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
- 학위논문
- 저자정보
- 지도교수
- 박세영
- 발행연도
- 2020
- 저작권
- 성균관대학교 논문은 저작권에 의해 보호받습니다.
이용수6
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
단세포 RNA 시퀀싱(single-cell RNA-sequencing, 이하 단세포 RNA) 데이터는 서로 다른 특징을 지닌 세포 조직으로부터 추출된 데이터로, 단세포 단위로 이루어진 유전자 정보가 기록되어 있다. 이 데이터는 세포 간의 이질성을 파악하는 것을 주요 목적을 한다. 그러나 단세포 RNA 데이터의 기술적인 특성 상 결측 비율이 높고, 노이즈가 크다는 이슈가 존재한다. 이러한 이유 때문에 기존의 군집화 방법을 적용하기엔 한계가 존재한다. 본 논문에서는 단세포 RNA 데이터 분석에서 모티브를 얻어 스펙트럼 군집화(spectral clustering) 기반의 방법을 새롭게 제안한다. 특히 유사도 행렬(similarity matrix)을 얻는 과정에 유전자 별 가중치를 부여하여 기존의 단세포 데이터 분석 방법과 차별화를 두었다. 제안하는 방법은 유전자 별로 가중치를 부여함과 동시에 세포를 군집화한다. 반복 알고리즘을 통해 군집화 식인 비볼록 최적화 식(non-convex optimization)을 풀어 단세포 RNA 데이터의 군집 알고리즘을 제안한다. 또한 시뮬레이션과 실데이터 분석을 통해 제안하는 군집화 방법이 기존의 방법보다 군집을 잘 구분하는 것을 확인한다. 제안하는 방법은 단세포 데이터와 같이 데이터에 결측값을 많이 포함하고 노이즈가 큰 복잡한 형태의 다양한 고차원 데이터 분석에 적용 확장 가능하다.
목차
제1장 서 론 11. 연구 배경과 방법론 소개 12. 논문 구성 2제2장 문헌 연구 41. 스펙트럼 군집화 42. SIMLR 73. 단세포 RNA데이터를 군집화 하는 대표적인 방법론 9(1) Seurat 9(2) SC3 10제3장 가중변수 스펙트럼 군집화 기법 121. 모델 122. 알고리즘 143. 수렴 기준 16제4장 시뮬레이션 171. 군집화 평가 척도 소개 172. 시뮬레이션 데이터 소개 183. WVSC의 모수 결정 194. 타 군집화 방법과 비교 및 가중치 탐색 24제5장 실데이터 분석 291. 실데이터 소개 29(1) 데이터 소개 29(2) 데이터 탐색 및 전처리 312. 민감도 분석(sensitivity analysis) 353. 군집화 성능 비교 384. 가중치 분석 42제6장 결 론 45참 고 문 헌 46부 록 50<부록 1 > 알고리즘 2-(c) 증명 50<부록 2 > 알고리즘 2-(d) 증명 51ABSTRACT 52
최근 본 자료
댓글(0)
0