세포의 상태를 다른 상태로 천이하기 위해 투여하는 제k 약물의 적합도를 결정하는, 세포상태 천이를 위한 투여 약물의 적합도 결정방법으로서, 컴퓨팅 장치가, 한 세트의 실제 세포들의 상태를 나타내는 데이터인 한 세트의 기준상태들(101)을 획득하고, 상기 한 세트의 실제 세포들에 상기 제k 약물을 투여한 후 상기 한 세트의 실제 세포들의 천이된 상태를 나타내는 데이터인 제k 세트의 섭동상태들(102)을 획득하고, 제1 대상의 특정 세포주의 초기 상태를 나타내는 데이터인 초기 세포상태(103)를 획득하고, 그리고 상기 제1 대상의 특정 세포주의 목표 상태를 나타내는 데이터인 목표 세포상태(104)를 획득하는 단계;상기 컴퓨팅 장치가, 상기 한 세트의 기준상태들(101), 상기 제k 세트의 섭동상태들(102), 상기 초기 세포상태(103), 및 상기 목표 세포상태(104)를 각각 인코딩하여, 한 세트의 잠재 기준상태들(201), 제k 세트의 잠재 섭동상태들(202), 잠재 초기 세포상태(203), 및 잠재 목표 세포상태(204)를 생성하는 단계;상기 컴퓨팅 장치가, 상기 한 세트의 잠재 기준상태들과 상기 제k 세트의 잠재 섭동상태들 간의 거리를 나타내는 제k 대표 거리벡터를 산출하고, 그리고 상기 잠재 초기 세포상태와 상기 잠재 목표 세포상태 간의 거리벡터인 기준 거리벡터(DR)를 산출하는 단계; 및상기 컴퓨팅 장치가, 상기 제k 대표 거리벡터와 상기 기준 거리벡터 간의 유사도를 산출하여, 상기 산출된 유사도를 기초로 상기 제k 약물의 적합도를 결정하는 단계;를 포함하는,세포상태 천이를 위한 투여 약물의 적합도 결정방법.

제1항에 있어서,상기 유사도가 더 높을수록 상기 적합도가 더 높은 값을 갖는 것을 특징으로 하는, 세포상태 천이를 위한 투여 약물의 적합도 결정방법.

제1항에 있어서,상기 인코딩을 위해 상기 컴퓨팅 장치가 이용하는 인코더는, 상기 컴퓨팅 장치가 실행하는 소정의 인코더 훈련부를 이용하여 훈련된 VAE(Variational AutoEncoder)의 인코더이며,상기 인코더 훈련부는, 생성자와 판별자는 포함하는 GAN(Generative Adversarial Network)을 포함하며, 상기 생성자는 상기 VAE의 디코더이고, 상기 생성자에는 상기 VAE의 인코더가 출력하는 값이 입력되도록 되어 있으며, 상기 인코더 훈련부는, 임의의 세포의 상태를 상기 인코더에 입력하여 잠재 상태를 출력하고, 상기 출력된 잠재 상태를 상기 생성자에 입력하여 재구성된 상태를 출력하고, 상기 판별자가 상기 출력된 재구성된 상태와 상기 임의의 세포의 상태를 기초로 상기 출력된 재구성된 상태의 참/거짓을 판별하도록, 상기 인코더, 상기 생성자, 및 상기 판별자를 학습하도록 되어 있는,세포상태 천이를 위한 투여 약물의 적합도 결정방법.

제3항에 있어서,상기 인코더 훈련부가 상기 인코더를 학습시키는 방법은, 제1 약물(α)이 투여된 제1 세포주(A)의 세포의 상태인 제11 섭동상태(xAα), 상기 제1 약물이 투여된 제2 세포주(B)의 세포의 상태인 제12 섭동상태(xBα), 제2 약물(β)이 투여된 상기 제2 세포주의 세포의 상태인 제22 섭동상태(xBβ), 및 상기 제2 약물이 투여된 상기 제1 세포주(A)의 세포의 상태인 제21 섭동상태(xAβ)를 획득하는 단계;상기 인코더에 상기 제11 섭동상태(xAα), 상기 제12 섭동상태(xBα), 및 상기 제22 섭동상태(xBβ)를 각각 독립적으로 입력하여, 제11 잠재 섭동상태(zAα), 제12 잠재 섭동상태(zBα), 및 제22 잠재 섭동상태(zBβ)를 각각 생성하는 단계;상기 제11 잠재 섭동상태(zAα)에서 상기 제12 잠재 섭동상태(zBα)를 뺀 값에 상기 제22 잠재 섭동상태(zBβ)를 더하여 얻은 잠재상태(z'Aβ)를 상기 생성자에 입력하여 제21 재구성 섭동상태(x'Aβ)를 생성하는 단계; 및상기 제21 재구성 섭동상태(x'Aβ)에서 상기 제21 섭동상태(xAβ)를 뺀 값을 이용하는 제1 로스(Ltriple)를 이용하여 상기 인코더를 학습시키는 단계;를 포함하는, 세포상태 천이를 위한 투여 약물의 적합도 결정방법.

제3항에 있어서,상기 인코더 훈련부가 상기 인코더를 학습시키는 방법은, 제1 약물(α)이 투여된 제1 세포주(A)의 세포의 상태인 제11 섭동상태(xAα), 상기 제1 세포주의 세포의 상태인 제1 세포상태(xA), 제1 약물(α)이 투여된 제2 세포주(B)의 세포의 상태인 제12 섭동상태(xBα), 및 상기 제2 세포주의 세포의 상태인 제2 세포상태(xB)를 획득하는 단계;상기 인코더에 상기 제11 섭동상태(xAα), 상기 제1 세포상태(xA), 상기 제12 섭동상태(xBα), 및 상기 제2 세포상태(xB)를 각각 독립적으로 입력하여, 제11 잠재 섭동상태(zAα), 제1 잠재 세포상태(zA), 제12 잠재 섭동상태(zBα), 및 제2 잠재 세포상태(zB)를 각각 생성하는 단계;상기 제11 잠재 섭동상태(zAα)에서 상기 제1 잠재 세포상태(zA)를 뺌으로써 제1 섭동벡터(zAα)를 얻고, 그리고 상기 제12 잠재 섭동상태(zBα)에서 상기 제2 잠재 세포상태(zB)를 뺌으로써 제2 섭동벡터(zBα)를 생성하는 단계: 및상기 제1 섭동벡터(zAα)에서 상기 제2 섭동벡터(zBα)를 뺀 값을 이용하는 제2 로스(Ldelta)를 이용하여 상기 인코더를 학습시키는 단계;를 포함하는,세포상태 천이를 위한 투여 약물의 적합도 결정방법.

제3항에 있어서,상기 인코더 훈련부가 상기 인코더를 학습시키는 방법은, 제1 약물(α)이 투여된 제1 세포주(A)의 세포의 상태인 제11 섭동상태(xAα), 상기 제1 약물이 투여된 제2 세포주(B)의 세포의 상태인 제12 섭동상태(xBα), 제2 약물(β)이 투여된 상기 제2 세포주의 세포의 상태인 제22 섭동상태(xBβ), 상기 제2 약물이 투여된 상기 제1 세포주(A)의 세포의 상태인 제21 섭동상태(xAβ), 상기 제1 세포주의 세포의 상태인 제1 세포상태(xA), 제1 약물(α)이 투여된 제2 세포주(B)의 세포의 상태인 제12 섭동상태(xBα), 및 상기 제2 세포주의 세포의 상태인 제2 세포상태(xB)를 획득하는 단계;상기 인코더에 상기 제11 섭동상태(xAα), 상기 제12 섭동상태(xBα), 상기 제22 섭동상태(xBβ), 상기 제1 세포상태(xA), 상기 제12 섭동상태(xBα), 및 상기 제2 세포상태(xB)를 각각 입력하여, 제11 잠재 섭동상태(zAα), 제12 잠재 섭동상태(zBα), 제22 잠재 섭동상태(zBβ), 제1 잠재 세포상태(zA), 제12 잠재 섭동상태(zBα), 및 제2 잠재 세포상태(zB)를 각각 생성하는 단계;상기 제11 잠재 섭동상태(zAα)에서 상기 제12 잠재 섭동상태(zBα)를 뺀 값에 상기 제22 잠재 섭동상태(zBβ)를 더하여 얻은 잠재상태(z'Aβ)를 상기 생성자에 입력하여 제21 재구성 섭동상태(x'Aβ)를 생성하고, 상기 제11 잠재 섭동상태(zAα)에서 상기 제1 잠재 세포상태(zA)를 뺌으로써 제1 섭동벡터(zAα)를 생성하고, 그리고 상기 제12 잠재 섭동상태(zBα)에서 상기 제2 잠재 세포상태(zB)를 뺌으로써 제2 섭동벡터(zBα)를 생성하는 단계: 및상기 제21 재구성 섭동상태(x'Aβ)에서 상기 제21 섭동상태(xAβ)를 뺀 값을 포함하는 제1 로스(Ltriple)와 상기 제1 섭동벡터(zAα)에서 상기 제2 섭동벡터(zBα)를 뺀 값을 포함하는 제2 로스(Ldelta)를 더한 값을 포함하는 로스(LG)를 이용하여 상기 인코더를 학습시키는 단계;를 포함하는,세포상태 천이를 위한 투여 약물의 적합도 결정방법.

제1항에 있어서,상기 한 세트의 기준상태들(101), 상기 제k 세트의 섭동상태들(102), 상기 초기 세포상태(103), 및 상기 목표 세포상태(104)들은 각각, 이에 대응하는 각 세포에서의 유전자들의 발현량들로 구성된 어레이 데이터로서, 소정의 세포상태 공간(100)에서 정의되는 값들이며,상기 한 세트의 잠재 기준상태들(201), 제k 세트의 잠재 섭동상태들(202), 잠재 초기 세포상태(203), 및 잠재 목표 세포상태(204)은 각각 소정의 잠재 공간(200)에서 정의되는 값들이며,상기 인코딩을 위해 상기 컴퓨팅 장치가 이용하는 인코더는 상기 세포상태 공간(100)에 속하는 값을 상기 잠재 공간(200)에 속하는 값으로 변환하도록 되어 있는 것인, 세포상태 천이를 위한 투여 약물의 적합도 결정방법.

제3항에 있어서,상기 한 세트의 기준상태들(101), 상기 제k 세트의 섭동상태들(102), 상기 초기 세포상태(103), 및 상기 목표 세포상태(104)들은 각각, 이에 대응하는 각 세포에서의 유전자들의 발현량들로 구성된 어레이 데이터로서, 소정의 세포상태 공간(100)에서 정의되는 값들이며,상기 한 세트의 잠재 기준상태들(201), 제k 세트의 잠재 섭동상태들(202), 잠재 초기 세포상태(203), 및 잠재 목표 세포상태(204)은 각각 소정의 잠재 공간(200)에서 정의되는 값들이며,상기 인코딩을 위해 상기 컴퓨팅 장치가 이용하는 인코더는 상기 세포상태 공간(100)에 속하는 값을 상기 잠재 공간(200)에 속하는 값으로 변환하도록 되어 있는 것이며,상기 세포상태 천이를 위한 투여 약물의 적합도 결정방법은,소정의 제1 세포의 상태인 제1 상태를 획득하는 단계;상기 제1 상태를 상기 인코더를 이용하여 상기 잠재 공간에서 정의되는 제1 잠재 상태로 변환하는 단계;상기 잠재 공간 내에서, 상기 제1 잠재 상태가 나타내는 지점인 시작지점을 결정하고, 상기 시작지점으로부터 상기 제k 대표 거리벡터만큼 변위된 지점인 종착지점을 결정하고, 상기 시작지점과 상기 종착지점을 연결하는 직선 상의 복수 개의 중간지점들을 결정하는 단계;학습된 상기 생성자가, 상기 시작지점, 상기 복수 개의 중간지점들, 및 상기 종착기점의 값들을 각각 입력받아, 이에 각각 대응하는 상기 세포상태 공간(100)에 속하는 재구성 상태들을 출력하는 단계;를 더 포함하며,상기 재구성 상태들은, 상기 제1 세포에 제k 약물을 투여하였을 때에 상기 제1 세포의 상태가 천이하는 경로에 속한 상태들인 것을 특징으로 하는,세포상태 천이를 위한 투여 약물의 적합도 결정방법.

제1항에 있어서,상기 특정 세포주의 초기 상태는 상기 특정 세포주에 특정 질환이 존재하는 질환 상태이고, 그리고 상기 특정 세포주의 목표 상태는 상기 특정 세포주에 상기 특정 질환이 존재하지 않는 정상 상태인,세포상태 천이를 위한 투여 약물의 적합도 결정방법.

제9항에 있어서, 상기 특정 질환은 암인, 세포상태 천이를 위한 투여 약물의 적합도 결정방법.

제1항에 있어서, 상기 제1 대상은 사람인, 세포상태 천이를 위한 투여 약물의 적합도 결정방법.

제1항에 있어서, 상기 제1 대상은 사람이 아닌 동물 또는 식물인, 세포상태 천이를 위한 투여 약물의 적합도 결정방법.

처리부 및 저장부를 포함하는 컴퓨팅 장치로서,상기 저장부에는, 소정의 인코더를 실행하는 인코더 명령코드, 및 세포의 상태를 다른 상태로 천이하기 위해 투여되는 제k 약물의 적합도 결정방법을 실행하는 적합도 결정 명령코드가 기록되어 있으며, 상기 처리부는, 상기 저장부에서 상기 적합도 명령코드를 읽어서 실행함으로써, 한 세트의 실제 세포들의 상태를 나타내는 데이터인 한 세트의 기준상태들을 획득하고, 상기 한 세트의 실제 세포들에 제k 약물을 투여한 후 상기 한 세트의 실제 세포들의 천이된 상태를 나타내는 데이터인 제k 세트의 섭동상태들을 획득하고, 제1 대상의 특정 세포주의 초기 상태를 나타내는 데이터인 초기 세포상태를 획득하고, 그리고 상기 제1 대상의 특정 세포주의 목표 상태를 나타내는 데이터인 목표 세포상태를 획득하는 단계;상기 한 세트의 기준상태들, 상기 제k 세트의 섭동상태들, 상기 초기 세포상태, 및 상기 목표 세포상태를 각각 인코딩하여, 한 세트의 잠재 기준상태들, 제k 세트의 잠재 섭동상태들, 잠재 초기 세포상태, 및 잠재 목표 세포상태를 생성하는 단계;상기 한 세트의 잠재 기준상태들과 상기 제k 세트의 잠재 섭동상태들 간의 거리를 나타내는 제k 대표 거리벡터를 산출하고, 그리고 상기 잠재 초기 세포상태와 상기 잠재 목표 세포상태 간의 거리벡터인 기준 거리벡터를 산출하는 단계; 및상기 제k 대표 거리벡터와 상기 기준 거리벡터 간의 유사도를 산출하여, 상기 산출된 유사도를 기초로 상기 제k 약물의 적합도를 결정하는 단계;를 실행하도록 되어 있는,컴퓨팅 장치.

제13항에 있어서, 상기 처리부는,상기 적합도 결정 명령코드를 서로 다른 복수 개의 투여 약물에 대하여 독립적으로 그리고 반복적으로 실행하도록 되어 있고,상기 복수 개의 투여 약물에 대하여 결정된 복수 개의 적합도들을 기준으로, 상기 복수 개의 투여 약물들의 적합도 순위를 결정하도록 되어 있는, 컴퓨팅 장치.

제14항에 있어서,상기 인코딩을 위해 상기 컴퓨팅 장치가 이용하는 인코더는, 상기 컴퓨팅 장치가 실행하는 소정의 인코더 훈련부를 이용하여 훈련된 VAE(Variational AutoEncoder)의 인코더이며,상기 인코더 훈련부는, 생성자와 판별자는 포함하는 GAN(Generative Adversarial Network)을 포함하며, 상기 생성자는 상기 VAE의 디코더이고, 상기 생성자에는 상기 VAE의 인코더가 출력하는 값이 입력되도록 되어 있으며, 상기 인코더 훈련부는, 임의의 세포의 상태를 상기 인코더에 입력하여 잠재 상태를 출력하고, 상기 출력된 잠재 상태를 상기 생성자에 입력하여 재구성된 상태를 출력하고, 상기 판별자가 상기 출력된 재구성된 상태와 상기 임의의 세포의 상태를 기초로 상기 출력된 재구성된 상태의 참/거짓을 판별하도록, 상기 인코더, 상기 생성자, 및 상기 판별자를 학습하도록 되어 있으며, 상기 인코더 훈련부가 상기 인코더를 학습시키는 방법은, 제1 약물(α)이 투여된 제1 세포주(A)의 세포의 상태인 제11 섭동상태(xAα), 상기 제1 약물이 투여된 제2 세포주(B)의 세포의 상태인 제12 섭동상태(xBα), 제2 약물(β)이 투여된 상기 제2 세포주의 세포의 상태인 제22 섭동상태(xBβ), 및 상기 제2 약물이 투여된 상기 제1 세포주(A)의 세포의 상태인 제21 섭동상태(xAβ)를 획득하는 단계;상기 인코더에 상기 제11 섭동상태(xAα), 상기 제12 섭동상태(xBα), 및 상기 제22 섭동상태(xBβ)를 각각 독립적으로 입력하여, 제11 잠재 섭동상태(zAα), 제12 잠재 섭동상태(zBα), 및 제22 잠재 섭동상태(zBβ)를 각각 생성하는 단계;상기 제11 잠재 섭동상태(zAα)에서 상기 제12 잠재 섭동상태(zBα)를 뺀 값에 상기 제22 잠재 섭동상태(zBβ)를 더하여 얻은 잠재상태(z'Aβ)를 상기 생성자에 입력하여 제21 재구성 섭동상태(x'Aβ)를 생성하는 단계:상기 제21 재구성 섭동상태(x'Aβ)에서 상기 제21 섭동상태(xAβ)를 뺀 값을 이용하는 제1 로스(Ltriple)를 이용하여 상기 인코더를 학습시키는 단계;를 포함하는, 컴퓨팅 장치.

세포의 상태를 다른 상태로 천이하기 위한 투여하는 제k 약물의 적합도 결정방법을 실행하는 소프트웨어 프로그램이 기록되어 있는, 컴퓨터로 읽을 수 있는 비휘발성 저장매체로서, 상기 소프트웨어 프로그램에는, 컴퓨팅 장치로 하여금, 한 세트의 실제 세포들의 상태를 나타내는 데이터인 한 세트의 기준상태들을 획득하고, 상기 한 세트의 실제 세포들에 상기 제k 약물을 투여한 후 상기 한 세트의 실제 세포들의 천이된 상태를 나타내는 데이터인 제k 세트의 섭동상태들을 획득하고, 제1 대상의 특정 세포주의 초기 상태를 나타내는 데이터인 초기 세포상태를 획득하고, 그리고 상기 제1 대상의 상기 특정 세포주의 목표 상태를 나타내는 데이터인 목표 세포상태를 획득하는 단계;상기 한 세트의 기준상태들, 상기 제k 세트의 섭동상태들, 상기 초기 세포상태, 및 상기 목표 세포상태를 각각 인코딩하여, 한 세트의 잠재 기준상태들, 제k 세트의 잠재 섭동상태들, 잠재 초기 세포상태, 및 잠재 목표 세포상태를 생성하는 단계;상기 한 세트의 잠재 기준상태들과 상기 제k 세트의 잠재 섭동상태들 간의 거리를 나타내는 제k 대표 거리벡터를 산출하고, 그리고 상기 잠재 초기 세포상태와 상기 잠재 목표 세포상태 간의 거리벡터인 기준 거리벡터를 산출하는 단계; 및상기 제k 대표 거리벡터와 상기 기준 거리벡터 간의 유사도를 산출하여, 상기 산출된 유사도를 기초로 상기 제k 약물의 적합도를 결정하는 단계;를 실행하도록 하는 명령코드인 적합도 결정 명령코드가 기록되어 있는,컴퓨터로 읽을 수 있는 비휘발성 저장매체.