지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술대회자료
- 저자정보
- 저널정보
- Korean Institute of Information Scientists and Engineers 한국정보과학회 학술발표논문집 한국정보과학회 2011가을 학술발표논문집 제38권 제2호(B)
- 발행연도
- 2011.11
- 수록면
- 337 - 340 (4page)
이용수
이 논문의 연구 히스토리 (2)
2012
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
암 조절 메커니즘을 포함하여 생체 내에서 발생하는 대부분의 생물학적 조절 메커니즘은 여러 다양한 요소들이 서로 영향을 주고 받으며 발생하는 복잡한 문제이기 때문에 최근 유전체 수준에서 유전자간 모듈 단위로 분석하는 연구의 중요성이 부각되고 있다. 본 논문에서는 기존 그래프 모델과 달리 다수 인자들간의 고차원적 상호 연관 관계 분석이 가능한 하이퍼그래프(hypergraph) 모델을 이용하여 유전자들간의 연관관계를 학습한 후 학습된 하이퍼그래프의 구조를 NMF (non-negative matrix factorization)를 기반으로 분석하여 협력적으로 특정 암 관련 조절 메커니즘에 참여하는 중요 유전자 모듈을 탐색한다. NMF 기법은 음이 아닌 값으로 구성된 데이터를 두 종류의 양의 행렬의 곱 형식으로 분할하는 데이터 분석 방법으로 파트기반 패턴을 가지고 있는 인자들로 구성된 모듈을 추출하는데 유용하다. 이에 특정 조건에 영향을 주는 인자간 상호작용 관계를 학습하여 구축된 하이퍼그래프 구조를 분석하는데 적합하다. 본 논문에서는 다른 두 유형의 전립선 암 조직 miRNA (microRNA)와 mRNA 발현 데이터를 이용하여 기능적으로 상관관계가 존재하는 공격성 전립선 암의 특이적 miRNA-mRNA 조절 모듈을 탐색하고 생물학적으로 유의함을 실험결과로서 제시한다.
목차
요약
1. 서론
2. 진화연산을 이용한 하이퍼그래프 모델 학습
3. NMF 기반 학습된 하이퍼그래프 구조 분석
4. 실험결과
5. 결론
감사의 글
참고문헌
참고문헌 (0)
참고문헌 신청이 논문의 저자 정보
이 논문과 함께 이용한 논문
최근 본 자료
댓글(0)
0