는, MHC의 타입 별로 대응되는 펩타이드의 시퀀스를 보다 정확하게 예측할 수 있다.The method and apparatus according to one embodiment of the present disclosure can more accurately predict the sequence of a peptide corresponding to each type of MHC.
본 개시내용의 일 실시예에 따른 방법 및 장치는, 인공지능 기반 모델에서 사용될 학습 데이터셋을 효율적으로 증강시킴으로써, MHC의 타입에 대응되는 펩타이드들을 효율적인 방식으로 그룹화시킬 수 있다.The method and apparatus according to an embodiment of the present disclosure can group peptides corresponding to MHC types in an efficient manner by efficiently augmenting a learning dataset to be used in an artificial intelligence-based model.
도 1은 본 개시내용의 일 실시예에 따른 컴퓨팅 장치의 블록 구성도를 개략적으로 도시한다.
도 2는 본 개시내용의 일 실시예에 따른 분류 모델을 학습시키기 위한 예시적인 방법을 도시한다.
도 3은 본 개시내용의 일 실시예에 따른 인공지능 기반 모델의 예시적인 구조를 도시한다.
도 4a는 본 개시내용의 일 실시예에 따른 HLA 타입 별 클러스터 데이터의 데이터 구조를 예시적으로 나타낸다.
도 4b는 본 개시내용의 일 실시예에 따라 HLA 타입 별 클러스터 데이터의 데이터 구조를 예시적으로 나타낸다.
도 5는 본 개시내용의 일 실시예에 따른 HLA 타입 별로 대응되는 펩타이드의 서열을 예측하기 위한 분류 모델의 동작을 예시적으로 도시한다.
도 6a는 본 개시내용의 일 실시예에 따라 분류 모델을 학습시키기 위한 예시적인 방법을 도시한다.
도 6b는 본 개시내용의 일 실시예에 따라 분류 모델을 학습시키기 위한 예시적인 방법을 도시한다.
도 7은 본 개시내용의 일 실시예에 따라 분류 모델을 학습시키기 위한 예시적인 방법을 도시한다.
도 8은 본 개시내용의 일 실시예에 따라 분류 모델에 입력되는 데이터에 대한 전처리 과정을 예시적으로 도시한다.
도 9는 본 개시내용의 일 실시예에 따라 분류 모델에 입력되는 데이터에 대한 전처리 과정을 예시적으로 도시한다.
도 10은 본 개시내용의 일 실시예에 따라 분류 모델에 입력되는 데이터에 대한 전처리 과정을 예시적으로 도시한다.
도 11은 본 개시내용의 일 실시예에 따른 컴퓨팅 환경의 개략도이다.1 schematically illustrates a block configuration diagram of a computing device according to an embodiment of the present disclosure.
2 illustrates an exemplary method for training a classification model according to one embodiment of the present disclosure.
3 illustrates an exemplary structure of an artificial intelligence-based model according to an embodiment of the present disclosure.
4A exemplarily shows a data structure of cluster data for each HLA type according to an embodiment of the present disclosure.
4B illustratively shows a data structure of cluster data for each HLA type according to an embodiment of the present disclosure.
Figure 5 illustratively illustrates the operation of a classification model for predicting the sequence of a peptide corresponding to each HLA type according to an embodiment of the present disclosure.
6A shows an example method for training a classification model according to one embodiment of the present disclosure.
6B illustrates an example method for training a classification model according to one embodiment of the present disclosure.
7 illustrates an example method for training a classification model according to one embodiment of the present disclosure.
8 illustratively illustrates a pre-processing process for data input to a classification model according to an embodiment of the present disclosure.
9 illustratively illustrates a preprocessing process for data input to a classification model according to an embodiment of the present disclosure.
10 illustratively illustrates a preprocessing process for data input to a classification model according to an embodiment of the present disclosure.
11 is a schematic diagram of a computing environment according to one embodiment of the present disclosure.
다양한 실시예들이 도면을 참조하여 설명된다. 본 명세서에서, 다양한 설명들이 본 개시내용의 이해를 제공하기 위해서 제시된다. 본 개시내용의 실시를 위한 구체적인 내용을 설명하기에 앞서, 본 개시내용의 기술적 요지와 직접적 관련이 없는 구성에 대해서는 본 발명의 기술적 요지를 흩뜨리지 않는 범위 내에서 생략하였음에 유의하여야 할 것이다. 또한, 본 명세서 및 청구범위에 사용된 용어 또는 단어는 발명자가 자신의 발명을 최선의 방법으로 설명하기 위해 적절한 용어의 개념을 정의할 수 있다는 원칙에 입각하여 본 발명의 기술적 사상에 부합하는 의미와 개념으로 해석되어야 할 것이다.Various embodiments are described with reference to the drawings. In this specification, various descriptions are presented to provide an understanding of the present disclosure. Prior to describing specific details for the implementation of the present disclosure, it should be noted that configurations not directly related to the technical gist of the present disclosure have been omitted within the scope of not distracting from the technical gist of the present invention. In addition, the terms or words used in this specification and claims have meanings consistent with the technical idea of the present invention based on the principle that the inventor can define the concept of appropriate terms in order to best describe his/her invention. concept should be interpreted.
본 명세서에서 사용되는 용어 "컴포넌트", "모듈", "시스템", "부" 등은 컴퓨터-관련 엔티티, 하드웨어, 펌웨어, 소프트웨어, 소프트웨어 및 하드웨어의 조합, 또는 소프트웨어의 실행을 지칭하며, 상호 교환 가능하게 사용될 수 있다. 예를 들어, 컴포넌트는 프로세서상에서 실행되는 처리과정(procedure), 프로세서, 객체, 실행 스레드, 프로그램, 및/또는 컴퓨터일 수 있지만, 이들로 제한되는 것은 아니다. 예를 들어, 컴퓨팅 장치에서 실행되는 애플리케이션 및 컴퓨팅 장치 모두 컴포넌트일 수 있다. 하나 이상의 컴포넌트는 프로세서 및/또는 실행 스레드 내에 상주할 수 있다. 일 컴포넌트는 하나의 컴퓨터 내에 로컬화 될 수 있다. 일 컴포넌트는 2개 이상의 컴퓨터들 사이에 분배될 수 있다. 또한, 이러한 컴포넌트들은 그 내부에 저장된 다양한 데이터 구조들을 갖는 다양한 컴퓨터 판독가능한 매체로부터 실행할 수 있다. 컴포넌트들은 예를 들어 하나 이상의 데이터 패킷들을 갖는 신호(예를 들면, 로컬 시스템, 분산 시스템에서 다른 컴포넌트와 상호작용하는 하나의 컴포넌트로부터의 데이터 및/또는 신호를 통해 다른 시스템과 인터넷과 같은 네트워크를 통해 전송되는 데이터)에 따라 로컬 및/또는 원격 처리들을 통해 통신할 수 있다.As used herein, the terms "component", "module", "system", "unit", and the like refer to a computer-related entity, hardware, firmware, software, a combination of software and hardware, or an execution of software, and are interchangeable. can possibly be used. For example, a component may be, but is not limited to, a procedure, processor, object, thread of execution, program, and/or computer running on a processor. For example, both an application running on a computing device and a computing device may be components. One or more components may reside within a processor and/or thread of execution. A component can be localized within a single computer. A component may be distributed between two or more computers. Also, these components can execute from various computer readable media having various data structures stored thereon. Components may be connected, for example, via signals with one or more packets of data (e.g., data and/or signals from one component interacting with another component in a local system, distributed system) to other systems and over a network such as the Internet. data being transmitted) may communicate via local and/or remote processes.
더불어, 용어 "또는"은 배타적 "또는"이 아니라 내포적 "또는"을 의미하는 것으로 의도된다. 즉, 달리 특정되지 않거나 문맥상 명확하지 않은 경우에, "X는 A 또는 B를 이용한다"는 자연적인 내포적 치환 중 하나를 의미하는 것으로 의도된다. 즉, X가 A를 이용하거나; X가 B를 이용하거나; 또는 X가 A 및 B 모두를 이용하는 경우, "X는 A 또는 B를 이용한다"가 이들 경우들 어느 것으로도 적용될 수 있다. 또한, 본 명세서에 사용된 "및/또는"이라는 용어는 열거된 관련 아이템들 중 하나 이상의 아이템의 가능한 모든 조합을 지칭하고 포함하는 것으로 이해되어야 한다.In addition, the term “or” is intended to mean an inclusive “or” rather than an exclusive “or”. That is, unless otherwise specified or clear from the context, “X employs A or B” is intended to mean one of the natural inclusive substitutions. That is, X uses A; X uses B; Or, if X uses both A and B, "X uses either A or B" may apply to either of these cases. Also, the term "and/or" as used herein should be understood to refer to and include all possible combinations of one or more of the listed related items.
또한, "포함한다" 및/또는 "포함하는"이라는 용어는, 해당 특징 및/또는 구성요소가 존재함을 의미하는 것으로 이해되어야 한다. 다만, "포함한다" 및/또는 "포함하는"이라는 용어는, 하나 이상의 다른 특징, 구성요소 및/또는 이들의 그룹의 존재 또는 추가를 배제하지 않는 것으로 이해되어야 한다. 또한, 달리 특정되지 않거나 단수 형태를 지시하는 것으로 문맥상 명확하지 않은 경우에, 본 명세서와 청구범위에서 단수는 일반적으로 "하나 또는 그 이상"을 의미하는 것으로 해석되어야 한다.Also, the terms "comprises" and/or "comprising" should be understood to mean that the features and/or components are present. However, it should be understood that the terms "comprises" and/or "comprising" do not exclude the presence or addition of one or more other features, elements, and/or groups thereof. Also, unless otherwise specified or where the context clearly indicates that a singular form is indicated, the singular in this specification and claims should generally be construed to mean "one or more".
그리고, "A 또는 B 중 적어도 하나" 또는 “A 및 B 중 적어도 하나” 라는 용어는, "A만을 포함하는 경우", "B 만을 포함하는 경우", "A와 B의 구성으로 조합된 경우"를 의미하는 것으로 해석되어야 한다. In addition, the term "at least one of A or B" or "at least one of A and B" means "includes only A", "includes only B", "includes A and B in combination" should be interpreted as meaning
당업자들은 추가적으로 여기서 개시된 실시예들과 관련되어 설명된 다양한 예시적 논리적 구성요소들, 블록들, 모듈들, 회로들, 수단들, 로직들, 및 알고리즘들이 전자 하드웨어, 컴퓨터 소프트웨어, 또는 양쪽 모두의 조합들로 구현될 수 있음을 인식해야 한다. 하드웨어 및 소프트웨어의 상호교환성을 명백하게 예시하기 위해, 다양한 예시적 구성요소들, 블록들, 수단들, 로직들, 모듈들, 회로들, 및 단계들은 그들의 기능성 측면에서 일반적으로 위에서 설명되었다. 그러한 기능성이 하드웨어로 또는 소프트웨어로서 구현되는지 여부는 전반적인 시스템에 부과된 특정 어플리케이션(application) 및 설계 제한들에 달려 있다. 숙련된 기술자들은 각각의 특정 어플리케이션들을 위해 다양한 방법들로 설명된 기능성을 구현할 수 있다. 다만, 그러한 구현의 결정들이 본 개시내용의 영역을 벗어나게 하는 것으로 해석되어서는 안된다.Those skilled in the art will further understand that the various illustrative logical components, blocks, modules, circuits, means, logics, and algorithms described in connection with the embodiments disclosed herein may be electronic hardware, computer software, or combinations of both. It should be recognized that it can be implemented as To clearly illustrate the interchangeability of hardware and software, various illustrative components, blocks, means, logics, modules, circuits, and steps have been described above generally in terms of their functionality. Whether such functionality is implemented in hardware or as software depends on the particular application and design constraints imposed on the overall system. Skilled artisans may implement the described functionality in varying ways for each particular application. However, such implementation decisions should not be interpreted as causing a departure from the scope of this disclosure.
제시된 실시예들에 대한 설명은 본 개시의 기술 분야에서 통상의 지식을 가진 자가 본 발명을 이용하거나 또는 실시할 수 있도록 제공된다. 이러한 실시예들에 대한 다양한 변형들은 본 개시의 기술 분야에서 통상의 지식을 가진 자에게 명백할 것이다. 여기에 정의된 일반적인 원리들은 본 개시의 범위를 벗어남이 없이 다른 실시예들에 적용될 수 있다. 그리하여, 본 발명은 여기에 제시된 실시예 들로 한정되는 것이 아니다. 본 발명은 여기에 제시된 원리들 및 신규한 특징들과 일관되는 최광의의 범위에서 해석되어야 할 것이다. The description of the presented embodiments is provided to enable any person skilled in the art to use or practice the present invention. Various modifications to these embodiments will be apparent to those skilled in the art of this disclosure. The general principles defined herein may be applied to other embodiments without departing from the scope of this disclosure. Thus, the present invention is not limited to the embodiments presented herein. The present invention is to be accorded the widest scope consistent with the principles and novel features set forth herein.
본 개시내용에서의 제 1, 제 2, 또는 제 3 과 같이 제 N 으로 표현되는 용어들은 적어도 하나의 엔티티들을 구분하기 위해 사용된다. 예를 들어, 제 1 과 제 2로 표현된 엔티티들은 서로 동일하거나 또는 상이할 수 있다.In the present disclosure, terms expressed as Nth, such as first, second, or third, are used to distinguish at least one entity. For example, entities represented as first and second may be the same as or different from each other.
본 개시내용에서 사용되는 용어 "면역펩티돔(immunopeptidome)"은 MHC 펩티돔 또는 HLA 펩티돔을 포함하도록 사용될 수 있다. 예를 들어, HLA 펩티돔은 HLA에 결합되어 있는 펩타이드들을 의미할 수 있으며, MHC 펩티돔은 MHC에 결합되어 있는 펩타이드들을 의미할 수 있다.As used in this disclosure, the term "immunopeptidome" may be used to include either the MHC peptidome or the HLA peptidome. For example, an HLA peptidome may refer to peptides bound to HLA, and an MHC peptidome may mean peptides bound to MHC.
본 개시내용에서 사용되는 용어, 염기서열 분석은 염기서열을 분석할 수 있는 임의의 형태의 기법들에 의해 수행될 수 있으며, 예를 들어, 전장 유전체 염기서열 분석(whole genome sequencing), 전체 엑솜 염기서열 분석(whole exome sequencing) 또는 전체 전사체 염기서열 분석(whole transcriptome sequencing)을 포함할 수 있으나, 이에 제한되는 것은 아니다.As the term used in the present disclosure, sequencing may be performed by any type of technique capable of sequencing, for example, whole genome sequencing, whole exome base It may include, but is not limited to, whole exome sequencing or whole transcriptome sequencing.
본 개시내용에서 사용되는 용어, 피검체는 주조직 적합 복합체(Major Histocompatibility Complex: MHC)-펩타이드 결합체(complex)를 포함하는 생물학적 시료를 획득하기 위한 대상체 또는 개체를 의미할 수 있다. As used in the present disclosure, a subject may refer to a subject or individual for obtaining a biological sample containing a major histocompatibility complex (MHC)-peptide complex.
본 개시내용에서 사용되는 용어, 시료는 MHC 타입을 결정하고자 하는 개체 또는 대상체로부터 획득된 것이라면 제한 없이 사용할 수 있으며, 예를 들어 생검 등으로 얻어진 세포나 조직, 혈액, 전혈, 혈청, 혈장, 타액, 뇌척수액, 각종 분비물, 소변 및/또는 대변 등일 수 있다. 바람직하게 시료는 혈액, 혈장, 혈청, 타액, 비액, 객담, 복수, 질 분비물 및/또는 소변으로 이루어진 군에서 선택될 수 있으며, 보다 바람직하게는 혈액, 혈장 또는 혈청일 수 있다. 상기 시료는 검출 또는 진단에 사용하기 전에 전처리할 수 있다. 예를 들어, 전처리 방법은 균질화(homogenization), 여과, 증류, 추출, 농축, 방해 성분의 불활성화, 및/또는 시약의 첨가 등을 포함할 수 있다.As used in the present disclosure, the term, sample, can be used without limitation as long as it is obtained from an individual or subject whose MHC type is to be determined, and for example, cells or tissues obtained by biopsy, blood, whole blood, serum, plasma, saliva, It may be cerebrospinal fluid, various secretions, urine and/or feces, and the like. Preferably, the sample may be selected from the group consisting of blood, plasma, serum, saliva, nasal fluid, sputum, ascites, vaginal secretion and/or urine, and more preferably blood, plasma or serum. The sample may be pretreated prior to use for detection or diagnosis. For example, pretreatment methods may include homogenization, filtration, distillation, extraction, concentration, inactivation of interfering components, and/or addition of reagents, and the like.
본 개시내용에서, 생물학적 시료는 조직, 세포, 전혈, 및/또는 혈액인 것일 수 있으나, 이에 제한되는 것은 아니다.In the present disclosure, a biological sample may be tissue, cell, whole blood, and/or blood, but is not limited thereto.
본 개시내용에서는 설명의 편의를 위하여, MHC에 대한 일례로 인간 백혈구 항원(Human Leukocyte Antigen; HLA)을 예시적으로 사용하기로 한다. 따라서, 이하에서 사용되는 HLA에 대한 설명은 MHC에 대한 설명을 표현하기 위한 일례이며, 본 개시내용의 권리범위는 청구범위에 기재된 내용에 근거하여 결정될 것이며, HLA에 대한 예시를 통해 그 권리범위가 HLA로 제한 해석되지는 않아야 할 것이다. 이처럼 본 개시내용에서의 HLA와 MHC는 서로 교환 가능하게 사용될 수 있다.In the present disclosure, for convenience of description, human leukocyte antigen (HLA) is exemplarily used as an example for MHC. Therefore, the description of HLA used below is an example for expressing a description of MHC, and the scope of rights of the present disclosure will be determined based on the content described in the claims, and the scope of rights will be determined through the example of HLA. It should not be construed as limited to HLA. As such, HLA and MHC in the present disclosure may be used interchangeably.
본 개시내용에서 사용되는 용어, “인간 백혈구 항원(Human Leukocyte Antigen; HLA)”은 인간의 MHC 유전자에 의해 생성되는 당단백 분자로, 인간이 가지고 있는 유전자 중에서 가장 큰 다형성(polymorphism)을 보이는 유전자이다. HLA 타입을 결정하는 HLA 타이핑은 장기이식, 면역치료, 질병관련 연구, 친자감별과 같은 부친시험, 법의학적 이용, 유전학적 연구 등의 다양한 분야에서 매우 활발하게 이용될 수 있다. As used in the present disclosure, the term “Human Leukocyte Antigen (HLA)” is a glycoprotein molecule produced by a human MHC gene, and is a gene showing the largest polymorphism among genes possessed by humans. HLA typing, which determines the HLA type, can be used very actively in various fields such as organ transplantation, immunotherapy, disease-related research, paternity tests such as paternity, forensic use, and genetic research.
본 개시내용에서의 HLA 타입은 예를 들어, HLA-A 타입, HLA-B 타입 및/또는 HLA-C 타입을 포함할 수 있다.An HLA type in the present disclosure may include, for example, an HLA-A type, an HLA-B type, and/or an HLA-C type.
도 1은 본 개시내용의 일 실시예에 따른 컴퓨팅 장치(100)의 블록 구성도를 개략적으로 도시한다. 1 schematically illustrates a block configuration diagram of a
본 개시의 일 실시예에 따른 컴퓨팅 장치(100)는 프로세서(110) 및 메모리(130)를 포함할 수 있다.
도 1에 도시된 컴퓨팅 장치(100)의 구성은 간략화 하여 나타낸 예시일 뿐이다. 본 개시의 일 실시예에서 컴퓨팅 장치(100)는 컴퓨팅 장치(100)의 컴퓨팅 환경을 수행하기 위한 다른 구성들이 포함될 수 있고, 개시된 구성들 중 일부만이 컴퓨팅 장치(100)를 구성할 수도 있다. The configuration of the
본 개시내용에서의 컴퓨팅 장치(100)는 본 개시내용의 실시예들을 구현하기 위한 시스템을 구성하는 노드를 의미할 수 있다. 컴퓨팅 장치(100)는 임의의 형태의 사용자 단말 또는 임의의 형태의 서버를 의미할 수 있다. 전술한 컴퓨팅 장치(100)의 컴포넌트들은 예시적인 것으로 일부가 제외될 수 있거나 또는 추가 컴포넌트가 포함될 수도 있다. 일례로, 전술한 컴퓨팅 장치(100)가 단말을 포함하는 경우, 출력부(미도시) 및 입력부(미도시)가 그 범위 내에 포함될 수 있다.The
본 개시내용에서의 컴퓨팅 장치(100)는 후술될 본 개시내용의 실시예들에 따른 기술적 특징들을 수행할 수 있다. 컴퓨팅 장치(100)는 본 개시내용의 일 실시예에 따라, 클러스터 데이터에 대응되는 MHC 타입을 출력하기 위한 분류 모델을 포함할 수 있다. The
예를 들어, 컴퓨팅 장치(100)는 제 1 타입의 MHC에 대응되는 제 1 클러스터 데이터를 획득하고, 제 1 클러스터 데이터에서의 적어도 하나의 값을 변경하기 위한 노이즈 생성 모델을 사용하여 제 1 클러스터 데이터로부터 제 1 타입의 MHC에 대응되는 제 2 클러스터 데이터를 생성하고, 그리고 제 2 클러스터 데이터에 기초하여 분류 모델을 학습시킬 수 있다. 추가적으로, 컴퓨팅 장치(100)는 제 2 클러스터 데이터에서의 배열 순서를 변경하는 방식으로 분류 모델에 입력될 학습 데이터 셋을 생성할 수 있다.For example, the
다른 예시로, 본 개시내용에서의 컴퓨팅 장치(100)는 제 1 타입의 MHC에 대응되는 제 1 클러스터 데이터를 획득하고, 제 1 클러스터 데이터에서의 배열 순서가 변경된 제 2 클러스터 데이터를 생성하고, 그리고 제 2 클러스터 데이터에 기초하여 분류 모델을 학습시킬 수 있다.As another example, the
본 개시내용의 일 실시예에서, 컴퓨팅 장치(100)는 염기 서열 분석(예컨대, NGS)를 수행한 결과를 서버 또는 외부 엔티티 등으로부터 획득할 수 있다. 다른 실시예에서, 컴퓨팅 장치(100)는 피검체 유래의 생물학적 시료로부터 획득된 유전자 데이터(예컨대, DNA 또는 RNA)에 대한 염기 서열 분석을 수행할 수도 있다.In one embodiment of the present disclosure, the
일 실시예에서, 프로세서(110)는 적어도 하나의 코어로 구성될 수 있으며, 컴퓨팅 장치(100)의 중앙 처리 장치(CPU: central processing unit), 범용 그래픽 처리 장치 (GPGPU: general purpose graphics processing unit), 텐서 처리 장치(TPU: tensor processing unit) 등의 데이터 분석 및/또는 처리를 위한 프로세서를 포함할 수 있다. In one embodiment, the processor 110 may include at least one core, and may include a central processing unit (CPU) or a general purpose graphics processing unit (GPGPU) of the
프로세서(110)는 메모리(130)에 저장된 컴퓨터 프로그램을 판독하여 본 개시내용의 일 실시예에 따라, 클러스터 데이터에 대응되는 MHC 타입을 출력하기 위한 분류 모델을 포함할 수 있다. The processor 110 may include a classification model for reading a computer program stored in the memory 130 and outputting an MHC type corresponding to cluster data according to an embodiment of the present disclosure.
본 개시의 일 실시예에 따라 프로세서(110)는 신경망의 학습을 위한 연산을 수행할 수도 있다. 프로세서(110)는 딥러닝(DL: deep learning)에서 학습을 위한 입력 데이터의 처리, 입력 데이터에서의 피처 추출, 오차 계산, 역전파(backpropagation)를 이용한 신경망의 가중치 업데이트 등의 신경망의 학습을 위한 계산을 수행할 수 있다. 프로세서(110)의 CPU, GPGPU, 및 TPU 중 적어도 하나가 네트워크 함수의 학습을 처리할 수 있다. 예를 들어, CPU 와 GPGPU가 함께 네트워크 함수의 학습, 네트워크 함수를 이용한 데이터 분류를 처리할 수 있다. 또한, 본 개시의 일 실시예에서 복수의 컴퓨팅 장치들의 프로세서들을 함께 사용하여 네트워크 함수의 학습, 네트워크 함수를 이용한 데이터 분류를 처리할 수도 있다. 또한, 본 개시의 일 실시예에 따른 컴퓨팅 장치에서 수행되는 컴퓨터 프로그램은 CPU, GPGPU 또는 TPU 실행가능 프로그램일 수 있다.According to an embodiment of the present disclosure, the processor 110 may perform an operation for learning a neural network. The processor 110 is used for neural network learning, such as processing input data for learning in deep learning (DL), extracting features from input data, calculating errors, and updating neural network weights using backpropagation. calculations can be performed. At least one of the CPU, GPGPU, and TPU of the processor 110 may process learning of the network function. For example, the CPU and GPGPU can process learning of network functions and data classification using network functions. In addition, in one embodiment of the present disclosure, learning of a network function and data classification using a network function may be processed by using processors of a plurality of computing devices together. In addition, a computer program executed in a computing device according to an embodiment of the present disclosure may be a CPU, GPGPU or TPU executable program.
추가적으로, 프로세서(110)는 통상적으로 컴퓨팅 장치(100)의 전반적인 동작을 처리할 수 있다. 예를 들어, 프로세서(110)는 컴퓨팅 장치(100)에 포함된 구성요소들을 통해 입력 또는 출력되는 데이터, 정보, 또는 신호 등을 처리하거나 저장부에 저장된 응용 프로그램을 구동함으로써, 사용자에게 적절한 정보 또는 기능을 제공 또는 처리할 수 있다.Additionally, the processor 110 may typically handle overall operations of the
본 개시의 일 실시예에 따르면, 메모리(130)는 프로세서(110)가 생성하거나 결정한 임의의 형태의 정보 및 컴퓨팅 장치(100)가 수신한 임의의 형태의 정보를 저장할 수 있다. 본 개시의 일 실시예에 따르면, 메모리(130)는 프로세서(110)가 본 개시의 실시예들에 따른 동작을 수행하도록 하는 컴퓨터 소프트웨어를 저장하는 저장매체 일 수 있다. 따라서, 메모리(130)는 본 개시내용에 실시예들을 수행하는 데 필요한 소프트웨어 코드, 코드의 실행 대상이 되는 데이터, 코드의 실행 결과를 저장하기 위한 컴퓨터 판독 매체들을 의미할 수 있다.According to one embodiment of the present disclosure, memory 130 may store any type of information generated or determined by processor 110 and any type of information received by computing
본 개시의 일 실시예에 따르면, 메모리(130)는 임의의 타입의 저장 매체를 의미할 수 있다 예를 들어, 메모리(130)는 플래시 메모리 타입(flash memory type), 하드디스크 타입(hard disk type), 멀티미디어 카드 마이크로 타입(multimedia card micro type), 카드 타입의 메모리(예를 들어 SD 또는 XD 메모리 등), 램(Random Access Memory, RAM), SRAM(Static Random Access Memory), 롬(Read-Only Memory, ROM), EEPROM(Electrically Erasable Programmable Read-Only Memory), PROM(Programmable Read-Only Memory), 자기 메모리, 자기 디스크, 광디스크 중 적어도 하나의 타입의 저장매체를 포함할 수 있다. 컴퓨팅 장치(100)는 인터넷(internet) 상에서 상기 메모리(130)의 저장 기능을 수행하는 웹 스토리지(web storage)와 관련되어 동작할 수도 있다. 전술한 메모리에 대한 기재는 예시일 뿐, 본 개시내용에서 사용되는 메모리(130)는 전술한 예시들로 제한되지 않는다.According to an embodiment of the present disclosure, the memory 130 may refer to any type of storage medium. For example, the memory 130 may be a flash memory type, a hard disk type ), multimedia card micro type, card type memory (eg SD or XD memory, etc.), RAM (Random Access Memory, RAM), SRAM (Static Random Access Memory), ROM (Read-Only memory, ROM), electrically erasable programmable read-only memory (EEPROM), programmable read-only memory (PROM), magnetic memory, magnetic disk, and optical disk. The
본 개시내용에서의 통신부(미도시)는 유선 및 무선 등과 같은 그 통신 양태를 가리지 않고 구성될 수 있으며, 단거리 통신망(PAN: Personal Area Network), 근거리 통신망(WAN: Wide Area Network) 등 다양한 통신망으로 구성될 수 있다. 또한, 상기 네트워크부(150) 공지의 월드와이드웹(WWW: World Wide Web) 기반으로 동작할 수 있으며, 적외선(IrDA: Infrared Data Association) 또는 블루투스(Bluetooth)와 같이 단거리 통신에 이용되는 무선 전송 기술을 이용할 수도 있다.The communication unit (not shown) in the present disclosure may be configured regardless of its communication mode, such as wired and wireless, and may be configured in various communication networks such as a personal area network (PAN) and a wide area network (WAN). can be configured. In addition, the network unit 150 may operate based on the known World Wide Web (WWW), and a wireless transmission technology used for short-range communication such as Infrared Data Association (IrDA) or Bluetooth. can also be used.
본 개시내용에서의 컴퓨팅 장치(100)는 임의의 형태의 사용자 단말 및/또는 임의의 형태의 서버를 포함할 수 있다. 따라서, 본 개시내용의 실시예들은 서버 및/또는 사용자 단말에 의해 수행될 수 있다.The
사용자 단말은 서버 또는 다른 컴퓨팅 장치와 상호작용 가능한 임의의 형태의 단말을 포함할 수 있다. 사용자 단말은 예를 들어, 휴대폰, 스마트 폰(smart phone), 노트북 컴퓨터(laptop computer), PDA(personal digital assistants), 슬레이트 PC(slate PC), 태블릿 PC(tablet PC) 및 울트라북(ultrabook)을 포함할 수 있다. A user terminal may include any type of terminal capable of interacting with a server or other computing device. User terminals include, for example, mobile phones, smart phones, laptop computers, personal digital assistants (PDAs), slate PCs, tablet PCs, and ultrabooks. can include
서버는 예를 들어, 마이크로프로세서, 메인프레임 컴퓨터, 디지털 프로세서, 휴대용 디바이스 및 디바이스 제어기 등과 같은 임의의 타입의 컴퓨팅 시스템 또는 컴퓨팅 장치를 포함할 수 있다. A server may include any type of computing system or computing device, such as, for example, microprocessors, mainframe computers, digital processors, portable devices and device controllers, and the like.
추가적인 실시예에서 서버는 면역펩티돔 정보, 펩타이드 시퀀스의 정보, 염기 서열 정보, 유전자 정보, 및/또는 학습 데이터 셋을 저장 및 관리하는 엔티티를 의미할 수도 있다. 서버는 면역펩티돔 정보, 펩타이드 시퀀스의 정보, 염기 서열 정보, 유전자 정보 및/또는 학습 데이터 셋을 저장하기 위한 저장부(미도시)를 포함할 수 있으며, 저장부는 서버내에 포함되거나 혹은 서버의 관리 하에 존재할 수 있다. 다른 예시로, 저장부는 서버 외부에 존재하여 서버와 통신가능한 형태로 구현될 수도 있다. 이 경우 서버와는 상이한 다른 외부 서버에 의해 저장부가 관리 및 제어될 수 있다.In an additional embodiment, the server may refer to an entity that stores and manages immunopeptidome information, peptide sequence information, nucleotide sequence information, gene information, and/or learning data sets. The server may include a storage unit (not shown) for storing immunopeptidome information, peptide sequence information, nucleotide sequence information, gene information, and/or learning data sets, and the storage unit may be included in the server or managed by the server can exist under As another example, the storage unit may exist outside the server and may be implemented in a form capable of communicating with the server. In this case, the storage unit may be managed and controlled by another external server different from the server.
도 2는 본 개시내용의 일 실시예에 따른 분류 모델을 학습시키기 위한 예시적인 방법을 도시한다. 2 illustrates an exemplary method for training a classification model according to one embodiment of the present disclosure.
일 실시예에서, 도 2에서 도시되는 단계들은 컴퓨팅 장치(100)에 의해 수행될 수 있다. 추가적인 실시예에서, 도 2에서 도시되는 단계들 중 일부는 사용자 단말에서 수행되고 다른 일부는 서버에서 수행되는 방식과 같이 도 2에서의 단계들은 복수의 엔티티들에 의해 구현될 수도 있다.In one embodiment, the steps shown in FIG. 2 may be performed by computing
도 2에서 도시되는 바와 같이, 컴퓨팅 장치(100)는 제 1 타입의 주조직 적합 복합체(Major Histocompatibility Complex: MHC)에 대응되는 제 1 클러스터 데이터를 획득할 수 있다(210).As shown in FIG. 2 , the
일 실시예에서, 클러스터 데이터는 펩타이드 내에서의 사전 결정된 위치에서 아미노산의 종류의 존재 가능성을 나타내는 값을 포함할 수 있다. 예를 들어, 클러스터 데이터는 행렬 형태의 데이터를 포함할 수 있다. 이러한 예시에서, 클러스터 데이터의 행렬의 행과 열 중 어느 하나는 펩타이드의 위치를 나타내고 행렬의 행과 열 중 다른 하나는 아미노산 식별자를 나타낼 수 있다. 클러스터 데이터에 대한 예시는 도 4a 및 도 4b에서 도시된다.In one embodiment, the cluster data may include a value indicating the possibility of the presence of a type of amino acid at a predetermined position in a peptide. For example, cluster data may include matrix-type data. In this example, one of the rows and columns of the matrix of cluster data may represent the position of a peptide and the other of the rows and columns of the matrix may represent amino acid identifiers. An example of cluster data is shown in FIGS. 4A and 4B.
일 실시예에서, 컴퓨팅 장치(100)는 적어도 하나의 피검체로부터 유래된 MHC-펩타이드 결합체를 포함하는 생물학적 시료로부터 펩타이드 시퀀스들의 리스트를 획득할 수 있다. 컴퓨팅 장치(100)는 생물학적 시료에 대한 질량(mass) 기반 시퀀스 분석을 통해 상기 MHC-펩타이드 결합체로부터 펩타이드를 분리하고 그리고 상기 분리된 펩타이드에 대응하는 상기 펩타이드 시퀀스들의 리스트를 획득할 수 있다. 컴퓨팅 장치(100)는 외부 엔티티로부터 수행된 질량 기반 시퀀스 분석을 수행하고 이러한 질량 기반 시퀀스 분석에 기초하여 펩타이드 시퀀스들의 리스트를 획득할 수도 있다. 제한이 아닌 예시로, 질량 기반 시퀀스 분석은 Mass Spectrometry에 의해 수행될 수 있다. 일례로, 질량 기반 시퀀스 분석은 질량 별 또는 m/z(질량 대 전하 비) 별로 특정한 아미노산에 대한 강도(intensity)를 나타내는 결과를 생성할 수 있다. 이러한 예시에서 컴퓨팅 장치(100)는 클러스터링 모델을 사용하여 펩타이드 시퀀스들의 리스트로부터 클러스터 데이터를 획득할 수 있다. In one embodiment, the
일례로, 클러스터링 모델은, 비지도 학습(unsupervised learning)에 기반하여 사전학습될 수 있다. 예를 들어, 클러스터링 모델은, 펩타이드 시퀀스들의 리스트를 포함하는 입력 데이터에 기초하여, 펩타이드의 각 위치에서의 아미노산 종류의 존재 가능성을 정량적으로 나타내는 제 1 출력 데이터, 상기 제 1 출력 데이터를 시각화하여 나타내는 제 2 출력 데이터, 및 클러스터링된 클러스터들 각각에서의 상기 펩타이드 시퀀스들의 리스트를 포함하는 제 3 출력 데이터 중 적어도 하나를 생성할 수 있다. As an example, the clustering model may be pretrained based on unsupervised learning. For example, the clustering model is based on input data including a list of peptide sequences, first output data that quantitatively indicates the possibility of amino acid types at each position of the peptide, and visualizing the first output data At least one of second output data and third output data including a list of the peptide sequences in each of the clustered clusters may be generated.
다른 예시로, 클러스터링 모델은 참조 데이터에 정답(ground-truth) MHC 타입이 매핑된 학습 데이터를 사용하여 지도 학습 방식으로 학습되는 인공지능 기반의 모델을 포함할 수 있다. 여기서, 참조 데이터는 MHC와 결합된 펩타이드 시퀀스들의 리스트 또는 이러한 리스트의 합을 나타낼 수 있다. 일례로, 참조 데이터는 Single-allelic 기반의 테스트에 의해 사전 결정된 MHC 타입 별 펩타이드 시퀀스를 포함할 수 있다. 전술한 바와 같이, 참조 데이터는 별도의 테스트를 통해 사전 결정된 MHC 타입에 대응되는 펩타이드의 시퀀스를 나타내는 임의의 형태의 데이터를 포함할 수 있다.As another example, the clustering model may include an artificial intelligence-based model that is learned by a supervised learning method using learning data in which a ground-truth MHC type is mapped to reference data. Here, the reference data may represent a list of peptide sequences associated with MHC or a sum of such lists. For example, the reference data may include a peptide sequence for each MHC type previously determined by a single-allelic test. As described above, the reference data may include any type of data representing a sequence of a peptide corresponding to a predetermined MHC type through a separate test.
제 1 타입의 MHC에 대응되는 제 1 클러스터 데이터를 획득하는 방식에 대해서는 전술한 예시로 제한되지 않으며, 실험 데이터로부터 획득하는 방식 및/또는 공공 데이터로부터 획득하는 방식 등 다양한 방식들이 본 개시내용의 범위 내에 포함될 수 있다.The method of acquiring the first cluster data corresponding to the first type of MHC is not limited to the above example, and various methods such as a method of acquiring from experimental data and/or a method of acquiring from public data are within the scope of the present disclosure. may be included in
본 개시의 일 실시예에서, 클러스터링 모델, 노이즈 생성 모델 및/또는 분류 모델은 인공지능 기반 모델을 의미할 수도 있다. 이러한 인공지능 기반 모델에 대해서는 도 3에서 후술된다.In one embodiment of the present disclosure, a clustering model, a noise generation model, and/or a classification model may refer to an artificial intelligence-based model. This artificial intelligence-based model will be described later in FIG. 3 .
컴퓨팅 장치(100)는 제 1 클러스터 데이터에서의 적어도 하나의 값을 변경하기 위한 노이즈 생성 모델을 사용하여, 상기 제 1 클러스터 데이터로부터 제 1 타입의 MHC에 대응되는 제 2 클러스터 데이터를 생성할 수 있다(220).The
일 실시예에서, 제 2 클러스터 데이터는 제 1 클러스터 데이터와 상이한 값을 포함할 수 있다. 제 2 클러스터 데이터와 제 1 클러스터 데이터는 동일한 형식의 데이터를 의미할 수 있다. In one embodiment, the second cluster data may include a value different from that of the first cluster data. The second cluster data and the first cluster data may mean data of the same format.
일 실시예에서, 노이즈 생성 모델은 제 1 클러스터 데이터 내에서의 제 1 위치를 결정하기 위한 제 1 랜덤 함수, 및 상기 제 1 위치를 입력으로 하여, 상기 제 1 위치에 대응되는 제 1 값을 변경하는데 사용되는 제 2 값을 생성하는 제 2 랜덤 함수에 기초하여 동작될 수 있다. In one embodiment, the noise generation model takes a first random function for determining a first position in the first cluster data, and the first position as an input, and changes a first value corresponding to the first position may be operated based on a second random function that generates a second value used for
예를 들어, 컴퓨팅 장치(100)는 제 1 랜덤 함수를 사용하여 제 1 클러스터 데이터 내에서의 제 1 위치를 결정할 수 있다. 여기서 제 1 랜덤 함수는 임의의 입력에 응답하여 행렬 내에서의 특정한 위치를 랜덤하게 출력하는 함수를 포함할 수 있다. 예를 들어, 노이즈 생성 모델은 제 2 랜덤 함수를 사용하여 제 1 위치로부터 제 1 랜덤값을 생성할 수 있다. 여기서 제 2 랜덤 함수는 행렬 내에서의 위치값(예컨대, 제 1 값)을 입력으로 하여 제 1 랜덤값을 출력하는 함수를 포함할 수 있다. 노이즈 생성 모델은 제 1 랜덤 함수를 통해 생성된 제 1 위치에 대응되는 제 1 값 및 제 2 랜덤 함수를 통해 생성된 제 1 랜덤값에 기초하여, 제 1 위치에 대응되는 제 1 값을 변경 또는 업데이트할 수 있다. 노이즈 생성 모델은 업데이트된 제 1 값을 포함하는 제 2 클러스터 데이터를 생성할 수 있다. 이러한 방식으로 노이즈 생성 모델은 적어도 하나의 랜덤 함수를 사용하여 클러스터 데이터에서의 위치 및 위치에 대응되는 값을 변경하는 방식으로 복수의 클러스터 데이터를 생성할 수 있다.For example, the
본 개시내용의 일 실시예에서, 제 1 위치에 대응되는 제 1 값을 변경 또는 업데이트 할 때, 노이즈 생성 모델은 제 1 위치에 대응되는 제 1 값에 상기 제 1 랜덤값을 합산하는 방식을 사용할 수 있다. 여기서의 제 1 랜덤값은 반복재현성 임계 범위에 기초하여 생성될 수 있으며, 이러한 반복재현성 임계 범위는 사전 결정될 수 있다. 일례로, 반복재현성 임계 범위는 -1.53 내지 1.53의 범위를 가질 수 있다.In one embodiment of the present disclosure, when changing or updating a first value corresponding to a first position, the noise generation model may use a method of adding the first random value to the first value corresponding to the first position. can Here, the first random value may be generated based on a reproducibility threshold range, and the repeatability threshold range may be predetermined. As an example, the reproducibility threshold range may have a range of -1.53 to 1.53.
본 개시내용의 일 실시예에서, 노이즈 생성 모델은, 제 1 위치에 대응되는 제 1 값을 업데이트할지 여부를 판단할 때, 제 1 랜덤값과 반복재현성 임계값을 비교하는 방식을 사용할 수 있다. 추가적으로, 노이즈 생성 모델은 제 1 위치에 대응되는 제 1 값을 변경 또는 업데이트하는 방식과 동일한 방식을 사용하여 행렬 내에서의 다른 위치들에 대응되는 값들을 변경 또는 업데이트할 수 있다. 노이즈 생성 모델은 이러한 변경 또는 업데이트된 값들과 반복재현성 임계값을 비교하여 변경 또는 업데이트를 계속할지 아니면 중지할지 결정할 수 있다. 반복재현성 임계값이 초과된다고 판단됨에 따라 변경 또는 업데이트가 중지될 것으로 결정된 경우, 노이즈 생성 모델은 변경 또는 업데이트가 반영된 클러스터 데이터를 생성할 수 있다.In one embodiment of the present disclosure, the noise generation model may use a method of comparing the first random value and the reproducibility threshold when determining whether to update the first value corresponding to the first position. Additionally, the noise generation model may change or update values corresponding to other positions in the matrix using the same method as changing or updating the first value corresponding to the first position. The noise generation model can compare these changed or updated values with a reproducibility threshold to decide whether to continue or stop the change or update. When it is determined that the change or update is to be stopped as it is determined that the reproducibility threshold is exceeded, the noise generation model may generate cluster data reflecting the change or update.
일 실시예에서, 노이즈 생성 모델은, 제 1 위치에 대응되는 제 1 값을 제 1 랜덤값으로 변경한 이후에, 제 1 랜덤 함수를 사용하여 제 1 클러스터 데이터 내에서의 제 2 위치를 결정할 수 있다. 노이즈 생성 모델은, 제 2 랜덤 함수를 사용하여 상기 제 2 위치로부터 제 2 랜덤값을 생성하고, 그리고 상기 제 1 랜덤값 및 상기 제 2 랜덤값에 기초한 중간값과 반복재현성 임계값 간의 비교에 기초하여, 상기 제 2 위치에 대응되는 제 2 값을 업데이트할지 여부를 결정할 수 있다. 일 실시예에서, 중간값에 대한 일례로 평균값이 고려될 수 있다. 노이즈 생성 모델은, 상기 제 2 값을 업데이트한다고 결정한 경우, 상기 제 2 위치에 대응되는 제 2 값 및 상기 제 2 랜덤값에 기초하여, 상기 제 2 위치에 대응되는 제 2 값을 업데이트할 수 있다. 노이즈 생성 모델은 상기 업데이트된 제 1 값 및 상기 업데이트된 제 2 값을 포함하는 상기 제 2 클러스터 데이터를 생성할 수 있다. In one embodiment, the noise generation model may determine the second position within the first cluster data by using the first random function after changing the first value corresponding to the first position to the first random value. there is. The noise generation model is based on generating a second random value from the second location using a second random function, and comparing between the first random value and an intermediate value based on the second random value and a repeatability threshold. Thus, it is possible to determine whether to update the second value corresponding to the second position. In one embodiment, an average value may be considered as an example for a median value. When it is determined that the second value is updated, the noise generation model may update the second value corresponding to the second position based on the second value corresponding to the second position and the second random value. . A noise generation model may generate the second cluster data including the updated first value and the updated second value.
상기 제 2 랜덤값의 생성 범위는, 상기 제 1 랜덤값 및 상기 반복재현성 임계값에 기초하여 결정될 수 있다. 추가적인 실시예에서, 상기 제 2 랜덤값은, 상기 제 2 랜덤값과 상기 제 1 랜덤값의 합산값이 상기 반복재현성 임계값 미만이 되도록 생성 범위를 가질 수 있다. 이러한 경우, 새롭게 생성된 클러스터 데이터에 포함되는 값들이 반복재현성 임계값에 가깝게 설정될 수 있어서, 분류 모델에 학습 효율 및 능력을 증대시킬 수 있는 학습 데이터가 생성될 수 있다.A generation range of the second random value may be determined based on the first random value and the repeatability threshold. In an additional embodiment, the second random value may have a generation range such that a sum of the second random value and the first random value is less than the repeatability threshold. In this case, values included in the newly generated cluster data may be set close to the reproducibility threshold, so that learning data capable of increasing learning efficiency and capability of the classification model may be generated.
일 실시예에서, 컴퓨팅 장치(100)는 제 2 클러스터 데이터에 적어도 부분적으로 기초하여 분류(classification) 모델을 학습시킬 수 있다(230). 예를 들어, 상기 제 2 클러스터 데이터에 제 1 MHC 타입이 정답(ground truth)으로 라벨링된 학습 데이터에 적어도 부분적으로 기초하여, 지도 학습(supervised learning)의 방식으로 상기 분류 모델의 학습이 이루어질 수 있다. In one embodiment, the
일 실시예에서, 분류 모델은 클러스터 데이터에 포함되는 위치 점수 행렬(PWM: Position Weight Matrix)을 입력으로 하고 그리고 상기 분류 모델에서 행렬로 표현되는 필터의 엘리먼트들 각각이 상기 위치 점수 행렬의 엘리먼트들의 값을 처리할 수 있다. 일례로, 분류 모델은 CNN(Convolutional Neural Network)을 포함할 수 있다.In one embodiment, the classification model takes a position weight matrix (PWM) included in cluster data as an input, and each of the elements of a filter represented by a matrix in the classification model is a value of the elements of the position weight matrix. can handle As an example, the classification model may include a Convolutional Neural Network (CNN).
본 개시의 추가적인 실시예에서, 컴퓨팅 장치(100)는 제 2 클러스터 데이터 내에서 아미노산 식별자들의 배열 순서가 의미론적 관련성을 가질 수 있도록, 아미노산 식별자들의 배열 순서를 변경할 수 있다. 이에 따라 제 2 클러스터 데이터의 행렬에서의 배열이 변경될 수 있다. 이러한 아미노산 식별자들의 배열 순서는 예를 들어, 아미노산들 간의 치환 가능성에 기초하여 결정될 수 있다. 아미노산 식별자들의 배열 순서가 변경된 제 2 클러스터 데이터는 분류 모델의 입력 데이터로 활용될 수 있다. 이에 따라 생성된 학습 데이터는 분류 모델의 학습 성능 또는 능력을 보다 향상시킬 수 있다. In a further embodiment of the present disclosure, the
도 3은 본 개시내용의 일 실시예에 따른 인공지능 기반 모델의 예시적인 구조를 도시한다.3 illustrates an exemplary structure of an artificial intelligence-based model according to an embodiment of the present disclosure.
본 명세서에 걸쳐, 인공지능 모델, 인공지능 기반 모델, 연산 모델, 신경망, 네트워크 함수, 뉴럴 네트워크(neural network)는 동일한 의미로 사용될 수 있다. 일례로, 본 개시내용에서의 분류 모델 및/또는 클러스터링 모델은 인공지능 모델을 포함할 수 있다. Throughout this specification, artificial intelligence models, artificial intelligence-based models, computational models, neural networks, network functions, and neural networks may be used interchangeably. As an example, the classification model and/or clustering model in the present disclosure may include an artificial intelligence model.
신경망은 일반적으로 노드라 지칭될 수 있는 상호 연결된 계산 단위들의 집합으로 구성될 수 있다. 이러한 노드들은 뉴런(neuron)들로 지칭될 수도 있다. 신경망은 적어도 하나 이상의 노드들을 포함하여 구성된다. 신경망들을 구성하는 노드(또는 뉴런)들은 하나 이상의 링크에 의해 상호 연결될 수 있다. A neural network may consist of a set of interconnected computational units, which may generally be referred to as nodes. These nodes may also be referred to as neurons. A neural network includes one or more nodes. Nodes (or neurons) constituting neural networks may be interconnected by one or more links.
신경망 내에서, 링크를 통해 연결된 하나 이상의 노드들은 상대적으로 입력 노드 및 출력 노드의 관계를 형성할 수 있다. 입력 노드 및 출력 노드의 개념은 상대적인 것으로서, 하나의 노드에 대하여 출력 노드 관계에 있는 임의의 노드는 다른 노드와의 관계에서 입력 노드 관계에 있을 수 있으며, 그 역도 성립할 수 있다. 상술한 바와 같이, 입력 노드 대 출력 노드 관계는 링크를 중심으로 생성될 수 있다. 하나의 입력 노드에 하나 이상의 출력 노드가 링크를 통해 연결될 수 있으며, 그 역도 성립할 수 있다. In a neural network, one or more nodes connected through a link may form a relative relationship of an input node and an output node. The concept of an input node and an output node is relative, and any node in an output node relationship with one node may have an input node relationship with another node, and vice versa. As described above, an input node to output node relationship may be created around a link. More than one output node can be connected to one input node through a link, and vice versa.
하나의 링크를 통해 연결된 입력 노드 및 출력 노드 관계에서, 출력 노드의 데이터는 입력 노드에 입력된 데이터에 기초하여 그 값이 결정될 수 있다. 여기서 입력 노드와 출력 노드를 상호 연결하는 링크는 가중치(weight)를 가질 수 있다. 가중치는 가변적일 수 있으며, 신경망이 원하는 기능을 수행하기 위해, 사용자 또는 알고리즘에 의해 가변 될 수 있다. 예를 들어, 하나의 출력 노드에 하나 이상의 입력 노드가 각각의 링크에 의해 상호 연결된 경우, 출력 노드는 상기 출력 노드와 연결된 입력 노드들에 입력된 값들 및 각각의 입력 노드들에 대응하는 링크에 설정된 가중치에 기초하여 출력 노드 값을 결정할 수 있다.In a relationship between an input node and an output node connected through one link, the value of data of the output node may be determined based on data input to the input node. Here, a link interconnecting an input node and an output node may have a weight. The weight may be variable, and may be changed by a user or an algorithm in order to perform a function desired by the neural network. For example, when one or more input nodes are interconnected by respective links to one output node, the output node is set to a link corresponding to values input to input nodes connected to the output node and respective input nodes. An output node value may be determined based on the weight.
상술한 바와 같이, 신경망은 하나 이상의 노드들이 하나 이상의 링크를 통해 상호 연결되어 신경망 내에서 입력 노드 및 출력 노드 관계를 형성한다. 신경망 내에서 노드들과 링크들의 개수 및 노드들과 링크들 사이의 연관관계, 링크들 각각에 부여된 가중치의 값에 따라, 신경망의 특성이 결정될 수 있다. 예를 들어, 동일한 개수의 노드 및 링크들이 존재하고, 링크들의 가중치 값이 상이한 두 신경망이 존재하는 경우, 두 개의 신경망들은 서로 상이한 것으로 인식될 수 있다.As described above, in the neural network, one or more nodes are interconnected through one or more links to form an input node and output node relationship in the neural network. Characteristics of the neural network may be determined according to the number of nodes and links in the neural network, an association between the nodes and links, and a weight value assigned to each link. For example, when there are two neural networks having the same number of nodes and links and different weight values of the links, the two neural networks may be recognized as different from each other.
신경망은 하나 이상의 노드들의 집합으로 구성될 수 있다. 신경망을 구성하는 노드들의 부분 집합은 레이어(layer)를 구성할 수 있다. 신경망을 구성하는 노드들 중 일부는, 최초 입력 노드로부터의 거리들에 기초하여, 하나의 레이어(layer)를 구성할 수 있다. 예를 들어, 최초 입력 노드로부터 거리가 n인 노드들의 집합은, n 레이어를 구성할 수 있다. 최초 입력 노드로부터 거리는, 최초 입력 노드로부터 해당 노드까지 도달하기 위해 거쳐야 하는 링크들의 최소 개수에 의해 정의될 수 있다. 그러나, 이러한 레이어의 정의는 설명을 위한 임의적인 것으로서, 신경망 내에서 레이어의 차수는 상술한 것과 상이한 방법으로 정의될 수 있다. 예를 들어, 노드들의 레이어는 최종 출력 노드로부터 거리에 의해 정의될 수도 있다.A neural network may be composed of a set of one or more nodes. A subset of nodes constituting a neural network may constitute a layer. Some of the nodes constituting the neural network may form one layer based on distances from the first input node. For example, a set of nodes having a distance of n from the first input node may constitute n layers. The distance from the first input node may be defined by the minimum number of links that must be passed through to reach the corresponding node from the first input node. However, the definition of such a layer is arbitrary for explanation, and the order of a layer in a neural network may be defined in a method different from the above. For example, a layer of nodes may be defined by a distance from a final output node.
본 개시내용의 일 실시예에서, 뉴런들 또는 노드들의 집합은 레이어라는 표현으로 정의될 수 있다. In one embodiment of the present disclosure, a set of neurons or nodes may be defined as a layer.
최초 입력 노드는 신경망 내의 노드들 중 다른 노드들과의 관계에서 링크를 거치지 않고 데이터가 직접 입력되는 하나 이상의 노드들을 의미할 수 있다. 또는, 신경망 네트워크 내에서, 링크를 기준으로 한 노드 간의 관계에 있어서, 링크로 연결된 다른 입력 노드들을 가지지 않는 노드들을 의미할 수 있다. 이와 유사하게, 최종 출력 노드는 신경망 내의 노드들 중 다른 노드들과의 관계에서, 출력 노드를 가지지 않는 하나 이상의 노드들을 의미할 수 있다. 또한, 히든 노드는 최초 입력 노드 및 최후 출력 노드가 아닌 신경망을 구성하는 노드들을 의미할 수 있다. An initial input node may refer to one or more nodes to which data is directly input without going through a link in relation to other nodes among nodes in the neural network. Alternatively, in a relationship between nodes based on a link in a neural network, it may mean nodes that do not have other input nodes connected by a link. Similarly, the final output node may refer to one or more nodes that do not have an output node in relation to other nodes among nodes in the neural network. Also, the hidden node may refer to nodes constituting the neural network other than the first input node and the last output node.
본 개시의 일 실시예에 따른 신경망은 입력 레이어의 노드의 개수가 출력 레이어의 노드의 개수와 동일할 수 있으며, 입력 레이어에서 히든 레이어로 진행됨에 따라 노드의 수가 감소하다가 다시 증가하는 형태의 신경망일 수 있다. 또한, 본 개시의 다른 일 실시예에 따른 신경망은 입력 레이어의 노드의 개수가 출력 레이어의 노드의 개수 보다 적을 수 있으며, 입력 레이어에서 히든 레이어로 진행됨에 따라 노드의 수가 감소하는 형태의 신경망일 수 있다. 또한, 본 개시의 또 다른 일 실시예에 따른 신경망은 입력 레이어의 노드의 개수가 출력 레이어의 노드의 개수보다 많을 수 있으며, 입력 레이어에서 히든 레이어로 진행됨에 따라 노드의 수가 증가하는 형태의 신경망일 수 있다. 본 개시의 또 다른 일 실시예에 따른 신경망은 상술한 신경망들의 조합된 형태의 신경망일 수 있다.In the neural network according to an embodiment of the present disclosure, the number of nodes in the input layer may be the same as the number of nodes in the output layer, and the number of nodes decreases and then increases again as the number of nodes progresses from the input layer to the hidden layer. can In addition, the neural network according to another embodiment of the present disclosure may be a neural network in which the number of nodes of the input layer may be less than the number of nodes of the output layer and the number of nodes decreases as the number of nodes increases from the input layer to the hidden layer. there is. In addition, the neural network according to another embodiment of the present disclosure is a neural network in which the number of nodes in the input layer may be greater than the number of nodes in the output layer, and the number of nodes increases as the number of nodes increases from the input layer to the hidden layer. can A neural network according to another embodiment of the present disclosure may be a neural network in the form of a combination of the aforementioned neural networks.
딥 뉴럴 네트워크(DNN: deep neural network, 심층신경망)는 입력 레이어와 출력 레이어 외에 복수의 히든 레이어를 포함하는 신경망을 의미할 수 있다. 딥 뉴럴 네트워크를 이용하면 데이터의 잠재적인 구조(latent structures)를 파악할 수 있다. 즉, 사진, 글, 비디오, 음성, 단백질 시퀀스 구조, 유전자 시퀀스 구조, 펩타이드 시퀀스의 구조, 음악의 잠재적인 구조(예를 들어, 어떤 물체가 사진에 있는지, 글의 내용과 감정이 무엇인지, 음성의 내용과 감정이 무엇인지 등)를 파악할 수 있다. 딥 뉴럴 네트워크는 컨볼루션 뉴럴 네트워크(CNN: convolutional neural network), 리커런트 뉴럴 네트워크(RNN: recurrent neural network), 오토 인코더(auto encoder), GAN(Generative Adversarial Networks), 제한 볼츠만 머신(RBM: restricted boltzmann machine), 심층 신뢰 네트워크(DBN: deep belief network), Q 네트워크, U 네트워크, 샴 네트워크, 적대적 생성 네트워크(GAN: Generative Adversarial Network) 등을 포함할 수 있다. 전술한 딥 뉴럴 네트워크의 기재는 예시일 뿐이며 본 개시는 이에 제한되지 않는다. A deep neural network (DNN) may refer to a neural network including a plurality of hidden layers in addition to an input layer and an output layer. Deep neural networks can reveal latent structures in data. That is, pictures, texts, videos, sounds, the structure of protein sequences, the structure of gene sequences, the structure of peptide sequences, the potential structure of music (e.g. what objects are in the picture, what the content and emotion of the text are, the sound content and emotions, etc.) can be grasped. Deep neural networks include convolutional neural networks (CNNs), recurrent neural networks (RNNs), auto encoders, generative adversarial networks (GANs), and restricted boltzmann machines (RBMs). machine), a deep belief network (DBN), a Q network, a U network, a Siamese network, a Generative Adversarial Network (GAN), and the like. The description of the deep neural network described above is only an example, and the present disclosure is not limited thereto.
본 개시내용의 분류 모델 및/또는 클러스터링 모델은 입력 레이어, 히든 레이어 및 출력 레이어를 포함하는 전술한 임의의 구조의 네트워크 구조에 의해 표현될 수 있다.The classification model and/or clustering model of the present disclosure may be represented by a network structure of any of the foregoing structures including an input layer, a hidden layer, and an output layer.
본 개시내용의 분류 모델 및/또는 클러스터링 모델에서 사용될 수 있는 뉴럴 네트워크는 지도 학습(supervised learning), 비지도 학습(unsupervised learning), 반지도학습(semi supervised learning), 또는 강화학습(reinforcement learning) 중 적어도 하나의 방식으로 학습될 수 있다. 뉴럴 네트워크의 학습은 뉴럴 네트워크가 특정한 동작을 수행하기 위한 지식을 뉴럴 네트워크에 적용하는 과정일 수 있다. Neural networks that may be used in the classification model and/or clustering model of the present disclosure may be any of supervised learning, unsupervised learning, semi supervised learning, or reinforcement learning. It can be learned in at least one way. Learning of the neural network may be a process of applying knowledge for the neural network to perform a specific operation to the neural network.
뉴럴 네트워크는 출력의 오류를 최소화하는 방향으로 학습될 수 있다. 뉴럴 네트워크의 학습에서 반복적으로 학습 데이터를 뉴럴 네트워크에 입력시키고 학습 데이터에 대한 뉴럴 네트워크의 출력과 타겟의 에러를 계산하고, 에러를 줄이기 위한 방향으로 뉴럴 네트워크의 에러를 뉴럴 네트워크의 출력 레이어에서부터 입력 레이어 방향으로 역전파(backpropagation)하여 뉴럴 네트워크의 각 노드의 가중치를 업데이트 하는 과정이다. 지도 학습의 경우 각각의 학습 데이터에 정답이 라벨링되어있는 학습 데이터를 사용하며(즉, 라벨링된 학습 데이터), 비지도 학습의 경우는 각각의 학습 데이터에 정답이 라벨링되어 있지 않을 수 있다. 즉, 예를 들어 데이터 분류에 관한 지도 학습의 경우의 학습 데이터는 학습 데이터 각각에 카테고리가 라벨링 된 데이터 일 수 있다. 라벨링된 학습 데이터가 뉴럴 네트워크에 입력되고, 뉴럴 네트워크의 출력(카테고리)과 학습 데이터의 라벨을 비교함으로써 오류(error)가 계산될 수 있다. 다른 예로, 데이터 분류에 관한 비지도 학습의 경우 입력인 학습 데이터가 뉴럴 네트워크 출력과 비교됨으로써 오류가 계산될 수 있다. 계산된 오류는 뉴럴 네트워크에서 역방향(즉, 출력 레이어에서 입력 레이어 방향)으로 역전파 되며, 역전파에 따라 뉴럴 네트워크의 각 레이어의 각 노드들의 연결 가중치가 업데이트 될 수 있다. 업데이트 되는 각 노드의 연결 가중치는 학습률(learning rate)에 따라 변화량이 결정될 수 있다. 입력 데이터에 대한 뉴럴 네트워크의 계산과 에러의 역전파는 학습 사이클(epoch)을 구성할 수 있다. 학습률은 뉴럴 네트워크의 학습 사이클의 반복 횟수에 따라 상이하게 적용될 수 있다. 예를 들어, 뉴럴 네트워크의 학습 초기에는 높은 학습률을 사용하여 뉴럴 네트워크가 빠르게 일정 수준의 성능을 확보하도록 하여 효율성을 높이고, 학습 후기에는 낮은 학습률을 사용하여 정확도를 높일 수 있다.A neural network can be trained in a way that minimizes output errors. In the learning of the neural network, the learning data is repeatedly input into the neural network, the output of the neural network for the training data and the error of the target are calculated, and the error of the neural network is transferred from the output layer of the neural network to the input layer in the direction of reducing the error. It is a process of updating the weight of each node of the neural network by backpropagating in the same direction. In the case of supervised learning, each learning data is labeled with the correct answer (ie, labeled learning data), and in the case of unsupervised learning, the correct answer may not be labeled in each learning data. That is, for example, learning data in the case of supervised learning related to data classification may be data in which each learning data is labeled with a category. Labeled training data is input to a neural network, and an error may be calculated by comparing an output (category) of the neural network and a label of the training data. As another example, in the case of unsupervised learning for data classification, an error may be calculated by comparing input learning data with a neural network output. The calculated error is back-propagated in a reverse direction (ie, from the output layer to the input layer) in the neural network, and the connection weight of each node of each layer of the neural network may be updated according to the back-propagation. The amount of change in the connection weight of each updated node may be determined according to a learning rate. The neural network's computation of input data and backpropagation of errors can constitute a learning cycle (epoch). The learning rate may be applied differently according to the number of iterations of the learning cycle of the neural network. For example, a high learning rate may be used in the early stage of neural network training to increase efficiency by allowing the neural network to quickly obtain a certain level of performance, and a low learning rate may be used in the late stage to increase accuracy.
뉴럴 네트워크의 학습에서 일반적으로 학습 데이터는 실제 데이터(즉, 학습된 뉴럴 네트워크를 이용하여 처리하고자 하는 데이터)의 부분집합일 수 있으며, 따라서, 학습 데이터에 대한 오류는 감소하나 실제 데이터에 대해서는 오류가 증가하는 학습 사이클이 존재할 수 있다. 과적합(overfitting)은 이와 같이 학습 데이터에 과하게 학습하여 실제 데이터에 대한 오류가 증가하는 현상이다. 예를 들어, 노란색 고양이를 보여 고양이를 학습한 뉴럴 네트워크가 노란색 이외의 고양이를 보고는 고양이임을 인식하지 못하는 현상이 과적합의 일종일 수 있다. 과적합은 머신러닝 알고리즘의 오류를 증가시키는 원인으로 작용할 수 있다. 이러한 과적합을 막기 위하여 다양한 최적화 방법이 사용될 수 있다. 과적합을 막기 위해서는 학습 데이터를 증가시키거나, 레귤라리제이션(regularization), 학습의 과정에서 네트워크의 노드 일부를 비활성화하는 드롭아웃(dropout), 배치 정규화 레이어(batch normalization layer)의 활용 등의 방법이 적용될 수 있다.In neural network learning, generally, training data can be a subset of real data (ie, data to be processed using the trained neural network), and therefore, errors for training data are reduced, but errors for real data are reduced. There may be incremental learning cycles. Overfitting is a phenomenon in which errors for actual data increase due to excessive learning on training data. For example, a phenomenon in which a neural network that has learned a cat by showing a yellow cat does not recognize that it is a cat when it sees a cat other than yellow may be a type of overfitting. Overfitting can act as a cause of increasing the error of machine learning algorithms. Various optimization methods can be used to prevent such overfitting. In order to prevent overfitting, methods such as increasing the training data, regularization, inactivating some nodes in the network during learning, and using a batch normalization layer are methods. can be applied
본 개시의 일 실시예에 따른 데이터 구조를 저장한 컴퓨터 판독가능 매체가 개시된다. 전술한 데이터 구조는 본 개시내용에서의 저장부(120)에 저장될 수 있으며, 프로세서(110)에 의해 실행될 수 있으며 그리고 통신부(130)에 의해 송수신될 수 있다.A computer readable medium storing a data structure according to an embodiment of the present disclosure is disclosed. The above-described data structure may be stored in the storage unit 120 in the present disclosure, executed by the processor 110, and transmitted and received by the communication unit 130.
데이터 구조는 데이터에 효율적인 접근 및 수정을 가능하게 하는 데이터의 조직, 관리, 저장을 의미할 수 있다. 데이터 구조는 특정 문제(예를 들어, 최단 시간으로 데이터 검색, 데이터 저장, 데이터 수정) 해결을 위한 데이터의 조직을 의미할 수 있다. 데이터 구조는 특정한 데이터 처리 기능을 지원하도록 설계된, 데이터 요소들 간의 물리적이거나 논리적인 관계로 정의될 수도 있다. 데이터 요소들 간의 논리적인 관계는 사용자 정의 데이터 요소들 간의 연결관계를 포함할 수 있다. 데이터 요소들 간의 물리적인 관계는 컴퓨터 판독가능 저장매체(예를 들어, 영구 저장 장치)에 물리적으로 저장되어 있는 데이터 요소들 간의 실제 관계를 포함할 수 있다. 데이터 구조는 구체적으로 데이터의 집합, 데이터 간의 관계, 데이터에 적용할 수 있는 함수 또는 명령어를 포함할 수 있다. 효과적으로 설계된 데이터 구조를 통해 컴퓨팅 장치는 컴퓨팅 장치의 자원을 최소한으로 사용하면서 연산을 수행할 수 있다. 구체적으로 컴퓨팅 장치는 효과적으로 설계된 데이터 구조를 통해 연산, 읽기, 삽입, 삭제, 비교, 교환, 검색의 효율성을 높일 수 있다.Data structure can refer to the organization, management, and storage of data that enables efficient access and modification of data. Data structure may refer to the organization of data to solve a specific problem (eg, data retrieval, data storage, data modification in the shortest time). A data structure may be defined as a physical or logical relationship between data elements designed to support a specific data processing function. A logical relationship between data elements may include a connection relationship between user-defined data elements. A physical relationship between data elements may include an actual relationship between data elements physically stored in a computer-readable storage medium (eg, a persistent storage device). The data structure may specifically include a set of data, a relationship between data, and a function or command applicable to the data. Through an effectively designed data structure, a computing device can perform calculations while using minimal resources of the computing device. Specifically, the computing device can increase the efficiency of operation, reading, insertion, deletion, comparison, exchange, and search through an effectively designed data structure.
데이터 구조는 데이터 구조의 형태에 따라 선형 데이터 구조와 비선형 데이터 구조로 구분될 수 있다. 선형 데이터 구조는 하나의 데이터 뒤에 하나의 데이터만이 연결되는 구조일 수 있다. 선형 데이터 구조는 리스트(List), 스택(Stack), 큐(Queue), 데크(Deque)를 포함할 수 있다. 리스트는 내부적으로 순서가 존재하는 일련의 데이터 집합을 의미할 수 있다. 리스트는 연결 리스트(Linked List)를 포함할 수 있다. 연결 리스트는 각각의 데이터가 포인터를 가지고 한 줄로 연결되어 있는 방식으로 데이터가 연결된 데이터 구조일 수 있다. 연결 리스트에서 포인터는 다음이나 이전 데이터와의 연결 정보를 포함할 수 있다. 연결 리스트는 형태에 따라 단일 연결 리스트, 이중 연결 리스트, 원형 연결 리스트로 표현될 수 있다. 스택은 제한적으로 데이터에 접근할 수 있는 데이터 나열 구조일 수 있다. 스택은 데이터 구조의 한 쪽 끝에서만 데이터를 처리(예를 들어, 삽입 또는 삭제)할 수 있는 선형 데이터 구조일 수 있다. 스택에 저장된 데이터는 늦게 들어갈수록 빨리 나오는 데이터 구조(LIFO-Last in First Out)일 수 있다. 큐는 제한적으로 데이터에 접근할 수 있는 데이터 나열 구조로서, 스택과 달리 늦게 저장된 데이터일수록 늦게 나오는 데이터 구조(FIFO-First in First Out)일 수 있다. 데크는 데이터 구조의 양 쪽 끝에서 데이터를 처리할 수 있는 데이터 구조일 수 있다.The data structure can be divided into a linear data structure and a non-linear data structure according to the shape of the data structure. A linear data structure may be a structure in which only one data is connected after one data. Linear data structures may include lists, stacks, queues, and decks. A list may refer to a series of data sets in which order exists internally. The list may include a linked list. A linked list may be a data structure in which data are connected in such a way that each data is connected in a single line with a pointer. In a linked list, a pointer can contain information about connection to the next or previous data. A linked list can be expressed as a singly linked list, a doubly linked list, or a circular linked list depending on the form. A stack can be a data enumeration structure that allows limited access to data. A stack can be a linear data structure in which data can be processed (eg, inserted or deleted) at only one end of the data structure. The data stored in the stack may be a LIFO-Last in First Out (Last in First Out) data structure. A queue is a data listing structure that allows limited access to data, and unlike a stack, it can be a data structure (FIFO-First in First Out) in which data stored later comes out later. A deck can be a data structure that can handle data from either end of the data structure.
비선형 데이터 구조는 하나의 데이터 뒤에 복수개의 데이터가 연결되는 구조일 수 있다. 비선형 데이터 구조는 그래프(Graph) 데이터 구조를 포함할 수 있다. 그래프 데이터 구조는 정점(Vertex)과 간선(Edge)으로 정의될 수 있으며 간선은 서로 다른 두개의 정점을 연결하는 선을 포함할 수 있다. 그래프 데이터 구조 트리(Tree) 데이터 구조를 포함할 수 있다. 트리 데이터 구조는 트리에 포함된 복수개의 정점 중에서 서로 다른 두개의 정점을 연결시키는 경로가 하나인 데이터 구조일 수 있다. 즉 그래프 데이터 구조에서 루프(loop)를 형성하지 않는 데이터 구조일 수 있다.The nonlinear data structure may be a structure in which a plurality of data are connected after one data. The non-linear data structure may include a graph data structure. A graph data structure can be defined as a vertex and an edge, and an edge can include a line connecting two different vertices. A graph data structure may include a tree data structure. The tree data structure may be a data structure in which one path connects two different vertices among a plurality of vertices included in the tree. That is, it may be a data structure that does not form a loop in a graph data structure.
본 명세서에 걸쳐, 인공지능 기반 모델, 연산 모델, 신경망, 네트워크 함수, 뉴럴 네트워크(neural network)는 동일한 의미로 사용될 수 있다. 이하에서는 신경망으로 통일하여 기술한다. 데이터 구조는 신경망을 포함할 수 있다. 그리고 신경망을 포함한 데이터 구조는 컴퓨터 판독가능 매체에 저장될 수 있다. 신경망을 포함한 데이터 구조는 또한 신경망에 의한 처리를 위하여 전처리된 데이터, 신경망에 입력되는 데이터, 신경망의 가중치, 신경망의 하이퍼 파라미터, 신경망으로부터 획득한 데이터, 신경망의 각 노드 또는 레이어와 연관된 활성 함수, 신경망의 학습을 위한 손실 함수 등을 포함할 수 있다. 신경망을 포함한 데이터 구조는 상기 개시된 구성들 중 임의의 구성 요소들을 포함할 수 있다. 즉 신경망을 포함한 데이터 구조는 신경망에 의한 처리를 위하여 전처리된 데이터, 신경망에 입력되는 데이터, 신경망의 가중치, 신경망의 하이퍼 파라미터, 신경망으로부터 획득한 데이터, 신경망의 각 노드 또는 레이어와 연관된 활성 함수, 신경망의 학습을 위한 손실 함수 등 전부 또는 이들의 임의의 조합을 포함하여 구성될 수 있다. 전술한 구성들 이외에도, 신경망을 포함한 데이터 구조는 신경망의 특성을 결정하는 임의의 다른 정보를 포함할 수 있다. 또한, 데이터 구조는 신경망의 연산 과정에 사용되거나 발생되는 모든 형태의 데이터를 포함할 수 있으며 전술한 사항에 제한되는 것은 아니다. 컴퓨터 판독가능 매체는 컴퓨터 판독가능 기록 매체 및/또는 컴퓨터 판독가능 전송 매체를 포함할 수 있다. 신경망은 일반적으로 노드라 지칭될 수 있는 상호 연결된 계산 단위들의 집합으로 구성될 수 있다. 이러한 노드들은 뉴런(neuron)들로 지칭될 수도 있다. 신경망은 적어도 하나 이상의 노드들을 포함하여 구성된다.Throughout this specification, artificial intelligence-based models, computational models, neural networks, network functions, and neural networks may be used interchangeably. Hereinafter, a neural network is unified and described. The data structure may include a neural network. And the data structure including the neural network may be stored in a computer readable medium. The data structure including the neural network may also include preprocessed data for processing by the neural network, data input to the neural network, weights of the neural network, hyperparameters of the neural network, data obtained from the neural network, activation function associated with each node or layer of the neural network, and neural network It may include a loss function for learning of . A data structure including a neural network may include any of the components described above. That is, the data structure including the neural network includes preprocessed data for processing by the neural network, data input to the neural network, weights of the neural network, hyperparameters of the neural network, data obtained from the neural network, activation function associated with each node or layer of the neural network, and neural network. It may be configured to include all or any combination thereof, such as a loss function for learning of . In addition to the foregoing configurations, the data structure comprising the neural network may include any other information that determines the characteristics of the neural network. In addition, the data structure may include all types of data used or generated in the computational process of the neural network, but is not limited to the above. A computer readable medium may include a computer readable recording medium and/or a computer readable transmission medium. A neural network may consist of a set of interconnected computational units, which may generally be referred to as nodes. These nodes may also be referred to as neurons. A neural network includes one or more nodes.
데이터 구조는 신경망에 입력되는 데이터를 포함할 수 있다. 신경망에 입력되는 데이터를 포함하는 데이터 구조는 컴퓨터 판독가능 매체에 저장될 수 있다. 신경망에 입력되는 데이터는 신경망 학습 과정에서 입력되는 학습 데이터 및/또는 학습이 완료된 신경망에 입력되는 입력 데이터를 포함할 수 있다. 신경망에 입력되는 데이터는 전처리(pre-processing)를 거친 데이터 및/또는 전처리 대상이 되는 데이터를 포함할 수 있다. 전처리는 데이터를 신경망에 입력시키기 위한 데이터 처리 과정을 포함할 수 있다. 따라서 데이터 구조는 전처리 대상이 되는 데이터 및 전처리로 발생되는 데이터를 포함할 수 있다. 전술한 데이터 구조는 예시일 뿐 본 개시는 이에 제한되지 않는다.The data structure may include data input to the neural network. A data structure including data input to the neural network may be stored in a computer readable medium. Data input to the neural network may include training data input during a neural network learning process and/or input data input to a neural network that has been trained. Data input to the neural network may include pre-processed data and/or data subject to pre-processing. Pre-processing may include a data processing process for inputting data to a neural network. Accordingly, the data structure may include data subject to pre-processing and data generated by pre-processing. The foregoing data structure is only an example, and the present disclosure is not limited thereto.
데이터 구조는 신경망의 가중치를 포함할 수 있다. (본 명세서에서 가중치, 파라미터는 동일한 의미로 사용될 수 있다.) 그리고 신경망의 가중치를 포함한 데이터 구조는 컴퓨터 판독가능 매체에 저장될 수 있다. 신경망은 복수개의 가중치를 포함할 수 있다. 가중치는 가변적일 수 있으며, 신경망이 원하는 기능을 수행하기 위해, 사용자 또는 알고리즘에 의해 가변 될 수 있다. 예를 들어, 하나의 출력 노드에 하나 이상의 입력 노드가 각각의 링크에 의해 상호 연결된 경우, 출력 노드는 상기 출력 노드와 연결된 입력 노드들에 입력된 값들 및 각각의 입력 노드들에 대응하는 링크에 설정된 가중치에 기초하여 출력 노드에서 출력되는 데이터 값을 결정할 수 있다. 전술한 데이터 구조는 예시일 뿐 본 개시는 이에 제한되지 않는다.The data structure may include the weights of the neural network. (In this specification, weights and parameters may be used in the same meaning.) Also, a data structure including weights of a neural network may be stored in a computer readable medium. A neural network may include a plurality of weights. The weight may be variable, and may be changed by a user or an algorithm in order to perform a function desired by the neural network. For example, when one or more input nodes are interconnected by respective links to one output node, the output node is set to a link corresponding to values input to input nodes connected to the output node and respective input nodes. A data value output from an output node may be determined based on the weight. The foregoing data structure is only an example, and the present disclosure is not limited thereto.
제한이 아닌 예로서, 가중치는 신경망 학습 과정에서 가변되는 가중치 및/또는 신경망 학습이 완료된 가중치를 포함할 수 있다. 신경망 학습 과정에서 가변되는 가중치는 학습 사이클이 시작되는 시점의 가중치 및/또는 학습 사이클 동안 가변되는 가중치를 포함할 수 있다. 신경망 학습이 완료된 가중치는 학습 사이클이 완료된 가중치를 포함할 수 있다. 따라서 신경망의 가중치를 포함한 데이터 구조는 신경망 학습 과정에서 가변되는 가중치 및/또는 신경망 학습이 완료된 가중치를 포함한 데이터 구조를 포함할 수 있다. 그러므로 상술한 가중치 및/또는 각 가중치의 조합은 신경망의 가중치를 포함한 데이터 구조에 포함되는 것으로 한다. 전술한 데이터 구조는 예시일 뿐 본 개시는 이에 제한되지 않는다.As a non-limiting example, the weights may include weights that are varied during neural network training and/or weights for which neural network training has been completed. The variable weight in the neural network learning process may include a weight at the time the learning cycle starts and/or a variable weight during the learning cycle. The weights for which neural network learning has been completed may include weights for which learning cycles have been completed. Accordingly, the data structure including the weights of the neural network may include a data structure including weights that are variable during the neural network learning process and/or weights for which neural network learning is completed. Therefore, it is assumed that the above-described weights and/or combinations of weights are included in the data structure including the weights of the neural network. The foregoing data structure is only an example, and the present disclosure is not limited thereto.
신경망의 가중치를 포함한 데이터 구조는 직렬화(serialization) 과정을 거친 후 컴퓨터 판독가능 저장 매체(예를 들어, 메모리, 하드 디스크)에 저장될 수 있다. 직렬화는 데이터 구조를 동일하거나 다른 컴퓨팅 장치에 저장하고 나중에 다시 재구성하여 사용할 수 있는 형태로 변환하는 과정일 수 있다. 컴퓨팅 장치는 데이터 구조를 직렬화하여 네트워크를 통해 데이터를 송수신할 수 있다. 직렬화된 신경망의 가중치를 포함한 데이터 구조는 역직렬화(deserialization)를 통해 동일한 컴퓨팅 장치 또는 다른 컴퓨팅 장치에서 재구성될 수 있다. 신경망의 가중치를 포함한 데이터 구조는 직렬화에 한정되는 것은 아니다. 나아가 신경망의 가중치를 포함한 데이터 구조는 컴퓨팅 장치의 자원을 최소한으로 사용하면서 연산의 효율을 높이기 위한 데이터 구조(예를 들어, 비선형 데이터 구조에서 B-Tree, R-Tree, Trie, m-way search tree, AVL tree, Red-Black Tree)를 포함할 수 있다. 전술한 사항은 예시일 뿐 본 개시는 이에 제한되지 않는다.The data structure including the weights of the neural network may be stored in a computer readable storage medium (eg, a memory or a hard disk) after going through a serialization process. Serialization can be the process of converting a data structure into a form that can be stored on the same or another computing device and later reconstructed and used. A computing device may serialize data structures to transmit and receive data over a network. The data structure including the weights of the serialized neural network may be reconstructed on the same computing device or another computing device through deserialization. The data structure including the weights of the neural network is not limited to serialization. Furthermore, the data structure including the weights of the neural network is a data structure for increasing the efficiency of operation while minimizing the resource of the computing device (for example, B-Tree, R-Tree, Trie, m-way search tree in a nonlinear data structure) , AVL tree, Red-Black Tree). The foregoing is only an example, and the present disclosure is not limited thereto.
데이터 구조는 신경망의 하이퍼 파라미터(Hyper-parameter)를 포함할 수 있다. 그리고 신경망의 하이퍼 파라미터를 포함한 데이터 구조는 컴퓨터 판독가능 매체에 저장될 수 있다. 하이퍼 파라미터는 사용자에 의해 가변되는 변수일 수 있다. 하이퍼 파라미터는 예를 들어, 학습률(learning rate), 비용 함수(cost function), 학습 사이클 반복 횟수, 가중치 초기화(Weight initialization)(예를 들어, 가중치 초기화 대상이 되는 가중치 값의 범위 설정), Hidden Unit 개수(예를 들어, 히든 레이어의 개수, 히든 레이어의 노드 수)를 포함할 수 있다. 전술한 데이터 구조는 예시일 뿐 본 개시는 이에 제한되지 않는다.The data structure may include hyper-parameters of the neural network. Also, the data structure including the hyperparameters of the neural network may be stored in a computer readable medium. A hyperparameter may be a variable variable by a user. Hyperparameters include, for example, learning rate, cost function, number of learning cycle iterations, weight initialization (eg, setting the range of weight values to be targeted for weight initialization), hidden unit number (eg, the number of hidden layers and the number of nodes in the hidden layer). The foregoing data structure is only an example, and the present disclosure is not limited thereto.
전술한 바와 같이, 본 개시의 일 실시예에 따른 분류 모델은 인공지능 기술에 기반한 클러스터링을 수행하기 때문에, HLA 타입과 매칭되는 펩타이드 시퀀스를 보다 정확하게 결정할 수 있다.As described above, since the classification model according to an embodiment of the present disclosure performs clustering based on artificial intelligence technology, it is possible to more accurately determine a peptide sequence matching an HLA type.
도 4a는 본 개시내용의 일 실시예에 따른 클러스터 데이터의 데이터 구조(400A)를 예시적으로 나타낸다. 4A illustratively illustrates a
도 4a에서 도시되는 데이터 구조(400A)는 예시적인 목적일 뿐, 데이터 구조(400A)에서의 X축(420) 및 Y축(410)의 길이 및 형태는 구현 양태에 따라 가변적일 수 있다.The
도 4에서 도시되는 바와 같이, 400A로 표현되는 데이터 구조는 하나의 클러스터 데이터를 나타낼 수 있다. As shown in FIG. 4 , the data structure represented by 400A may represent one cluster data.
도 4a에서의 참조 번호 420은 펩타이드 시퀀스의 위치를 의미한다. 도 4a에서의 예시에서의 참조 번호 420은 총 9개의 위치(즉, 9-mer)를 표현한다.
도 4a에서의 참조 번호 410은 아미노산의 종류를 나타낸다. 도 4a에서의 예시에서는 A 내지 Y 까지의 총 20개의 아미노산이 예시된다.
클러스터 데이터의 데이터 구조(400A)는 도 4a에서 도시되는 바와 같이 테이블 구조 또는 행렬 구조를 나타낼 수 있다. 클러스터 데이터는 클러스터링 방법에 의해 또는 Single Allelic 테스트에 의해 획득되는 특정한 HLA 타입이 할당된 펩타이드 시퀀스들의 리스트를 의미할 수 있다. 추가적으로 구현 양태에 따라 클러스터 데이터는 공공 DB로부터 획득된 데이터 또한 포함할 수 있다.The
데이터 구조(400A)가 클러스터링 결과에 포함되는 하나의 클러스터 데이터를 나타내는 경우, 상기 데이터 구조(400A)는 펩타이드의 각 위치에서의 아미노산 종류의 존재 가능성을 정량적으로 나타낸다. 도 4a에서 도시되는 바와 같이, 행렬의 엘리먼트들의 값이 펩타이드의 각 위치에서의 아미노산 종류 별 존재 가능성을 나타낼 수 있다. 일례로 아미노산 종류의 존재 가능성은 퀀텀 값의 형태로 표현될 수 있다. 데이터 구조(400A)에서의 각 엘리먼트의 값이 클수록 해당 아미노산이 해당 위치에 존재할 가능성이 높다는 것을 의미할 수 있다. When the
본 개시의 추가적인 실시예에서, 클러스터 데이터가 클러스터링 모델에 의해 생성되는 경우, 데이터 구조(400A)는 클러스터링 모델의 출력 데이터를 나타낼 수 있다.In a further embodiment of the present disclosure, when cluster data is generated by a clustering model, the
본 개시의 일 실시예에서, 분류 모델은 도 4a에서 도시되는 데이터 구조(400A)의 형식의 데이터를 입력 데이터로 사용하여 해당 클러스터 데이터에 대응되는 HLA 타입이 무엇인지 출력할 수 있다.In one embodiment of the present disclosure, the classification model may use data in the form of the
도 4b는 본 개시내용의 일 실시예에 따라 HLA 타입 별 클러스터 데이터의 데이터 구조를 예시적으로 나타낸다.4B illustratively shows a data structure of cluster data for each HLA type according to an embodiment of the present disclosure.
도 4b에서는 예시적으로 총 6개의 HLA 타입들이 도시된다. In FIG. 4B, a total of 6 HLA types are illustratively shown.
도 4b에서 도시되는 데이터 구조(400B)는 각각의 HLA 타입들에 대한 그래프는 도 4a에서의 데이터 구조(400A)를 시각화한 데이터 구조를 의미할 수 있다. 여기서 X축은 펩타이드의 위치를 나타내며 Y축은 Bits를 나타낸다. 특정 위치 별로 표현되는 알파벳은 아미노산의 종류는 나타내며, 알파벳의 크기가 클수록 해당 아미노산이 해당 위치에 존재할 가능성이 높다는 것을 나타내고, 그리고 알파벳의 크기가 작을수록 해당 아미노산이 해당 위치에 존재할 가능성이 낮다는 것을 나타낸다.The
추가적인 실시예에서, 도 4b에서 도시되는 그래프 형태의 데이터 구조(400B)는 클러스터링 모델의 출력 데이터의 일례일 수 있다.In a further embodiment, the graph-
도 4b에서 도시되는 예시에서, HLA-A03:01(430) 및 HLA-A29:02(440) 각각에 대해서는 하나의 HLA 타입별로 하나의 클러스터 데이터가 획득될 수 있으며, HLA-B44:02 및 HLA-B44:03(450)은 하나의 클러스터 데이터로 그룹화될 수 있으며, 그리고 HLA-C12:03 및 HLA-C16:01(460)은 하나의 클러스터 데이터로 그룹화될 수 있다. 위의 예시에서, HLA-A03:01(430) 및 HLA-A29:02(440)는 펩타이드의 시퀀스를 기준으로 서로 명확하게 구분이 가능한 HLA 타입들에 해당하며, HLA-B44:02 및 HLA-B44:03(450)는 펩타이드의 시퀀스를 기준으로 서로 명확하게 구분짓기 어려운 HLA 타입들에 해당하며, 그리고 HLA-C12:03 및 HLA-C16:01(460)은 펩타이드의 시퀀스를 기준으로 서로 명확하게 구분짓기 어려운 HLA 타입들에 해당한다. In the example shown in FIG. 4B , one cluster data may be obtained for each HLA type for each of HLA-A03:01 (430) and HLA-A29:02 (440), and HLA-B44:02 and HLA -B44:03 (450) can be grouped into one cluster data, and HLA-C12:03 and HLA-C16:01 (460) can be grouped into one cluster data. In the above example, HLA-A03:01 (430) and HLA-A29:02 (440) correspond to HLA types that can be clearly distinguished from each other based on the sequence of the peptide, and HLA-B44:02 and HLA- B44:03 (450) corresponds to HLA types that are difficult to clearly distinguish from each other based on the sequence of the peptide, and HLA-C12:03 and HLA-C16:01 (460) are distinct from each other based on the sequence of the peptide. It corresponds to the HLA types that are difficult to distinguish.
따라서, 전술한 바와 같이, 본 개시의 일 실시예에 따르면, 클러스터 데이터는 HLA 타입별로 펩타이드 시퀀스가 얼마나 유사한지 여부를 판단하는데 사용될 수도 있다. 이렇게 펩타이드 시퀀스가 유사한 것으로 판단되는 둘 이상의 HLA 타입들은 하나의 HLA 타입으로 통합되어 관리될 수 있다.Accordingly, as described above, according to an embodiment of the present disclosure, cluster data may be used to determine how similar peptide sequences are for each HLA type. Two or more HLA types determined to have similar peptide sequences may be integrated and managed as one HLA type.
본 개시의 일 실시예에 따른 기법은 분류 모델을 사용하여 도 4b에서 예시되는 클러스터 데이터들 각각에 대한 HLA 타입을 효율적이고 정확하게 결정할 수 있다. 본 개시의 일 실시예에 따른 기법은 도 4b에서 도시되는 바와 같이 복수의 클러스터 데이터들에 대한 분리를 자동화할 수 있다.The technique according to an embodiment of the present disclosure can efficiently and accurately determine the HLA type for each of the cluster data illustrated in FIG. 4B using a classification model. A technique according to an embodiment of the present disclosure may automate the separation of a plurality of cluster data as shown in FIG. 4B.
도 5는 본 개시내용의 일 실시예에 따른 HLA 타입 별로 대응되는 펩타이드의 서열을 예측하기 위한 분류 모델의 동작을 예시적으로 도시한다.Figure 5 illustratively illustrates the operation of a classification model for predicting the sequence of a peptide corresponding to each HLA type according to an embodiment of the present disclosure.
도 5는 컴퓨팅 장치(100)에 의해 수행될 수 있다. 도 5에서의 참조번호 505는 클러스터링 모델(540)을 사용하여 클러스터 데이터(550)를 획득하는 예시를 도시하며, 구현 양태에 따라 참조번호 505에 따른 실시예는 클러스터 데이터(550)를 획득하는 다른 방식으로 대체될 수도 있다.5 may be performed by computing
일 실시예에서, 컴퓨팅 장치(100)는 생물학적 시료(510)를 질량 기반 시퀀스 분석 모델(520)에 입력하여 펩타이드 시퀀스들의 리스트(530)를 획득할 수 있다. 시료는 MHC 타입을 결정하고자 하는 개체 또는 대상체로부터 획득된 것이라면 제한 없이 사용할 수 있으며, 예를 들어 생검 등으로 얻어진 세포나 조직, 혈액, 전혈, 혈청, 혈장, 타액, 뇌척수액, 각종 분비물, 소변 및/또는 대변 등일 수 있다. 바람직하게 시료는 혈액, 혈장, 혈청, 타액, 비액, 객담, 복수, 질 분비물 및/또는 소변으로 이루어진 군에서 선택될 수 있으며, 보다 바람직하게는 혈액, 혈장 또는 혈청일 수 있다In one embodiment, the
일 실시예에서, 펩타이드 시퀀스들의 리스트(530)는 시료에 포함된 피검체의 펩타이드 시퀀스들의 집합을 의미할 수 있다. In one embodiment, the
일 실시예에서, 펩타이드 시퀀스들의 리스트(530)는 클러스터링 모델(540)에 입력되어 복수의 클러스터 데이터 X, Y, Z(550: 550a, 550b, 550c)가 출력될 수 있다. 이러한 클러스터 데이터 X, Y, Z(550: 550a, 550b, 550c) 각각은 분류 모델(560)의 입력 데이터로 사용될 수 있다. In one embodiment, the list of
일 예시에서, 분류 모델(560)은 클러스터 데이터 X(550a)에 응답하여 MHC 타입(570)(예컨대, HLA A03:01)을 출력할 수 있다. 다른 예시로, 분류 모델(560)은 클러스터 데이터 Y(550b)에 응답하여 MHC 타입(570)(예컨대, HLA A29:02)을 출력할 수 있다. 다른 예시로, 분류 모델(560)은 클러스터 데이터 Z(550c)에 응답하여 MHC 타입(570)(예컨대, HLA C12:03)을 출력할 수 있다.In one example, the
본 개시의 추가적인 실시예에서, 클러스터링 모델(540)은, 펩타이드 내에서의 복수의 위치들 중 사전결정된 앵커 위치를 포함하는 제 1 위치에서 존재하는 아미노산의 종류에 제 1 가중치를 부여하고 그리고 상기 복수의 위치들 중 상기 제 1 위치와 상이한 다른 위치에서 존재하는 아미노산 종류에 제 2 가중치를 부여하는 방식으로 클러스터링을 수행할 수 있다. 이러한 클러스터링의 결과, 클러스터 데이터(550: 550a, 550b 및 550c)가 생성될 수 있다. 여기서 상기 제 1 가중치는 상기 제 2 가중치보다 더 큰 것을 특징으로 한다. 이에 따라, 클러스터링 모델은 앵커 위치에 대응하는 위치에서는 다른 위치에 비해 보다 높은 가중치를 부여할 수 있기 때문에, 펩타이드 시퀀스에서의 상대적으로 중요한 위치인 앵커 위치에 대한 중요성을 고려하는 방식으로 클러스터 데이터가 생성될 수 있다. In a further embodiment of the present disclosure, the
본 개시내용에서의 앵커 위치(anchor position)은 k-mer로 이루어진 펩타이드 시퀀스의 복수의 위치들 중에서 다른 위치들에 비해 유사도 판단 시 높은 가중치를 가지는 위치(들)를 의미할 수 있다. 일례로, 앵커 위치는 9-mer인 경우 2번째 및 9번째에 해당하는 위치를 의미할 수 있다. 상기 앵커 위치에 대한 설명은 예시적인 목적으로 사용된 것으로, 구현 양태에 따라서 k-mer 내에서의 다양한 위치에 앵커 위치(들)가 존재할 수 있다. 본 개시의 일 실시예에서, 도 4a에서 도시되는 바와 같이, k-mer(예컨대, 9-mer)의 위치들 각각에 대한 아미노산 종류의 존재 가능성을 나타내는 행렬이 클러스터링 모델(540)에 의해 생성되는 클러스터 데이터를 의미할 수 있다.An anchor position in the present disclosure may refer to a position (s) having a higher weight when determining similarity than other positions among a plurality of positions of a peptide sequence composed of k-mers. For example, in the case of a 9-mer anchor position, it may mean the second and ninth positions. The description of the anchor location is used for illustrative purposes, and anchor location(s) may exist at various locations within the k-mer depending on the implementation. In one embodiment of the present disclosure, as shown in FIG. 4A, a matrix representing the probability of existence of an amino acid type for each position of a k-mer (eg, 9-mer) is generated by the
도 6a는 본 개시내용의 일 실시예에 따라 분류 모델을 학습시키기 위한 예시적인 방법을 도시한다.6A shows an example method for training a classification model according to one embodiment of the present disclosure.
도 6a에서는 분류 모델(560)의 학습 과정에서 분류 모델(560)로 입력되는 학습 데이터(630)를 생성하는 예시적인 방법론이 제시된다.In FIG. 6A , an exemplary methodology for generating
도 6a에서 도시되는 방법론은 예를 들어, 컴퓨팅 장치(100)에 의해 수행될 수 있다.The methodology illustrated in FIG. 6A may be performed by, for example,
노이즈 생성 모델(620)에 입력되는 PWM(Position Weight Matrix)(610)은 제 1 클러스터 데이터와 대응될 수 있다. 즉, 상기 제 1 클러스터 데이터는 펩타이드 내에서의 사전결정된 위치에서 아미노산의 종류의 존재 가능성을 나타내는 값을 포함하는 위치 점수 행렬(PWM)과 대응될 수 있다.A position weight matrix (PWM) 610 input to the
노이즈 생성 모델(620)은 제 1 클러스터 데이터를 입력 받아 제 1 클러스터 데이터의 행렬에서의 적어도 하나의 엘리먼트의 값을 변경한 제 2 클러스터 데이터(630)를 생성할 수 있다. 노이즈 생성 모델(620)에 의해 생성된 제 2 클러스터 데이터와 제 1 클러스터 데이터는 분류 모델(560)의 입력으로 사용될 수 있다.The
노이즈 생성 모델(620)은 제 1 클러스터 데이터 내에서의 제 1 위치를 결정하기 위한 제 1 랜덤 함수 및 제 1 위치를 입력으로 하여 상기 제 1 위치에 대응되는 제 1 값을 변경하는데 사용되는 제 2 값을 생성하는 제 2 랜덤 함수를 사용할 수 있다.The
일 실시예에서, 노이즈 생성 모델(620)은 제 1 클러스터 데이터(610)를 입력 받아 제 1 클러스터 데이터(610)에서의 특정한 엘리먼트를 제 1 랜덤 함수를 사용하여 결정할 수 있다. 제 1 랜덤 함수는 제 1 클러스터 데이터(610)의 행렬에서의 특정한 위치를 랜덤하게 결정하는데 사용될 수 있다. 예를 들어, 2차원 행렬의 제 1 클러스터 데이터(610)에 대해서, 제 1 랜덤 함수는 임의의 입력값에 응답하여 2차원 좌표를 나타내기 위한 2개의 값들을 출력할 수 있다. 여기서 출력되는 2개의 값들은 행렬의 크기 범위 내에서 결정될 수 있다. 이처럼 제 1 랜덤 함수는 제 1 클러스터 데이터(610)의 차원의 개수와 대응되는 개수의 출력값들을 출력할 수 있다.In one embodiment, the
제 1 랜덤 함수에 따라 행렬에서의 위치가 결정되는 경우, 제 2 랜덤 함수가 사용될 수 있다. 제 2 랜덤 함수는 엘리먼트의 값을 변경시키기 위해 사용될 수 있다. 제 2 랜덤 함수는 임의의 입력(예컨대, 위치값)에 응답하여 랜덤값을 출력하는데 사용될 수 있다. 제 2 랜덤 함수에 의해 출력된 랜덤값에 기초하여, 제 1 랜덤 함수에 의해 출력된 위치에 대응되는 엘리먼트의 값이 변경될 수 있다. 예를 들어, 제 2 랜덤 함수에 의해 출력된 값과 기존의 값이 합산되는 방식으로 제 1 랜덤 함수에 의해 출력된 위치에 대응되는 엘리먼트의 값이 변경될 수 있다.When a position in a matrix is determined according to a first random function, a second random function may be used. A second random function can be used to change the value of an element. The second random function may be used to output a random value in response to an arbitrary input (eg, a position value). A value of an element corresponding to a position output by the first random function may be changed based on a random value output by the second random function. For example, a value of an element corresponding to a position output by the first random function may be changed in a manner in which a value output by the second random function and an existing value are added.
일 실시예에서, 제 2 랜덤 함수의 출력값은 사전결정된 임계 범위 내의 값을 가질 수 있다. 예를 들어, 사전결정된 임계 범위는 반복재현성 임계 범위를 의미할 수 있다. 일례로, 반복재현성 임계 범위란 제 1 클러스터 데이터(610)의 값들에 대한 변화 가능 범위를 나타낼 수 있다. 다른 예시로, 반복 재현성 임계 범위란 제 1 클러스터 데이터(610)의 특성을 유지할 수 있는 노이즈의 범위를 나타낼 수 있다. 일례로 노이즈의 값이 0.8733인 경우까지 반복 재현성이 있는 것으로 사전 결정(예컨대, 실험에 따른 결정)될 수 있으며, 이에 따라 제 2 랜덤 함수에 의해 출력되는 값의 범위는 -1.53을 초과하고 1.53 미만일 수 있다. 여기서 제 2 랜덤 함수에 의해 출력되는 값과 기존의 값의 합산이 상기 반복재현성 임계 범위 내에 있는 경우, 노이즈 생성 모델(620)은 전술한 엘리먼트의 값에 대한 변경을 추가로 수행할 수 있다. In one embodiment, the output value of the second random function may have a value within a predetermined threshold range. For example, the predetermined threshold range may mean a repeatability threshold range. For example, the reproducibility critical range may indicate a changeable range of values of the
일 실시예에서, 반복재현성 임계 범위는 2개의 클러스터 데이터들이 서로 유사범위에 해당하는지 판단하기 위한 임계 범위로서 고려될 수도 있다. 이러한 경우, 반복재현성 임계범위는 2개의 클러스터들 각각에 대응되는 행렬들에 포함된 엘리먼트들 각각의 값들의 차이에 대한 표준 편차 및 공분산 중 적어도 하나에 기초하여 결정될 수 있다. 즉, 비교의 대상이 되는 제 1 행렬 및 제 2 행렬이 있다고 가정한다. 이러한 경우, 제 1 행렬에 포함된 제 1 엘리먼트들 각각의 값과 상기 제 2 행렬에 포함된 제 2 엘리먼트들 각각의 값의 차이들에 대한 표준 편차 및 공분산 중 적어도 하나에 기초하여 임계 범위가 결정될 수 있다. In one embodiment, the reproducibility threshold range may be considered as a threshold range for determining whether two cluster data correspond to each other in a similar range. In this case, the reproducibility threshold range may be determined based on at least one of a standard deviation and a covariance of differences between values of elements included in matrices corresponding to each of the two clusters. That is, it is assumed that there are a first matrix and a second matrix to be compared. In this case, a threshold range may be determined based on at least one of a standard deviation and a covariance of differences between values of each of the first elements included in the first matrix and values of each of the second elements included in the second matrix. can
일 실시예에서, 노이즈 생성 모델(620)은 복수회의 변경을 수행하는 과정에서 제 2 랜덤 함수에 의해 출력된 랜덤값들을 합산하여, 랜덤값들의 합산값이 상기 반복재현성 임계 범위를 초과한다고 결정되는 경우, 노이즈 생성을 종료하고 제 2 클러스터 데이터를 생성할 수 있다. 일례로, 노이즈 생성 모델(620)은 랜덤값들의 합산값이 상기 반복재현성 임계 범위를 초과한다고 결정되는 경우, 제 2 클러스터 데이터를 생성하는데 있어서 제 2 랜덤 함수의 마지막 출력값을 제외할 수 있다. In one embodiment, the
전술한 예시에서는 반복재현성 임계범위를 초과하는 실시예를 예로 들어 설명하였으나, 구현 양태에 따라 반복재현성 임계범위 이상인 실시예 또한 본 개시내용의 권리범위 내에 속할 수 있다는 점은 당업자에게 명백할 것이다. In the foregoing example, an embodiment exceeding the reproducibility critical range has been described as an example, but it will be clear to those skilled in the art that embodiments exceeding the repeatability critical range may also fall within the scope of the present disclosure, depending on the implementation.
수학식 1에서 Xn는 제 2 랜덤 함수에 의해 출력되는 랜덤값을 나타내며, 여기서의 n은 1부터 k까지의 반복 횟수를 가질 수 있다. θk는 제 2 랜덤 함수에 의해 출력되는 랜덤값들의 합산을 나타낼 수 있다. In
일 실시예에서, 제 2 랜덤 함수에 의해 출력되는 랜덤값인 Xn은 -1.53 < X < 1.53을 만족하는 값일 수 있다.In one embodiment, the random value X n output by the second random function may be a value that satisfies -1.53 < X < 1.53.
본 개시내용의 일 실시예에서, 노이즈 생성 모델(620)은 θk의 값과 반복재현성 임계 범위 간의 비교에 기초하여, θk의 절대값이 1.53 미만인 경우 제 1 클러스터 데이터에 대한 추가적인 노이즈를 생성하고 그리고 θk의 절대값이 1.53 이상인 경우 노이즈 생성을 종료할 수 있다. 일례로, 노이즈 생성이 종료되는 경우 노이즈 생성 모델(620)은 마지막에 생성된 랜덤값을 제외한 제 2 클러스터 데이터를 생성할 수 있다. 다른 예시로, 구현 양태에 따라서, 노이즈 생성이 종료되는 경우 노이즈 생성 모델(620)은 마지막에 생성된 랜덤값이 포함된 제 2 클러스터 데이터를 생성할 수도 있다.In one embodiment of the present disclosure, the
추가적인 실시예에서, 제 2 랜덤 함수에 의해 출력되는 랜덤값인 Xn은 |X| < 1.53 - θk 만족하는 값일 수 있다. 이러한 실시예에서는 제 2 랜덤 함수에 의해 출력되는 랜덤값이 반복재현성 임계값인 1.53에 가깝도록 생성될 수 있다. 이에 따라, 분류 모델(560)에서 분류 기준을 명확히 설정할 수 있도록 허용하기 위한 학습 데이터 셋이 생성될 수 있다.In a further embodiment, the random value X n output by the second random function is |X| < 1.53 - may be a value that satisfies θ k . In this embodiment, a random value output by the second random function may be generated to be close to 1.53, which is a repeatability threshold. Accordingly, a training data set may be created to allow the
전술한 바와 같이, 노이즈 생성 모델(620)은 특정 위치를 결정하고 그리고 변경할 엘리먼트에 대한 값을 결정하는 전술한 방식을 복수회 반복함으로써 제 1 클러스터 데이터에 기초하여 복수의 제 2 클러스터 데이터를 생성할 수 있다. 이러한 제 2 클러스터 데이터는 제 1 클러스터 데이터에서의 적어도 하나의 엘리먼트가 변경된 클러스터 데이터를 의미할 수 있다. 일반적으로 하나의 HLA 타입에 대응되는 하나 또는 소량의 클러스터 데이터(예컨대 PWM)가 존재하기 때문에, 클러스터 데이터의 HLA 타입을 결정하기 위한 인공지능 기반의 분류 모델이 충분히 학습되기 위한 학습 데이터의 양이 부족할 수 있다. 따라서, 본 개시의 일 실시예에 따른 노이즈 생성 모델(620)은 제 1 클러스터 데이터(610)로부터 복수의 제 2 클러스터 데이터를 생성할 수 있기 때문에, 인공지능 기반 분류 모델에서의 학습 성능을 높이기 위한 충분한 양의 학습 데이터 셋이 확보될 수 있다.As described above, the
도 6b는 본 개시내용의 일 실시예에 따라 분류 모델을 학습시키기 위한 예시적인 방법을 도시한다.6B illustrates an example method for training a classification model according to one embodiment of the present disclosure.
도 6b와 도 6a와의 차이점은 New Matrix(640)이다. 도 6a는 노이즈 생성 모델(620)에 의해 출력된 제 2 클러스터 데이터 및/또는 노이즈 생성 모델(620)의 입력으로 사용된 제 1 클러스터 데이터를 포함하는 PWM(630)에 기초하여 분류 모델(560)이 학습되는 과정을 예시적으로 도시한다. 도 6b는 도 6a는 노이즈 생성 모델(620)에 의해 출력된 제 2 클러스터 데이터 및/또는 노이즈 생성 모델(620)의 입력으로 사용된 제 1 클러스터 데이터에 추가 알고리즘을 적용하여, 분류 모델(560)의 입력되는 데이터를 추가적으로 전처리하는 방식을 예시적으로 도시한다.A difference between FIGS. 6B and 6A is the
도 6b에서 도시되는 바와 같이, 컴퓨팅 장치(100)는 노이즈 생성 모델(620)의 출력이 포함된 PWM(630)에서의 아미노산 식별자들의 배열 순서가 의미론적 관련성을 가지도록, 상기 아미노산 식별자들의 배열 순서를 결정할 수 있다. 컴퓨팅 장치(100)는 상기 결정된 배열 순서에 따라 재배열된 아미노산 식별자들을 포함하는 New Matrix(640)를 생성할 수 있다. 도 6b에서 예시되는 실시예는 PWM(630) 내에서의 아미노산 식별자들이 재배열된 New matrix(640)를 사용하여 분류 모델(560)이 학습되는 과정을 예시적으로 도시한다.As shown in FIG. 6B, the
본 개시내용에서의 배열 순서가 재배열되는 대상은 행렬 중 행 또는 열 중 적어도 하나일 수 있다. 일례로, 행렬 중 아미노산 식별자들을 포함하는 행 또는 열에서의 아미노산 식별자들의 배열 순서가 변경될 수 있다.An object to be rearranged in an arrangement order in the present disclosure may be at least one of a row or a column of a matrix. For example, an arrangement order of amino acid identifiers in a row or column including amino acid identifiers in a matrix may be changed.
일 실시예에서, 컴퓨팅 장치(100)는 아미노산 식별자들의 배열 순서를 결정할 때, 아미노산들 간의 치환 가능성을 고려할 수 있다. 컴퓨팅 장치(100)는 아미노산들 간의 치환 가능성에 적어도 부분적으로 기초하여, 클러스터 데이터(630) 내에서의 상기 아미노산 식별자들의 배열 순서가 의미론적 관련성을 가지도록, 상기 아미노산 식별자들의 배열 순서를 결정할 수 있다.In one embodiment, the
일 실시예에서, 컴퓨팅 장치(100)는 아미노산 식별자들의 배열 순서를 결정할 때, 아미노산 서열들 간의 물리 화학적 유사성 혹은 치환 가능성 정도를 나타내는 행렬을 이용할 수 있다. 컴퓨팅 장치(100)는 아미노산 서열들 간의 물리 화학적 유사성 혹은 치환 가능성 정도를 나타내는 행렬을 Phylogenetic 트리 구조로 변환하는 것에 적어도 부분적으로 기초하여, 클러스터 데이터(630) 내에서의 상기 아미노산 식별자들의 배열 순서가 의미론적 관련성을 가지도록, 상기 아미노산 식별자들의 배열 순서를 결정할 수 있다.In one embodiment, the
일 실시예에서, 컴퓨팅 장치(100)는 Blosum 행렬을 Phylogenetic 트리 구조로 변환하는 것에 적어도 부분적으로 기초하여, 클러스터 데이터(630) 내에서의 상기 아미노산 식별자들의 배열 순서가 의미론적 관련성을 가지도록, 상기 아미노산 식별자들의 배열 순서를 결정할 수 있다.In one embodiment, the
전술한 바와 같이, 컴퓨팅 장치(100)는 아미노산 식별자들의 배열 순서가 의미론적 관련성을 가질 수 있는 다양한 방법론들을 사용하여 분류 모델(560)에 최종적으로 입력된 클러스터 데이터(예컨대, PWM(640))를 생성할 수 있다.As described above, the
이에 따라, 입력되는 클러스터 데이터(예컨대, PWM(640))의 행렬 내에서의 인자들 간의 의미론적 관련성이 존재하기 때문에, 이미지 기반의 분류를 수행하는 분류 모델(560)에서 행렬 데이터에 대한 보다 효율적인 해석 및 처리가 가능해질 수 있다.Accordingly, since there is a semantic relationship between factors in the matrix of input cluster data (eg, PWM 640), the
일 실시예에서, 인공지능 기반 분류 모델(560)은, 제 2 클러스터 데이터(630 및/또는 640)에 상기 제 1 MHC 타입이 정답으로 라벨링된 학습 데이터에 적어도 부분적으로 기초하여, 지도 학습의 방식으로 학습될 수 있다. In one embodiment, the artificial intelligence-based
일 실시예에서, 인공지능 기반 분류 모델(560)은, 클러스터 데이터에 포함되는 위치 점수 행렬(PWM)(630 또는 640)을 입력으로 하고 그리고 분류 모델(560)에서 행렬로 표현되는 필터의 엘리먼트들 각각이 상기 PWM(630 또는 640)의 엘리먼트들의 값을 처리할 수 있다. 일례로, 분류 모델(560)은 CNN을 포함할 수 있다.In one embodiment, the AI-based
도 7은 본 개시내용의 일 실시예에 따라 분류 모델을 학습시키기 위한 예시적인 방법을 도시한다.7 illustrates an example method for training a classification model according to one embodiment of the present disclosure.
일 실시예에서, 도 7에서 도시되는 단계들은 컴퓨팅 장치(100)에 의해 수행될 수 있다. 추가적인 실시예에서, 도 7에서 도시되는 단계들 중 일부는 사용자 단말에서 수행되고 다른 일부는 서버에서 수행되는 방식과 같이 도 7에서의 단계들은 복수의 엔티티들에 의해 구현될 수도 있다.In one embodiment, the steps shown in FIG. 7 may be performed by computing
도 7에서 도시되는 바와 같이, 컴퓨팅 장치(100)는 제 1 타입의 주조직 적합 복합체(Major Histocompatibility Complex: MHC)에 대응되는 제 1 클러스터 데이터를 획득할 수 있다(710). As shown in FIG. 7 , the
도 7에서 설명되는 제 1 클러스터 데이터는 배열 순서가 변경된 제 2 클러스터 데이터를 생성하는데 기초가 되는 임의의 형태의 데이터를 의미할 수 있다. 일례로, 도 7에서의 제 1 클러스터 데이터는 도 2에서 설명되는 제 1 클러스터 데이터와 대응될 수 있다. 이러한 예시에서 제 1 클러스터 데이터는 MHC 타입과 매핑된 행렬 형태의 데이터를 의미할 수 있다. 다른 예시로, 도 7에서의 제 1 클러스터 데이터는 노이즈 생성 모델에 의해 생성된 클러스터 데이터(도 2에서의 제 2 클러스터 데이터)와 대응될 수 있다. 이러한 예시에서, 제 1 클러스터 데이터는 적어도 하나의 랜덤 함수에 의해 생성된 노이즈가 적용된 엘리먼트를 포함하는 행렬 형태의 데이터를 의미할 수 있다.The first cluster data described in FIG. 7 may mean any type of data that is a basis for generating the second cluster data in which the arrangement order is changed. For example, the first cluster data in FIG. 7 may correspond to the first cluster data described in FIG. 2 . In this example, the first cluster data may mean data in the form of a matrix mapped with an MHC type. As another example, the first cluster data in FIG. 7 may correspond to the cluster data (second cluster data in FIG. 2 ) generated by the noise generation model. In this example, the first cluster data may refer to matrix-type data including elements to which noise generated by at least one random function is applied.
도 7에서의 클러스터 데이터에 대한 일 실시예에서, 클러스터 데이터는 펩타이드 내에서의 사전 결정된 위치에서 아미노산의 종류의 존재 가능성을 나타내는 값을 포함할 수 있다. 예를 들어, 클러스터 데이터는 행렬 형태의 데이터를 포함할 수 있다. 이러한 예시에서, 클러스터 데이터의 행렬의 행과 열 중 어느 하나는 펩타이드의 위치를 나타내고 행렬의 행과 열 중 다른 하나는 아미노산 식별자를 나타낼 수 있다. 클러스터 데이터의 구조 및/또는 형식에 대한 구체적인 예시는 도 2, 도 4a 및 도 4b에서 설명된 내용을 참조하기로 한다.In one embodiment of the cluster data in FIG. 7, the cluster data may include a value representing the possibility of existence of a type of amino acid at a predetermined position in a peptide. For example, cluster data may include matrix-type data. In this example, one of the rows and columns of the matrix of cluster data may represent the position of a peptide and the other of the rows and columns of the matrix may represent amino acid identifiers. For specific examples of the structure and/or format of cluster data, reference will be made to the descriptions of FIGS. 2, 4a and 4b.
일 실시예에서, 컴퓨팅 장치(100)는 제 1 클러스터 데이터에서의 배열 순서가 변경된 제 2 클러스터 데이터를 생성할 수 있다(720). In an embodiment, the
도 7에서의 제 2 클러스터 데이터는 행렬 내에서의 배열 순서가 의미론적 관련성을 갖도록 변경된 클러스터 데이터를 의미할 수 있다. 의미론적 관련성이란 가깝게 배치된 엘리먼트들에 대해서는 서로 물리적 및/또는 화학적으로 유사성 또는 치환가능성이 상대적으로 높고 멀리 배치된 엘리먼트들에 대해서는 서로 물리적 및/또는 화학적으로 유사성 또는 치환가능성이 상대적으로 낮다는 것을 의미할 수 있다.The second cluster data in FIG. 7 may mean cluster data whose arrangement order in the matrix is changed to have semantic relevance. Semantic relevance means that closely spaced elements have a relatively high physical and/or chemical similarity or substitutability with each other and far-away elements have a relatively low physical and/or chemical similarity or substitutability with each other. can mean
일 실시예에서, 컴퓨팅 장치(100)는 행렬 내에서의 아미노산 식별자들의 배열 순서가 의미론적 관련성을 가지도록, 상기 아미노산 식별자들의 배열 순서를 결정할 수 있다. 컴퓨팅 장치(100)는 상기 결정된 배열 순서에 따라 재배열된 아미노산 식별자들을 포함하는 제 2 클러스터 데이터를 생성할 수 있다. In one embodiment, the
일 실시예에서, 컴퓨팅 장치(100)는 아미노산 식별자들의 배열 순서를 결정할 때, 아미노산들 간의 치환 가능성을 고려할 수 있다. 컴퓨팅 장치(100)는 아미노산들 간의 치환 가능성에 적어도 부분적으로 기초하여, 제 2 클러스터 데이터 내에서의 상기 아미노산 식별자들의 배열 순서가 의미론적 관련성을 가지도록, 상기 아미노산 식별자들의 배열 순서를 결정할 수 있다.In one embodiment, the
일 실시예에서, 컴퓨팅 장치(100)는 아미노산 식별자들의 배열 순서를 결정할 때, 아미노산 서열들 간의 물리 화학적 유사성 혹은 치환 가능성 정도를 나타내는 행렬을 이용할 수 있다. 컴퓨팅 장치(100)는 아미노산 서열들 간의 물리 화학적 유사성 혹은 치환 가능성 정도를 나타내는 행렬을 Phylogenetic 트리 구조로 변환하는 것에 적어도 부분적으로 기초하여, 제 2 클러스터 데이터내에서의 상기 아미노산 식별자들의 배열 순서가 의미론적 관련성을 가지도록, 상기 아미노산 식별자들의 배열 순서를 결정할 수 있다.In one embodiment, the
일 실시예에서, 컴퓨팅 장치(100)는 Blosum 행렬을 Phylogenetic 트리 구조로 변환하는 것에 적어도 부분적으로 기초하여, 제 2 클러스터 데이터 내에서의 상기 아미노산 식별자들의 배열 순서가 의미론적 관련성을 가지도록, 상기 아미노산 식별자들의 배열 순서를 결정할 수 있다.In one embodiment, the
일 실시예에서, 컴퓨팅 장치(100)는 아미노산 식별자들의 배열 순서를 결정하는데 있어서, 제 1 클러스터 데이터의 위치 별 중요도를 고려할 수 있다. 일례로, 컴퓨팅 장치(100)는 제 1 타입의 MHC에 대응되는 상기 제 1 클러스터 데이터 내의 위치 별 엘리먼트의 값에 기초하여, 상기 제 1 클러스터 데이터의 위치 별 중요도를 결정할 수 있다. 예를 들어, 위치 별 중요도는, 특정 MHC 타입을 결정하는데 있어서 제 1 클러스터 데이터에 포함된 아미노산 식별자들 각각에 대한 기여도 또는 영향력을 의미할 수 있다. In one embodiment, the
일 실시예에서, 컴퓨팅 장치(100)는 위치 별 중요도가 사전결정된 임계 중요도 미만인 위치 또는 상기 위치 별 중요도의 순위가 사전결정된 임계 순위 미만인 위치에 대응되는 아미노산 식별자를 클러스터 데이터의 엣지(edge) 위치에 배열하도록 배열 순서를 결정할 수 있다. 임계 순위 또는 임계 중요도는 구현 양태에 따라 가변적으로 결정될 수 있다. 임계 순위란 행렬 내에서의 아미노산 식별자들 간의 상대적인 우선순위를 결정하기 위해 기준이 되는 순위이며, 그리고 임계 중요도는 행렬 내에서의 아미노산 식별자들 중에서 엣지 위치로 배열될 아미노산 식별자들을 결정하기 위한 기준이 되는 정량적인 값을 의미할 수 있다.In one embodiment, the
일 실시예에서, 열과 행에 따른 엘리먼트들의 값을 갖는 행렬 형태의 데이터를 이미지처럼 학습시키기 위해서는, 행렬 내에서의 서로 인접한 엘리먼트들 간의 관련성이 필요할 수 있다. 따라서, 본 개시의 일 실시예에 따른 행렬 내 데이터 배열 순서를 정렬하는 기법은, 아미노산 식별자들의 배열 순서를 화학적 또는 물리적 특정을 고려하여 결정하기 때문에, 이미지 기반의 인공지능 네트워크를 사용하였을 때, 행렬의 특징이 보다 정확하게 추출될 수 있다.In one embodiment, in order to learn data in the form of a matrix having values of elements according to columns and rows like an image, correlation between elements adjacent to each other in the matrix may be required. Therefore, since the technique of arranging the data arrangement order in a matrix according to an embodiment of the present disclosure determines the arrangement order of amino acid identifiers in consideration of chemical or physical characteristics, when an image-based artificial intelligence network is used, the matrix The features of can be more accurately extracted.
일 실시예에서, 행렬 내에서의 아미노산 식별자들 각각에 대한 중요도에 기초하여 중요도가 상대적으로 낮은 아미노산 식별자들을 행렬의 엣지 부분에 배치하는 경우, 이러한 이미지 기반의 인공지능 네트워크를 사용하였을 때 행렬의 특징이 보다 더 정확하게 그리고 효율적으로 추출될 수 있다. CNN 등의 이미지 기반의 인공지능 네트워크를 사용하는 경우, 특징 추출을 위한 필터가 사용될 수 있다. 이러한 필터들을 사용하여 이미지의 특징을 추출하는 과정에서 이미지의 엣지 부분의 특징들의 경우, 제로 패딩(zero padding 등이 수행되더라도) 엣지 이외의 다른 부분의 특징들에 비해, 특징 추출 또는 특징 학습이 잘되지 않을 수 있다. 이러한 점을 고려하여, 각각의 MHC 타입 별 클러스터 데이터를 수집하고, MHC 타입 별로 위치별 총합, 평균, 분산 및/또는 표준편차를 구해서 MHC 타입을 결정하는데 있어서 기여도 또는 영향력이 낮다고 판단되는 아미노산 식별자는 행렬에서의 엣지 부분에 배열될 수 있다. 컴퓨팅 장치(100)는 제 1 타입의 MHC에 대응되는 복수의 제 1 클러스터 데이터들에서 위치 별 엘리먼트의 값들에 대한 평균 및 표준편차 중 적어도 하나에 기초하여, 상기 제 1 클러스터 데이터의 위치 별 중요도를 결정할 수 있다.In one embodiment, when amino acid identifiers of relatively low importance are arranged at the edge of the matrix based on the importance of each amino acid identifier in the matrix, the characteristics of the matrix when using such an image-based artificial intelligence network It can be extracted more accurately and efficiently than this. In the case of using an image-based artificial intelligence network such as CNN, a filter for feature extraction may be used. In the process of extracting features of an image using these filters, in the case of features of the edge part of the image, feature extraction or feature learning is better than features of other parts other than the edge (even if zero padding is performed). It may not be. Considering this point, the amino acid identifier that is determined to have a low contribution or influence in determining the MHC type by collecting cluster data for each MHC type and calculating the total, average, variance and / or standard deviation for each position for each MHC type is It can be arranged at the edge part in the matrix. The
여기서의 엣지란 행렬에서의 첫번째 행 또는 열, 마지막 행 또는 열, 그리고/또는 이들과 가까운 행 또는 열을 의미할 수 있다. 일례로, 분류 모델에서 사용되는 필터의 크기에 따라 엣지의 크기 또는 범위가 결정될 수 있다. 이러한 예시에서, 필터의 크기가 클수록 엣지의 크기 또는 범위가 크도록 결정될 수 있다.An edge herein may mean a first row or column, a last row or column, and/or a row or column close thereto in a matrix. For example, the size or range of an edge may be determined according to the size of a filter used in a classification model. In this example, the larger the size of the filter, the larger the size or range of the edge may be determined.
추가적인 실시예에서, 행렬 내에서의 아미노산 식별자들 각각에 대한 중요도는 Explainable AI 모델을 사용하여 결정될 수도 있다. 이러한 경우, 컴퓨팅 장치(100)는 사전학습된 분류 모델을 사용하여 입력 데이터에서의 일부 값을 변경함에 따른 출력의 변화를 분석하는 방식으로, 입력 데이터에서의 아미노산 식별자들 각각에 대한 기여도 또는 중요도를 결정할 수 있다.In a further embodiment, the importance for each of the amino acid identifiers within the matrix may be determined using an Explainable AI model. In this case, the
추가적인 실시예에서, 컴퓨팅 장치(100)는 아미노산 식별자들 간의 관계를 분석하는 적어도 하나의 연구 결과 및/또는 아미노산 식별자들 간의 거리를 나타내는 알고리즘의 출력들 각각에 대한 가중치를 부여하는 방식을 아미노산 식별자들 간의 배열 순서를 결정할 수도 있다.In a further embodiment, the
일 실시예에서, 컴퓨팅 장치(100)는 아미노산 식별자들 간의 거리 관계를 기초로 행렬 내에서의 배열 순서를 결정할 수 있다. 예를 들어, 컴퓨팅 장치(100)는 아미노산 식별자들 간의 거리를 트리 구조로 변환할 수 있다. 아미노산 식별자들 간의 거리는 공개된 연구 자료 및/또는 실험 자료를 통해 결정될 수 있다. 컴퓨팅 장치(100)는 트리 구조 상에서 서로 인접한 제 1 노드, 제 2 노드, 제 3 노드 및 제 4 노드에 대해서, 상기 제 1 노드와 상기 제 2 노드 간의 제 1 거리와 상기 제 3 노드와 상기 제 4 노드 간의 제 2 거리 간의 제 1 차이를 결정할 수 있다. 여기서의 노드들 각각은 아미노산 식별자와 대응될 수 있다. 컴퓨팅 장치(100)는 트리 구조 상에서의 노드들의 위치(즉, 아미노산 식별자들의 위치)를 서로 교환한 상태에서 거리 관계에 있어서의 변화 및/또는 차이를 통해, 노드들에 대한 위치를 교환할지 여부를 결정할 수 있다. 컴퓨팅 장치(100)는 트리 구조 상에서 상기 제 2 노드와 상기 제 3 노드의 위치를 교환한 상태에서, 상기 제 1 노드와 상기 제 3 노드 간의 제 3 거리와 상기 제 2 노드와 상기 제 4 노드 간의 제 4 거리 간의 제 2 차이를 결정하고, 그리고 상기 제 1 차이와 상기 제 2 차이를 비교한 결과에 기초하여, 상기 트리 구조 상에서 상기 제 2 노드와 상기 제 3 노드의 위치를 교환할지 여부를 결정할 수 있다. 컴퓨팅 장치(100)는 이러한 노드들의 위치를 교환할지 여부에 대한 결정에 기초하여, 상기 아미노산 식별자들의 배열 순서를 결정할 수 있다.In one embodiment, the
일 실시예에서, 아미노산 식별자들 간의 거리는 상기 트리 구조 내에서의 리프(leaf) 노드들 간의 Phylogenetic 거리를 의미할 수 있다.In one embodiment, a distance between amino acid identifiers may mean a phylogenetic distance between leaf nodes in the tree structure.
일 실시예에서, 컴퓨팅 장치(100)는 상기 제 1 차이와 상기 제 2 차이를 비교한 결과에 기초하여, 상기 트리 구조 상에서 상기 제 2 노드와 상기 제 3 노드의 위치를 교환할지 여부를 결정할 때, 상기 제 2 차이가 상기 제 1 차이 보다 작으면, 상기 제 2 노드와 상기 제 3 노드의 위치를 교환할 것으로 결정하고 그리고 상기 제 2 차이가 상기 제 1 차이 보다 크면, 상기 제 2 노드와 상기 제 3 노드의 위치를 교환하지 않을 것으로 결정할 수 있다. 일 실시예에서, 트리 구조 내에서의 각각의 노드들의 세트에 대해서, 전술한 노드들 간의 위치 관계를 교환할지 여부를 결정하는 방식으로 아미노산 식별자들의 배열 순서가 결정될 수 있다. In one embodiment, when the
이러한 방식으로, 아미노산 식별자들의 배열 순서가 거리 관계에 기초하여 결정될 수 있으며 나아가 트리 구조에서의 위치를 변경함으로써 보다 정확한 거리 관계에 따른 아미노산 식별자들의 배열 순서가 결정될 수 있다.In this way, the arrangement order of amino acid identifiers can be determined based on the distance relationship, and furthermore, the arrangement order of amino acid identifiers according to a more accurate distance relationship can be determined by changing the position in the tree structure.
전술한 방식으로, 컴퓨팅 장치(100)는 아미노산 식별자들 간의 배열 순서의 의미론적 관련성이 존재하도록 제 1 클러스터 데이터 내에서의 아미노산 식별자들의 위치 및 배열 순서를 결정함으로써, 분류 모델의 학습 효율을 증대시킬 수 있다.In the above-described manner, the
일 실시예에서, 컴퓨팅 장치(100)는 배열 순서가 변경된 제 2 클러스터 데이터에 기초하여 분류 모델을 학습시킬 수 있다(730). In an embodiment, the
아미노산 식별자들의 배열이 의미론적 관련성을 가질 수 있기 때문에, 노이즈 생성 모델에 의해 생성된 학습 데이터 셋에 대한 분류 모델의 학습 효율이 높아질 수 있다.Since the sequence of amino acid identifiers may have semantic relevance, learning efficiency of a classification model for a training data set generated by a noise generation model may be increased.
도 8은 본 개시내용의 일 실시예에 따라 분류 모델에 입력되는 데이터에 대한 전처리 과정을 예시적으로 도시한다.8 illustratively illustrates a pre-processing process for data input to a classification model according to an embodiment of the present disclosure.
도 8은 아미노산 식별자들 간의 관련성을 나타내는 행렬(810) 및 아미노산들의 거리 관계를 나타내는 트리 구조(820)를 도시한다. 8 shows a
예를 들어, 트리 구조(820)에 대한 예시로 phylogenetic 트리가 고려될 수 있으며, 아미노산 식별자들 간의 관련성을 나타내는 행렬(810)에 대한 예시로 Blosum 행렬이 고려될 수 있다. 이러하 예시에서, 본 개시의 따른 기법은 아미노산들 간의 치환 가능성을 기초로 만들어진 행렬(810)을 아미노산들 간의 거리를 나타내는 트리 구조(820)로 변환하는 방식을 사용할 수 있다. 이러한 아미노산들 간의 거리를 나타내는 트리 구조(820)의 리프(leaf) 노드들 각각은 아미노산 식별자와 대응될 수 있다. 트리 구조(820)에 따른 거리 관계에 기초하여, 행렬 내에서의 아미노산 식별자들의 배열 순서 또는 배열 위치가 결정될 수 있다. 컴퓨팅 장치(100)는 아미노산들 간의 치환가능성을 나타내는 Blosum 행렬(810)로부터 아미노산들 간의 거리를 나타내는 phylogenetic 트리(820)를 생성하고 그리고 생성된 phylogenetic 트리(820)에 기초하여 분류 모델에 입력될 클러스터 데이터 내에서의 아미노산 식별자들 간의 배열 순서를 조정할 수 있다.For example, a phylogenetic tree may be considered as an example of the
전술한 바와 같이, 본 개시의 일 실시예에 따른 기법은 PWM과 같은 분류 모델의 입력 데이터에 포함된 아미노산 식별자들을 재배열함으로써, 특징이 정확히 잡히지 않아 학습하기가 어려웠던 PWM과 같은 행렬 형태의 입력 데이터를 이미지 기반의 분류 모델이 양호하게 학습할 수 있도록 효율적인 방식의 전처리가 이루어질 수 있다.As described above, the technique according to an embodiment of the present disclosure rearranges the amino acid identifiers included in the input data of the classification model such as PWM, so that the input data in the form of a matrix such as PWM, which is difficult to learn because the characteristics are not accurately captured Efficient pre-processing can be performed so that the image-based classification model can learn well.
도 9는 본 개시내용의 일 실시예에 따라 분류 모델에 입력되는 데이터에 대한 전처리 과정을 예시적으로 도시한다.9 illustratively illustrates a pre-processing process for data input to a classification model according to an embodiment of the present disclosure.
도 9에서는 아미노산 식별자들 간의 거리 관계를 나타내는 다양한 형태의 데이터 구조들(910, 920 및 930)이 예시된다.In FIG. 9, various types of
도 9에서 도시되는 바와 같이, 아미노산 식별자들 간의 거리 관계는 도 8에서 예시되는 형태의 트리 구조(820) 이외의 다양한 형태의 트리 구조들(910, 920 및 930)이 고려될 수 있다. 아미노산 식별자들 간의 거리는 트리 구조들(910, 920 및 930) 각각에 대한 특성에 따라 결정될 수 있다.As shown in FIG. 9 , various types of
본 개시의 추가적인 실시예에서, 전술한 트리 구조들(910, 920 및 930) 중 복수의 트리 구조들이 아미노산 식별자들의 배열 순서를 결정하는데 함께 사용될 수도 있다. 이러한 경우, 각 트리 구조에서의 출력에 사전결정된 가중치가 부여되는 방식으로 아미노산 식별자들 간의 거리 관계가 결정될 수 있다. 결정된 거리 관계에 기초하여, 분류 모델의 입력될 행렬에서의 엘리먼트들의 배열 순서가 변경될 수 있다.In an additional embodiment of the present disclosure, a plurality of tree structures among the
도 10은 본 개시내용의 일 실시예에 따라 분류 모델에 입력되는 데이터에 대한 전처리 과정을 예시적으로 도시한다.10 illustratively illustrates a pre-processing process for data input to a classification model according to an embodiment of the present disclosure.
도 10에서 도시되는 바와 같이, 아미노산 식별자들 간의 거리 관계를 나타내는 데이터 구조(1000)의 리프 노드들 각각(F, W, Y, I, V 및 L)은 아미노산 식별자와 대응된다. As shown in FIG. 10, each of leaf nodes (F, W, Y, I, V, and L) of the
도 10에서는 아미노산 식별자들 간의 거리를 나타내는 예시적인 데이터 구조(1000)가 도시되며, 구현 양태에 따라 다양한 형태의 데이터 구조가 본 개시내용의 범위 내에 포함된다는 점은 당업자에게 명백할 것이다.10 shows an
도 10에서의 데이터 구조(1000)에서의 노드들 각각에 대해 정량적인 값이 할당될 수 있다. 정량적인 값은 다른 노드(예컨대, 인접한 노드 혹은 사전결정된 다른 노드)와의 거리 관계를 나타내는 값으로서, 이러한 정량적인 값의 크기가 클수록 거리가 상대적으로 멀고 그리고 정량적인 값의 크기가 작을수록 거리가 상대적으로 가깝다는 것을 나타낸다.A quantitative value may be assigned to each of the nodes in the
도 10에서의 예시에서, 참조 번호 1100으로 표시된 박스 내에서의 노드들 간의 배열 순서가 변경 또는 교환될지 여부를 판단하는 과정이 예시적으로 설명된다.In the example of FIG. 10 , a process of determining whether an arrangement order between nodes in a box indicated by
박스(1100) 내에서 총 4개의 노드들(Y, I, V, L)이 도시된다. A total of four nodes (Y, I, V, L) are shown in
여기서 Y와 I 간의 거리는 (0.05 + 0.13) + (0.11 + 0.09 + 0.05) = 0.43의 값을 가질 수 있으며, V와 L 간의 거리는 (0.09 + 0.05) + 0.19 = 0.33의 값을 가질 수 있다. 전술한 바와 같이, 노드들 간의 거리는 각 노드에서 다른 노드로 트리 구조(1000)를 따라 이동하면서 거쳐가는 노드들 각각에 할당된 정량값들을 합산함으로써 결정될 수 있다. 일례로, 노드들 간의 거리는 각 노드에서 다른 노드로 트리 구조(1000)를 따라 최단 경로로 이동하면서 거쳐가는 노드들 각각에 할당된 정량값들을 합산함으로써 결정될 수 있다. Y-I 간의 거리인 0.43과 V와 L 간의 거리인 0.33 간의 제 1 차이는 0.1로 결정될 수 있다.Here, the distance between Y and I may have a value of (0.05 + 0.13) + (0.11 + 0.09 + 0.05) = 0.43, and the distance between V and L may have a value of (0.09 + 0.05) + 0.19 = 0.33. As described above, the distance between nodes may be determined by adding up quantitative values assigned to each of the nodes passing through while moving from each node to another node along the
I와 V의 위치를 교환한 것으로 가정하고, 전술한 거리들 간의 차이가 추가적으로 결정될 수 있다. 각 노드들에 할당된 정량값은 그대로 유지되고 리프 노드들 간의 위치만이 서로 변경될 수 있다. 예를 들어, 이진 형태의 트리 구조인 경우, 리프 노드들인 I와 V의 위치 관계가 서로 변경되어도 트리 구조의 형태 및 트리 구조의 특성에 있어서는 영향을 주지 않는다. 다만, I와 V의 위치 관계가 서로 변경되는 경우, I와 인접한 다른 주변 노드와 I와의 거리 관계 및 V와 인접한 다른 주변 노드와 V와의 거리 관계가 변경될 수 있다. Assuming that the positions of I and V are exchanged, the difference between the aforementioned distances can be additionally determined. Quantitative values assigned to each node remain unchanged, and only positions between leaf nodes can be changed. For example, in the case of a binary tree structure, even if the positional relationship between leaf nodes I and V is changed, the shape and characteristics of the tree structure are not affected. However, when the positional relationship between I and V is changed, the distance relationship between I and other neighboring nodes adjacent to I and the distance between V and other neighboring nodes adjacent to V may change.
상위 노드들의 위치는 유지되며 하위 노드들 I와 V 간의 위치가 서로 교환된 상태에서, Y와 V간의 거리는 (0.05 + 0.13) + (0.05 + 0.09 + 0.05) = 0.37로 결정되며, 그리고 I와 L 간의 거리는 (0.11 + 0.09) + (0.19) = 0.39로 결정될 수 있다. Y-V 간의 거리인 0.37과 I와 L 간의 거리인 0.39 간의 제 2 차이는 0.02로 결정될 수 있다.In a state where the positions of upper nodes are maintained and the positions of lower nodes I and V are exchanged, the distance between Y and V is determined as (0.05 + 0.13) + (0.05 + 0.09 + 0.05) = 0.37, and I and L The distance between them may be determined as (0.11 + 0.09) + (0.19) = 0.39. A second difference between 0.37, which is the distance between Y and V, and 0.39, which is the distance between I and L, may be determined to be 0.02.
전술한 바와 같이, I와 V의 위치가 변경되기 이전의 제 1 차이는 0.1이고 I와 V의 위치가 변경된 이후의 제 2 차이는 0.02로, 위치 관계가 변경된 경우 위치들 간의 차이가 더 적다는 것이 확인된다. 이에 따라, 아미노산 식별자들 간의 배치에 있어서 전체적으로 거리 관계가 고르게 분포되는 것이 바람직하므로, 행렬 내에서의 아미노산 식별자들의 배치 순서를 정할 때, 거리 관계 기반의 트리 구조(1000)를 결정한 이후에 트리 구조(1000) 내에서 I와 V의 위치가 변경되는 것으로 추가로 결정될 수 있다. 이러한 방식으로, 본 개시의 일 실시예에 따른 기법은 아미노산 식별자들의 거리 관계가 고르게 분포되고 이에 따라 아미노산 식별자들 간의 배열 순서의 의미론적 관련성이 발생되도록 입력 데이터에 대한 전처리를 수행할 수 있다.As described above, the first difference before the positions of I and V are changed is 0.1 and the second difference after the positions of I and V are changed is 0.02, indicating that the difference between positions is smaller when the positional relationship is changed. that is confirmed Accordingly, since it is preferable that the distance relationship is evenly distributed throughout the arrangement between amino acid identifiers, when determining the arrangement order of amino acid identifiers in the matrix, after determining the
도 11은 본 개시내용의 일 실시예에 따른 컴퓨팅 환경의 개략도이다.11 is a schematic diagram of a computing environment according to one embodiment of the present disclosure.
본 개시내용에서의 컴포넌트, 모듈 또는 부(unit)는 특정의 태스크를 수행하거나 특정의 추상 데이터 유형을 구현하는 루틴, 프로시져, 프로그램, 컴포넌트, 데이터 구조 등을 포함한다. 또한, 당업자라면 본 개시내용에서 제시되는 방법들이 단일-프로세서 또는 멀티프로세서 컴퓨팅 장치, 미니컴퓨터, 메인프레임 컴퓨터는 물론 퍼스널 컴퓨터, 핸드헬드 컴퓨팅 장치, 마이크로프로세서-기반 또는 프로그램가능 가전 제품, 기타 등등(이들 각각은 하나 이상의 연관된 장치와 연결되어 동작할 수 있음)을 비롯한 다른 컴퓨터 시스템 구성으로 실시될 수 있다는 것을 충분히 인식할 것이다.A component, module or unit in this disclosure includes routines, procedures, programs, components, data structures, etc. that perform particular tasks or implement particular abstract data types. In addition, those skilled in the art will understand that the methods presented in this disclosure can be used in single-processor or multiprocessor computing devices, minicomputers, mainframe computers as well as personal computers, handheld computing devices, microprocessor-based or programmable consumer electronics, and the like ( It will be fully appreciated that each of these may be implemented with other computer system configurations, including those that may be operative in connection with one or more associated devices.
본 개시내용에서 설명된 실시예들은 또한 어떤 태스크들이 통신 네트워크를 통해 연결되어 있는 원격 처리 장치들에 의해 수행되는 분산 컴퓨팅 환경에서 실시될 수 있다. 분산 컴퓨팅 환경에서, 프로그램 모듈은 로컬 및 원격 메모리 저장 장치 둘다에 위치할 수 있다.Embodiments described in this disclosure may also be practiced in distributed computing environments where certain tasks are performed by remote processing devices that are linked through a communications network. In a distributed computing environment, program modules may be located in both local and remote memory storage devices.
컴퓨팅 장치는 통상적으로 다양한 컴퓨터 판독가능 매체를 포함한다. 컴퓨터에 의해 액세스 가능한 매체는 그 어떤 것이든지 컴퓨터 판독가능 매체가 될 수 있고, 이러한 컴퓨터 판독가능 매체는 휘발성 및 비휘발성 매체, 일시적(transitory) 및 비일시적(non-transitory) 매체, 이동식 및 비-이동식 매체를 포함한다. 제한이 아닌 예로서, 컴퓨터 판독가능 매체는 컴퓨터 판독가능 저장 매체 및 컴퓨터 판독가능 전송 매체를 포함할 수 있다.A computing device typically includes a variety of computer readable media. Computer readable media can be any medium that can be accessed by a computer, including volatile and nonvolatile media, transitory and non-transitory media, removable and non-transitory media. Includes removable media. By way of example, and not limitation, computer readable media may include computer readable storage media and computer readable transmission media.
컴퓨터 판독가능 저장 매체는 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈 또는 기타 데이터와 같은 정보를 저장하는 임의의 방법 또는 기술로 구현되는 휘발성 및 비휘발성 매체, 일시적 및 비-일시적 매체, 이동식 및 비이동식 매체를 포함한다. 컴퓨터 판독가능 저장 매체는 RAM, ROM, EEPROM, 플래시 메모리 또는 기타 메모리 기술, CD-ROM, DVD(digital video disk) 또는 기타 광 디스크 저장 장치, 자기 카세트, 자기 테이프, 자기 디스크 저장 장치 또는 기타 자기 저장 장치, 또는 컴퓨터에 의해 액세스될 수 있고 원하는 정보를 저장하는 데 사용될 수 있는 임의의 기타 매체를 포함하지만, 이에 한정되지 않는다.Computer readable storage media are volatile and nonvolatile media, transitory and non-transitory, removable and non-removable media implemented in any method or technology for storage of information such as computer readable instructions, data structures, program modules or other data. includes media Computer readable storage media may include RAM, ROM, EEPROM, flash memory or other memory technology, CD-ROM, digital video disk (DVD) or other optical disk storage device, magnetic cassette, magnetic tape, magnetic disk storage device or other magnetic storage device. device, or any other medium that can be accessed by a computer and used to store desired information.
컴퓨터 판독가능 전송 매체는 통상적으로 반송파(carrier wave) 또는 기타 전송 메커니즘(transport mechanism)과 같은 피변조 데이터 신호(modulated data signal)에 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈 또는 기타 데이터 등을 구현하고 모든 정보 전달 매체를 포함한다. 피변조 데이터 신호라는 용어는 신호 내에 정보를 인코딩하도록 그 신호의 특성들 중 하나 이상을 설정 또는 변경시킨 신호를 의미한다. 제한이 아닌 예로서, 컴퓨터 판독가능 전송 매체는 유선 네트워크 또는 직접 배선 접속(direct-wired connection)과 같은 유선 매체, 그리고 음향, RF, 적외선, 기타 무선 매체와 같은 무선 매체를 포함한다. 상술된 매체들 중 임의의 것의 조합도 역시 컴퓨터 판독가능 전송 매체의 범위 안에 포함되는 것으로 한다.A computer readable transmission medium typically embodies computer readable instructions, data structures, program modules or other data in a modulated data signal such as a carrier wave or other transport mechanism. Including all information delivery media. The term modulated data signal means a signal that has one or more of its characteristics set or changed so as to encode information within the signal. By way of example, and not limitation, computer readable transmission media includes wired media such as a wired network or direct-wired connection, and wireless media such as acoustic, RF, infrared, and other wireless media. Combinations of any of the above are also intended to be included within the scope of computer readable transmission media.
컴퓨터(2002)를 포함하는 본 발명의 여러가지 측면들을 구현하는 예시적인 환경(2000)이 나타내어져 있으며, 컴퓨터(2002)는 처리 장치(2004), 시스템 메모리(2006) 및 시스템 버스(2008)를 포함한다. 본 명세서에서의 컴퓨터(200)는 컴퓨팅 장치와 상호 교환가능하게 사용될 수 있다. 시스템 버스(2008)는 시스템 메모리(2006)(이에 한정되지 않음)를 비롯한 시스템 컴포넌트들을 처리 장치(2004)에 연결시킨다. 처리 장치(2004)는 다양한 상용 프로세서들 중 임의의 프로세서일 수 있다. 듀얼 프로세서 및 기타 멀티프로세서 아키텍처도 역시 처리 장치(2004)로서 이용될 수 있다.An exemplary environment 2000 implementing various aspects of the present invention is shown comprising a
시스템 버스(2008)는 메모리 버스, 주변장치 버스, 및 다양한 상용 버스 아키텍처 중 임의의 것을 사용하는 로컬 버스에 추가적으로 상호 연결될 수 있는 몇가지 유형의 버스 구조 중 임의의 것일 수 있다. 시스템 메모리(2006)는 판독 전용 메모리(ROM)(2010) 및 랜덤 액세스 메모리(RAM)(2012)를 포함한다. 기본 입/출력 시스템(BIOS)은 ROM, EPROM, EEPROM 등의 비휘발성 메모리(2010)에 저장되며, 이 BIOS는 시동 중과 같은 때에 컴퓨터(2002) 내의 구성요소들 간에 정보를 전송하는 일을 돕는 기본적인 루틴을 포함한다. RAM(2012)은 또한 데이터를 캐싱하기 위한 정적 RAM 등의 고속 RAM을 포함할 수 있다.
컴퓨터(2002)는 또한 내장형 하드 디스크 드라이브(HDD)(2014)(예를 들어, EIDE, SATA), 자기 플로피 디스크 드라이브(FDD)(2016)(예를 들어, 이동식 디스켓(2018)으로부터 판독을 하거나 그에 기록을 하기 위한 것임), SSD 및 광 디스크 드라이브(2020)(예를 들어, CD-ROM 디스크(2022)를 판독하거나 DVD 등의 기타 고용량 광 매체로부터 판독을 하거나 그에 기록을 하기 위한 것임)를 포함한다. 하드 디스크 드라이브(2014), 자기 디스크 드라이브(2016) 및 광 디스크 드라이브(2020)는 각각 하드 디스크 드라이브 인터페이스(2024), 자기 디스크 드라이브 인터페이스(2026) 및 광 드라이브 인터페이스(2028)에 의해 시스템 버스(2008)에 연결될 수 있다. 외장형 드라이브 구현을 위한 인터페이스(2024)는 예를 들어, USB(Universal Serial Bus) 및 IEEE 1394 인터페이스 기술 중 적어도 하나 또는 그 둘 다를 포함한다.The
이들 드라이브 및 그와 연관된 컴퓨터 판독가능 매체는 데이터, 데이터 구조, 컴퓨터 실행가능 명령어, 기타 등등의 비휘발성 저장을 제공한다. 컴퓨터(2002)의 경우, 드라이브 및 매체는 임의의 데이터를 적당한 디지털 형식으로 저장하는 것에 대응한다. 상기에서의 컴퓨터 판독가능 저장 매체에 대한 설명이 HDD, 이동식 자기 디스크, 및 CD 또는 DVD 등의 이동식 광 매체를 언급하고 있지만, 당업자라면 집 드라이브(zip drive), 자기 카세트, 플래쉬 메모리 카드, 카트리지, 기타 등등의 컴퓨터에 의해 판독가능한 다른 유형의 저장 매체도 역시 예시적인 운영 환경에서 사용될 수 있으며 또 임의의 이러한 매체가 본 발명의 방법들을 수행하기 위한 컴퓨터 실행가능 명령어를 포함할 수 있다는 것을 잘 알 것이다.These drives and their associated computer readable media provide non-volatile storage of data, data structures, computer executable instructions, and the like. In the case of
운영 체제(2030), 하나 이상의 어플리케이션 프로그램(2032), 기타 프로그램 모듈(2034) 및 프로그램 데이터(2036)를 비롯한 다수의 프로그램 모듈이 드라이브 및 RAM(2012)에 저장될 수 있다. 운영 체제, 어플리케이션, 모듈 및/또는 데이터의 전부 또는 그 일부분이 또한 RAM(2012)에 캐싱될 수 있다. 본 발명이 여러가지 상업적으로 이용가능한 운영 체제 또는 운영 체제들의 조합에서 구현될 수 있다는 것을 잘 알 것이다.A number of program modules may be stored on the drive and
사용자는 하나 이상의 유선/무선 입력 장치, 예를 들어, 키보드(2038) 및 마우스(2040) 등의 포인팅 장치를 통해 컴퓨터(2002)에 명령 및 정보를 입력할 수 있다. 기타 입력 장치(도시 생략)로는 마이크, IR 리모콘, 조이스틱, 게임 패드, 스타일러스 펜, 터치 스크린, 기타 등등이 있을 수 있다. 이들 및 기타 입력 장치가 종종 시스템 버스(2008)에 연결되어 있는 입력 장치 인터페이스(2042)를 통해 처리 장치(2004)에 연결되지만, 병렬 포트, IEEE 1394 직렬 포트, 게임 포트, USB 포트, IR 인터페이스, 기타 등등의 기타 인터페이스에 의해 연결될 수 있다.A user may enter commands and information into the
모니터(2044) 또는 다른 유형의 디스플레이 장치도 역시 비디오 어댑터(2046) 등의 인터페이스를 통해 시스템 버스(2008)에 연결된다. 모니터(2044)에 부가하여, 컴퓨터는 일반적으로 스피커, 프린터, 기타 등등의 기타 주변 출력 장치(도시 생략)를 포함한다.A
컴퓨터(2002)는 유선 및/또는 무선 통신을 통한 원격 컴퓨터(들)(2048) 등의 하나 이상의 원격 컴퓨터로의 논리적 연결을 사용하여 네트워크화된 환경에서 동작할 수 있다. 원격 컴퓨터(들)(2048)는 워크스테이션, 서버 컴퓨터, 라우터, 퍼스널 컴퓨터, 휴대용 컴퓨터, 마이크로프로세서-기반 오락 기기, 피어 장치 또는 기타 통상의 네트워크 노드일 수 있으며, 일반적으로 컴퓨터(2002)에 대해 기술된 구성요소들 중 다수 또는 그 전부를 포함하지만, 간략함을 위해, 메모리 저장 장치(2050)만이 도시되어 있다. 도시되어 있는 논리적 연결은 근거리 통신망(LAN)(2052) 및/또는 더 큰 네트워크, 예를 들어, 원거리 통신망(WAN)(2054)에의 유선/무선 연결을 포함한다. 이러한 LAN 및 WAN 네트워킹 환경은 사무실 및 회사에서 일반적인 것이며, 인트라넷 등의 전사적 컴퓨터 네트워크(enterprise-wide computer network)를 용이하게 해주며, 이들 모두는 전세계 컴퓨터 네트워크, 예를 들어, 인터넷에 연결될 수 있다.
LAN 네트워킹 환경에서 사용될 때, 컴퓨터(2002)는 유선 및/또는 무선 통신 네트워크 인터페이스 또는 어댑터(2056)를 통해 로컬 네트워크(2052)에 연결된다. 어댑터(2056)는 LAN(2052)에의 유선 또는 무선 통신을 용이하게 해줄 수 있으며, 이 LAN(2052)은 또한 무선 어댑터(2056)와 통신하기 위해 그에 설치되어 있는 무선 액세스 포인트를 포함하고 있다. WAN 네트워킹 환경에서 사용될 때, 컴퓨터(2002)는 모뎀(2058)을 포함할 수 있거나, WAN(2054) 상의 통신 서버에 연결되거나, 또는 인터넷을 통하는 등, WAN(2054)을 통해 통신을 정하는 기타 수단을 갖는다. 내장형 또는 외장형 및 유선 또는 무선 장치일 수 있는 모뎀(2058)은 직렬 포트 인터페이스(2042)를 통해 시스템 버스(2008)에 연결된다. 네트워크화된 환경에서, 컴퓨터(2002)에 대해 설명된 프로그램 모듈들 또는 그의 일부분이 원격 메모리/저장 장치(2050)에 저장될 수 있다. 도시된 네트워크 연결이 예시적인 것이며 컴퓨터들 사이에 통신 링크를 설정하는 기타 수단이 사용될 수 있다는 것을 잘 알 것이다.When used in a LAN networking environment,
컴퓨터(1602)는 무선 통신으로 배치되어 동작하는 임의의 무선 장치 또는 개체, 예를 들어, 프린터, 스캐너, 데스크톱 및/또는 휴대용 컴퓨터, PDA(portable data assistant), 통신 위성, 무선 검출가능 태그와 연관된 임의의 장비 또는 장소, 및 전화와 통신을 하는 동작을 한다. 이것은 적어도 Wi-Fi 및 블루투스 무선 기술을 포함한다. 따라서, 통신은 종래의 네트워크에서와 같이 미리 정의된 구조이거나 단순하게 적어도 2개의 장치 사이의 애드혹 통신(ad hoc communication)일 수 있다.Computer 1602 is any wireless device or entity that is deployed and operating in wireless communication, such as printers, scanners, desktop and/or portable computers, portable data assistants (PDAs), communication satellites, and associated with wireless detectable tags. It operates to communicate with arbitrary equipment or places and telephones. This includes at least Wi-Fi and Bluetooth wireless technologies. Thus, the communication may be a predefined structure as in conventional networks or simply an ad hoc communication between at least two devices.
제시된 프로세스들에 있는 단계들의 특정한 순서 또는 계층 구조는 예시적인 접근들의 일례임을 이해하도록 한다. 설계 우선순위들에 기반하여, 본 개시내용의 범위 내에서 프로세스들에 있는 단계들의 특정한 순서 또는 계층 구조가 재배열될 수 있다는 것을 이해하도록 한다. 본 개시내용의 방법 청구항들은 샘플 순서로 다양한 단계들의 엘리먼트들을 제공하지만 제시된 특정한 순서 또는 계층 구조에 한정되는 것을 의미하지는 않는다.It is to be understood that the specific order or hierarchy of steps in the processes presented is an example of example approaches. Based upon design priorities, it is to be understood that the specific order or hierarchy of steps in the processes may be rearranged within the scope of the present disclosure. The method claims of this disclosure present elements of the various steps in a sample order, but are not meant to be limited to the specific order or hierarchy presented.
Claims (18)
제 1 타입의 주조직 적합 복합체(Major Histocompatibility Complex: MHC)에 대응되는 제 1 클러스터(cluster) 데이터를 획득하는 단계;
상기 제 1 클러스터 데이터에서의 적어도 하나의 값을 변경하기 위한 노이즈 생성 모델을 사용하여, 상기 제 1 클러스터 데이터로부터 상기 제 1 타입의 MHC에 대응되는 제 2 클러스터 데이터를 생성하는 단계 - 상기 제 2 클러스터 데이터는 상기 제 1 클러스터 데이터와 상이한 값을 포함함 - ; 및
상기 제 2 클러스터 데이터에 적어도 부분적으로 기초하여 분류(classification) 모델을 학습시키는 단계;
를 포함하는,
방법.A method performed by a computing device, comprising:
obtaining first cluster data corresponding to a first type of major histocompatibility complex (MHC);
Generating second cluster data corresponding to the first type of MHC from the first cluster data by using a noise generation model for changing at least one value of the first cluster data - the second cluster data includes a value different from the first cluster data; and
training a classification model based at least in part on the second cluster data;
including,
method.
상기 제 1 클러스터 데이터 및 상기 제 2 클러스터 데이터는,
펩타이드 내에서의 사전결정된 위치에서 아미노산의 종류의 존재 가능성을 나타내는 값를 포함하는,
방법.According to claim 1,
The first cluster data and the second cluster data,
Including a value indicating the possibility of the presence of a species of amino acid at a predetermined position in the peptide,
method.
상기 제 1 클러스터 데이터 및 상기 제 2 클러스터 데이터는 행렬 형태의 데이터이며, 상기 행렬의 행과 열 중 어느 하나는 펩타이드에서의 위치를 나타내고 그리고 상기 행렬의 행과 열 중 다른 하나는 아미노산 식별자를 나타내는,
방법.According to claim 2,
The first cluster data and the second cluster data are data in the form of a matrix, wherein one of the rows and columns of the matrix represents a position in a peptide and the other of the rows and columns of the matrix represents an amino acid identifier,
method.
상기 분류 모델은,
입력되는 클러스터 데이터로부터 상기 클러스터 데이터에 대응되는 MHC 타입을 출력하도록, 상기 제 2 클러스터 데이터에 적어도 부분적으로 기초하여 학습되는,
방법.According to claim 1,
The classification model,
Learning based at least in part on the second cluster data to output an MHC type corresponding to the cluster data from the input cluster data,
method.
상기 제 2 클러스터 데이터에 상기 제 1 타입의 MHC가 정답(ground truth)으로 라벨링된 학습 데이터에 적어도 부분적으로 기초하여, 지도 학습(supervised learning)의 방식으로 상기 분류 모델의 학습이 이루어지는,
방법.According to claim 4,
The classification model is learned in a supervised learning manner based at least in part on training data in which the first type of MHC is labeled as ground truth in the second cluster data.
method.
상기 분류 모델은 클러스터 데이터에 포함되는 위치 점수 행렬(PWM: Position Weight Matrix)을 입력으로 하고 그리고
상기 분류 모델에서 행렬로 표현되는 필터의 엘리먼트들 각각이 상기 위치 점수 행렬의 엘리먼트들의 값을 처리하는,
방법. According to claim 1,
The classification model takes the Position Weight Matrix (PWM) included in the cluster data as an input and
Each of the elements of the filter represented by a matrix in the classification model processes the values of the elements of the location score matrix.
method.
상기 분류 모델을 학습시키는 단계는,
상기 제 2 클러스터 데이터 내에서의 아미노산 식별자들의 배열 순서가 의미론적 관련성을 가지도록, 상기 아미노산 식별자들의 배열 순서를 결정하는 단계; 및
상기 결정된 배열 순서에 따라 재배열된 아미노산 식별자들을 포함하는 상기 제 2 클러스터 데이터를 입력으로 하여 상기 분류 모델을 학습시키는 단계;
를 포함하는,
방법.According to claim 1,
The step of learning the classification model,
determining an arrangement order of amino acid identifiers in the second cluster data so that the arrangement order of amino acid identifiers has semantic relevance; and
learning the classification model by taking the second cluster data including amino acid identifiers rearranged according to the determined arrangement order as an input;
including,
method.
상기 아미노산 식별자들의 배열 순서를 결정하는 단계는,
아미노산들 간의 치환 가능성에 적어도 부분적으로 기초하여, 상기 제 2 클러스터 데이터 내에서의 상기 아미노산 식별자들의 배열 순서가 의미론적 관련성을 가지도록, 상기 아미노산 식별자들의 배열 순서를 결정하는 단계;
를 포함하는,
방법.According to claim 7,
Determining the arrangement order of the amino acid identifiers,
determining an arrangement order of the amino acid identifiers in the second cluster data based at least in part on a substitution possibility between amino acids such that the arrangement order of the amino acid identifiers has semantic relevance;
including,
method.
상기 노이즈 생성 모델은,
상기 제 1 클러스터 데이터 내에서의 제 1 위치를 결정하기 위한 제 1 랜덤 함수; 및
상기 제 1 위치를 입력으로 하여, 상기 제 1 위치에 대응되는 제 1 값을 변경하는데 사용되는 제 2 값을 생성하는 제 2 랜덤 함수;
를 포함하는,
방법.According to claim 1,
The noise generation model,
a first random function for determining a first position within the first cluster data; and
a second random function generating a second value used to change a first value corresponding to the first position by taking the first position as an input;
including,
method.
상기 제 2 클러스터 데이터를 생성하는 단계는:
제 1 랜덤 함수를 사용하여 상기 제 1 클러스터 데이터 내에서의 제 1 위치를 결정하는 단계;
제 2 랜덤 함수를 사용하여 상기 제 1 위치로부터 제 1 랜덤값을 생성하는 단계;
상기 제 1 위치에 대응되는 제 1 값 및 상기 제 1 랜덤값에 기초하여, 상기 제 1 위치에 대응되는 제 1 값을 업데이트하는 단계; 및
상기 업데이트된 제 1 값을 포함하는 상기 제 2 클러스터 데이터를 생성하는 단계;
를 포함하는,
방법.According to claim 1,
The step of generating the second cluster data is:
determining a first position within the first cluster data using a first random function;
generating a first random value from the first position using a second random function;
updating a first value corresponding to the first position based on the first value corresponding to the first position and the first random value; and
generating the second cluster data including the updated first value;
including,
method.
상기 제 1 위치에 대응되는 제 1 값을 업데이트하는 단계는,
상기 제 1 위치에 대응되는 제 1 값에 상기 제 1 랜덤값을 합산함으로써 상기 제 1 값을 업데이트하는 단계;
를 포함하며, 그리고
상기 제 1 랜덤값은 반복재현성 임계 범위에 기초하여 생성되는,
방법.According to claim 10,
Updating the first value corresponding to the first position,
updating the first value by adding the first random value to a first value corresponding to the first position;
includes, and
The first random value is generated based on a reproducibility threshold range,
method.
상기 제 1 위치에 대응되는 제 1 값을 업데이트하는 단계는,
상기 제 1 랜덤값과 반복재현성 임계값 간의 비교에 기초하여, 상기 제 1 위치에 대응되는 제 1 값을 업데이트할지 여부를 결정하는 단계;
를 포함하는,
방법.According to claim 10,
Updating the first value corresponding to the first position,
determining whether to update a first value corresponding to the first position based on a comparison between the first random value and a repeatability threshold;
including,
method.
상기 제 2 클러스터 데이터를 생성하는 단계는,
상기 제 1 랜덤 함수를 사용하여 상기 제 1 클러스터 데이터 내에서의 제 2 위치를 결정하는 단계;
상기 제 2 랜덤 함수를 사용하여 상기 제 2 위치로부터 제 2 랜덤값을 생성하는 단계;
상기 제 1 랜덤값 및 상기 제 2 랜덤값에 기초한 중간값과 반복재현성 임계값 간의 비교에 기초하여, 상기 제 2 위치에 대응되는 제 2 값을 업데이트할지 여부를 결정하는 단계;
상기 제 2 값을 업데이트한다고 결정한 경우, 상기 제 2 위치에 대응되는 제 2 값 및 상기 제 2 랜덤값에 기초하여, 상기 제 2 위치에 대응되는 제 2 값을 업데이트하는 단계; 및
상기 업데이트된 제 1 값 및 상기 업데이트된 제 2 값을 포함하는 상기 제 2 클러스터 데이터를 생성하는 단계;
를 포함하는,
방법.According to claim 10,
The step of generating the second cluster data,
determining a second position within the first cluster data using the first random function;
generating a second random value from the second position using the second random function;
determining whether to update a second value corresponding to the second position based on a comparison between an intermediate value based on the first random value and the second random value and a reproducibility threshold;
updating the second value corresponding to the second position based on the second value corresponding to the second position and the second random value when it is determined to update the second value; and
generating the second cluster data including the updated first value and the updated second value;
including,
method.
상기 제 2 랜덤값의 생성 범위는,
상기 제 1 랜덤값 및 상기 반복재현성 임계값에 기초하여 결정되는,
방법.According to claim 13,
The generation range of the second random value is,
Determined based on the first random value and the reproducibility threshold,
method.
상기 제 2 랜덤값은, 상기 제 2 랜덤값과 상기 제 1 랜덤값의 합산값이 상기 반복재현성 임계값 미만이 되도록 상기 생성 범위를 가지는,
방법.15. The method of claim 14,
The second random value has the generation range such that the sum of the second random value and the first random value is less than the repeatability threshold.
method.
상기 제 1 클러스터 데이터를 획득하는 단계는,
적어도 하나의 피검체로부터 유래된 MHC-펩타이드 결합체(complex)를 포함하는 생물학적 시료로부터 펩타이드 서열들의 리스트를 획득하는 단계; 및
클러스터링 모델을 사용하여 상기 펩타이드 서열들의 리스트에 대한 클러스터링 결과로서 상기 제 1 클러스터 데이터를 획득하는 단계;
를 포함하는,
방법.According to claim 1,
Obtaining the first cluster data,
obtaining a list of peptide sequences from a biological sample containing an MHC-peptide complex derived from at least one subject; and
obtaining the first cluster data as a clustering result for the list of peptide sequences using a clustering model;
including,
method.
적어도 하나의 프로세서; 및
메모리;
를 포함하며,
상기 적어도 하나의 프로세서는:
제 1 타입의 MHC에 대응되는 제 1 클러스터 데이터를 획득하고;
상기 제 1 클러스터 데이터에서의 적어도 하나의 값을 변경하기 위한 노이즈 생성 모델을 사용하여, 상기 제 1 클러스터 데이터로부터 상기 제 1 타입의 MHC에 대응되는 제 2 클러스터 데이터를 생성하고 - 상기 제 2 클러스터 데이터는 상기 제 1 클러스터 데이터와 상이한 값을 포함함 - ; 그리고
상기 제 2 클러스터 데이터에 적어도 부분적으로 기초하여 분류 모델을 학습시키는,
컴퓨팅 장치.As a computing device,
at least one processor; and
Memory;
Including,
The at least one processor is:
obtaining first cluster data corresponding to the first type of MHC;
generating second cluster data corresponding to the first type of MHC from the first cluster data by using a noise generation model for changing at least one value in the first cluster data; includes a value different from that of the first cluster data; And
training a classification model based at least in part on the second cluster data;
computing device.
상기 컴퓨터 프로그램은 컴퓨팅 장치의 적어도 하나의 프로세서에 의해 실행되는 경우:
제 1 타입의 MHC에 대응되는 제 1 클러스터 데이터를 획득하는 동작;
상기 제 1 클러스터 데이터에서의 적어도 하나의 값을 변경하기 위한 노이즈 생성 모델을 사용하여, 상기 제 1 클러스터 데이터로부터 상기 제 1 타입의 MHC에 대응되는 제 2 클러스터 데이터를 생성하는 동작 - 상기 제 2 클러스터 데이터는 상기 제 1 클러스터 데이터와 상이한 값을 포함함 - ; 및
상기 제 2 클러스터 데이터에 적어도 부분적으로 기초하여 분류 모델을 학습시키는 동작;
을 수행하는,
컴퓨터 판독가능 저장 매체에 저장되는 컴퓨터 프로그램.A computer program stored in a computer readable storage medium,
When the computer program is executed by at least one processor of a computing device:
obtaining first cluster data corresponding to a first type of MHC;
Generating second cluster data corresponding to the first type of MHC from the first cluster data by using a noise generation model for changing at least one value of the first cluster data - the second cluster data includes a value different from the first cluster data; and
training a classification model based at least in part on the second cluster data;
to do,
A computer program stored on a computer readable storage medium.
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220055153A KR102482302B1 (en) | 2022-05-04 | 2022-05-04 | Apparatus and method for determining major histocompatibility complex corresponding to cluster data using artificial intelligence |
| KR1020220182864A KR20230155947A (en) | 2022-05-04 | 2022-12-23 | Apparatus and method for determining major histocompatibility complex corresponding to cluster data using artificial intelligence |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220055153A KR102482302B1 (en) | 2022-05-04 | 2022-05-04 | Apparatus and method for determining major histocompatibility complex corresponding to cluster data using artificial intelligence |
Related Child Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020220182864A Division KR20230155947A (en) | 2022-05-04 | 2022-12-23 | Apparatus and method for determining major histocompatibility complex corresponding to cluster data using artificial intelligence |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102482302B1 true KR102482302B1 (en) | 2022-12-28 |
Family
ID=84538471
Family Applications (2)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020220055153A KR102482302B1 (en) | 2022-05-04 | 2022-05-04 | Apparatus and method for determining major histocompatibility complex corresponding to cluster data using artificial intelligence |
| KR1020220182864A KR20230155947A (en) | 2022-05-04 | 2022-12-23 | Apparatus and method for determining major histocompatibility complex corresponding to cluster data using artificial intelligence |
Family Applications After (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020220182864A KR20230155947A (en) | 2022-05-04 | 2022-12-23 | Apparatus and method for determining major histocompatibility complex corresponding to cluster data using artificial intelligence |
Country Status (1)
| Country | Link |
|---|---|
| KR (2) | KR102482302B1 (en) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102184720B1 (en) * | 2019-10-11 | 2020-11-30 | 한국과학기술원 | Prediction method for binding preference between mhc and peptide on cancer cell and analysis apparatus |
| KR102215286B1 (en) | 2020-08-25 | 2021-02-10 | 건국대학교 산학협력단 | Method and apparatus for providing sentence generation chatbot service based on document understanding |
| KR20210085093A (en) * | 2019-12-30 | 2021-07-08 | 한국과학기술정보연구원 | Prediction apparatus for antigen data, and control method thereof |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP3736573A1 (en) | 2013-03-15 | 2020-11-11 | Prognosys Biosciences, Inc. | Methods for detecting peptide/mhc/tcr binding |
-
2022
- 2022-05-04 KR KR1020220055153A patent/KR102482302B1/en active IP Right Grant
- 2022-12-23 KR KR1020220182864A patent/KR20230155947A/en unknown
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102184720B1 (en) * | 2019-10-11 | 2020-11-30 | 한국과학기술원 | Prediction method for binding preference between mhc and peptide on cancer cell and analysis apparatus |
| KR20210085093A (en) * | 2019-12-30 | 2021-07-08 | 한국과학기술정보연구원 | Prediction apparatus for antigen data, and control method thereof |
| KR102215286B1 (en) | 2020-08-25 | 2021-02-10 | 건국대학교 산학협력단 | Method and apparatus for providing sentence generation chatbot service based on document understanding |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20230155947A (en) | 2023-11-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113412519B (en) | Machine learning guided polypeptide analysis | |
| Alghunaim et al. | On the scalability of machine-learning algorithms for breast cancer prediction in big data context | |
| Jabeen et al. | Machine learning-based state-of-the-art methods for the classification of rna-seq data | |
| JP2019502988A (en) | Generative machine learning system for drug design | |
| Zhang et al. | DeepSplice: Deep classification of novel splice junctions revealed by RNA-seq | |
| Nagaraj et al. | Emerging trend of big data analytics in bioinformatics: a literature review | |
| Arowolo et al. | A survey of dimension reduction and classification methods for RNA-Seq data on malaria vector | |
| CN114743600A (en) | Gate-controlled attention mechanism-based deep learning prediction method for target-ligand binding affinity | |
| KR102547977B1 (en) | Apparatus and method for generating tcr information corresponding to pmhc using artificial intelligence | |
| KR102591258B1 (en) | Apparatus and method for generating tcr information corresponding to pmhc using artificial intelligence | |
| KR102482302B1 (en) | Apparatus and method for determining major histocompatibility complex corresponding to cluster data using artificial intelligence | |
| KR102547975B1 (en) | Apparatus and method for determining major histocompatibility complex corresponding to cluster data using artificial intelligence | |
| KR102517004B1 (en) | Apparatus and method for analyzing immunopeptidome | |
| KR102547974B1 (en) | Apparatus and method for analyzing binding affinity between mhc and peptide | |
| KR102507110B1 (en) | Apparatus and method for analyzing type of major histocompatibility complex | |
| KR102517006B1 (en) | Apparatus and method for clustering peptide sequences | |
| KR102547976B1 (en) | Apparatus and method for analyzing binding between mhc and peptide | |
| KR102517005B1 (en) | Apparatus and method for analyzing relation between mhc and peptide using artificial intelligence | |
| KR102557986B1 (en) | Apparatus and method for detecting variant of nuclelic sequence using artificial intelligence | |
| KR102547969B1 (en) | Apparatus and method for generating immunopeptidome pmhc information using artificial intelligence | |
| KR102547967B1 (en) | Apparatus and method for generating tcr information corresponding to pmhc using artificial intelligence | |
| KR102547978B1 (en) | Apparatus and method for generating tcr information corresponding to pmhc using artificial intelligence | |
| KR102547966B1 (en) | Apparatus and method for analyzing relationship between pmhc and tcr using artificial intelligence | |
| KR102558549B1 (en) | Apparatus and method for generating prediction result for tcr using artificial intelligence technology | |
| Gupta et al. | DAVI: Deep learning-based tool for alignment and single nucleotide variant identification |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| A107 | Divisional application of patent | ||
| GRNT | Written decision to grant |