• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2008년도 추계학술발표대회
• /
• 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.

• 응용통계연구
• /
• 제23권4호
• /
• pp.693-703
• /
• 2010

대개 인간의 질병과 관련된 유전자나 가축의 경제적인 특성과 관련된 유전자는 주로 상호작용으로 일어난다. 유전자의 상호작용을 찾기 위한 방법으로 다양한 방법들이 제시되었다. 본 논문에서는 유전자의 상호작용 효과를 규명하기 위해 개발된 확장된 MDR방법(E-MDR)과 더미변수를 활용한 MDR방법(D-MDR), 대규모 유전자들 중에서 주요 유전자 조합을 선별하는 SNPHarvester방법을 비교하여 인간의 질병이 아닌 한우의 경제적인 특성에 적용하여 우수한 유전자 조합을 선별하고 우수 유전자형을 밝힌다.

• 정보처리학회논문지B
• /
• 제14B권5호
• /
• pp.383-390
• /
• 2007

단백질이나 유전자들 간의 상호작용 인식은 생물학적 현상의 기술에 있어서 필수적이고, 이러한 상호작용의 네트웍 파악은 생물학 접근의 시작이라고 할 수 있다. 최근에, 대량의 생물학 관련 문서로부터 자연언어처리 기술을 사용하여 이러한 정보를 추출하려는 연구들이 많이 등장했다. 또한 이전 연구들은 언어학적 정보가 문서로부터 유전자 상호작용을 자동으로 추출하는 데 있어서 유용하다고 주장하고 있다. 하지만 기존의 방법들은 정확률에 비해 재현율이 많이 낮아서 성능이 그다지 좋지 못했다. 정확률의 감소 없이 재현율의 성능향상을 위해, 이 논문은 생물학관련 문서에서 구문관계에 기반하여 유전자 상호작용을 인식하는 방법을 제안한다. 생물학 도메인에 관련된 전문지식 없이, 우리의 방법은 단지 적은 양의 학습데이터를 사용하여 효과적인 성능을 보인다. LLL05(ICML05 Workshop on Learning Language in Logic)에서 제공한 데이터 포맷을 그대로 사용하여, 상호작용하는 두 유전자 중 작용의 주체가 되는 유전자를 에이전트라 하고 상호 작용의 대상이 되는 유전자를 타겟이라 한다. 본 논문에서 제안하는 첫 단계에서, 에이전트와 타겟 유전자에 대한 유전자-전이 구문관계를 인식한다. 두 번째 단계에서, 유전자 간의 상호작용이 있음을 암시하는 용언리스트를 구축한다. 마지막 단계에서, 상호작용하는 것으로 인식된 두 유전자 중 어느 것이 에이전트이고 타겟인지를 판단하기 위해 구문관계의 방향 정보를 학습한다. LLL05 데이터를 사용한 실험결과에서, 본 논문에서 제안한 방법이 학습 데이터에 대해서는 88%의 F-measure 성능을 보였고, 테스트 데이터에 대해서는 70.4%의 F-measure 성능을 보였다. 이 결과는 기존의 방법들보다 훨씬 더 좋은 성능이다. 우리는 성능에 대한 각 단계의 공헌도를 실험하여, 첫 단계는 재현율 향상에 기여를 하고 두 번째와 세 번째 단계는 정확률 향상에 기여했음을 보인다.

• Journal of the Korean Data and Information Science Society
• /
• 제24권2호
• /
• pp.277-287
• /
• 2013

광범위 유전자 관련 연구에서는 유전자-유전자 상호작용을 규명하는 것은 매우 중요하다. 최근 유전자-유전자 상호작용을 규명하는데에 대한 많은 연구가 진행되고 있다. 그 중 하나로 더미 다중인자 차원축소법이다. 이 연구의 목적은 모의실험을 통해 유전자-유전자 상호작용 파악하기 위한 더미 다중인자 차원축소의 검증력을 평가하는 것이다. 또한 이 방법을 적용하여 한우모집단에서 경제형질을 위한 단일 염기 다형성의 상호작용 효과를 확인하였다.

• 한국정보과학회논문지:시스템및이론
• /
• 제36권2호
• /
• pp.60-67
• /
• 2009

단백질 상호작용 네트워크는 어떤 단백질들 간에 상호 작용 관계가 있는지를 네트워크 형태로 나타낸 것이며 단백질 상호작용을 발견하거나 분석하는 것은 생명 공학에서 중요한 연구분야이다. 본 논문에서는 방대한 단백질 상호작용 데이터를 유전자 온톨로지와 연계한 시각화를 통하여 효과적으로 직관을 얻을 수 있는 효율적인 단백질 상호작용 네트워크 분석시스템을 다룬다. 단백질 상호작용 네트워크는 데이터 양이 매우 방대하기 때문에 이를 효율적으로 분석하는 방법과 효과적인 시각화 기법이 요구된다. 본 연구에서는 이를 위하여 동적이고 상호작용 가능한 그래프와 관심 노드와 그 주변 노드를 표시하며 점진적으로 탐색할 수 있는 컨텍스트 기반 탐색 기법을 도입하였다. 이 밖에도 특화된 기능으로써 단백질 상호작용과 유전자 온톨로지 간의 빠르고 자유로운 상호참조 기능과 최소 공통 조상을 사용한 유전자 온톨로지 분석 기능 등을 지원한다. 인터페이스 측면에서는 상호참조 기능을 효과적으로 사용하게 하기 위하여 유전자 온톨로지 그래프와 단백질 상호작용의 시각화 결과를 2차원 윈도우로 나란히 보여주는 인터페이스를 디자인 하였다.

• 응용통계연구
• /
• 제24권5호
• /
• pp.861-869
• /
• 2011

최근 유전학에서 주요 목표중 하나는 복합질환에 영향을 미치는 유전적 요인을 찾아내는 것이다. 유전자좌간의 상호작용이 있을 때에는 단일 유전자좌 분석으로는 이러한 목표를 달성하기 어려우므로, 유전자-유전자간 상호작용이나 유전자-환경인자간 상호작용분석을 고려할 필요가 있다. 자주 사용되는 MDR(multifactor dimensionality reduction)방법은 데이터를 고위험군과 저위험군으로 각각 병합하여 사용하므로 특정 유전자형에서 차이가 나는 경우에는 이를 찾아내기 어렵다. 본 연구에서는 이러한 점을 보완하도록 유전자형 조합에서의 대조군과 질환군의 상대위험도를 이용하여 유전자-유전자간 상호작용을 탐색하는 방법을 제안하였다. MDR 공개데이터와 8가지 유전모형으로부터 생성한 모의자료의 분석을 통해 방법의 유용성을 확인하였다.

• 응용통계연구
• /
• 제21권1호
• /
• pp.53-63
• /
• 2008

일반적으로 인간의 질병과 가축의 경제적인 특성은 하나의 유전자가 아닌 여러 유전자의 상호작용으로 일어난다고 믿고 있다. 따라서 본 연구에서는 세대를 거듭할수록 대립유전자의 유전이 안정적으로 발생되어지고 개체의 기능적인 유전적 가치를 직접적으로 추정할 수 있는 single nucleotide polymorphism(SNP)을 한우의 경제적 특성인도체중(carcass cold weight)에 대하여 모수적인 방법인 ANOVA와 비모수적인 방법인 multifactor dimensionality reduction(MDR)을 이용하여 하나의 유전자의 효과와 두 개의 유전자의 상호작용 효과를 비교하였다. ANOVA에서는 하나의 유전자 SNP1이 도체중에 유의한 효과가 있었고 상호작용 효과에서는 도체중에 유의한 효과는 없었다. MDR에서는 하나의 유전자의 효과인 SNP1과 두 개의 유전자의 상호작용인 SNP1*SNP2의 효과가 컸으며 SNP1과 SNP1*SNP2를 비교했을 시에는 SNP1*SNP2의 효과가 더 크게 나타났다. 이는 개별 SNP유전자 보다 복합 SNP유전자의 상호작용이 경제적인 특성인 도체증에 더 영향을 준다는 것을 알 수 있었다.

• 정보처리학회논문지D
• /
• 제14D권1호
• /
• pp.9-20
• /
• 2007

유전자들의 그룹은 복잡한 상호작용들을 통해 세포의 기능이 조절되며 이러한 상호작용을 하는 유전자 그룹들을 유전자 조절 네트워크 (GRNs: Gene Regulatory Networks)라고 한다. 이전의 유전자 발현 분석 기법인 군집화와 분류는 단지 상동성에 의한 유전자들 사이의 소속을 결정하는 데에는 유용하나 분자 활동에서의 같은 클래스에서 발견되어지는 유전자들 사이의 조절 관계를 식별할 수 없다. 더욱이 유전자들이 어떻게 연관되는 지와 유전자들이 서로 어떻게 조절하는지에 대한 매커니즘의 이해가 필요하다. 따라서 이 논문에서는 시계열 마이크로어레이 데이터로부터의 유전자들의 조절 관계를 발견하기 위해서 빈발 패턴 마이닝과 연쇄 규칙을 이용한 새로운 접근법을 제안하였다. 이 기법에서는 먼저, 빈발 패턴 마이닝 적용을 위한 적절한 데이터 변환 방법을 제안하였고 FP-growth을 이용하여 유전자 발현 패턴들을 발견한다. 그런 다음, 연쇄 규칙을 이용하여 빈발한 유전자 패턴들로부터 유전자 조절 네트워크를 구축하였다. 마지막으로 제안된 기법의 검증은 공개된 유전자들의 조절 관계와 실험 결과의 일치함을 보임으로써 평가하였다.

• Journal of the Korean Data and Information Science Society
• /
• 제24권1호
• /
• pp.151-159
• /
• 2013

최근 인간의 질병과 관련된 유전자 연구가 많이 진행 되고 있다. 인간의 질병에 관련된 유전자는 단일효과보다 상호작용에 의한 효과가 중요하다고 한다. 무수히 많은 유전자들 중에서 상호작용을 찾기 위해서 선형모형 등의 통계적 방법을 이용할 시에는 계산의 복잡성 및 비용등 여러 단점이 생긴다. 따라서 이런 수많은 유전자들 중 주요 유전자 상호작용을 찾는 방법으로 SNPHarvester가 개발되었다. 본 연구에서는 최근에 밝혀진 한우의 지방산과 경제형질에 관련된 32개의 우수 단일 염기 다형성(SNP)를 이용하여 주요 유전자 조합을 SNPHarvester방법에 적용하여 분석한 결과를 시각적으로 쉽게 확인하기위해 방사형 그래프로 나타냄으로써 한우의 맛과 육질을 높일 수 있는 단일 염기 다형성 조합을 시각적으로 찾아내고, 각 형질별 단일효과와 상호작용 효과의 차이를 비교하여 단일효과보다 상호작용에 의한 효과가 더 큰 차이를 시각적 효과로 규명하였다.

• Bioinformatics and Biosystems
• /
• 제1권1호
• /
• pp.38-45
• /
• 2006

본 논문은 베이지안 네트워크를 기반으로 대규모 유전자 상호작용 네트워크를 추론하기 위한 클라이언트-서버 시스템 구조를 제시한다. 유전체 수준(genome-wide)의 대규모 유전자 상호작용 네트워크를 베이지안 네트워크 형태로 추론하기 위해서는 병렬 서버를 이용하더라도 통상 수십시간이 소요된다. 따라서, 일반적인 대화형(interactive) 독자(standalone) 시스템 구조보다는 배치형(batch) 분산(distributed) 시스템 구조가 적합하다. 본 논문에서는 그와 같은 상황에 적합한 느슨한 연결의 (loosely-coupled) 클라이언트-서버 시스템을 구현할 결과를 기술한다. 유전자 상호작용 네트워크 추론은 크게 두 단계로 나누어진다. 첫째로, 생물주석정보(biological annotation)과 유전자 발현정보(expression data)를 사용하여, 전체 유전자 집단을 서로 중복이 가능한 모듈들로 나누며, 둘째로, 각각의 모듈들에 대해 독립적인 베이지안 학습을 수행하여 추론결과를 얻고, 각 모듈들이 공통으로 포함하는 유전자를 사용하여 각 모듈의 추론결과들을 하나로 통합한다.