-
公开(公告)号：KR101707536B1
公开(公告)日：2017-02-16
申请号：KR1020140162533
申请日：2014-11-20
Applicant: 한국과학기술원
Abstract: 본발명은뇌질환조직에서컨트롤샘플없이낮은빈도로존재하는체성결손을검출하는방법에관한것으로, 본발명에따른체성결손검출방법은, 정상세포및 뇌질환을포함하는질병세포의혼합조직을시퀀싱한시퀀싱데이터입력단계; 상기입력된시퀀싱데이터에대해변칙맵 판독기법(anomaly mapped read) 기법을적용하여결손후보들을검출하는단계; 상기검출된결손후보들각각에대해반복서열에의해발생한것인지를판단하여거짓양성검출을제거하는단계; 및, 거짓양성검출을제거하고남은결손후보들에대해, 조직의전체지놈중 유전결손과체성결손을포함하고있는지놈의비를정의한 p={p, p}와전체결손대비유전결손과체성결손의비를정의한λ={λ, λ}를이용한확률모델을기반으로추정매개변수값을산출하고, 상기추정매개변수값을이용하여체성결손의존재여부를판단하는단계 (여기서상기 p는유전결손에대한매개변수이고, 상기 p는체성결손에대한매개변수이며, 상기λ는전체결손대비유전결손의비이고, 상기λ는전체결손대비체성결손의비임)를포함하는것을특징으로한다.
Abstract translation: 本发明涉及一种检测体细胞缺失的方法，该体细胞缺失以不具有对照样品的脑部疾病组织的低频存在。 根据本发明的方法包括：输入对正常细胞和包括脑疾病的异常细胞的混合组织进行测序的测序数据的步骤; 通过将所述异常映射读取技术应用于所述输入排序数据来检测所述删除的候选者的步骤; 通过确定每个检测到的缺失候选是否通过重复序列产生来去除假阳性检测的步骤; 并且基于统计模型，通过使用p = {p_g，p_s}定义包括遗传缺失的基因组与包括遗传缺失的基因组在内的基因组的比率来除去在假阳性检测之后残留的缺失候选物的参数估计的步骤 组织的整个基因组中的体细胞缺失，λ= {λ_g，λ_s}，其定义了整个缺失与遗传缺失的比率和体细胞缺失，并且通过使用参数估计来确定体细胞缺失是否存在，其中p_g是 遗传缺失的参数p_s是体细胞缺失的参数，λ_g是整个缺失与遗传缺失的比值，λ_s是整个缺失与体细胞缺失的比例。
-
公开(公告)号：KR1020140047182A
公开(公告)日：2014-04-22
申请号：KR1020120103155
申请日：2012-09-18
Applicant: 한국과학기술원
CPC classification number: G06F21/6254
Abstract: A k-member grouping seed selection method comprises the steps of: calculating a relative distance for each N records from a data set including the N records; calculating proximity centrality indicating the centrality of each of the N records from the data set, based on the relative distance for each of the N records; selecting, as seed, a record having the smallest value among the proximity centrality of each of the N records; generating a k-1 number of records having a relative distance close to the record selected as seed and the record selected as seed into a cluster having a k number of instances (k is a natural number of 2 or more and N or less); generating different clusters to the remaining records that are not included in the one cluster; and calculating the loss in information for each of the N records, based on the generated clusters. [Reference numerals] (AA) Start; (BB) End; (S110) Calculate a relative distance for each N records; (S120) Calculate proximity centrality for each of the N records; (S130) Select a record having the smallest value as seed; (S140) Generate a cluster having a k number of instances that includes the seed; (S150) Generating different clusters for the remaining records that are not included in the one cluster; (S160) Calculate information loss for each of the N records
Abstract translation: k成员分组种子选择方法包括以下步骤：从包括N个记录的数据集中计算每个N个记录的相对距离; 基于每个N个记录的相对距离来计算指示来自数据集的每个N个记录的中心性的接近度中心; 作为种子选择每个N个记录的邻近中心性中具有最小值的记录; 生成具有接近所选记录的相对距离的k-1个记录，并且将所选择的记录作为种子选择为具有k个实例的群集（k为2以上且N以下的自然数）。 生成不包含在一个集群中的剩余记录的不同集群; 并且基于所生成的集群来计算N个记录中的每一个的信息丢失。 （附图标记）（AA）开始; （BB）结束; （S110）计算每个N个记录的相对距离; （S120）计算每个N个记录的邻近中心度; （S130）选择具有最小值的记录作为种子; （S140）生成具有k个包含种子的实例的群集; （S150）生成不包含在一个集群中的剩余记录的不同集群; （S160）计算N个记录中的每一个的信息丢失
-
公开(公告)号：KR1020070120297A
公开(公告)日：2007-12-24
申请号：KR1020060054869
申请日：2006-06-19
Applicant: 한국과학기술원
Abstract: A sequential gene expression network is provided to be used for gene therapy or be applied to a biotechnology field by allowing a protein to be expressed at a specific time or allowing various proteins to be expressed sequentially. And a method for tagging cells is provided to be used for performing a high-throughput cell-based assay without a cell chip and various equipments. A method for sequentially expressing a target protein comprises the steps of: (a) preparing a gene construct consisting of a polynucleotide encoding an (n)th target protein(Pn) and an (n)th transcription factor(TFn) operably linked to a transcription control factor of which the expression is induced by an inducer and a polynucleotide encoding an antisense RNAn complementarily binding to a gene of an (n+1)th target protein(Pn+1) and an (n+1)th transcription factor(TFn+1); (b) preparing a gene construct consisting of a polynucleotide encoding the (n+1)th target protein(Pn+1) and the (n+1)th transcription factor(TFn+1) and a polynucleotide encoding an antisense RNAn+1 complementarily binding to a gene of an (n+2)th target protein(Pn+2) and an (n+2)th transcription factor(TFn+2); (c) transforming a host cell using the gene constructs prepared by the steps(a) and (b); and (d) treating the transformed host cell with an inducer. A sequential gene expression system comprises gene sets respectively encoding the Pn, TFn and RNAn. A method for tagging cells comprises the steps of: (a) linking an (n)th target protein to a labeling protein and then expressing it; and (b) sequentially expressing the labeling protein in accordance with the method above to respectively distinguish cells.
Abstract translation: 提供连续的基因表达网络用于基因治疗或通过允许蛋白质在特定时间表达或允许各种蛋白质顺序表达来应用于生物技术领域。 并且提供了用于标记细胞的方法，用于在不使用细胞芯片和各种设备的情况下进行高通量的基于细胞的测定。 一种顺序表达靶蛋白的方法，包括以下步骤：（a）制备由编码第（n）个第（n）个目标蛋白（Pn）和（n））转录因子（TFn）的多核苷酸组成的基因构建体， 诱导剂诱导表达的转录调控因子和编码与第（n + 1）个靶蛋白（Pn + 1）和第（n + 1）转录因子（Pn + 1）和第（n + 1）转录因子的基因互补结合的反义RNAn的多核苷酸 位TFn + 1）; （b）制备由编码第（n + 1）个靶蛋白（Pn + 1）和第（n + 1）转录因子（TFn + 1）的多核苷酸和编码反义RNAn + 1的多核苷酸组成的基因构建体 互补结合第（n + 2）个靶蛋白（Pn + 2）和第（n + 2）转录因子（TFn + 2）的基因; （c）使用由步骤（a）和（b）制备的基因构建体转化宿主细胞; 和（d）用诱导剂处理转化的宿主细胞。 序列基因表达系统包含分别编码Pn，TFn和RNAn的基因组。 标记细胞的方法包括以下步骤：（a）将第（n）个靶蛋白质与标记蛋白质连接，然后进行表达; 和（b）按照上述方法顺序表达标记蛋白质以分别区分细胞。
-
公开(公告)号：KR102262465B1
公开(公告)日：2021-06-09
申请号：KR1020190062802
申请日：2019-05-28
Applicant: 경희대학교 산학협력단 , 한국과학기술연구원 , 서울대학교산학협력단 , 한국과학기술원 , 재단법인 전통천연물기반 유전자동의보감 사업단
IPC: A61K36/268 , A61K36/346 , A61K36/54 , A61P11/00 , A61P37/08 , A23L33/105 , A23K10/30
-
公开(公告)号：KR101883361B1
公开(公告)日：2018-07-30
申请号：KR1020170041827
申请日：2017-03-31
Applicant: 재단법인 전통천연물기반 유전자동의보감 사업단 , 한국과학기술원
IPC: G06F19/00
CPC classification number: G16H50/50
Abstract: 본발명은바이오시너지모델언어를이용한상황특이적인생물학적관계정보시스템및 정보의구축방법에관한것으로, 바이오시너지모델언어를해석하는바이오시너지모델언어모듈부(300)와, 다수준간의생물학적관계정보를저장하는생물학적관계정보데이터베이스(600)와, 온톨로지정보를저장하고, 상기생물학적관계정보데이터베이스에서제어부(100)에의해추출된생물학적관계정보에해당하는온톨로지정보를제공하는온톨로지데이터베이스(500)와, 상기온톨로지정보가포함된생물학적관계정보에해당하는상황정보를제공하는상황정보데이터베이스(700)와, 상기바이오시너지모델언어모듈부(300)의해석에따라상기생물학적관계정보데이터베이스(600), 온톨로지데이터베이스(500) 및상황정보데이터베이스(700)를억세스하여정보를추출하고매핑하는제어부(100)를포함한다.
-
Patent Agency Ranking
公开(公告)号：KR101878924B1
公开(公告)日：2018-07-17
申请号：KR1020160073969
申请日：2016-06-14
Applicant: 재단법인 전통천연물기반 유전자동의보감 사업단 , 한국과학기술원
Abstract: 본발명의일 실시예에따른신약재창출방법은복수개의유전자정보를포함하는생물학적네트워크를이용한신약재창출방법에관한것으로써, 상기생물학적네트워크에검증하고자하는약물의정보를입력하는단계; 상기생물학적네트워크상에서상기약물의작용유전자및 목표질병과관련된질병유전자사이의최단경로를추출하는단계; 공개된유전체데이터를이용하여상기작용유전자의질병에서의변화상태를측정하는단계; 상기작용유전자, 상기최단경로상에배열된적어도하나의중간유전자및 상기질병유전자의상기약물의전달에따른활성/억제여부를파악하는단계; 및상기최단경로및 상기활성/억제여부에기초하여상기약물및 상기목표질병유전자와의상관관계를수치화하여스코어를산출하는단계;를포함한다.
-
公开(公告)号：KR101837712B1
公开(公告)日：2018-03-12
申请号：KR1020170091627
申请日：2017-07-19
Applicant: 재단법인 전통천연물기반 유전자동의보감 사업단 , 한국과학기술원
CPC classification number: G06F19/704 , G01N33/15 , G06F19/702
Abstract: 본발명은컴퓨터를이용한시스템에구비된복수의수단을이용해시스템상에서약물간의상호작용을예측하는방법으로서, 제1 수단이, 복수의표적간의연결관계를정의한분자네트워크상에약물을작용시키면, 네트워크신호전파알고리즘에의해약물의효과가복수의표적간에전파되어각 표적에대한약물의효과값이산출되는제1 단계와, 제2 수단이, 복수의표현형을각각유발하는복수의표적에대한약물의효과값을합하여, 복수의표현형에대한제1 약물효능전파값을산출하는제2 단계와, 제3 수단이, 제1 약물효능전파값을분자네트워크의특성을기초로정규화하여, 복수의표현형중 약물이발현되는표현형을확인할수 있는지표인제1 약물표현형벡터를추론하는제3 단계를포함하는약물간의상호작용예측방법을제공한다.또한, 제4 수단이, 검증정보를기초로복수의표현형중 약물이발현되는표현형을확인할수 있는지표인제2 약물표현형벡터를생성하는제4 단계와, 제5 수단이제1 약물표현형벡터및 제2 약물표현형벡터를조합하여제3 약물표현형벡터를생성하는제5 단계와, 제6 수단이복수의표현형간 연결관계를정의한표현형네트워크상에서제3 약물표현형벡터를복수의표현형에대응시키는제6 단계와, 제7 수단이, 질의약물쌍의제3 약물표현형벡터와, 표현형네트워크상에서복수의표현형간 연결차수를기초로질의약물쌍의표현형별 상호작용값을산출하는제7 단계와, 제8 수단이표현형별 상호작용값을합산하여약물상호작용가능값을산출하는제8 단계와제9 수단이약물상호작용가능값을표준화하여약물상호작용값을산출하는제9 단계를더 포함하는약물간의상호작용예측방법을제공한다.
Abstract translation: 当本发明是使用多个在使用计算机系统所提供的装置的方法预测的系统中，第一装置，所述药物对分子网络的动作上的药物作用之间的交叉限定的多个目标中的连接关系，该网络 由信号传播的药物的效果的多个药物的靶标中传播用于多个目标以使得所述第一步骤和所述第二装置是多个表型的，药物的有效值分别为每个目标计算的， 的组合效果值，归一化所述第一和用于计算所述多个表型的药物疗效传播值，第三装置，用于基于所述分子网络的特性的多个表型的第一药效传播值，第二步骤 提供了一种在药物之间西班牙第一横包括推断可以确定药物被表达的表型。在加入药物表型载体作用预测方法的第三步骤的索引，基于所述验证信息的第四装置被配置为在多个表型的 和待表达的水的第四步骤以创建可以在确定表型西班牙第二药物表型载体表面上，并且所述第五装置现在权利要求用于产生第一药物表型载体以及通过组合所述第三药物表型载体5的第二药物表型矢量 步骤和所述第六装置的第六步骤是对应于由多个多个表达的，所述第七装置，查询药物对第三药物表型载体的表型之间的连接关系所限定的表型网络上的第三药物表型载体 通过求和第七步骤和第八装置是通过基于表型网络上的表型的一对之间的连接程度用于计算药物相互作用的可能值的多个查询药物的表达式来计算的相互作用值的特定表型的交互值 第九步是将步骤8和9中的药物相互作用可能值标准化以计算药物相互作用值。
-
公开(公告)号：KR1020170142223A
公开(公告)日：2017-12-28
申请号：KR1020160074953
申请日：2016-06-16
Applicant: 중앙대학교 산학협력단 , 재단법인 전통천연물기반 유전자동의보감 사업단 , 한국과학기술원
IPC: A61K31/122 , A61K36/30 , A23L1/30
Abstract: 본발명은알카닌(alkannin, 알칸닌)을유효성분으로포함하는대사성질환용조성물에대한것으로, 보다상세하게는알카닌을유효성분으로포함하는대사성질환의예방또는치료용약학적조성물과식품용조성물에대한것이다. 알카닌은지방합성을억제하고지방분해는촉진하는 AMPK를활성화하며, 지방합성에중요한전사인자의발현을억제한다. 특히알카닌은광학이성질체인시코닌보다더욱우수한지방합성및 축적억제의효과를나타낸다. 알카닌의뛰어난지방억제효과를이용하여비만, 고지혈증, 지방간등 과다한지방생성또는합성과연관된대사성질환의치료제및 개선용기능성식품을개발하는데 유용하게이용될수 있다.
Abstract translation: 本发明涉及以链烷醛（alkanin）（链烷醇）为有效成分的代谢性疾病用组合物，更具体而言，涉及用于预防或治疗以链烷醇为有效成分的代谢性疾病的药物组合物和食品组合物 是的。 Alkanin抑制脂质合成，激活AMPK，促进脂解，并抑制脂肪合成重要的转录因子的表达。 特别是，链烷酸表现出脂肪合成和蓄积抑制的效果，这是作为光学异构体的chiconine的效果。 通过利用烷酸的优异的脂肪抑制作用，本发明可以有效地用于开发治疗剂和功能性食品以改善与脂肪过度产生或合成有关的代谢性疾病如肥胖症，高脂血症和脂肪肝。
-
公开(公告)号：KR101810835B1
公开(公告)日：2017-12-21
申请号：KR1020160073979
申请日：2016-06-14
Applicant: 재단법인 전통천연물기반 유전자동의보감 사업단 , 한국과학기술원
Abstract: 본발명의일 실시예에따른딥러닝을이용한화합물의장내흡수도예측장치는화합물의분자특징요소들을입력받는입력계층; 상기화합물의분자특징요소들과연결되어상기분자특징요소들을규합시켜형성된복수개의노드로정의되는유닛들이저장된은닉계층; 및상기유닛과의상관관계에기초하여상기화합물의장내흡수도를예측하는출력계층;을포함한다.
-
公开(公告)号：KR1020160149624A
公开(公告)日：2016-12-28
申请号：KR1020150086903
申请日：2015-06-18
Applicant: 재단법인 전통천연물기반 유전자동의보감 사업단 , 한국과학기술원
IPC: G06F19/00
Abstract: 본발명은약물사이의공통성에기반한약력학적약물상호작용예측방법및장치로서약력학적약물상호작용데이터를통하여약물상호작용네트워크를구축하는제 1단계(S100); 상기네트워크상의적어도두 개의약물사이의약력학적상호작용을산출하는제 2단계(S200); 산출된상기적어도두 개의약물간의상호작용에대한스코어를계산하는제 3단계(S300);를포함한다.
-
-
-
-
-
-
-
-
-
Search Results
56
records
(took 0.029 seconds)
