特表 2022-552532 シーケンシングプラットフォームの特異的エラーを減らした体細胞突然変異検出装置及び方法

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】公表特許公報(A)

(11)【公表番号】

(43)【公表日】2022-12-16

(54)【発明の名称】シーケンシングプラットフォームの特異的エラーを減らした体細胞突然変異検出装置及び方法

(51)【国際特許分類】

   G16B 20/20 20190101AFI20221209BHJP

   G06N 3/02 20060101ALI20221209BHJP

   C12Q 1/6869 20180101ALI20221209BHJP

   G16B 30/00 20190101ALI20221209BHJP

   G16B 40/20 20190101ALI20221209BHJP

   C12N 15/12 20060101ALN20221209BHJP

【ＦＩ】

G16B20/20

G06N3/02

C12Q1/6869 Z

G16B30/00

G16B40/20

C12N15/12

【審査請求】有

【予備審査請求】未請求

(21)【出願番号】P 2022522755

(86)(22)【出願日】2019-10-25

(85)【翻訳文提出日】2022-04-14

(86)【国際出願番号】 KR2019014109

(87)【国際公開番号】W WO2021080043

(87)【国際公開日】2021-04-29

(81)【指定国・地域】

(71)【出願人】

【識別番号】519001383

【氏名又は名称】ソウル ナショナル ユニバーシティ アールアンドディービー ファウンデーション

(74)【代理人】

【識別番号】110000051

【氏名又は名称】弁理士法人共生国際特許事務所

(72)【発明者】

【氏名】ベク，デ ヒョン

(72)【発明者】

【氏名】アン，ジュン ハク

(72)【発明者】

【氏名】ジョン，ヒョン スン

(72)【発明者】

【氏名】キム，ド ヨン

【テーマコード（参考）】

4B063

【Ｆターム（参考）】

4B063QA13

4B063QA17

4B063QQ02

4B063QQ03

4B063QQ42

4B063QQ52

4B063QR32

4B063QR35

4B063QR62

4B063QR72

4B063QR77

(57)【要約】

【課題】検出性能が改善された突然変異を検出する装置を提供する。
【解決手段】突然変異を検出する装置は、ニューラルネットワークを具現するためのソフトウェアを保存するメモリ、及びソフトウェアを実行することにより、突然変異を検出するプロセッサを含み、プロセッサは、検出対象組織から抽出される第１ゲノムデータ及び正常組織から抽出される第２ゲノムデータを生成し、第１ゲノムデータ及び第２ゲノムデータに対する前処理を実行してイメージデータを抽出し、シーケンシングプラットフォーム（ｓｅｑｕｅｎｃｉｎｇ ｐｌａｔｆｏｒｍ）に特異的に発生する偽陽性（ｆａｌｓｅ ｐｏｓｉｔｉｖｅ）を訂正するように学習されるニューラルネットワークを通じて、イメージデータに基づいて検出対象組織の突然変異を検出する。
【選択図】図１

【特許請求の範囲】

【請求項1】

突然変異を検出する装置において、
ニューラルネットワークを具現するためのソフトウェアを保存するメモリと、
前記ソフトウェアを実行することにより、突然変異を検出するプロセッサと、を含み、
前記プロセッサは、
検出対象組織から抽出される第１ゲノムデータ及び正常組織から抽出される第２ゲノムデータを生成し、
前記第１ゲノムデータ及び前記第２ゲノムデータに対する前処理を実行してイメージデータを抽出し、
シーケンシングプラットフォーム（ｓｅｑｕｅｎｃｉｎｇ ｐｌａｔｆｏｒｍ）に特異的に発生する偽陽性（ｆａｌｓｅ ｐｏｓｉｔｉｖｅ）を訂正するように学習された前記ニューラルネットワークを通じて、前記イメージデータに基づいて前記検出対象組織の突然変異を検出することを特徴とする装置。

【請求項2】

前記ニューラルネットワークは、
正常に検出される正常突然変異に関する学習データを示す第１学習イメージデータ及び前記偽陽性による誤検出突然変異に関する学習データを示す第２学習イメージデータに基づいて、前記正常突然変異及び前記誤検出突然変異を区別するように学習されることを特徴とする請求項１に記載の装置。

【請求項3】

前記第１学習イメージデータ及び前記第２学習イメージデータは、
同じ学習用組織に対するロングリードシーケンシング（ｌｏｎｇ ｒｅａｄ ｓｅｑｕｅｎｃｉｎｇ）及びショートリードシーケンシング（ｓｈｏｒｔ ｒｅａｄ ｓｅｑｕｅｎｃｉｎｇ）の結果に基づいて生成されることを特徴とする請求項２に記載の装置。

【請求項4】

前記第１学習イメージデータ及び前記第２学習イメージデータは、
遺伝子配列（ｇｅｎｅ ｓｅｑｕｅｎｃｅ）、挿入／欠失（ｉｎｄｅｌ、ｉｎｓｅｒｔｉｏｎ／ｄｅｌｅｔｉｏｎ）、及びマッピングクオリティ（ｍａｐｐｉｎｇ ｑｕａｌｉｔｙ）のうちの少なくとも一つを含むことを特徴とする請求項２に記載の装置。

【請求項5】

前記ニューラルネットワークは、
前記イメージデータから特徴（ｆｅａｔｕｒｅ）を抽出し、前記特徴に基づいて前記検出対象組織の遺伝子が突然変異に対応する確率を計算する畳み込みニューラルネットワーク（ＣＮＮ、ｃｏｎｖｏｌｕｔｉｏｎａｌ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ）であることを特徴とする請求項１に記載の装置。

【請求項6】

前記プロセッサは、
マッピングクオリティ及び深度（ｄｅｐｔｈ）に基づいて前記第１ゲノムデータ及び前記第２ゲノムデータを補正することにより、前記前処理を実行することを特徴とする請求項１に記載の装置。

【請求項7】

前記検出対象組織から検出される突然変異は、体細胞一塩基変異（ｓＳＮＶ、ｓｏｍａｔｉｃ ｓｉｎｇｌｅ ｎｕｃｌｅｏｔｉｄｅ ｖａｒｉａｎｔ）であることを特徴とする請求項１に記載の装置。

【請求項8】

ニューラルネットワークを具現するためのソフトウェアを実行することにより突然変異を検出する方法において、
検出対象組織から抽出される第１ゲノムデータ及び正常組織から抽出される第２ゲノムデータを生成するステップと、
前記第１ゲノムデータ及び前記第２ゲノムデータに対する前処理を実行してイメージデータを抽出するステップと、
シーケンシングプラットフォーム（ｓｅｑｕｅｎｃｉｎｇ ｐｌａｔｆｏｒｍ）に特異的に発生する偽陽性（ｆａｌｓｅ ｐｏｓｉｔｉｖｅ）を訂正するように学習された前記ニューラルネットワークを通じて、前記イメージデータに基づいて前記検出対象組織の突然変異を検出するステップと、を含むことを特徴とする方法。

【請求項9】

前記ニューラルネットワークは、
正常に検出される正常突然変異に関する学習データを示す第１学習イメージデータ、及び前記偽陽性による誤検出突然変異に関する学習データを示す第２学習イメージデータに基づいて、前記正常突然変異及び前記誤検出突然変異を区別するように学習されることを特徴とする請求項８に記載の方法。

【請求項10】

前記第１学習イメージデータ及び前記第２学習イメージデータは、
同じ学習用組織に対するロングリードシーケンシング（ｌｏｎｇ ｒｅａｄ ｓｅｑｕｅｎｃｉｎｇ）及びショートリードシーケンシング（ｓｈｏｒｔ ｒｅａｄ ｓｅｑｕｅｎｃｉｎｇ）の結果に基づいて生成されることを特徴とする請求項９に記載の方法。

【請求項11】

前記第１学習イメージデータ及び前記第２学習イメージデータは、
遺伝子配列（ｇｅｎｅ ｓｅｑｕｅｎｃｅ）、挿入／欠失（ｉｎｄｅｌ、ｉｎｓｅｒｔｉｏｎ／ｄｅｌｅｔｉｏｎ）、及びマッピングクオリティ（ｍａｐｐｉｎｇ ｑｕａｌｉｔｙ）のうちの少なくとも一つを含むことを特徴とする請求項９に記載の方法。

【請求項12】

前記ニューラルネットワークは、
前記イメージデータから特徴（ｆｅａｔｕｒｅ）を抽出し、前記特徴に基づいて前記検出対象組織の遺伝子が突然変異に対応する確率を計算する畳み込みニューラルネットワーク（ＣＮＮ、ｃｏｎｖｏｌｕｔｉｏｎａｌ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ）であることを特徴とする請求項８に記載の方法。

【請求項13】

前記イメージデータを抽出するステップは、
マッピングクオリティ及び深度（ｄｅｐｔｈ）に基づいて前記第１ゲノムデータ及び前記第２ゲノムデータを補正することにより、前記前処理を実行するステップを含むことを特徴とする請求項８に記載の方法。

【請求項14】

前記検出対象組織から検出される突然変異は、体細胞一塩基突然変異（ｓＳＮＶ、ｓｏｍａｔｉｃ ｓｉｎｇｌｅ ｎｕｃｌｅｏｔｉｄｅ ｖａｒｉａｎｔ）であることを特徴とする請求項８に記載の方法。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、突然変異を検出する方法及びその方法を実行する装置に関する。より詳しくは、本発明は、シーケンシングプラットフォームの特異的エラーを減少させるように学習されたニューラルネットワークを活用して突然変異を検出する装置及び方法に関する。

【背景技術】

【0002】

次世代塩基配列分析（ＮＧＳ、ｎｅｘｔ ｇｅｎｅｒａｔｉｏｎ ｓｅｑｕｅｎｃｉｎｇ）は、ＤＮＡを多数の断片に分解して塩基配列分析を並列に処理する方式を意味する。次世代塩基配列分析は、既存のサンガー塩基配列分析（Ｓａｎｇｅｒ ｓｅｑｕｅｎｃｉｎｇ）とは違って、多数のＤＮＡ断片を同時に分析することができるので、分析時間、分析費用、及び分析正確度の側面で有利である。

【0003】

図１を参照すると、次世代塩基配列分析１１０及びサンガー塩基配列分析１２０を比較するグラフ１００が図示されている。グラフ１００に示すように、次世代塩基配列分析１１０はサンガー塩基配列分析１２０に比べて高い性能を有する。一方、グラフ１００の横軸で確認されるように、次世代塩基配列分析１１０は、多様なリード長（ｒｅａｄ ｌｅｎｇｔｈ）を有する。

【0004】

癌患者のＤＮＡ塩基配列を分析して突然変異を検出するために、次世代塩基配列分析が活用される。次世代塩基配列分析の方式でＤＮＡ塩基配列を分析する多様なソフトウェアを通じて癌組織の突然変異が検出される。

【0005】

従来のソフトウェアによって突然変異が検出される場合、特に、ショートリードシーケンシング（ｓｈｏｒｔ ｒｅａｄ ｓｅｑｕｅｎｃｉｎｇ）のような特定のシーケンシングプラットフォームでＤＮＡの塩基配列が分析される場合、実際には突然変異ではないが、当該シーケンシングプラットフォームの特性上、突然変異であると間違って検出される偽陽性（ｆａｌｓｅ ｐｏｓｉｔｉｖｅ）が発生し、このようなシーケンシングプラットフォームに特異的に発生する偽陽性によって、突然変異検出の正確度が低下する。

【0006】

したがって、シーケンシングプラットフォームに特異的に発生する偽陽性によって突然変異の検出の正確度が低下することを防止するためには、突然変異を検出する方式が改善されることが要求される。

【発明の概要】

【発明が解決しようとする課題】

【0007】

本発明が解決しようとする技術的課題は、既存のソフトウェアによって発生する問題点として、シーケンシングプラットフォームに特異的に発生する偽陽性によって突然変異の検出の正確度が低下する問題を解決して、突然変異の検出性能を改善することである。

【課題を解決するための手段】

【0008】

上述の技術的課題を解決するための手段として、本発明の一態様による突然変異を検出する装置は、ニューラルネットワークを具現するためのソフトウェアを保存するメモリと、前記ソフトウェアを実行することにより、突然変異を検出するプロセッサとを含み、前記プロセッサは、検出対象組織から抽出される第１ゲノムデータ及び正常組織から抽出される第２ゲノムデータを生成し、前記第１ゲノムデータ及び前記第２ゲノムデータに対する前処理を実行してイメージデータを抽出し、シーケンシングプラットフォーム（ｓｅｑｕｅｎｃｉｎｇ ｐｌａｔｆｏｒｍ）に特異的に発生する偽陽性（ｆａｌｓｅ ｐｏｓｉｔｉｖｅ）を訂正するように学習された前記ニューラルネットワークを通じて、前記イメージデータに基づいて前記検出対象組織の突然変異を検出することを特徴とする。

【0009】

本発明の一態様によるニューラルネットワークを具現するためのソフトウェアを実行することにより突然変異を検出する方法は、検出対象組織から抽出される第１ゲノムデータ及び正常組織から抽出される第２ゲノムデータを生成するステップと、前記第１ゲノムデータ及び前記第２ゲノムデータに対する前処理を実行してイメージデータを抽出するステッと、シーケンシングプラットフォーム（ｓｅｑｕｅｎｃｉｎｇ ｐｌａｔｆｏｒｍ）に特異的に発生する偽陽性（ｆａｌｓｅ ｐｏｓｉｔｉｖｅ）を訂正するように学習された前記ニューラルネットワークを通じて、前記イメージデータに基づいて前記検出対象組織の突然変異を検出するステップと、を含むことを特徴とする。

【発明の効果】

【0010】

本発明による装置及び方法によれば、突然変異を検出する過程でニューラルネットワークが活用され、ニューラルネットワークは、シーケンシングプラットフォームに特異的に発生する偽陽性を訂正するように予め学習されるので、シーケンシングプラットフォームに特異的に発生する偽陽性によって突然変異の検出の正確度が低下することが防止される。特に、既存の統計的方式とは違って、突然変異検出にニューラルネットワークが活用されるので、既存の方式に比べて高い性能で突然変異を検出することができる。

【図面の簡単な説明】

【0011】

【図1】次世代塩基配列分析方式及び既存の塩基配列分析方式を比較するためのグラフを示す図である。

【図2】本発明の一実施形態によるニューラルネットワークを説明するための図である。

【図3】本発明の一実施形態による突然変異を検出する過程を説明するための図である。

【図4】本発明の一実施形態による突然変異を検出する装置を構成する要素を示すブロック図である。

【図5】本発明の一実施形態によるニューラルネットワークの構造及び学習方式を説明するための図である。

【図6】本発明の一実施形態によるニューラルネットワークを学習させるためのデータを生成する過程を説明するための図である。

【図7】本発明の一実施形態による突然変異を検出する方法を構成するステップを示すフローチャートである。

【発明を実施するための形態】

【0012】

以下、図面を参照して本発明の実施形態について詳しく説明する。以下の説明は、実施形態を具体化するためのものであって、本発明の技術範囲を制限したり限定するためのものではない。本発明に関する技術分野において通常の知識を有する者が発明の詳細な説明及び実施形態から容易に類推することができるものは本発明の技術範囲に属すると解釈されるべきである。

【0013】

本明細書で用いられる用語は、本発明に関する技術分野において広く用いられる一般的な用語で記載したが、本明細書で用いられる用語の意味は、当該分野に従事する技術者の意図、新しい記述の出現、審査基準または判例などによって異なり得る。一部用語は出願人によって任意に選定され、この場合、任意に選定された用語の意味が詳細に説明される。本明細書で用いられる用語はただ辞書的意味ではなく、明細書の全般的な文脈を反映する意味に解釈されるべきである。

【0014】

本明細書で用いられる「構成される」または「含む」のような用語は、明細書に記載される構成要素またはステップを必ず含むと解釈されてはならず、一部構成要素またはステップが含まれない場合、及び追加的な構成要素またはステップがさらに含まれる場合も当該用語から意図されるものと解釈されるべきである。

【0015】

本明細書で用いられる「第１」または「第２」のような序数を含む用語は、多様な構成要素またはステップを説明するために用いられるが、当該構成要素またはステップは、序数によって限定されない。序数を含む用語は、一つの構成要素またはステップを他の構成要素またはステップから区別するための用途のみに解釈すべきである。

【0016】

以下、図面を参照して本発明の実施形態について詳しく説明する。本発明に関する技術分野において通常の知識を有する者に広く知られている事項に対しては詳しい説明は省略する。

【0017】

図２は、本発明の一実施形態によるニューラルネットワークを説明するための図である。

【0018】

図２を参照すると、ニューラルネットワーク２００を構成する要素が図示されている。ニューラルネットワーク２００は、神経網が人工的に具現されたもので、入／出力層のほかに隠れ層を備えて、多様な非線形的機能を効率的に実行することができる。ニューラルネットワーク２００は、複数の隠れ層を含むもので、ディープニューラルネットワーク（ｄｅｅｐ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ）に対応する。図２を通じて例示された構造のほかにも、ニューラルネットワーク２００は、リカレントニューラルネットワーク（ＲＮＮ）または畳み込みニューラルネットワーク（ＣＮＮ）などのような多様なアーキテクチャで具現され得る。

【0019】

ニューラルネットワーク２００は、ニューラルネットワーク２００を構成する各種パラメータの数値を調整する方式で学習される。多様な機械学習及びディープランニングの方式によってニューラルネットワーク２００が適切に学習される場合、ニューラルネットワーク２００は、高い性能で学習目的による機能を実行することができる。このため、音声認識、自然語処理、及びイメージ分析などの分野のほかにも多様な分野でニューラルネットワーク２００が幅広く活用される。特に、本発明のように、突然変異検出などのバイオ分野で従来の問題点を解決するために、ニューラルネットワーク２００が活用される。

【0020】

図３は、本発明の一実施形態による突然変異を検出する過程を説明するための図である。

【0021】

図３を参照すると、突然変異を検出する装置３００の内部で、第１ゲノムデータ３１０及び第２ゲノムデータ３２０に対する一連の処理過程が実行されて、突然変異検出結果３５０が生成される。後述するように、突然変異を検出する装置３００は、図４の装置４００のように具現され得る。

【0022】

装置３００内部の一連の処理過程は、ソフトウェアまたはプログラムの形態で具現される。装置３００内部の一連の処理過程の各ステップは、イメージ生成モジュール３３０または突然変異検出モジュール３４０などのように、特定の機能を実行するためのモジュールで具現される。例えば、一連の処理過程を具現するソフトウェアは、パイソン（Ｐｙｔｈｏｎ）スクリプトで具現され、ＬＩＮＵＸ（登録商標） ＣｅｎｔＯＳ ｒｅｌｅａｓｅ ７．６等のような環境で実行される。

【0023】

第１ゲノムデータ３１０は、検出対象組織から抽出されるゲノムデータを意味する。検出対象組織は、突然変異検出の対象となる組織として、癌組織を意味する。第２ゲノムデータ３２０は、正常組織から抽出されるゲノムデータを意味する。

【0024】

検出対象組織の遺伝子のうちのどのような遺伝子に突然変異が発生したのかを正確に把握するために、第１ゲノムデータ３１０に加えて第２ゲノムデータ３２０が一緒に考慮される。一方、図３に示されていないが、検出対象組織から第１ゲノムデータ３１０を抽出する過程、及び正常組織から第２ゲノムデータ３２０を抽出する過程も、装置３００内部のソフトウェアを構成する別途のモジュールで具現され得る。

【0025】

装置３００では、ただ癌患者のゲノムデータのみに基づいて、統計的方式で突然変異が検出されるのではなく、実際に癌が発病した組織及びそれと対比するための正常組織から第１ゲノムデータ３１０及び第２ゲノムデータ３２０が抽出されて突然変異が検出されるので、癌患者及び癌組織ごとに相異する個別的な特性が突然変異検出過程に反映される。したがって、癌組織の遺伝子のうちのどのような遺伝子に突然変異が発生したのかがより正確に検出される。

【0026】

イメージ生成モジュール３３０は、第１ゲノムデータ３１０及び第２ゲノムデータ３２０からイメージデータを抽出する。イメージデータは、突然変異を検出するように学習／トレーニングされるニューラルネットワーク２００に提供されるように、第１ゲノムデータ３１０及び第２ゲノムデータ３２０を視覚化したデータを意味する。

【0027】

突然変異検出モジュール３４０は、イメージデータに基づいて検出対象組織の突然変異を検出する。このために、突然変異検出モジュール３４０には、ニューラルネットワーク２００が具現され、ニューラルネットワーク２００は、検出対象組織の遺伝子のうちのどのような遺伝子に突然変異が発生したのかを検出するように学習される。例えば、図５及び図６で後述するように、ニューラルネットワーク２００は、イメージから特徴（ｆｅａｔｕｒｅ）を抽出し、特徴に基づいて特定機能を実行するように学習される畳み込みニューラルネットワーク（ＣＮＮ）で具現される。

【0028】

突然変異検出モジュール３４０は、ニューラルネットワーク２００の出力に追加的な加工及び処理を行って突然変異検出結果３５０を生成する。突然変異検出結果３５０は、参照ゲノム（ｒｅｆｅｒｅｎｃｅ ｇｅｎｅ）と比較して突然変異が発生したと判断される遺伝子に関する情報を表示する標準形式のフォーマット（ＶＣＦ）で生成される。

【0029】

装置３００によれば、特定の目的で学習されるニューラルネットワーク２００が突然変異の検出に活用されるので、突然変異検出の正確度がより改善される。後述するように、ニューラルネットワーク２００は、シーケンシングプラットフォームに特異的に発生する偽陽性を訂正するように学習されるので、既存の突然変異検出用ソフトウェアで問題点として指摘された偽陽性による正確度の減少が防止される。

【0030】

一方、装置３００によって検出対象組織から検出される突然変異は、体細胞一塩基変異（ｓＳＮＶ、ｓｏｍａｔｉｃ ｓｉｎｇｌｅ ｎｕｃｌｅｏｔｉｄｅ ｖａｒｉａｎｔ）であり得る。体細胞一塩基変異は、体細胞突然変異として、塩基配列を構成する塩基のうち一塩基のみに対して突然変異が発生したことを意味する。体細胞一塩基変異は、次世代塩基配列分析によって検出されるのに適合し、特に、シーケンシングプラットフォームに特異的に発生する偽陽性を訂正するように学習されるニューラルネットワーク２００によって検出されるのに適合する。ただし、これに限定されるものではなく、体細胞一塩基変異のほかに他の種類の突然変異も装置３００によって検出され得る。

【0031】

図４は、本発明の一実施形態による突然変異を検出する装置を構成する要素を示すブロック図である。

【0032】

図４を参照すると、突然変異を検出する装置４００は、メモリ４１０及びプロセッサ４２０を含む。ただし、これに限定されるものではなく、図４に示された構成要素のほかに、他の汎用的な構成要素が装置４００にさらに含まれ得る。一方、図４の装置４００は、図３の装置３００を具現する一つの例である。

【0033】

装置４００は、突然変異を検出するように構成された多様なデバイスに対応することができる。例えば、装置４００は、ＰＣ、サーバデバイス、スマートフォン、タブレットＰＣ、及びその他モバイルデバイスなどのような多様な種類のコンピュータデバイスであり得る。

【0034】

メモリ４１０は、ニューラルネットワーク２００を具現するためのソフトウェアを保存する。例えば、ニューラルネットワーク２００を構成する層及びノードに関するデータ、ノードで実行される演算及び演算過程に適用されるパラメータが少なくとも一つの命令語、プログラム、またはソフトウェアの形態でメモリ４１０に保存される。

【0035】

メモリ４１０は、ＲＯＭ（ｒｅａｄ ｏｎｌｙ ｍｅｍｏｒｙ）、ＰＲＯＭ（ｐｒｏｇｒａｍｍａｂｌｅ ＲＯＭ）、ＥＰＲＯＭ（ｅｌｅｃｔｒｉｃａｌｌｙ ｐｒｏｇｒａｍｍａｂｌｅ ＲＯＭ）、ＥＥＰＲＯＭ（ｅｌｅｃｔｒｉｃａｌｌｙ ｅｒａｓａｂｌｅ ａｎｄ ｐｒｏｇｒａｍｍａｂｌｅ ＲＯＭ）、フラッシュメモリ（ｆｌａｓｈ ｍｅｍｏｒｙ）、ＰＲＡＭ（ｐｈａｓｅ－ｃｈａｎｇｅ ＲＡＭ）、ＭＲＡＭ（ｍａｇｎｅｔｉｃ ＲＡＭ）、ＲＲＡＭ（登録商標）（ｒｅｓｉｓｔｉｖｅ ＲＡＭ）、ＦＲＡＭ（登録商標）（ｆｅｒｒｏｅｌｅｃｔｒｉｃ ＲＡＭ）などのような不揮発性メモリで具現されるか、またはＤＲＡＭ（ｄｙｎａｍｉｃ ＲＡＭ）、ＳＲＡＭ（ｓｔａｔｉｃ ＲＡＭ）、ＳＤＲＡＭ（ｓｙｎｃｈｒｏｎｏｕｓ ＤＲＡＭ）、ＰＲＡＭ（ｐｈａｓｅ－ｃｈａｎｇｅ ＲＡＭ）、ＲＲＡＭ（ｒｅｓｉｓｔｉｖｅ ＲＡＭ）、ＦｅＲＡＭ（ｆｅｒｒｏｅｌｅｃｔｒｉｃ ＲＡＭ）などの揮発性メモリで具現される。また、メモリ４１０は、ＨＤＤ（ｈａｒｄ ｄｉｓｋ ｄｒｉｖｅ）、ＳＳＤ（ｓｏｌｉｄ ｓｔａｔｅ ｄｒｉｖｅ）、ＳＤ（ｓｅｃｕｒｅ ｄｉｇｉｔａｌ）、Ｍｉｃｒｏ－ＳＤ（ｍｉｃｒｏ ｓｅｃｕｒｅ ｄｉｇｉｔａｌ）などで具現され得る。

【0036】

プロセッサ４２０は、メモリ４１０に保存されたソフトウェアを実行することにより、突然変異を検出する。プロセッサ４２０は、突然変異検出のための一連の処理過程を実行して検出対象組織の突然変異を検出する。プロセッサ４２０は、装置４００を制御するための全般的な機能を実行し、装置４００内部の各種演算を処理する。

【0037】

プロセッサ４２０は、多数の論理ゲートのアレイまたは汎用的なマイクロプロセッサで具現される。プロセッサ４２０は、単一のプロセッサまたは複数のプロセッサで構成され得る。プロセッサ４２０は、ソフトウェアを保存するメモリ４１０と別途の構成ではなく、メモリ４１０とともに一体に構成されてもよい。プロセッサ４２０は、装置４００内に備えられるＣＰＵ（ｃｅｎｔｒａｌ ｐｒｏｃｅｓｓｉｎｇ ｕｎｉｔ）、ＧＰＵ（ｇｒａｐｈｉｃｓ ｐｒｏｃｅｓｓｉｎｇ ｕｎｉｔ）、及びＡＰ（ａｐｐｌｉｃａｔｉｏｎ ｐｒｏｃｅｓｓｏｒ）のうちの少なくとも一つであり得るが、これは一例に過ぎず、プロセッサ４２０は、他の多様な形態でも具現され得る。

【0038】

プロセッサ４２０は、検出対象組織から抽出される第１ゲノムデータ及び正常組織から抽出される第２ゲノムデータを生成する。プロセッサ４２０は、検出対象組織をシーケンシングした結果データセットをゲノムデータに内蔵させて、第１ゲノムデータを抽出し、正常組織をシーケンシングした結果データセットをゲノムデータに内蔵させて第２ゲノムデータを抽出する。

【0039】

例えば、プロセッサ４２０は、ＨＣＣ１１４３ ｃｅｌｌ ｌｉｎｅなどを通じて第１ゲノムデータ及び第２ゲノムデータを生成する。一方、第１ゲノムデータ及び第２ゲノムデータは、ゲノムワイドデータ（ｗｈｏｌｅ ｇｅｎｏｎｅ ｄａｔａ）であり得る。

【0040】

プロセッサ４２０は、第１ゲノムデータ及び第２ゲノムデータに対する前処理を実行してイメージデータを抽出する。プロセッサ４２０は、第１ゲノムデータ及び第２ゲノムデータがニューラルネットワーク２００によって処理されるのに適した形態を有するように前処理を実行する。

【0041】

その例として、第１ゲノムデータ及び第２ゲノムデータは、イメージデータのようにイメージの形態に変換される。ただし、イメージ形態への変換は一例に過ぎず、ニューラルネットワーク２００がどのような方式で具現されるのかによって第１ゲノムデータ及び第２ゲノムデータは、イメージ以外にも多様な形態に変換され得る。

【0042】

プロセッサ４２０は、マッピングクオリティ（ｍａｐｐｉｎｇ ｑｕａｌｉｔｙ）及び深度（ｄｅｐｔｈ）に基づいて、第１ゲノムデータ及び第２ゲノムデータを補正することにより、前処理を実行する。プロセッサ４２０は、マッピングクオリティを基準として低い質を有するリード（ｒｅａｄ）を除去し、第１ゲノムデータ及び第２ゲノムデータの深度を調整する。上記のような前処理過程を通じて、プロセッサ４２０は、ニューラルネットワーク２００で処理されるのに適した形式を有するイメージデータを生成する。

【0043】

プロセッサ４２０は、シーケンシングプラットフォーム（ｓｅｑｕｅｎｃｉｎｇ）に特異的に発生する偽陽性（ｆａｌｓｅ ｐｏｓｉｔｉｖｅ）を訂正するように学習されたニューラルネットワーク２００を通じて、イメージデータに基づいて検出対象組織の突然変異を検出する。学習されたニューラルネットワーク２００を活用して、プロセッサ４２０は、イメージデータから検出対象組織のどのような遺伝子に突然変異が発生したのかを検出する。

【0044】

シーケンシングプラットフォームは、検出対象組織の塩基配列を分析するための具体的な方式を意味する。どのようなシーケンシングプラットフォームが適用されるかによって、塩基配列を分析する方式も異なり得る。次世代塩基配列分析（ＮＧＳ）の場合、ＤＮＡ断片が分解される大きさによって、すなわち並列的に処理されるＤＮＡ断片のリード長（ｒｅａｄ ｌｅｎｇｔｈ）によってシーケンシングプラットフォームの種類が決められる。例えば、シーケンシングプラットフォームには、ロングリードシーケンシング及びショートリードシーケンシングなどが含まれる。ただし、このようなリード長による分類に限定されるものではなく、シーケンシングプラットフォームは塩基配列を分析するための多様な分析方式を意味する。

【0045】

ニューラルネットワーク２００は、イメージデータが入力されて検出対象組織の突然変異を出力するように予め学習される。予め学習が完了したニューラルネットワーク２００がソフトウェアの形態でメモリ４１０に保存され、プロセッサ４２０は学習されたニューラルネットワーク２００を具現するソフトウェアを実行することにより、イメージデータから検出対象組織の突然変異を検出する。

【0046】

ニューラルネットワーク２００の学習ないしトレーニングは、装置４００によって実行される。装置４００ないしプロセッサ４２０は、ニューラルネットワーク２００を学習させるために、ニューラルネットワーク２００を構成するパラメータの数値を繰り返しアップデートする方式でニューラルネットワーク２００を学習させる。または、ニューラルネットワーク２００は、装置４００の外部で学習された後にソフトウェアで具現される。

【0047】

ニューラルネットワーク２００は、シーケンシングプラットフォームに特異的に発生する偽陽性を訂正するように学習される。例えば、ニューラルネットワーク２００は、ショートリードシーケンシングに特異的に発生する偽陽性を訂正するように学習され、ショートリードシーケンシングのリード長（ｒｅａｄ ｌｅｎｇｔｈ）は、１００以下であり得る。ただし、このような特定数値に限定されるものではなく、ショートリードシーケンシングは、ロングリードシーケンシングに比べて短いリード長を有するシーケンシング方式を指称する。

【0048】

シーケンシングプラットフォームに特異的に発生する偽陽性は、特定シーケンシングプラットフォームによれば、特定遺伝子に突然変異が発生したことが検出されるが、実際には当該遺伝子に突然変異が発生していない場合を意味する。すなわち、偽陽性は、特定シーケンシングプラットフォームによれば、突然変異が発生したと判定されるが、他のシーケンシングプラットフォームによれば、突然変異が発生していないと判定される場合を意味する。

【0049】

例えば、特定シーケンシングプラットフォームに特異的な偽陽性は、ショートリードシーケンシングに特異的な偽陽性である。ショートリードシーケンシングに特異的に発生する偽陽性は、ロングリードシーケンシングによれば、正常と検出されるが、ショートリードシーケンシングによれば、突然変異が発生したことが検出されるエラーを意味する。ショートリードシーケンシングに特異的に発生する偽陽性が存在する場合、実際には突然変異が発生していない遺伝子に突然変異が発生したと誤って判定されることがあり、突然変異検出の正確度が低下する。

【0050】

ニューラルネットワーク２００は、シーケンシングプラットフォームに特異的に発生する偽陽性を訂正するように学習されるので、ニューラルネットワーク２００を活用して検出対象組織の突然変異を検出する場合、突然変異の検出の正確度が向上する。ニューラルネットワーク２００の学習に対する具体的な内容は、図５及び図６を通じて後述する。

【0051】

図５は、本発明の一実施形態によるニューラルネットワークの構造及び学習方式を説明するための図である。

【0052】

図５を参照すると、ニューラルネットワーク５３０の構造及び第１学習イメージデータ５１０及び第２学習イメージデータ５２０に基づいてニューラルネットワーク５３０が学習される過程が図示されている。図５のニューラルネットワーク５３０は、図２～図４を通じて説明したニューラルネットワーク２００が具現される一つの例である。

【0053】

上述のように、ニューラルネットワーク５３０は、イメージデータから特徴（ｆｅａｔｕｒｅ）を抽出し、特徴に基づいて検出対象組織の遺伝子が突然変異に対応する確率を計算する畳み込みニューラルネットワークである。

【0054】

ニューラルネットワーク５３０は、第１ネットワーク５３１及び第２ネットワーク５３２を含む畳み込みニューラルネットワークＣＮＮで具現される。第１ネットワーク５３１は、畳み込み層及びプーリング層を含み、第２ネットワーク５３２は、完全接続網（ｆｕｌｌｙ ｃｏｎｎｅｃｔｅｄ ｎｅｔｗｏｒｋ）を含む。ニューラルネットワーク５３０の学習が完了すると、第１ネットワーク５３１は、入力データから入力データの特徴を示す特徴を抽出し、第２ネットワーク５３２は、特徴に基づいてニューラルネットワーク５３０の目的による機能を実行する。

【0055】

上述のように、ニューラルネットワーク５３０の学習は、装置４００によって実行される。または、装置４００の外部でニューラルネットワーク５３０の学習が完了した後、装置４００では、ニューラルネットワーク５３０の推論のみが実行される。

【0056】

ニューラルネットワーク５３０は、第１学習イメージデータ５１０及び第２学習イメージデータ５２０を学習データとして学習される。具体的には、ニューラルネットワーク５３０は、実際突然変異に関する学習データを示す第１学習イメージデータ５１０及び偽陽性による誤検出突然変異に関する学習データを示す第２学習イメージデータ５２０に基づいて、実際突然変異及び誤検出突然変異を区別するように学習される。

【0057】

第１学習イメージデータ５１０は、実際突然変異に関する学習データを示す。実際突然変異は、何れか一つのシーケンシングプラットフォームによれば、突然変異に判定されるもので、他のシーケンシングプラットフォームによっても突然変異に判定されることを意味する。例えば、実際突然変異は、ショートリードシーケンシング及びロングリードシーケンシングの何れによっても突然変異に判定されることを意味する。

【0058】

第２学習イメージデータ５２０は、偽陽性による誤検出突然変異に関する学習データを示す。上述のように、特定シーケンシングプラットフォームによっては、実際には突然変異ではないものが突然変異に誤検出されることがあるため、偽陽性による誤検出突然変異を活用してニューラルネットワーク５３０が偽陽性を訂正するように学習させる。例えば、誤検出突然変異は、ロングリードシーケンシングによれば突然変異がないと判定されるが、ショートリードシーケンシングによっては突然変異があると判定される場合を意味する。

【0059】

ニューラルネットワーク５３０を学習させるために、第１学習イメージデータ５１０及び第２学習イメージデータ５２０が一緒に学習データとして活用されるので、学習の結果、ニューラルネットワーク５３０は、シーケンシングプラットフォームに特異的に発生する偽陽性を訂正するように構成される。第１学習イメージデータ５１０及び第２学習イメージデータ５２０が全部学習データに設定されることによって、ニューラルネットワーク５３０が突然変異を検出する正確度を向上させることができる。

【0060】

図６は、本発明の一実施形態によるニューラルネットワークを学習させるためのデータを生成する過程を説明するための図である。

【0061】

図６を参照すると、第１学習イメージデータ５１０及び第２学習イメージデータ５２０を生成するための互いに異なるシーケンシングプラットフォームの例として、ロングリードシーケンシング６１０及びショートリードシーケンシング６２０が図示されている。

【0062】

第１学習イメージデータ５１０及び第２学習イメージデータ５２０は、同じ学習用組織に対するロングリードシーケンシング６１０及びショートリードシーケンシング６２０の結果に基づいて生成される。ニューラルネットワーク５３０を学習させるための学習データを確保するために、突然変異が発生した遺伝子を一部含む同じ癌組織に対して、ロングリードシーケンシング６１０及びショートリードシーケンシング６２０が実行されて、両者の結果が比較される。

【0063】

例えば、ロングリードシーケンシング６１０として、Ｐａｃｂｉｏ配列が実行され、ショートリードシーケンシング６２０として、イルミナ配列が実行される。ただし、これに限定されるものではなく、ショートリード及びロングリードに対して適切なリード長を有する他のシーケンシング方式が実行されてもよい。

【0064】

ロングリードシーケンシング６１０及びショートリードシーケンシング６２０の実行結果が図６に例示されている。同じリファレンスに対して、ロングリードシーケンシング６１０によるマッピング結果及びショートリードシーケンシング６２０によるマッピング結果に一部差がある。例えば、比較結果６３０では、ロングリードシーケンシング６１０及びショートリードシーケンシング６２０の全ての場合において突然変異が発生したと判定されたので、比較結果６３０に対応する塩基は、実際突然変異であると設定される。

【0065】

一方、比較結果６４０では、ロングリードシーケンシング６１０では突然変異が発生しないと判定されたが、ショートリードシーケンシング６２０では突然変異が発生したと判定されて、比較結果６４０に対応する塩基は、ショートリードシーケンシングに特異的に発生する偽陽性による誤検出突然変異であると設定される。

【0066】

比較結果６３０に対応する実際突然変異に関するデータは、第１学習イメージデータ５１０にラベリングされ、比較結果６４０に対応する誤検出突然変異に関するデータは、第２学習イメージデータ５２０にラベリングされる。ニューラルネットワーク５３０は、上述のような方式で生成される第１学習イメージデータ５１０及び第２学習イメージデータ５２０から学習されるので、比較結果６４０の場合のような偽陽性を訂正するように学習される。

【0067】

一方、比較結果６３０に対応する実際突然変異に関するデータ及び比較結果６４０に対応する誤検出突然変異に関するデータは、ＨＣＣ１１４３ ｃｅｌｌ ｌｉｎｅなどを通じて仮想の癌組織ゲノムデータで具現され、仮想の癌組織ゲノムデータから遺伝子配列（ｇｅｎｅ ｓｅｑｕｅｎｃｅ）、挿入／欠失（ｉｎｄｅｌ、ｉｎｓｅｒｔｉｏｎ／ｄｅｌｅｔｉｏｎ）、及びマッピングクオリティ（ｍａｐｐｉｎｇ ｑｕａｌｉｔｙ）のような情報を得る過程を通じて、実際突然変異及び誤検出突然変異に対してそれぞれ第１学習イメージデータ５１０及び第２学習イメージデータ５２０が生成される。すなわち、第１学習イメージデータ５１０及び第２学習イメージデータ５２０は、遺伝子配列、挿入／欠失、及びマッピングクオリティのうちの少なくとも一つを含む。

【0068】

図７は、本発明の一実施形態による突然変異を検出する方法を構成するステップを示すフローチャートである。

【0069】

図７を参照すると、突然変異を検出する方法は、ステップ７１０～ステップ７３０を含む。ただし、これに限定されるものではなく、図７に図示されたステップのほかに他の汎用的なステップが突然変異を検出する方法にさらに含まれ得る。

【0070】

図７の突然変異を検出する方法は、図３～図６を通じて説明した装置３００または装置４００で時系列的に処理されるステップで構成される。したがって、図７の突然変異を検出する方法に対して、以下で省略された内容であっても、図３～図６の装置３００または装置４００に対して、以上で説明された内容は、図７の突然変異を検出する方法に対しても同様に適用される。

【0071】

ステップ７１０で、装置４００は、検出対象組織から抽出される第１ゲノムデータ及び正常組織から抽出される第２ゲノムデータを生成する。

【0072】

装置４００は、マッピングクオリティ及び深度（ｄｅｐｔｈ）に基づいて第１ゲノムデータ及び第２ゲノムデータを補正することにより、前処理を実行する。

【0073】

ステップ７２０で、装置４００は、第１ゲノムデータ及び第２ゲノムデータに対する前処理を実行して、イメージデータを抽出する。

【0074】

ステップ７３０で、装置４００は、シーケンシングプラットフォーム（ｓｅｑｕｅｎｃｉｎｇ ｐｌａｔｆｏｒｍ）に特異的に発生する偽陽性（ｆａｌｓｅ ｐｏｓｉｔｉｖｅ）を訂正するように学習されるニューラルネットワークを通じて、イメージデータに基づいて検出対象組織の突然変異を検出する。

【0075】

ニューラルネットワークは、実際突然変異に関する学習データを示す第１学習イメージデータ及び偽陽性による誤検出突然変異に関する学習データを示す第２学習イメージデータに基づいて、実際突然変異及び誤検出突然変異を区別するように学習される。

【0076】

第１学習イメージデータ及び第２学習イメージデータは、同じ学習用組織に対するロングリードシーケンシング（ｌｏｎｇ ｒｅａｄ ｓｅｑｕｅｎｃｉｎｇ）及びショートリードシーケンシング（ｓｈｏｒｔ ｒｅａｄ ｓｅｑｕｅｎｃｉｎｇ）の結果に基づいて生成される。

【0077】

第１学習イメージデータ及び第２学習イメージデータは、遺伝子配列（ｇｅｎｅ ｓｅｑｕｅｎｃｅ）、挿入／欠失（ｉｎｄｅｌ、ｉｎｓｅｒｔｉｏｎ／ｄｅｌｅｔｉｏｎ）、及びマッピングクオリティ（ｍａｐｐｉｎｇ ｑｕａｌｉｔｙ）のうちの少なくとも一つを含む。

【0078】

ニューラルネットワークは、イメージデータから特徴（ｆｅａｔｕｒｅ）を抽出し、特徴に基づいて検出対象組織の遺伝子が突然変異に対応する確率を計算する畳み込みニューラルネットワーク（ＣＮＮ、ｃｏｎｖｏｌｕｔｉｏｎａｌ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ）であり得る。

【0079】

検出対象組織から検出される突然変異は、体細胞一塩基変異（ｓＳＮＶ、ｓｏｍａｔｉｃ ｓｉｎｇｌｅ ｎｕｃｌｅｏｔｉｄｅ ｖａｒｉａｎｔ）であり得る。

【0080】

図７の突然変異を検出する方法は、その方法を実行する命令語を含む少なくとも一つのプログラムまたはソフトウェアが記録されたコンピューター読取り可能な記録媒体に記録される。

【0081】

コンピューター読取り可能な記録媒体の例としては、ハードディスク、フロッピーディスク（登録商標）及び磁気テープのような磁気媒体（ｍａｇｎｅｔｉｃ ｍｅｄｉａ）、ＣＤ－ＲＯＭ、ＤＶＤのような光記録媒体（ｏｐｔｉｃａｌ ｍｅｄｉａ）、フロプティカルディスク（ｆｌｏｐｔｉｃａｌ ｄｉｓｋ）のような磁気－光媒体（ｍａｇｎｅｔｏ－ｏｐｔｉｃａｌ ｍｅｄｉａ）、及びロム（ＲＯＭ）、ラム（ＲＡＭ）、フラッシュメモリなどのようなプログラム命令を保存して実行するように特別に構成されたハードウェア装置が含まれる。プログラム命令語の例としては、コンパイラによって作られるのと同じ機械語コードだけでなく、インタプリタなどを用いてコンピューターによって実行される高級言語コードが含まれる。

【0082】

以上、本発明の実施形態を詳細に説明したが、本発明の技術範囲はこれに限定されるものではなく、本発明の基本概念を利用した当業者の多様な変形及び改良形態も本発明の技術範囲に含まれる。

【符号の説明】

【0083】

１００ グラフ
１１０ 次世代塩基配列分析
１２０ サンガー塩基配列分析
２００、５３０ ニューラルネットワーク
３００、４００ 装置
３１０ 第１ゲノムデータ（癌ゲノムワイドデータ）
３２０ 第２ゲノムデータ（正常ゲノムワイドデータ）
３３０ イメージ生成モジュール
３４０ （体細胞）突然変異検出モジュール
３５０ 突然変異検出結果（最終結果）
４１０ メモリ
４２０ プロセッサ
５１０ 第１学習イメージデータ（真陽性からのイメージ）
５２０ 第２学習イメージデータ（真陰性からのイメージ）
５３１ 第１ネットワーク
５３２ 第２ネットワーク
６１０ ロングリードシーケンシング
６２０ ショートリードシーケンシング
６３０、６４０ 比較結果

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【国際調査報告】