• Proceedings of the Korea Information Processing Society Conference
• /
• 2008.11a
• /
• pp.340-343
• /
• 2008

유전자들은 복잡한 상호작용을 통해 세포의 기능이 조절된다. 상호작용하는 유전자 그룹들을 유전자 조절 네트워크라고 한다. 기존의 유전자 조절 네트워크는 2D microarray 데이터를 이용하여 시간의 흐름에 따른 유전자간의 상호작용을 알 수가 없었다. 이 논문에서는 시간의 변화에 따른 유전자들 간의 조절관계를 살펴 볼 수 있는 조절네트워크 모델링의 방법을 제시한다. 유전자의 발현양을 표시하기 위해 이진 이산화 방법을 사용하였고 3D microarray 데이터에서 유전자 발현 패턴을 찾기 위해 Cube mining 알고리즘을 적용하였고, 유전자간의 관계를 밝히기 위해 시간 관계 규칙탐사 기법을 사용하여 유전자들 간의 시간 관계를 포함한 유전자 조절네트워크를 구축하였다. 이 연구는 시간의 흐름에 따른 유전자간의 상호작용을 알 수 있으며, 모델링된 조절 네트워크를 이용하여 기능이 아직 발견되지 않은 유전자들의 기능을 예측 할 수 있다.

• Journal of KIISE:Computer Systems and Theory
• /
• v.36 no.2
• /
• pp.60-67
• /
• 2009

Analyzing protein-protein interactions(PPI) is an important task in bioinformatics as it can help in new drugs' discovery process. However, due to vast amount of PPI data and their complexity, efficient visualization of the data is still remained as a challenging problem. We have developed efficient and effective visualization system that integrates Gene Ontology(GO) and PPI network to provide better insights to scientists. To provide efficient data visualization, we have employed dynamic interactive graph drawing methods and context-based browsing strategy. In addition, quick and flexible cross-reference system between GO and PPI; LCA(Least Common Ancestor) finding for GO; and etc are supported as special features. In terms of interface, our visualization system provides two separate graphical windows side-by-side for GO graphs and PPI network, and also provides cross-reference functions between them.

• Bioinformatics and Biosystems
• /
• v.1 no.1
• /
• pp.38-45
• /
• 2006

We present a client-server system architecture for inferring genetic interaction networks based on Bayesian networks. It is typical to take tens of hours when genome-wide large-scale genetic interaction networks are inferred in the form of Bayesian networks. To deal with this situation, batch-style distributed system architectures are preferable to interactive standalone architectures. Thus, we have implemented a loosely coupled client-server system for network inference and user interface. The network inference consists of two stages. Firstly, the proposed method divides a whole gene set into overlapped modules, based on biological annotations and expression data together. Secondly, it infers Bayesian networks for each module, and integrates the learned subnetworks to a global network through common genes across the modules.

• Proceedings of the Korea Contents Association Conference
• /
• 2012.05a
• /
• pp.357-358
• /
• 2012

후성유전은 DNA 염기서열이 변화하지 않은 상태에서 특별한 후성적 조절 기전에 의해 유전자의 발현 양상이 변하는 현상이다. 후성적 조절 기전에는 DNA의 메틸화(methyaltion)와 히스톤 단백질의 변형(modification), non coding RNA에 의한 조절 등이 포함되는데, 이 중 DNA 메틸화 정도에 대한 패턴 분석은 후성유전을 이해하는 중요한 접근방법 중 하나이다. 네트워크와 DNA 메틸화 분석을 위하여 면역관련 264개 유전자들의 -2000bp ~ +200bp사이에 있는 DNA 염기 서열 정보를 추출하였다. 또한 면역관련 단백질들의 상호작용 정보를 이용하여 네트워크를 구축하고 여기에 메틸화 정보를 적용하여 상호작용과 메틸화 모티프와의 관계를 분석하였다. 메틸화 모티프 정보를 적용한 단백질 네트워크에서는 기존 단백질 네트워크보다 더 복잡한 구조를 이루고 있었다. 이러한 구조는 동일한 메틸화 모티프들이 여러 유전자들의 활성을 조절할 것으로 사료된다. 단백질 상호작용 네트워크에 모티프를 적용한 분석은 새로운 후성유전학적 연구를 위한 접근 방법으로 이용될 수 있을 것이다.

• Proceedings of the Korea Contents Association Conference
• /
• 2013.05a
• /
• pp.373-374
• /
• 2013

MicroRNA(miRNA)는 단일가닥 RNA 분자로서 유전자 발현을 제어하는 조절인자이다. miRNA에 의해 조절되는 대부분 유전자는 다수의 miRNA에 의하여 조절되어질 수 있기 때문에 최적 miRNA의 선별은 매우 중요하다. 본 연구에서는 먼저 면역 및 발생관련 유전자 상호작용 네트워크를 구축하였다. 이 네트워크에 miRNA 정보를 추가함으로써 유전자간의 상호작용 뿐만아니라 유전자와 miRNA의 상호작용을 분석할 수 있는 기반을 조성하였다. 복잡한 네트워크를 단순화시켜 기능 모듈과 구조 모듈을 도출하고 이로부터 핵심 유전자를 조절하는 최적 miRNA를 예측하였다.

• Journal of Life Science
• /
• v.26 no.8
• /
• pp.904-910
• /
• 2016

Complex traits are determined by the combined effects of many loci and are affected by gene networks or biological pathways. Systems biology approaches have an important role in the identification of candidate genes related to complex diseases or traits at the system level. The gene network analysis has been performed by diverse types of methods such as gene co-expression, gene regulatory relationships, protein-protein interaction (PPI) and genetic networks. Moreover, the network-based methods were described for predicting gene functions such as graph theoretic method, neighborhood counting based methods and weighted function. However, there are a limited number of researches in livestock. The present study systemically analyzed genes associated with 102 types of economic traits based on the Animal Trait Ontology (ATO) and identified their relationships based on the gene co-expression network and PPI network in cattle. Then, we constructed the two types of gene network databases and network visualization system (http://www.nabc.go.kr/cg). We used a gene co-expression network analysis from the bovine expression value of bovine genes to generate gene co-expression network. PPI network was constructed from Human protein reference database based on the orthologous relationship between human and cattle. Finally, candidate genes and their network relationships were identified in each trait. They were typologically centered with large degree and betweenness centrality (BC) value in the gene network. The ontle program was applied to generate the database and to visualize the gene network results. This information would serve as valuable resources for exploiting genomic functions that influence economically and agriculturally important traits in cattle.

• The KIPS Transactions:PartD
• /
• v.14D no.1 s.111
• /
• pp.9-20
• /
• 2007

Groups of genes control the functioning of a cell by complex interactions. Such interactions of gene groups are tailed Gene Regulatory Networks(GRNs). Two previous data mining approaches, clustering and classification, have been used to analyze gene expression data. Though these mining tools are useful for determining membership of genes by homology, they don't identify the regulatory relationships among genes found in the same class of molecular actions. Furthermore, we need to understand the mechanism of how genes relate and how they regulate one another. In order to detect regulatory relationships among genes from time-series Microarray data, we propose a novel approach using frequent pattern mining and chain rules. In this approach, we propose a method for transforming gene expression data to make suitable for frequent pattern mining, and gene expression patterns we detected by applying the FP-growth algorithm. Next, we construct a gene regulatory network from frequent gene patterns using chain rules. Finally, we validate our proposed method through our experimental results, which are consistent with published results.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2013.11a
• /
• pp.1117-1120
• /
• 2013

사람의 질병은 여러 요인의 복합적인 작용으로 발생하는데 이 중 유전적인 요인에는 유전자 간의 상호작용을 들 수 있다. 마이크로어레이(Microarray) 데이터로부터 유전자의 활성화 및 억제 관계를 밝히려는 다양한 시도는 계속되어왔다. 그러나 마이크로어레이 자체가 갖는 불안정성과 실험조건 수의 제약이 커다란 장애가 되어 왔다. 이에 생물학적 사전 지식을 포함하는 방법들이 제안되었다. 본 논문에서는 질병과 관련된 유전자 간의 상호작용의 집합을 질병 모듈이라 정의하고 이를 유전자 알고리즘으로 학습한 베이지안 네트워크(Bayesian network)로 추론하는 방법을 제안한다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2003.10b
• /
• pp.787-789
• /
• 2003

본 논문에서는 생물체의 세포에 존재하는 방대한 단백질들 사이의 복잡한 상화작용 관계 네트워크를 개념화하기 위한 방법을 제안한다. 일반적으로 하나의 단백질은 세포의 특정한 구성요소로서 몇 개의 생물학적 작용에 참여하며 고유의 분자 기능을 수행하게 된다. 즉, 하나의 상호작용 관계 네트워크에 포함된 각각의 단백질들은 구성요소(Cellular Component), 생물학적 작용(Biological Process), 그리고 분자 기능(Molecular Function) 3가지 특징으로 개념화할 수 있다. 또한, 비슷한 특징으로 개념화되는 단백질들은 서로 클러스터링될 수 있기 때문에 단백질 상호작용 네트워크를 일반적인 의미의 개념 네트워크로 표현할 수 있다. 여기서, 단백질 특징을 개념화하기 위해 사용되는 표준개념과 이 개념들 사이의 관계를 정의하는 유전자 온톨로지(Gene Ontology)가 이용된다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2004.10b
• /
• pp.277-279
• /
• 2004

본 논문은 생명체 세포에 존재하는 방대한 단백질들 사이의 상호작용 관계들로 표현되는 네트워크에서 사용자가 관심 있는 부분 네트워크를 개념적으로 필터링 할 수 있는 방법을 설계하고 구현하였다. 이 방법은 1) 유전자 온톨로지를 이용하여 필터링 조건을 입력하고, 2) 이 조건을 만족하는 단백질들을 네트워크에서 필터링 한 다음, 3) 이 단백질들 중 사용자가 관심이 있는 단백질만 선택하고, 4) 선택된 단백질들과 일정 거리에 있는 상호작용 관계들을 필터링 함으로서 수행된다. 네트워크 필터링은 생물학자가 방대한 네트워크에서 자신이 관심이 있는 단백질들과 이들 사이의 관계에만 집중할 수 있도록 지원한다.