국립공원 아고산대 독립훼손지 복원식생 분포특성 및 관리방안

김종엽(Jong-Yup Kim),윤주웅(Ju-Ung Yun),한봉호(Bong-Ho Han),곽정인(Jeong-In Kwak),박석철(Seok-Cheol Park),박수영(Su Young Park),정원옥(Won-Ok Jeong) 국립공원연구원 2022 국립공원연구지 Vol.13 No.1

본 연구는 독립훼손지 중 아고산대에 위치한 지리산국립공원 세석평전과 노고단 복원식생지를 대상으로 현존식생 분석 및 식생분포 특성을 파악하여 중장기적인 모니터링 및 관리방안 수립을 위한 기초자료를 제공하고자 수행하였다. 현존식생 조사범위는 훼손지 일대 유역권분포 현황을 고려하여 설정하였으며, 세석평전 조사면적은 55,037㎡, 노고단 조사면적은 166,599㎡ 이었다. 세석평전은 초본층에 의한 식생피복도는 90% 이상 수준으로서 나지노출이 없었고, 관목층의 피복도가 60% 이상으로 안정화되어 있었다. 주요 출현수종은 구상나무, 사스래나무, 쇠물푸레나무, 철쭉, 털진달래, 붉은병꽃나무 등 식재수종과 자연적으로 이입한 자생수종이 생육하고 있었다. 노고단은 신갈나무, 호랑버들, 철쭉, 털진달래, 미역줄나무 등이 우점하는 관목식생지가 52%로 가장 넓게 분포하고 있었고, 전반적으로 식생활착 상태가 양호하였다. 노고단의 원식생은 신갈나무군락으로 추정되었고, 군부대철거지에는 귀화식물이 분포하고 있기 때문에 적극적인 관리가 필요하였다. 연구대상지는 장기적으로 주변 자연식생과 조화로운 식생경관으로 발달할 것으로 예측되었다. 향후 훼손지 복원모델은 인근 지역의 원식생을 고려하여 설정해야 할 것이지만, 복원 달성 목표는 실현가능한 수준의 목표를 설정해야 할 것이다. This study was conducted to provide basic data for mid-to long-term monitoring and establishment of management plans by analyzing the existing vegetation and identifying the vegetation distribution characteristics for the restored vegetation in Nogodan and Seseokpyeongjeon in Jirisan National Park located in the subalpine zone among the independent damaged areas. Actual vegetation survey range was established in consideration of the distribution of the watershed around the damaged area. The surveyed area of Seseokpyeongjeon was 55,037㎡, and the surveyed area of Nogodan was 166,599㎡. In Seseokpyeongjeon, the vegetation coverage by the herbaceous layer was almost 90% or more, there was no bare exposure, and the coverage of the shrub layer was stabilized at 60% or more. The main emerging tree species were planted species such as Abies koreana, Betula ermanii, Fraxinus sieboldiana, Rhododendron schlippenbachii, Rhododendron mucronulatum var. ciliatum, and Weigela florida as well as natively migrated native species. In Nogodan, the shrub vegetation dominated by Quercus mongolica, Salix caprea, Rhododendron schlippenbachii, Rhododendron mucronulatum var. ciliatum, and Tripterygium regelii was the most widely distributed with 52% of the area, and the overall diet was good. The native vegetation of Nogodan was presumed to be a cypress colony. Naturalized plants were distributed in the military base demolition site, so active management was required. The study site was predicted to develop into a vegetation landscape in harmony with the surrounding natural vegetation in the long term. In the future, the restoration model for damaged areas should be set in consideration of the native vegetation of the nearby area, but the goal to achieve restoration should be set at a feasible level.

다층퍼셉트론 기반 리 샘플링 방법 비교를 위한 마이크로어레이 분류 예측 에러 추정 시스템

박수영,정채영,Park, Su-Young,Jeong, Chai-Yeoung 한국정보통신학회 2010 한국정보통신학회논문지 Vol.14 No.2

게놈 연구에서 수천 개의 특징들은 비교적 작은 샘플들로부터 모아진다. 게놈 연구의 목적은 미래 관찰들의 결과를 예측하는 분류기를 만드는 것이다. 분류기를 만들기 위해서는 특징 선택, 모델 선택 그리고 예측 평가 등의 3단계 과정을 거친다. 본 논문은 예측 평가에 초점을 맞추고 모든 슬라이드의 사분위수를 똑같게 맞추는 quantilenormalization 적용하여 마이크로어레이 데이터를 표준화 한 후 특징 선택에 앞서 예측 모델의 '진짜' 예측 에러를 평가하기 위해 몇 개의 방법들을 비교하는 시스템을 고안하고 방법들의 예측 에러를 비교 분석 하였다. LOOCV는 전체적으로 작은 MSE와 bias를 나타내었고, 크기가 작은 샘플에서 split 방법과 2-fold CV는 매우 좋지 않는 결과를 보였다. 계산적으로 번거로운 분석에 대해서는 10-fold CV가 LOOCV보다 오히려 더 낳은 경향을 보였다. In genomic studies, thousands of features are collected on relatively few samples. One of the goals of these studies is to build classifiers to predict the outcome of future observations. There are three inherent steps to build classifiers: a significant gene selection, model selection and prediction assessment. In the paper, with a focus on prediction assessment, we normalize microarray data with quantile-normalization methods that adjust quartile of all slide equally and then design a system comparing several methods to estimate 'true' prediction error of a prediction model in the presence of feature selection and compare and analyze a prediction error of them. LOOCV generally performs very well with small MSE and bias, the split sample method and 2-fold CV perform with small sample size very pooly. For computationally burdensome analyses, 10-fold CV may be preferable to LOOCV.

선별 시스템 기반 표지 유전자를 포함한 난소암 마이크로어레이 데이터 분류

박수영,정채영,Park, Su-Young,Jung, Chai-Yeoung 한국정보통신학회 2011 한국정보통신학회논문지 Vol.15 No.3

마이크로어레이 분류는 전형적으로 분류기 디자인과 에러 추정이 현저하게 작은 샘플에 기반한다는 것과 교차 검증 에러 추정이 대다수의 논문에 사용된다는 주목할 만한 두 가지 특징을 소유한다. 마이크로어레이 난소 암 데이터는 수 만개의 유전자 발현으로 구성되어 있고, 이러한 정보를 동시에 분석하기 위한 어떤 체계적인 절차도 없다. 본 논문에서는, 통계에 따라 유전자의 우선순위를 정함으로써 표지유전자를 선택하였고, 널리 보급되어 있는 분류 규칙인 선형 분류 분석, 3-nearest-neighbor와 결정 트리 알고리즘은 표지 유전자를 선택한 데이터와 선택하지 않는 데이터의 분류 정확도 비교를 위해 사용되어졌다. ANOVA를 이용하여 선택된 표지 유전자를 포함하는 마이크로어레이 데이터 셋에 선영 분류분석 규칙을 적용한 결과 97.78%의 가장 높은 분류 정확도와 가장 낮은 예측 에러 추정치를 나타내었다. Microarray classification typically possesses two striking attributes: (1) classifier design and error estimation are based on remarkably small samples and (2) cross-validation error estimation is employed in the majority of the papers. A Microarray data of ovarian cancer consists of the expressions of thens of thousands of genes, and there is no systematic procedure to analyze this information instantaneously. In this paper, gene markers are selected by ranking genes according to statistics, popular classification rules - linear discriminant analysis, k-nearest-neighbor and decision trees - has been performed comparing classification accuracy of data selecting gene markers and not selecting gene markers. The Result that apply linear classification analysis at Microarray data set including marker gene that are selected using ANOVA method represent the highest classification accuracy of 97.78% and the lowest prediction error estimate.

마이크로어레이 데이터를 이용한 암 분류 표지 유전자 선별 시스템

박수영,정채영,Park, Su-Young,Jung, Chai-Yeoung 한국정보통신학회 2010 한국정보통신학회논문지 Vol.14 No.10

마이크로어레이를 기반으로 하는 암 분류 방법은 암 종류에 따라 다르게 발현되는 유전자 양상을 통계적으로 발견함으로써 정확한 암 분류에 기여할 수 있다. 따라서 현재의 마이크로어레이 기술을 이용해서 효과적으로 암을 분류하기 위해서는 특정 암과 밀접하게 관련이 있는 정보력 있는 유전자를 선택하는 과정이 필수적이다. 본 논문에서는 난소 암 마이크로어레이 데이터를 이용하여 암에 영향을 미치는 가장 다르게 발현할 가능성이 있는 표지 유전자를 추출할 수 있는 시스템을 고안하고, 다층퍼셉트론 분류기를 이용하여 기존의 마이크로어레이 시스템과 분류 성능을 비교분석하였다. 그 결과 ANOVA를 이용하여 선택된 표지 유전자를 포함하는 마이크로어레이 데이터 셋에서 98.61%의 향상된 분류 성능을 보였다. The method of cancer classification based on microarray could contribute to being accurate cancer classification by finding differently expressing gene pattern statistically according to a cancer type. Therefore, the process to select a closely related informative gene with a particular cancer classification to classify cancer using present microarray technology with effect is essential. In this paper, the system can detect marker genes to likely express the most differentially explaining the effects of cancer using ovarian cancer microarray data. And it compare and analyze a performance of classification of the proposed system with it of established microarray system using multi-perceptron neural network layer. Microarray data set including marker gene that are selected using ANOVA method represent the highest classification accuracy of 98.61%, which show that it improve classification performance than established microarray system.

표준화 기반 표지 유전자를 이용한 난소암 마이크로어레이 데이타 분류 시스템

박수영,정채영,Park, Su-Young,Jung, Chai-Yeoung 한국정보통신학회 2011 한국정보통신학회논문지 Vol.15 No.9

표지 유전자는 특정한 실험 조건의 특성을 나타내주는 발현수준의 유전자를 의미한다. 이 유전자들은 여러 집단간의 발현수준에서 유의한 차이를 보여주며, 실제로 집단 간의 차이를 유발하는 유전자일 확률이 높아 특정 생물학적 현상과 관련 있는 표지 유전자를 찾는 연구에 이용될 수 있다. 본 논문에서는, 먼저 그 동안 제안된 여러 표준화 방법들 중에서 가장 널리 사용되고 있는 방법들을 이용하여 데이터를 표준화 한 후 통계에 따라 유전자의 우선순위를 정함으로써 표지유전자를 추출할 수 있는 시스템을 제안하였다. 다층퍼셉트론 신경망 분류기를 이용하여 각 표준화 방법들의 성능을 비교분석하였다. 그 결과 Lowess 표준화 후 ANOVA를 이용하여 선택된 8개의 표지 유전자를 포함하는 마이크로어레이 데이터 셋에 MLP 알고리즘을 적용한 결과 99.32%의 가장 높은 분류 정확도와 가장 낮은 예측 에러 추정치를 나타내었다. Marker genes are defined as genes in which the expression level characterizes a specific experimental condition. Such genes in which the expression levels differ significantly between different groups are highly informative relevant to the studied phenomenon. In this paper, first the system can detect marker genes that are selected by ranking genes according to statistics after normalizing data with methods that are the most widely used among several normalization methods proposed the while, And it compare and analyze a performance of each of normalization methods with mult-perceptron neural network layer. The Result that apply Multi-Layer perceptron algorithm at Microarray data set including eight of marker gene that are selected using ANOVA method after Lowess normalization represent the highest classification accuracy of 99.32% and the lowest prediction error estimate.

마이크로어레이 발현 데이터 분류를 위한 베이지안 검증 기법

박수영,정종필,정채영,Park, Su-Young,Jung, Jong-Pil,Jung, Chai-Yeoung 한국정보통신학회 2006 한국정보통신학회논문지 Vol.10 No.11

Since the bio-information now even exceeds the capability of human brain, the techniques of data mining and artificial intelligent are needed to deal with the information in this field. There are many researches about using DNA microarray technique which can obtain information from thousands of genes at once, for developing new methods of analyzing and predicting of diseases. Discovering the mechanisms of unknown genes by using these new method is expecting to develop the new drugs and new curing methods. In this Paper, We tested accuracy on classification of microarray in Bayesian method to compare normalization method's Performance after dividing data in two class that is a feature abstraction method through a normalization process which reduce or remove noise generating in microarray experiment by various factors. And We represented that it improve classification performance in 95.89% after Lowess normalization. 생물정보는 사람의 능력을 넘어 섰으며 데이터 마이닝과 같은 인공지능기법이 필수적으로 요구된다. 한번에 수천 개의 유전자 발현 정보를 획득할 수 있는 DNA마이크로어레이 기술은 대량의 생물정보를 가진 대표적인 신기술로 질병의 진단 및 예측에 있어 새로운 분석방법들과 연계하여 많은 연구가 진행 중이다. 이러한 새로운 기술들을 이용하여 유전자의 메 커니즘을 규명하는 것은 질병의 치료 및 신약의 개발에 많은 도움을 줄 것으로 기대 된다. 본 논문에서는 마이크로어레이 실험에서 다양한 원인에 의해 발생하는 잡음(noise)을 줄이 거나 제거하는 과정인 표준화과정을 거쳐 표준화 방법들의 성능 비교를 위해 특징 추출방법 인 베이지안(Bayesian) 방법을 이용하여 마이크로어레이 데이터의 분류 정확도를 비교 평가하여 Lowess 표준화 후 95.89%로 분류성능을 향상시킬 수 있음을 보였다.

종양 분류를 위한 마이크로어레이 데이터 분류 모델 설계와 구현

박수영,정채영,Park, Su-Young,Jung, Chai-Yeoung 한국정보통신학회 2007 한국정보통신학회논문지 Vol.11 No.10

오늘날 인간 프로젝트와 같은 종합적 인 연구의 궁극적 목적을 달성하기 위해서는 이 들 연구로부터 획득한 대량의 관련 데이터에 대해 새로운 현실적 의미를 부여할 수 있어야 한다. 마이크로어레이를 기반으로 하는 종양 분류 방법은 종양 종류에 따라 다르게 발현되는 유전자 양상을 통계적으로 발견함으로써 정확한 종양 분류에 기여 할 수 있다. 따라서 현재의 마이크로어레이 기술을 이용해서 효과적으로 종양을 분류하기 위해서는 특정 종양 분류와 밀접하게 관련이 있는 정보력 있는 유전자를 선택하는 과정이 필수적이다. 본 논문에서는 암에 걸린 흰쥐 외피 기간 세포 분화 실험에서 얻어진 3840 유전자의 마이크로어레이 cDNA를 이용해 데이터의 정규화를 거쳐 정보력 있는 유전자 목록을 별도로 추출하여 보다 정확한 종양 분류 모델을 구축하고 각각의 실험 결과들을 비교 분석함으로써 성능평가를 하였다. 피어슨 적률 상관 계수를 이용하여 선택된 유전자들을 멀티퍼셉트론 분류기로 분류한 결과 98.6%의 정확도를 보였다. Nowadays, a lot of related data obtained from these research could be given a new present meaning to accomplish the original purpose of the whole research as a human project. The method of tumor classification based on microarray could contribute to being accurate tumor classification by finding differently expressing gene pattern statistically according to a tumor type. Therefore, the process to select a closely related informative gene with a particular tumor classification to classify tumor using present microarray technology with effect is essential. In this thesis, we used cDNA microarrays of 3840 genes obtained from neuronal differentiation experiment of cortical stem cells on white mouse with cancer, constructed accurate tumor classification model by extracting informative gene list through normalization separately and then did performance estimation by analyzing and comparing each of the experiment results. Result classifying Multi-Perceptron classifier for selected genes using Pearson correlation coefficient represented the accuracy of 95.6%.

정보력 있는 유전자 선택 방법 조합을 이용한 마이크로어레이 분류 시스템 구현

박수영,정채영,Park, Su-Young,Jung, Chai-Yeoung 한국정보통신학회 2008 한국정보통신학회논문지 Vol.12 No.2

오늘날 인간 genome프로젝트와 같은 종합적인 연구의 궁극적 목적을 달성하기 위해서는 이들 연구로부터 획득한 대량의 관련 데이터에 대해 새로운 현실적 의미를 부여할 수 있어야 한다. 이러한 맥락에서 유전자 발현 분석 시스템과 염기 서열 분석 시스템의 구축이 포스트 genome 시대를 맞이하여 새롭게 주복을 받고 있다. 최근에는 종양의 특정 부 클래스가 특정 염색체와 관련되어 있다는 사실이 밝혀지면서, 마이크로어레이는 유전자 발현 정보를 기반으로 암의 분류와 예측을 통한 진단 분야에도 활용되기 시작했다. 본 논문에서는 암에 걸린 흰쥐 외피 기간 세포 분화 실험에서 얻어진 3840 유전자의 마이크로어레이 cDNA를 이용하여 데이터의 정규화를 거쳐 정보력 있는 유전자 목록을 별도로 추출할 수 있는 시스템을 고안하고 보다 정보력 있는 유전자를 선택하기 위해 조합 방법을 제안하였다. 그리고 제안한 시스템과 방법론의 가능성을 실험을 통해 검증하였다. 그 결과 PC-ED 조합이 98.74%의 정확도와 0.04%의 MSE를 보여 단일 유사성 척도를 사용하여 유전자 목록을 생성하고 실험을 수행한 경우보다 분류 성능이 향상되었다. Nowadays, a lot of related data obtained from these research could be given a new present meaning to accomplish the original purpose of the whole research as a human genome project. In such a thread, construction of gene expression analysis system and a basis rank analysis system is being watched newly. Recently, being identified fact that particular sub-class of tumor be related with particular chromosome, microarray started to be used in diagnosis field by doing cancer classification and predication based on gene expression information. In this thesis, we used cDNA microarrays of 3840 genes obtained from neuronal differentiation experiment of cortical stem cells on white mouse with cancer, created system that can extract informative gene list through normalization separately and proposed combination method for selecting more significant genes. And possibility of proposed system and method is verified through experiment. That result is that PC-ED combination represent 98.74% accurate and 0.04% MSE, which show that it improve classification performance than case to experiment after generating gene list using single similarity scale.

Propenone 유도체의 $NF-{\kappa}B$ 활성 억제 및 IL-8 유도에 의한 단핵구의 장 상피세포 부착 억제 효과

박수영,김경진,이종숙,이응석,김정애,Park, Su-Young,Kim, Kyoung-Jin,Lee, Jong-Suk,Lee, Eung-Seok,Kim, Jung-Ae 대한약학회 2008 약학회지 Vol.52 No.1

In this study, we examined the inhibitory effects of propenone derivatives, 1,3-diphenyl-propenone (DPhP), 3-phenyl-1-thiophen-2-yl-propenone (PhT2P), 3-phenyl-1-thiophen-3-yl-propenone (PhT3P) and 1-furan-2-yl-3-phenyl-propenone (FPhP), on $TNF-{\alpha}$-induced nuclear factor (NF)-${\kappa}B$ activity and interleukin (IL)-8-induced monocyte adhesion to colon epithelial cells. 1-Furan-2-yl-3-pyridin-2-yl-propenone (FPP-3) that is previously reported as a $NF-{\kappa}B$ inhibitor suppressed $TNF-{\alpha}$-induced monocyte-epithelial cell adhesion in a concentration-dependent manner. The propenone derivatives, DPhP, PhT2P, PhT3P, FPhP, also inhibited $TNF-{\alpha}$-induced $NF-{\kappa}B$ activation in a similar degree to FPP-3. In a DPPH radical scavenging assay, none of the compounds showed DPPH radical scavenging activity, indicating that the inhibitory actions of the propenone derivatives on redox-sensitive $NF-{\kappa}B$ activity is not due to a simple free radical scavenging activity. In addition, the propenone derivatives also suppressed the IL-8-induced monocyte adhesion to colon epithelial cells. Furthermore, the effective concentrations of the propenone derivatives on both $NF-{\kappa}B$ activation as well as IL-8 induced monocyte-epithelial cell adhesion were 1000 times lower than 5-aminosalicylic acid (5-ASA), a clinically used drug for inflammatory bowel disease. These results suggest that the propenone derivatives may be a potential lead having a strong inhibitory activity against inflammatory cytokine-induced epithelial inflammation.

신경망 기반의 유전자조합을 이용한 마이크로어레이 데이터 분류 시스템

박수영,정채영,Park, Su-Young,Jung, Chai-Yeoung 한국정보통신학회 2008 한국정보통신학회논문지 Vol.12 No.7

최근 생명 정보학 기술의 발달로 마이크로 단위의 실험조작이 가능해짐에 따라 하나의 chip상에서 전체 genome의 expression pattern을 관찰할 수 있게 되었고, 동시에 수 만개의 유전자들 간치 상호작용도 연구 가능하게 되었다. 본 논문에서는 암에 걸린 흰쥐 외피 기간 세포 분화 실험에서 얻어진 3840 유전자의 마이크로어레이 cDNA를 이용해 데이터의 정규화를 거쳐 본 논문에서 제안한 유사성 척도 조합 방법으로 정보력 있는 유전자들을 추출한 후, 유사성 척도 조합 방법과 결합한 멀티퍼셉트론 신경망 분류기와 기존의 DT, NB, SVM 분류기를 이용하여 클래스 분류 시스템을 구축하고, 성능을 비교분석하였다. 피어슨 적률 상관 계수와 유클리디안 거리 계수 조합을 이용하여 선택된 200 유전사들을 멀티퍼셉트론 신경망 분류기로 분류한 결과 98.84%의 정확도를 보여 다른 분류기를 이용하여 실험을 수행한 경우보다 향상된 분류 성능을 보였다. As development in technology of bioinformatics recently mates it possible to operate micro-level experiments, we can observe the expression pattern of total genome through on chip and analyze the interactions of thousands of genes at the same time. In this thesis, we used CDNA microarrays of 3840 genes obtained from neuronal differentiation experiment of cortical stem cells on white mouse with cancer. It analyzed and compared performance of each of the experiment result using existing DT, NB, SVM and multi-perceptron neural network classifier combined the similar scale combination method after constructing class classification model by extracting significant gene list with a similar scale combination method proposed in this paper through normalization. Result classifying in Multi-Perceptron neural network classifier for selected 200 genes using combination of PC(Pearson correlation coefficient) and ED(Euclidean distance coefficient) represented the accuracy of 98.84%, which show that it improve classification performance than case to experiment using other classifier.