http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
- 中文 을 입력하시려면 zhongwen을 입력하시고 space를누르시면됩니다.
- 北京 을 입력하시려면 beijing을 입력하시고 space를 누르시면 됩니다.
RISS 인기검색어
- 검색키워드
- 저자 : 이제근(Je-Keun Rhee) (검색결과 19 건)
- 무료
- 기관 내 무료
- 유료
-
기계학습 기반 유전자 발현 데이터를 이용한 치주질환 예측
이제근,Rhee, Je-Keun 한국정보통신학회 2019 한국정보통신학회논문지 Vol.23 No.8
Periodontal disease is observed in many adult persons. However we has not clear know the molecular mechanism and how to treat the disease at the molecular levels. Here, we investigated the molecular differences between periodontal disease and normal controls using gene expression data. In particular, we checked whether the periodontal disease and normal tissues would be classified by machine learning algorithms using gene expression data. Moreover, we revealed the differentially expression genes and their function. As a result, we revealed that the periodontal disease and normal control samples were clearly clustered. In addition, by applying several classification algorithms, such as decision trees, random forests, support vector machines, the two samples were classified well with high accuracy, sensitivity and specificity, even though the dataset was imbalanced. Finally, we found that the genes which were related to inflammation and immune response, were usually have distinct patterns between the two classes. 치주질환은 상당수의 성인들이 가지고 있는 질환이지만 아직 분자적인 수준에서의 발생 기작과 치료 방법에 대해서는 많은 것이 밝혀져 있지 않다. 본 연구에서는 치주질환 조직과 정상 조직에서 얻어진 유전자 발현 데이터를 이용하여 치주질환 조직과 정상 조직 사이에 분자적 차이가 있는지를 확인한다. 특히 기계학습 알고리즘을 이용하여 유전자 발현양 기반 치주질환 조직과 정상 조직의 분류가 가능한지를 확인하고, 각 조직에서 발현양 차이가 나는 유전자들이 주로 어떤 기능을 하는 것인지 살펴본다. t-SNE를 이용한 분석 결과 정상 조직과 치주질환 조직 샘플이 명확히 구분되어 군집화 될 수 있음이 확인되었다. 또한, 결정 트리, 랜덤 포레스트, 서포트 벡터 머신을 이용한 분류 알고리즘을 적용한 결과 불균형 데이터임에도 높은 정확도와 민감도, 특이도를 보였으며, 염증 반응 및 면역 반응 관련 유전자들이 주로 두 집단 간에 차이를 보임이 확인되었다.
-
동역학 시스템의 진화적 학습에 의한 초파리 발생과정 모델링
이제근(Je-Keun Rhee),남진우(Jin-Wu Nam),정제균(Je-Gun Joung),장병탁(Byoung-Tak Zhang) 한국정보과학회 2005 한국정보과학회 학술발표논문집 Vol.32 No.2
초파리 초기 발생과정은 gap 유전자, pair-rule 유전자, polarity 유전자의 세 가지 유전자 그룹에 의해서 조직화 된다. Gap 유전자들에 의해 pair-rules 유전자들의 발현이 조절되며, 이들에 의해 결국 polarity 유전자들의 발현을 조절함으로써, 정확한 위치에서 각 기관의 형성을 유도한다. 특히 분열 14단계에서는 pair-rule 유전자 중의 하나인 eve 유전자의 발현이 조절되는데, eve 유전자는 배아의 분할의 줄무늬를 형성시키는 유전자에 해당된다. 본 논문에서는 eve 유전자의 발현조절자인 hunchback, giant, kruppel, bicoid의 gap 유전자들로 구성된 조절 네트워크를 S-system을 이용하여 모델링하였다. 이를 통해 각 유전자들의 발현 데이터로부터 파라미터들을 진화 연산을 통해 예측하고, 각 유전자들의 발현에 대한 시뮬레이션 결과를 보여준다. 예측된 결과와 실제 데이터의 비교는 전체적으로 패턴이 서로 유사함을 보여주고 있다.
-
이제근(Je-Keun Rhee),정제균(Je-Gun Joung),오석준(S. June O),장병탁(Byoung-Tak Zhang) 한국정보과학회 2004 한국정보과학회 학술발표논문집 Vol.31 No.1B
유전자 발현은 다양한 전사 인자들의 상호 작용에 의해서 조절되어진다. 이러한 전사 인자들에 존재하는 모티프는 직접적으로 조절 작용을 위한 기능을 수행한다. 또한 대부분의 경우에서 여러 모티프가 함께 유전자 발현 기작을 위하여 조절 작용을 한다. 따라서 이러한 모티프들이 어떤 조합으로 함께 전사 과정에 관여하는지 여부를 밝히는 작업은 중요한 일이다. 본 논문에서 진화 연산을 응용하여, 다양한 조건 하에 전사 과정에 중요하게 작용하는 모티프들의 조합을 알아보았고, 그 결과를 기본적인 k-Means 알고리즘 등과 비교하여 제안한 방법이 유전자들의 상관관계에 있어서 보다 우수한 결과를 보임을 알 수 있었다.
-
-
불균형 데이터 집합에서의 학습을 통한 microRNA 목표 유전자 예측 방법
이제근(Je-Keun Rhee),김수진(Soo-Jin Kim),장병탁(Byoung-Tak Zhang) 한국정보과학회 2008 한국정보과학회 학술발표논문집 Vol.35 No.2
기계학습을 이용한 분류 문제에서 적절한 학습 데이터의 사용은 분류 정확도에 많은 영향을 미치게 된다. positive 데이터와 negative 데이터로 구성된 일반적인 이진 분류 문제의 경우, 충분한 학습 데이터 뿐 아니라 각 데이터 집합에 존재하는 데이터 수의 균형 역시 분류 정확도를 높이는 데에 중요하다. 하지만 실제 문제에서는 이와 같은 조건을 항상 만족하기는 쉽지 않다. 특히 생물학 데이터 분류 문제에서 positive 데이터만 존재할 뿐, negative 데이터는 존재하지 않거나 학습을 위해 사용하기에는 그 수가 부족한 경우가 많다. 이와 같은 상황에서는 많은 경우에 임의로 negative 데이터를 구성하여 학습에 사용하거나 기존 데이터로부터 여러 가지 샘플링 방법을 이용하여 각 집합의 비율을 맞춰서 학습을 수행하게 된다. 하지만, 이와 같은 방법으로 negative 데이터를 구성하는 것은 사용된 데이터의 특성에 따라 분류 성능 및 모델의 특성에 많은 차이를 보이는 기계학습 방법들의 일반적인 특성들을 생각해볼 때 적절한 방법이 아니다. 따라서 본 논문에서는 여러 가지 단일 클래스 분류기의 분류 방법을 실제 microRNA 목표 유전자 예측 문제에 적용하여, 단일 클래스 분류기의 이용이 불균형 데이터 집합에서의 분류 문제에 적합하게 적용될 수 있음을 확인한다.
-
학습을 위한 네거티브 데이터가 존재하지 않는 경우의 microRNA 타겟 예측 방법
이제근(Je-Keun Rhee),김수진(Soo-Jin Kim),장병탁(Byoung-Tak Zhang) 한국정보과학회 2008 한국정보과학회 학술발표논문집 Vol.35 No.1
기존의 알려진 데이터에 기반하여 분류 알고리즘을 통해 새로운 생물학적인 사실을 예측하는 것은 생물학 연구에 매우 유용하다. 하지만 생물학 데이터 분류 문제에서 positive 데이터만 존재할 뿐, negative 데이터는 존재하지 않는 경우가 많다. 이와 같은 상황에서는 많은 경우에 임의로 negative data를 구성하여 사용하게 된다. 하지만, negative 데이터는 실제로 negative임이 보장된 것이 아니고, 임의로 생성된 데이터의 특성에 따라 분류 성능 및 모델의 특성에 많은 차이를 보일 수 있다. 따라서 본 논문에서는 단일 클래스 분류 알고리즘 중 하나인 support vector data description (SVDD) 방법을 이용하여 실제 microRNA target 예측 문제에서 positive 데이터만을 이용하여 학습하고 분류를 수행하였다. 이를 통해 일반적인 이진 분류 방법에 비해 이와 같은 방법이 실제 생물학 문제에 보다 적합하게 적용될 수 있음을 확인한다.
-
SNP 조합 인자들의 진화적 학습 방법 기반 질병 관련 복합적 위험요인 추출 (pp.928-932)
이제근(Je-Keun Rhee),하정우(Jung-Woo Ha),배설희(Seol-Hui Bae),김수진(Soo-Jin Kim),이민수(Min Su Lee),박근준(Keun-Joon Park) 한국정보과학회 2009 정보과학회 컴퓨팅의 실제 논문지 Vol.15 No.12
생체 내에서 질병 발생은 다양한 요인들의 복합적인 작용에 의해 발생한다. 하지만, 대부분의 질병 관련 원인을 발견하고자하는 연구들에서는 여러 요인들의 다양한 조합들을 복합적으로 고려하여 분석하기에는 한계가 있는 경우가 많다. 단 하나의 질병 관련 요인들을 찾는 것에 그치고 있다. 본 연구에서는 유전체 정보과 임상 정보를 이용하여 질병 분류 모델 기반 인자 조합들의 진화적 학습 방법을 제안한다. 이 방법을 이용하여 본 연구에서는 질병 관련 주요 인자를 찾고, 이를 시각화할 수 있는 시스템을 만드는 것을 목적으로 한다. 본 연구를 통해 정확도 높은 당뇨병 환자군 분류 모델을 만들고, 당뇨병 발생에 중요한 영향을 미치는 인자들의 조합을 찾을 수 있었다. 또한 생물학적인 분석을 통해 본 연구에서 찾은 인자들의 조합이 실제로도 당뇨병 발생에 영향을 미치는 인자가 될 수 있음을 확인하고, 특히 각 인자들이 하나씩 존재할 때보다, 조합으로 존재할 경우 당뇨병 발생 가능성이 높아질 수 있음을 확인할 수 있었다. Most diseases are caused by complex processes of various factors. Although previous researches have tried to identify the causes of the disease, there are still lots of limitations to clarify the complex factors. Here, we present a disease classification model based on an evolutionary learning approach of combinatorial features using the datasets from the genetics and cohort studies. We implemented a system for finding the combinatorial risk factors and visualizing the results. Our results show that the proposed method not only improves classification accuracy but also identifies biologically meaningful sets of risk factors.
-
인간 질병에서 DNA 메틸화 지역의 고차상호작용 탐색을 위한 진화적 연관관계 학습
이제근(Je-Keun Rhee),김수진(Soo-Jin Kim),장병탁(Byoung-Tak Zhang) 한국정보과학회 2012 한국정보과학회 학술발표논문집 Vol.39 No.1B
DNA 메틸화는 후성유전학의 한 유형으로 유전자 발현을 조절하여 질병을 비롯한 다양한 생물학적 프로세스에 영향을 준다고 알려져 있다. 따라서 DNA 메틸화 정도와 인간 질병과의 연관성에 관한 연구는 질병의 원인 및 기전을 밝히고 메틸화 프로세스 조절을 통한 질병 치료 방법 개발을 위한 기반이 될 수 있다. 유전자 발현 조절 및 질병 발생은 많은 민자들의 복합적인 상호작용에 영향을 받으므로, 여러 위치에서의 메틸화 정도들의 고차원 조합을 이용한 질병과의 연관 관계 분석이 필수적이다. 본 연구에서는 진화 연산과 가중치 학습에 기반하여 유방암 발생과 연관되어 있는 메틸화 위치의 고차 상호작용을 탐색할 수 있는 방법을 제안한다.
-
유전자 보존 정보 기반 이분 그래프의 네트워크 전파 알고리즘을 이용한 microRNA 기능 예측 방법
이제근(Je-Keun Rhee),장병탁(Byoung-Tak Zhang) 한국정보과학회 2009 한국정보과학회 학술발표논문집 Vol.36 No.1
microRNA는 생체 내에서 유전자 발현을 조절하는 기능을 수행하는 중요한 분자이다. 하지만 각각의 microRNA들의 실질적인 기능에 대해서는 아직 명확히 밝혀지지 않은 상황이다. 생명체의 각 분자들은 진화적으로 각 종간에 서로 보존되어 왔으며, microRNA와 유전자들 역시 보존되어 있다. 본 논문에서는 각 종 간에 유사한 microRNA들은 조절할 수 있는 유전자들과의 관계 및 그 기능 역시 서로 보존되어 있을 것이라는 가정 하에서, 각 microRNA들의 기능을 예측해 보았다. microRNA와 유전자 간의 조절 관계를 이분 그래프로 표현한 후, 서열 유사도 및 유전자 보존 정도에 기반한 각 노드의 값을 네트워크 전파 알고리즘을 통해 학습한다. 이 과정을 통해 기능을 알기 원하는 특정 microRNA와 보존 정도가 높은 유사한 microRNA를 다른 종에서 찾아낼 수 있다. 본 논문에서는 이와 같은 학습 방법을 통해 microRNA의 기능을 예측하는 것이 가능함을 확인한다.
-
인공신경망을 이용한 세포 주기상의 전사 조절 모티프 탐색
이제근(Je-Keun Rhee),정제균(Je-Gun Joung),장병탁(Byoung-Tak Zhang) 한국정보과학회 2004 한국정보과학회 학술발표논문집 Vol.31 No.2Ⅱ
생체 내의 모든 기능은 유전자 발현에 의해 결정된다. 유전자 발현은 많은 인자들에 의해 조절되며, 이러한 조절 과정에 따라 유전자 발현량이 결정되는 것이다. 세포 주기 역시 유전자 발현과 밀접한 연관성을 가지고 있다. 본 논문에서는 효모에서 세포 주기의 각 단계와 관련된 유전자들의 분석을 통해서 세포 주기를 조절하는데 있어서 중요한 역할을 수행하는 전사 조절 모티프들이 무엇인지를 찾아보았다. 주요 모티프의 추출은 인공신경망 모델을 학습하고 입출력 에러 분석을 통하여 이루어진다. 그 결과 MCB 등 기존의 실험 결과를 통하여 세포주기에 관련이 있다고 알려진 모티프들이 높은 점수를 보인다는 것을 알 수 있었고, 그 외에 세포주기의 각 단계에서 유전자 발현에 중요한 역할을 수행할 것으로 예상되는 다른 모티프들도 예측해볼 수 있었다.
연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
