식품 중 P. mirifica 원료 함유여부에 대한 판별법 마련을 위하여 식물의 종 동정에 일반적으로 사용되는 ribulose bisphosphate carboxylase (rbcL), RNA polymerase C (rpoC1), intergenic spacer (psbA-trnH) 및 second internal transcribed spacer (ITS2) 유전자부위를 선정하였다. 선정된 유전자부위를 증폭하기 위하여 일반 프라이머를 이용하였으며 각각 719 bp, 520 bp, 348 bp 및 507 bp의 PCR 산물을 확인하였다. 그리고 염기서열을 결정하고 유전자은행에 등록되어있는 염기서열과 유사성에 대한 분석한 결과 rbcL, rpoC1 및 psbA-trnH 부위는 상동성이 매우 높아 프라이머를 설계하기는 어려웠다. 그러나 ITS2의 경우 염기서열의 차이점이 있어 4종류의 프라이머를 설계하였다. 설계된 프라이머를 이용하여 P. mirifica, P. lobata, B. superba에 대한 PCR을 실시한 결과 SFI12-miri-6F/SFI12-miri-7R 및 SFI12-miri-6F/SFI12-miri-8R의 경우 P. lobata 와 B. superba에서 비 특이적 밴드가 없으며 P. mirifica에서 예상크기인 137 bp 및 216 bp를 확인할 수 있었다. 따라서 본 연구에서 개발된 P. mirifica을 판별할 수 있는 종 특이 프라이머는 식품가능원료 및 가공식품에 대한 적용할 수 있어 인터넷 쇼핑몰 등 시중에 불법적으로 유통되는 제품에 대한 안전관리에 활용도가 매우 클 것으로 기대된다.
탄소나노점@실리카를 신호 형질 소재로 이용한 측면 유동 면역 형광 분석법을 개발하여 폐암 바이오마커 중에 하나인 레티놀 결합 단백질 4의 농도를 분석하는 데 적용하고자 하였다. 측면 유동 면역 형광 분석법에서 항원 검출을 위해 바이오리셉터로 주로 사용하였던 항체 대신 좀 더 경제적이고, 장기간 보관성이 용이하며, 특정 표적 단백질에 대해 친화력이 강한 압타머를 니트로셀룰로오스 멤브레인에 사용하였다. 레티놀 결합 단백질 4에 특이적이며 5' 말단을 비오틴으로 변형한 압타머를 뉴트라비딘과 반응시켜 비오틴과 뉴트라비딘의 강한 결합력에 의해 압타머가 니트로 셀룰로오스 멤브레인에 고정되도록 하였다. 압타머가 고정된 스트립에 레티놀 결합 단백질 4 항체를 공유결합으로 고정한 탄소나노점@실리카 블루 형광 신호 형질 나노입자와 레티놀 결합 단백질 4 항원을 측면 유동 방식으로 흘려 주어 샌드위치 복합체를 형성하였다. 이렇게 형성된 샌드위치 복합체에서 탄소나노점@실리카 나노입자에 의한 형광 신호를 측정하여 항원 농도를 분석하기 위한 최적의 조건을 선정하기 위해 전개 완충용액에 첨가된 계면활성제의 농도, 이온 세기를 변화시키면서 블로킹 시약을 추가적으로 사용하였다. 그 결과 150 mM NaCl 및 0.05% Tween-20을 포함하는 10 mM Tris 완충용액(pH 7.4)에서 0.6 M 에탄올아민을 블로킹 시약으로 사용하였을 때 니트로셀룰로오스 멤브레인에 도포된 압타머와 레티놀 결합 단백질 4 항원 및 탄소나노점@실리카 나노입자로 레이블링한 항체가 결합하여 최적의 형광분석신호를 내는 것을 확인 가능하였다. 이러한 결과는 현장진단검사 키트로 현재 각광을 받고 있는 측면 유동 면역 형광 분석법에서 항체 대신 압타머를 니트로셀룰로오스 멤브레인에 고정함으로써 좀 더 경제적이며, 장기간 보관이 용이한 측면 유동 면역 형광 분석 칩을 제작하여 폐암 질환 진단용 바이오마커 검출이 가능함을 시사하였다.
대규모 텍스트에서 관심 대상이 가지고 있는 속성들에 대한 감성을 세부적으로 분석하는 속성기반 감성분석(Aspect-Based Sentiment Analysis)은 상당한 비즈니스 가치를 제공한다. 특히, 텍스트에 속성어가 존재하는 명시적 속성뿐만 아니라 속성어가 없는 암시적 속성까지 분석 대상으로 하는 속성카테고리 감성분류(ACSC, Aspect Category Sentiment Classification)는 속성기반 감성분석에서 중요한 의미를 지니고 있다. 본 연구는 속성카테고리 감성분류에 BERT 사전훈련 언어 모델을 적용할 때 기존 연구에서 다루지 않은 다음과 같은 주요 이슈들에 대한 답을 찾고, 이를 통해 우수한 ACSC 모델 구조를 도출하고자 한다. 첫째, [CLS] 토큰의 출력 벡터만 분류벡터로 사용하기보다는 속성카테고리에 대한 토큰들의 출력 벡터를 분류벡터에 반영하면 더 나은 성능을 달성할 수 있지 않을까? 둘째, 입력 데이터의 문장-쌍(sentence-pair) 구성에서 QA(Question Answering)와 NLI(Natural Language Inference) 타입 간 성능 차이가 존재할까? 셋째, 입력 데이터의 QA 또는 NLI 타입 문장-쌍 구성에서 속성카테고리를 포함한 문장의 순서에 따른 성능 차이가 존재할까? 이러한 연구 목적을 달성하기 위해 입력 및 출력 옵션들의 조합에 따라 12가지 ACSC 모델들을 구현하고 4종 영어 벤치마크 데이터셋에 대한 실험을 통해 기존 모델 이상의 성능을 제공하는 ACSC 모델들을 도출하였다. 그리고 [CLS] 토큰에 대한 출력 벡터를 분류벡터로 사용하기 보다는 속성카테고리 토큰의 출력 벡터를 사용하거나 두 가지를 함께 사용하는 것이 더욱 효과적이고, NLI 보다는 QA 타입의 입력이 대체적으로 더 나은 성능을 제공하며, QA 타입 안에서 속성이 포함된 문장의 순서는 성능과 무관한 점 등의 유용한 시사점들을 발견하였다. 본 연구에서 사용한 ACSC 모델 디자인을 위한 방법론은 다른 연구에도 비슷하게 응용될 수 있을 것으로 기대된다.
연구배경: 비소세포폐암의 림프절의 병기 결정은 치료 및 예후 결정에 매우 중요하나 정확한 병기 결정에는 많은 어려움이 있다. 야에 저자들은 최근에 개발된 CoDe PET의 림프절 병기 결정에 대한 유용성을 알아보고자 하였다. 방 법: 1998년 2월부터 1999년 6월까지 아주대학교병원에 내원하여 원발성 비소세포폐암으로 진단되어 치료를 시행하였던 환자 21예를 대상으로 하였다. 수술적 술전 폐암의 병기 결정을 위하여 흉부 전산화단층촬영, 복부 초음파검사, 전신 골주사 촬영, CoDe PET를 시행하였다. 대상 환자들의 수술후 병리학적 병기를 기준으로 하여서 CoDe PET로 결정된 림프절 병기의 민감도, 특이도, 양성 예측도, 음성 예측도, 정확도를 분석하였다. 결 과: 21예의 비소세포폐암중 20예에서 원발 종괴에 $^{18}FDG$가 섭취되었으며 위음성이 1예가 있었다. 림프절 병기에 있어 전체 21예중 13예에서는 병리학적 병기와 일치하였다. 병리학적 N0는 14예이었으며 CoDe PET의 N0에 대한 특이도는 64.3%이었다. N1 림프절에 대한 민감도는 83.3%, 특이도는 73.3%, 양성 예측도는 55.6%, 음성 예측도는 91.7%, 정확도는 76.2%이였다. N2 림프절에 대한 민감도는 60.0%, 특이도는 87.5%, 양성 예측도는 60.0%, 음성 예측도는 87.5%, 정확도는 90.0%이었다. 병리학적으로 그 크기가 측정된 림프절 29개중 암세포의 침윤이 있었던 림프절은 6개이었으며 이중 3개의 림프절은 CoDe PET에 국소 섭취로 나타났다. 위음성으로 나타난 3개의 림프절은 그 크기가 모두 1cm 이하였으며, 양성으로 나타난 림프절의 크기는 각각 1.1cm, 1.0cm, 0.5cm이었다. 크기가 1cm 이상이나 암세포의 침윤이 없었던 12개의 림프절중 1예에서만 위양성으로 나타났다. 5예에서는 위양성 소견을 보였는데 이중 1예는 폐결핵에 의한 육이종을 관찰할 수 있었으며, 1예는 pneumoconiosis, 1예는 anthracosis이었다. 결 론: CoDe PET는 크기가 1.5cm 이상의 림프절에 대한 음성 예측도가 비교적 높기 때문에 N3 림프절의 확대가 있는 비소세포폐암에서 CoDe PET를 시행하여 국소 섭취가 없는 경우에는 수술적 치료를 고려해 볼 수 있으리라 생각된다. 또한 CoDe PET는 아직 개발 단계에 있어서 향후 보다 더 발전된 영상을 얻을 수 있을 것으로 기대된다.
인터넷의 발달로, 소비자들은 이커머스에서 손쉽게 상품 정보를 확인한다. 이때 활용되는 상품 리뷰는 사용자 경험을 토대로 작성되어 구매의사결정의 효율성을 높일 뿐만 아니라 상품 개발에 도움을 주기도 한다. 하지만, 방대한 양의 상품 리뷰에서 관심있는 평가차원의 세부내용을 파악하는 데에는 많은 시간과 노력이 소비된다. 예를 들어, 노트북을 구매하려는 소비자들은 성능, 무게, 디자인과 같은 평가차원에 대해 각 차원별로 비교 상품의 평가를 확인하고자 한다. 따라서 본 논문에서는 상품 리뷰에서 다차원 상품평가 점수를 자동적으로 생성하는 방안을 제안하고자 한다. 본 연구에서 제시하는 방안은 크게 2단계로 구성된다. 사전준비 단계와 개별상품평가 단계로, 대분류 상품군 리뷰를 토대로 사전에 생성된 차원분류모델과 감성분석모델이 개별상품의 리뷰를 분석하게 된다. 차원분류모델은 워드임베딩과 연관분석을 결합함으로써 기존 연구에서 차원과 단어들의 관련성을 찾기 위한 워드임베딩 방식이 문장 내 단어의 위치만을 본다는 한계를 보완한다. 감성분석모델은 정확한 극성 판단을 위해 구(phrase) 단위로 긍부정이 태깅된 학습데이터를 구성하여 CNN 모델을 생성한다. 이를 통해, 개별상품평가 단계에서는 구 단위의 리뷰에 준비된 모델들을 적용하고 평가차원별로 종합함으로써 다차원 평가점수를 얻을 수 있다. 본 논문의 실험에서는 대분류 상품군 리뷰 약 260,000건으로 평가모델을 구성하고, S사와 L사의 노트북 리뷰 각 1,011건과 1,062건을 실험데이터로 활용한다. 차원분류모델은 구로 분해한 개별상품 리뷰를 6개 평가차원으로 분류했고, 기존 워드임베딩 방식보다 연관분석을 결합한 모델의 정확도가 13.7% 증가했음을 볼 수 있었다. 감성분석모델은 문장보다 구 단위로 학습한 모델이 평가차원을 면밀히 분석함으로써 29.4% 더 높은 정확도를 보임을 확인했다. 본 연구를 통해 판매자, 소비자 모두가 상품의 다차원적 비교가 가능하다는 점에서 구매 및 상품 개발에 효율적인 의사결정을 기대할 수 있다.
최근 딥러닝 기술이 주목을 받고 있다. 대중들의 관심을 받았던 국제 이미지 인식 기술 대회(ILSVR)와 알파고(AlphaGo)에서 사용된 딥러닝 기술이 바로 합성곱 신경망(CNN; Convolution Neural Network)이다. 합성곱 신경망은 입력 이미지를 작은 구역으로 나누어 부분적인 특징을 인식하고 이것을 결합하여 전체를 인식하는 특징을 가진다. 이러한 딥러닝 기술이 우리의 생활에 있어 많은 변화를 야기할 것이라는 기대를 주고 있지만 현재까지는 이미지 인식과 자연어 처리 등에 그 성과가 국한되어 있다. 비즈니스 문제에 대한 딥러닝 활용은 아직까지 초기 연구 단계로 향후 마케팅 응답 예측이나 허위 거래 식별, 부도 예측과 같은 전통적 비즈니스 문제들에 대해 보다 깊게 활용되고 그 성능이 입증된다면 딥러닝 기술의 활용 가치가 보다 더 주목받게 될 것으로 기대된다. 이러한 때 비교적 고객 식별이 용이하고 활용 가치가 높은 빅데이터를 보유하고 있는 전자상거래 기업의 사례를 바탕으로 하여 딥러닝 기술의 비즈니스 문제 해결 가능성을 진단해보는 것은 학술적으로 매우 의미 있는 시도라 할 수 있겠다. 이에 본 연구에서는 전자상거래 기업의 고객 행태 예측력을 높이기 위한 방안으로 합성곱 신경망을 활용한 '이종 정보 결합(Heterogeneous Information Integration)의 CNN 모델'을 제시한다. 이는 정형과 비정형 정보를 결합하여 다층 퍼셉트론 구조의 합성곱 신경망에서 학습시키는 모델로서 최적의 성능을 발휘하도록 '이종 정보 결합'과 '비정형 정보의 벡터 전환', 그리고 '다층 퍼셉트론 설계'로 하는 3개의 내부 아키텍처를 정의하고 각 아키텍처 단위로 구성되는 방식에 따른 성능을 평가하여 그 결과를 바탕으로 제안 모델을 확정하고 그 성능을 평가해보고자 한다. 고객 행태 예측을 위한 목표 변수는 전자상거래 기업에서 중요하게 관리하고 있는 재구매 고객, 이탈 고객, 고빈도 구매 고객, 고빈도 반품 고객, 고단가 구매 고객, 고할인 구매 고객 등 모두 6개의 이진 분류 문제로 정의한다. 제안한 모델의 유용성을 검증하기 위해서 국내 특정 전자상거래 기업의 실제 데이터를 활용하여 실험을 수행하였다. 실험 결과 정형과 비정형 정보를 결합하여 CNN을 활용한 제안 모델이 NBC(Naïve Bayes classification)과 SVM(Support vector machine), 그리고 ANN(Artificial neural network)에 비해서 예측 정확도와 F1 Measure가 높게 평가되었다. 또 NBC, SVM, ANN에서 정형 정보만을 사용할 때 보다 정형과 비정형 정보를 결합하여 입력 변수로 함께 활용한 경우에 예측 정확도가 향상되는 것으로 나타났다. 따라서 실험 결과로부터 비정형 정보의 활용이 고객 행태 예측의 정확도 향상에 기여한다는 점과 CNN 기법의 특징 추출 알고리즘이 VOC에 사용된 단어들의 분포와 위치 정보를 해석하여 문장의 의미를 파악하는데 효과적이라는 점을 실증적으로 확인하였다는데 그 의미가 있다고 할 수 있겠다. 이를 통해서 CNN 기법이 지금까지 소개된 이미지 인식이나 자연어 처리 분야 외에 비즈니스 문제 해결에도 활용 가치가 높다는 점을 확인하였다는데 이 연구의 의의가 있다 하겠다.
본 연구에서는 모바일 기기를 이용하여 획득한 가스계량기 사진을 서버로 전송하고, 이를 분석하여 가스 사용량 및 계량기 기물 번호를 인식함으로써 가스 사용량에 대한 과금을 자동으로 처리할 수 있는 응용 시스템 구조를 제안하고자 한다. 모바일 기기는 일반인들이 사용하는 스마트 폰에 준하는 기기를 사용하였으며, 획득한 이미지는 가스 공급사의 사설 LTE 망을 통해 서버로 전송된다. 서버에서는 전송받은 이미지를 분석하여 가스계량기 기물 번호 및 가스 사용량 정보를 추출하고, 사설 LTE 망을 통해 분석 결과를 모바일 기기로 회신한다. 일반적으로 이미지 내에는 많은 종류의 문자 정보가 포함되어 있으나, 본 연구의 응용분야인 가스계량기 자동 검침과 같이 많은 종류의 문자 정보 중 특정 형태의 문자 정보만이 유용한 분야가 존재한다. 본 연구의 응용분야 적용을 위해서는 가스계량기 사진 내의 많은 문자 정보 중에서 관심 대상인 기물 번호 및 가스 사용량 정보만을 선별적으로 검출하고 인식하는 관심 문자열 인식 기술이 필요하다. 관심 문자열 인식을 위해 CNN (Convolutional Neural Network) 심층 신경망 기반의 객체 검출 기술을 적용하여 이미지 내에서 가스 사용량 및 계량기 기물번호의 영역 정보를 추출하고, 추출된 문자열 영역 각각에 CRNN (Convolutional Recurrent Neural Network) 심층 신경망 기술을 적용하여 문자열 전체를 한 번에 인식하였다. 본 연구에서 제안하는 관심문자열 기술 구조는 총 3개의 심층 신경망으로 구성되어 있다. 첫 번째는 관심 문자열 영역을 검출하는 합성곱신경망이고, 두 번째는 관심 문자열 영역 내의 문자열 인식을 위해 영역 내의 이미지를 세로 열 별로 특징 추출하는 합성곱 신경망이며, 마지막 세 번째는 세로 열 별로 추출된 특징 벡터 나열을 문자열로 변환하는 시계열 분석 신경망이다. 관심 문자열은 12자리 기물번호 및 4 ~ 5 자리 사용량이며, 인식 정확도는 각각 0.960, 0.864 이다. 전체 시스템은 Amazon Web Service 에서 제공하는 클라우드 환경에서 구현하였으며 인텔 제온 E5-2686 v4 CPU 및 Nvidia TESLA V100 GPU를 사용하였다. 1일 70만 건의 검침 요청을 고속 병렬 처리하기 위해 마스터-슬레이브 처리 구조를 채용하였다. 마스터 프로세스는 CPU 에서 구동되며, 모바일 기기로 부터의 검침 요청을 입력 큐에 저장한다. 슬레이브 프로세스는 문자열 인식을 수행하는 심층 신경망으로써, GPU에서 구동된다. 슬레이브 프로세스는 입력 큐에 저장된 이미지를 기물번호 문자열, 기물번호 위치, 사용량 문자열, 사용량 위치 등으로 변환하여 출력 큐에 저장한다. 마스터 프로세스는 출력 큐에 저장된 검침 정보를 모바일 기기로 전달한다.
본 연구는 Node2vec 그래프 임베딩 방법과 Light GBM 링크 예측을 활용해 우리나라 식음료 산업의 미개척 수출 후보국가를 탐색한다. Node2vec은 네트워크의 공통 이웃 개수 등을 기반으로 하는 기존의 링크 예측 방법에 비해 상대적으로 취약하다고 알려져 있던 네트워크의 구조적 등위성 표현의 한계를 개선한 방법이다. 따라서 해당 방법은 네트워크의 커뮤니티 탐지와 구조적 등위성 모두에서 우수한 성능을 나타내는 것으로 알려져 있다. 이에 본 연구는 이상의 방법을 우리나라 식음료 산업의 국제 무역거래 정보에 적용했다. 이를 통해 해당 산업의 글로벌 가치사슬 관계에서 우리나라의 광범위한 마진 다각화 효과를 창출하는데 기여하고자 한다. 본 연구의 결과를 통해 도출된 최적의 예측 모델은 0.95의 정밀도와 0.79의 재현율을 기록하며 0.86의 F1 score를 기록해 우수한 성능을 나타냈다. 이상의 모델을 통해 도출한 우리나라의 잠재적 수출 후보국가들의 결과는 추가 조사를 통해 대부분 적절하게 나타난 것을 알 수 있었다. 이상의 내용을 종합하여 본 연구는 Node2vec과 Light GBM을 응용한 링크 예측 방법의 실무적 활용성에 대해 시사할 수 있었다. 그리고 모델을 학습하며 링크 예측을 보다 잘 수행할 수 있는 가중치 업데이트 전략에 대해서도 유용한 시사점을 도출할 수 있었다. 한편, 본 연구는 그래프 임베딩 기반의 링크 예측 관련 연구에서 아직까지 많이 수행된 적 없는 무역거래에 이를 적용했기에 정책적 활용성도 갖고 있다. 본 연구의 결과는 최근 미중 무역갈등이나 일본 수출 규제 등과 같은 글로벌 가치사슬의 변화에 대한 빠른 대응을 지원하며 정책적 의사결정을 위한 도구로써 충분한 유용성이 있다고 생각한다.
핵의학 체외 검사실 에서는 시약 Lot가 변경될 때, Lot 간의 결과가 신뢰성이 있는지를 판단하기 위해 Lot 간 동등성 검사(comparability test between reagent lots) 또는 시약 병행 검사(reagent parallel test)를 시행하는데, 다수의 국내 검사실에서는 두 lot 간 결과 차이로부터 %difference를 구하여 저농도에서는 20% 이내, 중 고농도에서는 10% 이내로 설정하고 있으며 범위를 벗어 날 경우 재검사 시행으로 범위를 맞추는 실정이다. 따라서 본원의 핵의학 체외 검사실에서 시행되는 몇 가지 검사를 선정하여 parallel test의 결과를 분석해보았고, 검사별 맞춤 %difference 값 선정에 도움 될 만한 참고 자료를 마련해 보고자 하였다. Thyroid-stimulating hormone(TSH), Free thyroxine(FT4), Carcinoembryonic antigen(CEA), CA-125, Prostate-specific antigen(PSA) 그리고 HBs-Ab, insulin, 7종목에 대해 2018 1월부터 2018년 11월까지의 기간 동안의 시약 lot 변화에 따른 정도 관리 물질의 결과를 분석하였다. TSH, F-T4, CEA, CA-125, PSA의 측정에는 IRMA의 원리를 이용한 RIA-MAT 280 system이 사용되었고, Insulin의 측정에는 TECAN 자동화 분주 장비와 GAMMA-10 측정 장비가 사용되었다. HBs-Ab의 측정에는 HAMILTON 자동화 분주 장비와 GAMMA-10 측정 장비가 사용되었다. 각각 전용 시약과 전용 칼리브레이터, 전용 정도 관리 물질이 사용되었다. 1. TSH [%diffrence Max / Mean / Median] (P-value by t-test > 0.05) C-1(저농도) [14.8 / 4.4 / 3.7 / 0.0 ] C-2(중농도) [10.1 / 4.2 / 3.7 / 0.0] 2. FT4 [%diffrence Max / Mean / Median] (P-value by t-test > 0.05) C-1(저농도) [10.0 / 4.2 / 3.9 / 0.0] C-2(고농도) [9.6 / 3.3 / 3.1 / 0.0 ] 3. CA-125 [%diffrence Max / Mean / median] (P-value by t-test > 0.05) C-1(중농도) [9.6 / 4.3 / 4.3 / 0.3] C-2(고농도) [6.5 / 3.5 / 4.3 / 0.4] 4. CEA [%diffrence Max / Mean / median] (P-value by t-test > 0.05) C-1(저농도) [9.8 / 4.2 / 3.0 / 0.0] C-2(중농도) [8.7 / 3.7 / 2.3 / 0.3] 5. PSA [%diffrence Max / Mean / Median] (P-value by t-test > 0.05) C-1(저농도) [15.4 / 7.6 / 8.2 / 0.0] C-2(중농도) [8.8 / 4.5 / 4.8 / 0.9] 6. HBs-Ab [%diffrence Max / Mean / Median] (P-value by t-test > 0.05) C-1(중농도) [9.6 / 3.7 / 2.7 / 0.2] C-2(고농도) [8.9 / 4.1 / 3.6 / 0.3] 7. insulin [%diffrence Max / Mean / Median] (P-value by t-test > 0.05) C-1(중농도) [8.7 / 3.1 / 2.4 / 0.9] C-2(고농도) [8.3 / 3.2 / 1.5 / 0.1] 모두 정도 관리 물질의 lot 변경 시에도 유의미한 차이가 없었으며 표본 수가 늘어남에 따라 검사실과 검사 종목 별 맞춤 허용 기준을 설정할 수 있을 것이라 기대할 수 있었다. 면역 방사 계수 측정법에서 비교적 검출률이 높은 종목들을 선정해서 일 것이라 판단되며 여러 번 재 측정된 결과 값이기 때문일 수도 있겠다. 대부분의 검사 결과에서 허용 기준인 10%에 크게 못 미치는 차이를 보였으며 저농도 target 값을 가진 경우에도 허용 기준인 20%에 가까운 수치를 보이진 않았다. 더 오랜 기간 동안의 관찰과 연구를 통해 평균의 균질화가 이루어진다면 종목 별 검사실 맞춤 허용 기준을 얻을 수 있을 것으로 판단되며 더 다양한 변수를 고려한 관찰과 연구도 필요할 것이다.
가축화된 동물종 중 하나인 개는, 다양한 목적을 위해 인간에 의하여 선택적으로 육종되었다. 개는 많은 품종을 갖고 있고, 특정한 행동과 형태를 갖도록 인공적으로 선택되어 왔다. 개들은 그들의 삶을 안내, 구조 혹은 탐지 등의 특수 목적에 대하여 인간에게 헌신하고 있다. 특수 목적견에게 요구되는 좋은 품성, 이를테면 온순함, 강건성, 그리고 인내심과 같은 특성은 그들의 특수 임무를 수행하는 데 필요하다. 많은 연구들이 우수한 특수 목적견의 선정을 위한 유전적 마커를 찾는 데 집중되었다. 본 연구에서는, 뇌에서 발현함으로써 기능하는 것으로 알려진 총 8개의 유전자(ABAT; 4-Aminobutyrate Aminotransferase, PLCB1; Phospholipase C, Beta 1, SLC10A4; Solute Carrier Family 10, Member 4, WNT1; Wingless-Type MMTV Integration Site Family, Member 1, BARX2; BarH-Like Homeobox 2, NEUROD6; Neuronal Differentiation 6, SEPT9; Septin 9 그리고 TBR1; T-Box, Brain, 1)들의 정량적인 발현 양상을 개의 네 품종의 뇌 조직에서 확인하였다. 특히, BARX2, SEPT9, SLC10A4, TBR1 그리고 WNT1 유전자들은 비글과 진돗개에서 많이 발현되는데 반하여, 삽살이와 세퍼드에서는 반대되는 발현 양상을 보여 주었다. 본 연구의 유전자들에 대한 Gene ontology (GO) 결정을 위하여 DAVID (Database for annotation, visualization and integrated discovery) 분석이 수행되었고, 이러한 유전자들이 뇌 발생과 개체의 지능에 중요한 기능을 제공할 것이라고 예상하였다. 결론적으로, 이러한 결과들을 통하여, 뇌에서의 기능과 관련된 인자들과 관련된 바이오마커를 발굴하는 데 중요한 단서를 제공해 줌과 동시에, 우수한 특수 목적견을 선발하는 데 도움을 줄 것이라 기대한다.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.