Technology
개요
특징
데이터 마이닝을 통한 빅데이터(퍼블릭, 임상,실험 등)를 기반으로 머신러닝을 통해 바이오마커 발굴과 유전체 분석에 최적화된 인공지능 플랫폼 자체 개발(논문, 특허, 상용화를 통한 성능 입증)
통계, 기계학습 및 생체 내 기전 유추의 통합된 결과를 바탕으로 정밀의학 실현
1. CBS STATS : 20개 모듈, 149개 함수로 다중 유전자 조합 통계 분석 최적화
2. CBS MLBS : 기계학습을 통한 교차 분석 기술로 다기관 검증의 성공률 95% 이상 확보
3. CBS PINGS : 생체 유전체 분석 기반 환자별 맞춤 치료 및 신약 개발 과학적 근거 제시
CBS STATS (조합통계분석)
Big data-based, Al-driven, Precision Medicine Company
CBS MLBS
<기존 바이오마커 개발 과정 및 CBS MLBS 미적용 바이오마커 사례>
Training Set | |||||
---|---|---|---|---|---|
AUC | 민감도 (%) | 특이도 (%) | 정확도 (%) | PPV (%) | NPV (%) |
0.962 | 88.89 | 96.97 | 93.33 | 96.00 | 91.43 |
Validation Set | |||||
---|---|---|---|---|---|
AUC | 민감도 (%) | 특이도 (%) | 정확도 (%) | PPV (%) | NPV (%) |
0.694 | 87.10 | 23.53 | 64.58 | 67.50 | 50.00 |
<CbsBio 바이오마커 개발 과정 및 CBS MLBS 적용 바이오마커 사례>
Training Set | |||||
---|---|---|---|---|---|
AUC | 민감도 (%) | 특이도 (%) | 정확도 (%) | PPV (%) | NPV (%) |
0.869 | 81.48 | 84.85 | 83.33 | 81.48 | 84.85 |
Validation set | |||||
---|---|---|---|---|---|
AUC | 민감도 (%) | 특이도 (%) | 정확도 (%) | PPV (%) | NPV (%) |
0.842 | 82.26 | 79.41 | 81.25 | 87.93 | 71.05 |
CBS PINGS
단백질 상호작용 분석
질병 관련 단백질(Disease Pathway)
상호작용 관계 단백질 분석
생물학적 경로 분석
상호관계 유전자 분석
질병 관련 유전자(Disease Pathway)
상호작용 관계 유전자 분석
TBPS 계산
약물 매칭
No. | Druggable Gene | Druggable Pathway | Recommended Drugs |
---|---|---|---|
1 | AR | Pathways in cancer etc. | Acetylcysteine |
2 | HGF | Human papillomavirus infection etc. | Afatinib |
3 | HHIP | Pathways in cancer etc. | Nedocromil |
환자별 맞춤 치료제 제시