| 번호 | 청구항 |
|---|---|
| 1 | 음성 에피토프 서열 대신 인간 단백질 서열을 사용하는 데이터 증강 방법을 이용한 양성 에피토프 예측 모델 생성 방법으로서:(a) 인간 단백질 서열 및 양성 에피토프 서열 데이터를 증강하는 단계; 및(b) 증강된 데이터를 이용하여, 아미노산 서열을 입력 받고, 양성 에피토프 확률을 출력하는 양성 에피토프 예측 모델을 학습하는 단계를 포함하며,상기 (a) 단계는,(1) 상기 인간 단백질 서열을 아미노산 12개(5퍼센타일) 내지 16개(95퍼센타일) 중에서 선택되는 어느 하나의 길이로 동일하게 각각의 자리별로 순차적으로 슬라이싱하는 단계; 및(2) 상기 양성 에피토프 서열의 각각의 자리별로 n(= 자연계에 존재하는 아미노산 종류의 수 - 1)배 증강된 양성 에피토프 서열을 생성하기 위해, 점 변이(Point mutation) 기전을 기반으로 FASTA 포맷의 상기 양성 에피토프 서열에서 각각의 자리별로 하나의 아미노산을 상기 하나의 아미노산 이외의 다른 아미노산-상기 다른 아미노산은 상기 FASTA 포맷에서 지정되어 있는 아미노산 목록 중에서 선택됨- 중 어느 하나의 아미노산으로 변환하는 단계를 포함하고,상기 (b) 단계는,(b-1) 텍스트 타입의 상기 아미노산 서열을 토큰화하여 사전 학습된 자연어 처리 모델에 입력하고, 하나 이상의 토큰을 포함하는 출력 임베딩을 출력하는 단계; 및(b-2) 상기 출력 임베딩 중 상기 아미노산 서열에 대한 요약 정보를 가지는 첫 번째 토큰만을 분리하여 인공 신경망에 입력하고, 양성 에피토프 확률을 출력하는 단계를 포함하는 것을 특징으로 하는, 양성 에피토프 예측 모델 생성 방법. |
| 2 | 삭제 |
| 3 | 삭제 |
| 4 | 삭제 |
| 5 | 삭제 |
| 6 | 삭제 |
| 7 | 삭제 |
| 8 | 삭제 |
| 9 | 청구항 1에 있어서,상기 인공 신경망은,완전 연결 레이어를 포함하고, 마지막 레이어의 활성화 함수는 시그모이드 함수인 것을 특징으로 하는, 양성 에피토프 예측 모델 생성 방법. |
| 10 | 명령어를 로드하는 메모리; 및상기 명령어를 실행하는 프로세서를 포함하고,상기 명령어는,상기 프로세서가 청구항 1 및 청구항 9 중 어느 한 청구항의 방법을 수행하도록 하는 것을 특징으로 하는, 양성 에피토프 예측 모델 생성 장치. |
