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 : 남진우(Jin-Wu Nam) (검색결과 15 건)
- 무료
- 기관 내 무료
- 유료
-
남진우(Jin-Wu Nam),정제균(Je-Gun Joung),장병탁(Byoung-Tak Zhang) 한국정보과학회 2003 한국정보과학회 학술발표논문집 Vol.30 No.1B
RNA는 세포내에서 유전자 발현에 직, 간접적으로 중요한 역할을 하며, RNA 구조는 세포 내에서의 기능과 깊은 연관이 있기 때문에 RNA 구조를 예측하는 것은 중요한 의미를 갖는다. 본 논문에서는 진화연산의 한가지인 유전자 프로그래밍(genetic programming) 방법을 사용하여 염기서열 정보를 참고하는 RNA 구조 문법의 학습 방법을 보여 준다. 이 RNA 구조를 의미하는 문법을 트리(tree)형태의 함수로 코드화(encoding) 한 후 이것을 유전자 프로그래밍 방법으로 진화시킨다. 진화를 통해 최적의 적합도를 갖는 트리의 문법을 테스트 데이터를 통해 평가한 결과 0.893의 특이도(speicificity)와 0.752의 민감도(sensitivity)를 보였다.
-
In Vitro 조절 기전 모델링을 위한 DNA 컴퓨팅
남진우(Jin-Wu Nam),정제균(Je-Gun Joung),장병탁(Byoung-Tak Zhang) 한국정보과학회 2003 한국정보과학회 학술발표논문집 Vol.30 No.2Ⅰ
바이오네트웍 모델링은 유전자네트웍, 단백질네트웍, 대사회로, 신호전달회로네트웍등에 대하여 각 요소간의 관계를 그래프이론을 통하여 표현하는 작업을 말한다. 특히 조절네트웍의 모델링은 다양한 생물학적 실험 데이터로부터 단백질간의 활성과 불활성 관계를 유추해내는 것을 말한다. 현재 조절네트웍 모델링을 위한 다양한 알고리즘들이 개발되어 있으나 응용적인 측면에서 유추된 네트웍은 활용성이 부족하다. 본 논문에서는 In Vitro상에서 DNA 컴퓨팅을 이용하여 간단한 연산을 수행함으로서 유전자 조절 기전을 모델링하고자 한다. 이러한 방법의 장점은 DNA컴퓨팅의 연산이 세포의 현재 또는 다음 상태를 In Vitro 상에서 구현되어 진단 등의 문제에 응용될 수 있다는 가능성을 제시해 준다는 것이다.
-
microRNA 발현 데이터의 상관관계 분석을 통한 microRNA Functional Family 탐색
남진우(Jin-Wu Nam),장병탁(Byoung-Tak Zhang) 한국정보과학회 2006 한국정보과학회 학술발표논문집 Vol.33 No.1
microRNA는 유전자의 전사 후 과정에서 negative regulation을 담당하는 small noncoding RNA의 한 종류이다. 최근 까지 330여개의 인간 microRNA가 발견되었지만 그들의 기능이 밝혀진 것은 소수에 불과하다. microRNA의 기능은 3‘UTR에 불완전 상보결합을 통해 negative regulation을 받게 되는 유전자의 기능으로부터 유추되는 것이 일반적이다. 특별히 유전체상에 군집화 된 microRNA들은 하나의 전사체로부터 발현되는 것으로 판단되며, 같은 또는 관련된 기능을 하거나 같은 목표 유전자를 조절하기 위한 functional family일 가능성이 높다. 또한 이러한 functional family는 하나의 전사체로부터 발현되기 때문에, 조직별로 조건별로 같은 발현 패턴을 보여야 한다. 본 연구에서는 발현데이터로부터 microRNA functional family를 탐색하기 위해, 5개의 연구 그룹에서 공개한 조직별 microRNA 발현데이터를 표준화 작업을 거친 후 통합하고, k-nearest neighbor 알고리즘을 이용해 결측치를 보정한 후 microRNA 발현사이의 correlation을 계산한다. 이때 데이터 통합에서 생기는 문제에 robust한 결과를 얻기 위해 실제 발현데이터가 아닌 rank 데이터부터 correlation을 측정한다. 계산된 spearman ranked correlation 결과와 microRNA의 genomic coordination 정보로부터 34개의 functional family를 정의할 수 있었다.
-
RNA 공통 구조 기술자 Committee Machine을 이용한 ncRNA 예측 성능 향상 기법
남진우(Jin-Wu Nam),김성규(Sung-Kyu Kim),정제균(Je-Gun Joung),장병탁(Byoung-Tak Zhang) 한국정보과학회 2005 한국정보과학회 학술발표논문집 Vol.32 No.2
최근 포유동물의 유전체에는 알려진 것보다 훨씬 많은 RNA 전사체가 발현되고 있음이 밝혀지고 있으며, 그 중에 많은 부분이 non-coding RNA로 알려지고 있다. 세포 내에서 non-coding RNA의 기능이 훨씬 다양해지고, 중요해지고 있는 상황에서 새로운 non-coding RNA를 정의하고, 탐색하는 것은 가장 시급한 과제이다. 본 연구에서는 이전 연구에서 RNA 공통 구조 학습을 위해 제안되었던, esRCSG (evolutionary search for RNA common-structural grammar) 알고리즘의 성능 향상을 위해, committee machine을 도입한다. Committee machine은 마지막 세대에서 최적화된 RNA 공통 구조 기술자 (RCSD)와 차상위로 최적화된 기술자들 중, 양성데이터와 음성데이터의 치역을 합쳤을 때 특이도는 거의 변화가 없으면서 민감도의 증가가 가장 큰 기술자들의 집합이다. Committee machine은 특히 family type의 서열의 가진 특정 ncRNA에서 좋은 성능 향상을 보인다. microRNA를 이용한 성능평가에서 특이도의 변화가 거의 없이 민감도의 성능이 약 1.5배 향상되는 결과를 보였다. 이러한 특이도와 민감도가 높은 기술자를 이용함으로써 새로운 non-coding RNA를 예측하는 것을 약속할 수 있을 것이다.
-
생물학적으로 의미 있는 특질에 기반한 베이지안 네트웍을 이용한 microRNA의 예측
남진우(Jin-Wu Nam),박종선(Jongsun Park),장병탁(Byoung-Tak Zhang) 한국정보과학회 2006 한국정보과학회 학술발표논문집 Vol.33 No.2A
MicroRNA (miRNA)는 약 22 nt의 작은 RNA 조각으로 이루어져 있으며 stem-loop 구조의 precursor 형태에서 최종적으로 만들어 진다. miRNA는 mRNA의 3‘UTR에 상보적으로 결합하여 유전자의 발현을 억제하거나 mRNA의 분해를 촉진한다. miRNA를 동정하기 위한 실험적인 방법은 조직 특이적인 발현, 적은 발 현양 때문에 방법상 한계를 가지고 있다. 이러한 한계는 컴퓨터를 이용한 방법으로 어느 정도 해결될 수 있다. 하지만 miRNA의 서열상의 낮은 보존성은 homology를 기반으로 한 예측을 어렵게 한다. 또한 기계학습 방법인 support vector machine (SVM) 이나 naive bayes가 적용되었지만, 생물학적인 의미를 해석할 수 있는 generative model을 제시해 주지 못했다. 본 연구에서는 우수한 miRNA 예측을 보일 뿐만 아니라 학습된 모델로부터 생물학적인 지식을 얻을 수 있는 Bayesian network을 적용한다. 이를 위해서는 생물학적으로 의미 있는 특질들의 선택이 중요하다. 여기서는 position weighted matrix (PWM)과 Markov chain probability (MCP), Loop 크기, Bulge 수, spectrum, free energy profile 등을 특질로서 선택한 후 Information gain의 특질 선택법을 통해 예측에 기여도가 높은 특질 25개 와 27개를 최종적으로 선택하였다. 이로부터 Bayesian network을 학습한 후 miRNA의 예측 성능을 10 fold cross-validation으로 확인하였다. 그 결과 pre-/mature miRNA 각 각에 대한 예측 accuracy가 99.99% 100.00%를 보여, SVM이나 naive bayes 방법보다 높은 결과를 보였으며, 학습된 Bayesian network으로부터 이전 연구 결과와 일치하는 pre-miRNA 상의 의존관계를 분석할 수 있었다.
-
유전알고리즘을 이용한 MicroRNA 이중나선 구조의 Dinucleotide Step 파라미터 추정
남진우(Jin-Wu Nam),장병탁(Byoung-Tak Zhang) 한국정보과학회 2005 한국정보과학회 학술발표논문집 Vol.32 No.1
MicroRNA는 약 22 nucleotide 길이로, 세포질에서 유전자의 전사 후 조절 기능을 맡는 small RNA의한 종류이다. MiRNA는 긴 전사체인 pri-miRNA에서 Drosha에 의해 절단 되어 핵 밖으로 나가 최종 Dicer 에 의해 성숙 된다. 하지만, 아직까지 이 효소들이 pri-miRNA를 잘라내는 3차 구조상의 메커니즘을 이해하지 못하고 있다. 본 연구에서는 완숙한 miRNA 이중나선이 약 2 회전을 이루게 된다는 정보를 바탕으로, Drosha가 붙는 miRNA stem구조의 dinucleotide step 파라미터를 유전 알고리즘을 이용하여 추정한다. 추정된 파라미터로부터 실제 miRNA들의 3차구조를 예측할 수 있으며, 3차 구조상의 Drosha의 절단 메커니즘을 이해하는데 도움을 줄 것이다.
-
-
염기의 IUPAC 코드를 이용한 miRNA Scoring Model의 학습
이화진(Wha-Jin Lee),남진우(Jin-Wu Nam),장병탁(Byoung-Tak Zhang) 한국정보과학회 2003 한국정보과학회 학술발표논문집 Vol.30 No.2Ⅱ
miRNA(microRNA)는 길이가 약 22nt 정도 되는 작은 ncRNA로서 유전자 작용을 조절하는데 중요한 역할을 하는 것으로 알려져 있다. 다이서(dicer)에 의해 성숙한 miRNA(mature miRNA)를 계산학적(computational) 방법으로 학습하여 인간 miRNA의 구조를 예측하였다. miRNA에 관한 구체적인 기작은 아직 확실히 밝혀지지 않았기 때문에 서열 기반과 구조 기반 모두를 포함 하는 모델을 구현 하였으며 ambiguity code를 씀으로써 정보의 손실을 최소화 하도록 하였다. miRNA와 비슷한 구조를 가진 인간 EST로부터 데이터를 무작위 추출하여 실제 인간 miRNA 데이터와 비교함으로써 학습된 결과의 성능을 평가하였다.
-
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.
-
Mature microRNA 위치 예측 모델의 진화적 최적화
김진한(Jinhan Kim),남진우(Jin-Wu Nam),장병탁(Byoung-Tak Zhang) 한국정보과학회 2006 한국정보과학회 학술발표논문집 Vol.33 No.1
MicroRNA (miRNA)는 생체내에서 gene regulation에 관여하는 핵심 small RNA 중 하나이다. miRNA는 primary miRNA, precursor miRNA, mature miRNA의 과정으로 processing 된다. miRNA 최종 형태인 mature miRNA의 정확한 위치 예측은 miRNA 예측의 필수적인 부분이다. 본 논문에서는, 진화적 최적화 예측 모델 중 하나인 유전 알고리즘을 이용하여 mature miRNA 의 정확한 위치 예측을 수행한다. 제시된 방법은 이미 알려진 mature miRNA 위치를 positive example로 하고 임의로 생성한 위치를 negative example로 하여 서로의 linear scoring function 적합성 함수의 값 차이가 최대한으로 되도록 예측 모델을 진화 시킨다. 유전 알고리즘을 이용한 진화적 최적화 모델로부터 mature miRNA 위치 예측에서 약 1.7nt 오차를 보여 기존의 방법 보다 개선된 성능을 보인다.
ScienceON연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
