• 한국식품위생안전성학회지
• /
• 제32권1호
• /
• pp.8-13
• /
• 2017

본 연구는 식중독 세균 등 유해미생물에 의한 농산물 오염을 예측하여 대응방안을 마련할 수 있도록 하는데 필요한 모의실험 computing platform을 개발하고자 수행되었다. 농산물 오염은 그 빈도가 매우 낮고, 발생패턴도 극히 불규칙하여 계량적 요소가 많지 않기 때문에 기존의 광범위하게 활용되는 수리모형(Mathematical Modeling)이나 확률통계모형(Probability Statistical Modeling)을 기반으로 한 예측모형은 개발이 어렵다. 이와는 달리 개체기반모형(Agent-based Model)은 목적지향적인 각 개체들이 내재된 특성에 따라 변화하는 환경에서 상황 의존적 또는 자율적 행동을 하였을 때 나타나는 결과를 바탕으로 앞으로의 변화를 예측하는 모형으로 각 개체들에 대한 간단한 행동규칙과 몇 개의 변수를 활용하여 직관적 분석 가능하기 때문에 농산물의 안전성에 영향을 미치는 여러 개체 (농작물, 오염원, 오염매개자)가 상호작용하는 메커니즘을 모의실험하는 경우에 유용하다. 본 연구에서는 Scala와 Java 프로그래밍 언어에 기반을 둔 개체기반모형 개발환경을 지원하는 전용 소프트웨어인 NetLogo를 이용하여 프로그램을 제작하였다. 개발된 모형은 가상의 엽채류 재배지역을 대상으로 가축 또는 야생동물이 출입할 수 있도록 하였고, 이들 동물이 배설하는 분변에 있는 장관유래 식중독 세균에 의해 토양 오염 또는 농작물 오염이 발생될 수 있도록 하였다. 이 오염은 시간이 지남에 따라 점차 소멸되지만 건전한 동물이 오염된 농작물을 섭취하는 경우 다시 동물의 장내로 들어가게 되어 보균 동물이 될 수 있도록 하였고, 역시 이 보균 동물이 배설하는 분변에 식중독 세균이 있도록 설정하였다. 가상 엽채류 재배환경에서 생존하는 식중독 세균은 파리와 같은 위생해충에 의해 다른 곳의 토양이나 농작물에 옮겨질 수 있게 하였다. 작물체는 60일 동안 생장하고, 동물은 개체군의 밀도 증감이 없으며, 파리는 시간이 지남에 따라 개체군 밀도가 변동될 수 있도록 하였다. 동물 개체수, 파리 개체수, 그리고 초기 오염 작물 개체수를 달리하면서 작물체의 미생물 오염을 시뮬레이션한 결과, 다른 요인들 보다는 동물 개체수가 작물체 오염에 가장 큰 영향을 주는 것으로 판단되었다.

• Tuberculosis and Respiratory Diseases
• /
• 제44권6호
• /
• pp.1353-1365
• /
• 1997

연구배경 : 종양괴사인자(tumor necrosis factor ; TNF)는 다양한 생물학적 기능을 가지고 있는 바, 그 중 생체 외에서 증명된 뚜렷한 항암 효과로 말미암아 최근 항암 유전자요법의 중요한 대상으로 관심을 모으고 있다. 현재 유전자 이입의 기술적 문제로 생체 외에서 암세포에 유전자 이입을 시행한 후 이를 다시 환자의 생체내로 이식하는 방법이 연구의 주종을 이루고 있다. 그러나 저자들의 과거의 연구를 포함한 여러 연구에서 TNF가 이입된 암세포는 TNF에 대해 내성을 보이는 이에는 새로이 방어 단백질을 합성하는 것이 관여할 것이라는 시사가 있었다. 이 획득내성의 기전을 밝히는 것이 종양생물학의 이해를 넓히고 보다 효과적인 항암 유전자요법을 개발하기위한 매우 중요한 과제로 생각된다. 저자들은 TNF 유전자 이입에 따른 암세포의 TNF에 대한 획득내성에, 일부 세포에서 TNF에 의해 발현이 유도된다는 것이 밝혀진, 항산화효소의 하나인 MnSOD의 발현의 변화가 관여하는 지를 규명하고자 본 실험을 수행하였다. 방 법 : TNF에 다양한 감수성을 보이는 인체 및 생쥐 기원의 4가지 암세포주(WEHI164, NCI-H2058, A549, ME180)에 TNF-$\alpha$ 유전자를 retroviral 이용하여 이입하고 TNF의 발현을 시도하여 PCR, ELISA, MTT assay로 확인하였고, TNF 유전자가 이입된 세포(WEHI164-TNF, NCI-H2058-TNF, A549-TNF, ME180-TNF)는 TNF에 내성을 보이는지 역시 MTT assay로 검증하였다. TNF 유전자 이입 전후의 MnSOD mRNA 발현의 차이는 Northern blot analysis를 통하여 비교하였다. 결 과 : 1) TNF-$\alpha$ 유천자 이입 및 발현 확인 PCR을 시행한 결과 TNF 유전자가 이입된 각 세포 790 base pair 표기의 진한 DNA band를 보인 반면 모세포주는 보이지 않아서 retroviral vector를 이용한 유전자 이입이 DNA 수준에서 이루어 있었다. 그리고 TNF 유전자가 이입된 세포의 배양상층액에서 TNF양을 ELISA로 측정한 결과 TNF를 세포에 따라 1.91ng/24hr/$10^6\;cells$에서 3.91ng/24hr/$10^6\;cells$ 생산함을 알 수 있었다. 2) TNF 유전자 이입 전후, 암세포의 TNF에 대한 감수성 비교 TNF 농도 100ng/ml에서 WEHI164-TNF와 ME180-TNF 세포는 통계적으로 유의하게 (p<0.01) TNF에 대한 내성을 획득함을 알 수 있었다. 3) TNF 유전자 이입 전후외 MnSOD mRNA 발현양상 TNF에 감수성을 보이는 WEHl164와 ME180세포는 TNF 유전자 이입 후에 MnSOD mRNA 발현이 증가되지 않았으며, TNF에 내성을 보이는 NCIH2058과 A549 세포는 TNF 유전자 이입 후에 MnSOD mRNA 발현의 증가가 관찰되었으나 이는 모세포에 외부에서 TNF를 주었을 때도 관찰되었다. 결 론 : 세포주에 TNF 유전자를 이입하여 TNF를 발현하게 하였을때 세포 자신은 TNF에 대해 내성을 하게 되는데, 이 획득내성은 MnSOD 발현 능력의 향상에 의한 것은 아닐 것으로 판단되나 각 세포주의 자연 상태의 TNF에 대한 감수성 여부는 MnSOD의 발현 차이가 관련될 것으로 생각된다.

• 지능정보연구
• /
• 제25권4호
• /
• pp.53-65
• /
• 2019

영상 기반의 보안 시스템의 증가함에 따라 각 용도마다 다른 다양한 객체들에 대한 처리들이 중요해지고 있다. 객체 추적은 객체 인식, 검출과 같은 작업들과 함께 필수적인 작업으로 다뤄진다. 이 객체 추적을 달성하기 위해서 다양한 머신러닝이 적용될 수 있다. 성공적인 분류기로써 전체 에러율 최소화(total-error-rate minimization) 기반의 방법론이 사용될 수 있다. 이 전체 에러율 최소화 기반의 방법론은 오프라인 학습을 기반으로 하고 있다. 객체 추적은 실시간으로 처리하며 갱신해야하는 것이 필수적이므로 온라인 학습(online learning)을 기반으로 하는 것이 적합하다. 온라인 전체 에러율 최소화 방법론이 개발되었지만 점근적으로 재가중되는(approximately reweighted) 작업이 포함되어 에러를 누적시킬 수 있다는 단점이 있다. 본 논문에서는 정확하게 재가중되는(exactly reweighted) 방법론을 제안하면서 온라인 전체 에러율 최소화가 달성되었다. 이 제안된 온라인 학습 방법론을 객체 추적에 적용하여 총 8개의 데이터베이스에서 다른 추적 방법론들 보다 좋은 성능이 달성되었다.

• 지능정보연구
• /
• 제25권2호
• /
• pp.39-55
• /
• 2019

최근 은행과 증권회사를 중심으로 다양한 로보어드바이저 금융상품들이 출시되고 있다. 로보어드바이저는 사람 대신 컴퓨터가 포트폴리오 자산배분에 대한 투자 결정을 실행하기 때문에 다양한 자산배분 알고리즘이 활용되고 있다. 본 연구에서는 대표적 로보어드바이저 알고리즘인 블랙리터만모형의 강점을 살리면서 객관적 투자자 전망을 도출할 수 있는 지능형 전망모형을 제안하고 이를 내재균형수익률과 결합하여 최종 포트폴리오를 도출하는 로보어드바이저 자산배분 알고리즘을 새로이 제안하며, 실제 주가자료를 이용한 실증분석 결과를 통해 전문가의 주관적 전망을 대신할 수 있는 지능형 전망모형의 실무적 적용 가능성을 보여주고자 한다. 그동안 주가 예측에서 우수한 성과를 보여주었던 기계학습 방법 중 SVM 모형을 이용하여 각 자산별 기대수익률에 대한 예측과 예측 확률을 도출하고 이를 각각 기대수익률에 대한 투자자 전망과 전망에 대한 신뢰도 수준의 입력변수로 활용하는 지능형 전망모형을 제안하였다. 시장포트폴리오로부터 도출된 내재균형수익률과 지능형 전망모형의 기대수익률, 확률을 결합하여 최종적인 블랙리터만모형의 최적포트폴리오를 도출하였다. 주가자료는 2008년부터 2018년까지의 132개월 동안의 8개의 KOSPI 200 섹터지수 월별 자료를 분석하였다. 블랙리터만모형으로 도출된 최적포트폴리오의 결과가 기존의 평균분산모형이나 리스크패리티모형 등과 비교하여 우수한 성과를 보여주었다. 구체적으로 2008년부터 2015년까지의 In-Sample 자료에서 최적화된 블랙리터만모형을 2016년부터 2018년까지의 Out-Of-Sample 기간에 적용한 실증분석 결과에서 다른 알고리즘보다 수익과 위험 모두에서 좋은 성과를 기록하였다. 총수익률은 6.4%로 최고 수준이며, 위험지표인 MDD는 20.8%로 최저수준을 기록하였다. 수익과 위험을 동시에 고려하여 투자 성과를 측정하는 샤프비율 역시 0.17로 가장 좋은 결과를 보여주었다. 증권계의 애널리스트 전문가들이 발표하는 투자자 전망자료의 신뢰성이 낮은 상태에서, 본 연구에서 제안된 지능형 전망모형은 현재 빠른 속도로 확장되고 있는 로보어드바이저 관련 금융상품을 개발하고 운용하는 실무적 관점에서 본 연구는 의의가 있다고 판단된다.