Motivation: Protein-protein interaction plays a critical role in the biological processes. The identification of interacting proteins by bioinformatical methods can provide new lead In the functional studies of uncharacterized proteins without performing extensive experiments. Results: Protein-protein interactions are predicted by a computational algorithm based on the weighted scoring system for domain interactions between interacting protein pairs. Here we propose potential interaction domain (PID) pairs can be extracted from a data set of experimentally identified interacting protein pairs. where one protein contains a domain and its interacting protein contains the other. Every combinations of PID are summarized in a matrix table termed the PID matrix, and this matrix has proposed to be used for prediction of interactions. The database of interacting proteins (DIP) has used as a source of interacting protein pairs and InterPro, an integrated database of protein families, domains and functional sites, has used for defining domains in interacting pairs. A statistical scoring system. named "PID matrix score" has designed and applied as a measure of interaction probability between domains. Cross-validation has been performed with subsets of DIP data to evaluate the prediction accuracy of PID matrix. The prediction system gives about 50% of sensitivity and 98% of specificity, Based on the PID matrix, we develop a system providing several interaction information-finding services in the Internet. The system, named PreDIN (Prediction-oriented Database of Interaction Network) provides interacting domain finding services and interacting protein finding services. It is demonstrated that mapping of the genome-wide interaction network can be achieved by using the PreDIN system. This system can be also used as a new tool for functional prediction of unknown proteins.

Recent developments in literature data mining for biology call for the design of a common framework that can be used to assess the performance of the reported systems in a fair and objective way. In this talk, we present an on-going effort to make it possible, in the form of challenges in the extraction of biological pathways and in the ontology construction. We are currently making this effort jointly with Lynette Hirschman (MITRE), Junichi Tsujii (University of Tokyo), Limsoon Wong (KRDL), and Cathy Wu (Georgetown University)

2D-PAGE/MALDI-TOF는 프로-테옴 연구의 중요한 실험 기법중의 하나이다. 이는 단백질의 발현 분석을 위한 방법으로, 2D-PAGE 결과로 얻어진 영상 데이터의 분석에 대한 정확도가 단백질 발현에 대한 분석 결과의 질을 결정하는 중요한 요인으로 작용한다. 2D Electrophoresis에 의한 Gel Protein Database는 현재 많은 연구자들에 의해 생산되고 있으며, 대단히 많은 데이터들이 인터넷을 통하여 접근이 가능하다. 이러한 대량 정보의 Database 활용이 가능한 상황은 2D-PAGE에 의해 생산된 Gel Image의 상호 비교에 대한 요구를 도출하였다. 본 발표에서는 영상처리 및 형태인식 기술과 2D-PAGE 연구의 결합을 주제로 하여, 2D-PAGE Gel 영상 처리 및 비교에 관련되는 전처리 (preprocessing), spot detection, feature extraction, spot matching 및 image comparison 기술을 소개한다.

현대적 실험방법 및 유전공학의 발전으로 최근 생물학적 자료는 비약적으로 늘어나고 있다. 이러한 자료의 기계학습을 이용한 분석방법은 많은 비용과 시간을 요구하는 전통적인 생물적 실험에 있어서 실험 시간을 단축시켜주고 실험비용을 줄여 주게 된다. 본 논문에서는 특별히 micro array data의 분석에 있어서 graphical model에 기반한 기계학습 방법들을 소개한다. 이중 GTM 은 특히 시각화 효과가 뛰어난 방법으로 Graphical model 에 기반한 GTM의 제반 특성을 소개하고 이를 yeast data의 분석에 적용시킨 결과를 자세히 알아보고자 한다. (**Presentation file을 수신 보관 중)

RNA pseudoknots are not only important structural elements for forming the tertiary structure, but also responsible for several functions of RNA molecules such as frameshifting, read-through, and the initiation of translation. There exists no automatic method for drawing RNA pseudoknot structures, and thus representing RNA pseudoknots currently relies on significant amount of manual work. In this talk, I will introduce the first algorithm for automatically generating a drawing of RNA pseudoknot structures. Two basic criteria were adopted when designing the algorithm: (1) Overlapping of structural elements should be minimized to increase the readability of the drawing, and (2) The whole RNA structure as well as the pseudoknots themselves should be recognized quickly and clearly. The algorithm has been implemented in a JAVA program, which can be executed on any computing systems. Experimental results show that this program generates a clear and compact drawing of RNA pseudoknots and allows a biologist to gain insights into RNA pseudoknot structures. The program can also be used as useful aids in designing biochemical experiments to elucidate more precise mechanism of RNA functions associated with pseudoknots.

생물체의 유전자 서열들간의 유사성을 서로 비교해보는 일은(sequence alignment)는 분자생물학 연구에서 아주 기본적인 작업에 속한다. 이 작업은 컴퓨터 과학적 입장에서 살퍼보면 일종의 스트링 분석작업인데, 그 과정에는 매우 복잡한 생물학적인 가정이 내포되어 있다. 본 발표의 목적은 크게 두가지인데 하나는 컴퓨터과학 연구자들에게 서열정렬(sequence alignment)이 가지는 분자생물학적 의미에 대하여 개략적인 이해를 돕도록 하는 것이며, 다른 한편으로 분자생물학자들에게는 스트링처리방법을 이용한 서열정렬 문제에서 어떤 기술적인 한계가 있으며 그 한계를 극복하기 위한 새로운 방법론에 대하여 소개하여 컴퓨터과학적 이해의 폭을 넓히는 것이다. 그리고 생물체의 서열정보의 정렬과 매우 유사한 개념으로 각종 선형구조체(linear object)를 추상화 할 수 있른데, 그들간의 유사성도 같은 분자생물학적 방법론을 차용하여 분석할 수 있음을 보인다. 동시에 이것을 이용하여 각종 인터넷 문서나 프로그램, 등의 표절과 무단도용 등을 추적할 수 있는 방법론을 기존의 genomic sequence alignment tool을 차용해서 매우 효율적으로 할 수 있음을 보인다.

유전체연구사업단은 국내에서 발병 및 사망빈도가 가장 높은 위암과 간암의 퇴치를 목적으로 국가적 특목전략사업으로 연구를 추진하고 있다. 이와 별도로 보건복지부에서는 22개의 중요 질병별 유전체 연구센터를 전국적으로 추진하고 있다. 따라서, 연구가 성공적으로 진행되면 각 연구소에서 독자적으로 개발하여 제공하는 생명정보의 양은 거의 무한에 이를 것이다. 그러나 생명정보는 환자진료에 도움을 주기 위해서는 궁극적으로 임상정보와 함께 유기적으로 통합되어야 한다. 임상정보와의 통합을 위해서는 의료기관의 진료정보와 연구소의 생명정보가 연계되어 엄밀한 임상실험이 추가적으로 실시되어야 한다. 뿐만 아니라 생명정보학의 발전을 위해서는 연구대상의 임상정보가 공유되어야 한다. 유전체정보를 이용하는 생명정보학(Bioinformatics)은 각 국가마다 전략사업으로 간주하여 막대한 투자가 이루어지는 새로운 분야이다. 현재 선진국에서 개발 사용 중인 시스템의 연간 사용료가 고가이므로 국내 도입은 거의 불가능하거나 또는 매우 비효율적이다. 유전체 또는 생명정보의 임상활용 및 생명정보연구를 위한 임상정보 공유를 위해서는 우선 다음의 사항이 개발되어야 한다. 1) 다음과 같은 개별환자의 정보를 각 의료기관에서 제공 받아 저장 활용한다. - 진찰 및 임상소견, 수술기록, 경과기록, 검사결과 (임상병리, 해부병리, 방사선 등), - 영상정보 (X-ray, CT, MRI, 초음파, 전자현미경, 그래픽 등), - 환자개인기록(병력, 과거력, 가족력, 알러지 등), - 예방접종 기록 2) 각 연구소에서 첨단기술을 이용하여 개발되는 생명정보를 임상에 활용하기 위해서는 유전체연구센타와 병원간에 임상정보와 유전체 분석정보의 공유가 필수적으로 발생하게 됨으로, 유전체 정보와 임상정보의 통합은 미래 의료환경에 필수기능이 될 것이다. 3) 각 생명공학 연구소에서 사용하는 첨단 분석 장비와 생명공학 정보시스템의 자동 연계가 필요하다. 현재 국내에는 전국적인 초고속정보망이 가동되어 웹을 기반으로 하는 생명정보의 공유는 기술적으로 문제가 될 수 없으나 임상정보의 유전체연구에 그리고 유전체연구정보의 임상활용은 다양한 문제를 내포하고 있다. 이에 영상을 포함한 환자정보의 유전체연구센터와 병원정보시스템과의 효율적인 연계통합 운영을 위해 국내에서는 초기 도입단계에 있는 국제적인 보건의료정보의 표준인 Health Level 7 (textural information 공유), DICOM (image 및 wave 공유), 관련 ISO표준, WHO의 ICD9/10 (질병분류), LOINC (검사 및 관련용어), SNOMED International (의학용어) 등을 활용하여야 한다.

최근 인간 지놈(genome)의 DNA가 밝혀져서 많은 관심을 받았는데, 이를 수행하는 방법을 소개한다. Human Genome Project에서 채택한 BAC-to-BAC 방식과 Celera 회사에서 채택한 whole genome shotgun 방식을 설명한다. 또한 두 방식에서 공히 fragment assembly 프로그램을 사용하는데, 이 프로그램의 개요를 설명한다.

생물정보공학을 위한 학문적/실용적 접근은 전산학, 생물학, 유전공학, 수학/통계학등이 유기적으로 통합되어 이루어져야 한다. 그러나 각계의 전문가가 서로의 특정 지식을 활용하기 위한 물리적인 기반이 갖추어져 있지 않은 상태에서는 각 분야의 전문적 지식 활용이 용이하지 않다. 현재의 의료 서비스 제공자/병원이 가진 방대한 의료 데이터를 생물정보공학 령역에서 활용할 수 있도록 해야 하고, 진료 데이터에 근거한 유전적 정보 분석을 위해 생물학 전문가들이 생성하는 인간 질병에 관한 유전적 분석, 연구 결과를 다시 의료 서비스 제공자에게 돌려주는 순환적 사이클이 필요하고, 이러한 순환적 사이클 지원자는 정보 기술이라고 생각한다. 인간 질병 극복과 좀 더 나은 진료, 예방책을 제공할 수 있도록 생물정보공학, 의료정보학, 컴퓨터과학의 통합 활용 목표를 설정할 수 있다. 각계의 전문가가 지식을 공유할 수 있고 기존의 병원 시스템 및 유전 연구소 등의 시스템을 통합하여 유기적으로 엮음으로써 데이터를 의미 있게 해석하고 공유할 수 있도록 지원하는 프레임워크가 절실히 요구된다. 본 세미나에서는 의료정보학과 생물정보공학에서 활용하는 시스템 통합, 전문 지식의 통합적 활용을 위해 각 전문가를 대신하는 에이전트로 구성된 멀티에이전트 플랫폼을 제시하여, 각 분야가 갖는 전문성 확보, 광고, 유기적 연결을 멀티에이전트 시스템에게 위임함으로써 각 영역에서 서비스 할 수 있는 내용과 서비스 제공 주체인 각계의 전문가 집단을 유기적으로 통합하고자 한다. 의료 영역에서 이루어진 의료 영상 통신 시스템 (Picture Archiving and Communication Systems), 의료 정보 표준화를 위한 HL7 (Health Level 7)에 대해서 경북대학교 지능정보 연구실에서 연구, 개발한 내용을 발표한다. 의료 정보 시스템과 생물학 영역의 유전체 정보 데이터베이스 시스템 사이에 의미 있는 데이터 전송, 지식 획득을 위해 정보 기술 분야에서 활용해야 할 영역으로 XML Web Services, Multi-agent Systems, 전문가 컴뮤니티를 위한 그룹웨어 연구 개발에 관해 사례 중심으로 발표한다.

Gene-shaving(Hastie et al, 2000) is a very useful method to identify a meaningful group of genes when the variation of expression is large. By shaving off the low-correlated genes with the leading principal component, the primary genes with the coherent expression pattern can be identified. Gene-shaving method works well If expression levels are varied enough, but it may not catch the meaningful cluster in low expression level or different expression time even with coherent patterns. The sliding window gene-shaving method which is to apply gene-shaving in each sliding window after hierarchical clustering is to compensate losing a meaningful set of genes whose variation is not large but distinct. The performance to identify expression patterns is compared for the simulated profile data by the different variance and expression level.