• Proceedings of the Korea Information Processing Society Conference
• /
• 2014.04a
• /
• pp.677-679
• /
• 2014

생명현상은 기능적 요소인 단백질의 활성에 의해 유지되고 조절된다. 최근 단백질의 복잡한 네트워크 정보가 생명현상을 조절하는 기능적 단위로 인식되면서 단백질 네트워크의 최소 단위인 단백질-단백질 상호작용 정보의 중요성이 강조되고 있다. 특히 단백질의약품의 경우 단백질 네트워크 상에서 리셉터 단백질과 리간드 단백질 사이의 상호작용에 의해서 약효가 나타나도록 설계되기 때문에 상호작용에 관여하는 인터페이스 정보의 확보가 필수적이다. 단백질-단백질 상호작용 인터페이스 확인을 위한 연구들이 활발히 이루어지고 있으나 인터페이스 정보의 가시화에 대한 연구는 극히 제한적이다. 본 논문에서는 리셉터 단백질과 리간드 단백질에 대한 3차구조 분석을 통해 단백질-단백질 상호작용에 관여하는 인터페이스 정보를 가시화하였다. 기존의 단백질 3차구조 정보 서비스 사이트인 PDB에서 확인할 수 없는 인터페이스 정보를 3차원으로 시각화하여 인터페이스 상에 위치하는 아미노산 정보를 새롭게 제공함으로써 의약품 연구자들이 단백질 구조와 인터페이스 구조를 쉽게 파악할 수 있도록 하였다. 이는 의약품 등 단백질-단백질 상호작용 정보를 활용하는 바이오 산업 분야에 필요한 정보를 제공함으로써 산업 활성화에 기여할 것으로 기대된다.

• Proceedings of the Korean Society for Bioinformatics Conference
• /
• 2003.10a
• /
• pp.114-119
• /
• 2003

단백질 구조를 비교하는 방법은 단백질 구조를 표현하는 기술에 따라 다양하게 존재한다. 일반적인 단백질 구조 정렬방법은 단백질 구조를 원자 또는 Residue를 기준으로 표현하고, 표현된 두 구조사이의 일치된 부분을 찾는 방법과 단백질 구조를 단백질 이차구조요소로 표현하고 표현된 두 단백질 구조를 정렬하는 방법으로 크게 구분된다. 이러한 단백질 구조 비교 방법은 단백질 구조의 유사성을 측정하는 과정에서 많은 시간을 요구할 뿐만 아니라 PDB에 저장된 데이터가 증가함에 따라 보다 많은 단백질과 비교가 요구된다. 따라서 대용량의 단백질 구조 데이터베이스를 대상으로 효율적으로 단백질의 유사 부분구조를 찾을 수 있는 방법이 필요하다. 본 논문에서는 단백질 구조 비교를 보다 빠르고 효과적으로 수행하기 위하여, 기존의 단백질 이차구조 기반의 구조 표현 방법인 PSAML을 확장하여 단백질 이차구조가 가지는 공간상의 정보를 내포한 Topology String을 생성하고 이를 이용하여 대용량의 단백질구조 데이터베이스에서 유사성이 높은 단백질 구조를 필터링하는 방법에 대하여 기술한다. Topology String은 단백질 이차구조를 하나의 문자로 기술하여 아미노산 순서와 위상학적인(공간적인) 정보를 바탕으로 단백질 구조를 표현하여, 단백질 이차구조를 이용하여 구조 비교를 수행하기 이전에 유사성이 높은 단백질 구조를 신속하게 찾아내는데 효과적으로 적용될 수 있다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2015.04a
• /
• pp.873-874
• /
• 2015

단백질 의약품 개발 시 단백질 구조는 단백질 기능을 규명하기 위한 필수적인 정보이다. 따라서 단백질 구조를 효과적으로 전달할 수 있는 단백질 가시화 서비스가 증가하고 있으며, 대표적으로 Cn3D, Jmol, Chimera 등이 있다. 각 서비스는 단백질 가시화 서비스와 함께 단백질 분석을 위한 부가 기능을 제공하고 있다. 본 논문에서는 단백질 의약품의 효율적 정보전달 서버스를 위한 사전 연구로 업계종사 기간이 5년 이상인 피험자를 대상으로 단백질 가시화 이용현황을 설문하였다. 설문 분석 결과 자주 이용하는 단백질 가시화 서비스로 피험자 모두 PDB를 사용한다고 응답하였으며, 단백질 1, 2차구조 혼합 가시화 서비스를 일주일에 4회 이상 사용하는 응답자가 58.3%였다. 특히 단백질 의약품 개발 시 반드시 필요한 단백질 정보로는 91.6%가 단백질 1차구조, 단백질 2차구조, 단백질 2차구조 비율이라고 응답하였다.

• Proceedings of the Korean Society for Bioinformatics Conference
• /
• 2003.10a
• /
• pp.73-78
• /
• 2003

유전 연구를 통해 밝혀지고 있는 단백질은 각각의 기능적 특성을 가지고 서로 영향을 주고받으며 상호 작용한다. 단백질의 기능적 특성은 생물체에서는 단백질이 나타내는 기능으로 단백질 이름은 이들 단백질의 기능을 정확히 나타낼 수 있도록 붙여진다. 기능적 특성에 의해 명명된 단백질은 단백질을 구성하는 단어도 단백질과 유사한 기능 특성을 가질 가능성이 높다. 이는 텍스트 기반의 연구에서 단어가 가지는 중요성에서 비롯된다. 본 논문에서는 단백질을 구성하는 단어들을 단백질의 기능적 특성으로 분류하고, 이 기능분포에 의해서 단백질의 기능을 역으로 예측하고 판단하고자 하였다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2004.04b
• /
• pp.271-273
• /
• 2004

단백질의 기능은 단백질의 구조에 따라 결정되며, 새로운 단백질의 기능을 파악하기 위하여 이미 밝혀진 단백질의 기능과 구조를 비교하는 방법이 사용되고 있다. 단백질 구조를 비교하는 방법은 단백질 구조를 표현하는 방법에 따라 다양하게 개발되고 있으며, 보다 효과적으로 관련된 연구자들이 자신의 연구에 활용하기 위해서는 빠르고 쉽게 활용할 수 있는 인터페이스를 제공하는 도구가 필요하다. 본 논문에서는 PDB 데이터베이스에서 제공하는 단백질 정보를 이용하여 PSAML 및 Topology String 데이터베이스를 구축하고 이를 바탕으로 웹 기반에서 단백질 구조 비교를 보다 빠르고 효과적으로 수행하는 시스템에 대하여 기술한다. PSAML 데이터베이스는 단백질 구조를 단백질 이차구조 및 그들 사이의 관계를 포함하는 PSAML 데이터를 제공하며, Topology String 데이터베이스는 단백질 구조를 단백질 이차구조를 하나의 문자로 기술하여 아미노산 순서와 위상학적(공간적) 정보를 포함하는 문자열로 단백질 구조정보를 제공한다. 이를 이용하여 구축된 웹 기반 단백질 구조 비교 시스템은 Topology String 정렬 방법을 통하여 보다 빠르게 유사성이 높은 부분 구조를 찾는 방법을 제공한다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2003.10b
• /
• pp.811-813
• /
• 2003

단백질의 기능은 단백질의 구조에 따라 결정되며, 새로운 단백질의 기능을 파악하기 위하여 이미 밝혀진 단백질의 기능과 구조를 비교하는 방법이 사용되고 있다. 단백질 구조를 비교하는 방법은 단백질 구조를 표현하는 방법에 따라 다양하게 개발되고 있으며, 보다 효과적으로 관련된 연구자들이 자신의 연구에 활용하기 위해서는 빠르고 쉽게 활용할 수 있는 인터페이스를 제공하는 도구가 필요하다. 본 논문에서는 단백질 이차구조 및 그들 사이의 관계를 이용하여 단백질 구조를 표현하는 PSAML과 이를 이용하여 표현된 단백질 구조를 비교하는 시스템인 S4E(Search Substructures of Secondary Structure Elements)에 관하여 기술한다. S4E 시스템은 단백질 이차구조와 그들 사이의 관계(각도, 거리, 길이)를 이용하여 표현된 단백질 구조를 비교하여 유사성이 높은 부분을 찾는 기능을 제공한다. 또한 S4E 시스템은 이차구조 기반의 단백질 구조 데이터베이스(PSAML 데이터베이스) 및 웹 기반 사용자 인터페이스를 제공하여 사용자가 쉽고 효과적으로 단백질 구조 비교를 할 수 있다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2004.10b
• /
• pp.286-288
• /
• 2004

단백질 상호작용 데이터는 현 생물정보학에서 기능이 알려지지 않은 단백질의 기능 예측에 높은 신뢰성이 있는 프로티오믹스의 계산 모델에 이용되고 있다. 일반적으로 이 단백질 기능 예측 알고리즘들은 대규모의 2차원 단백질-단백질 상호작용 맵에서 Guilt-by-Association 개념 기반으로 개발되고 있다. 본 논문에서는 단백질-단백질 상호작용 데이터를 이용한 그래프 기반 단백질 기능 예측 모델을 개발하였다. 특히, 이 모델은 대량의 상호작용 데이터에서 정확한 기능 예측을 수행할 수 있다는 장점을 가지고 있다. 이를 위해 Yeast에 대한 단백질 상호작용 맵, Homology 및 Interaction Generality를 이용하여 이 모델을 평가하였다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2003.10b
• /
• pp.805-807
• /
• 2003

현재 생물분자의 기능적 관점에서 단백질 구조에 관심이 많이 모아지고 있다. 단백질의 기능은 구조에서 기인하기 때문에 두 단백질의 구조간의 유사성을 측정할 수 있는 방법은 두 단백질의 기능의 유사성을 유추할 수 있다. 본 논문에서는 두 단백질의 구조의 유사성을 측정하기 위한 단백질의 새로운 표현(representation)으로 3차원 에지 히스토그램을 제안한다. 단백질의 3차원 구조를 작은 복셀(voxel)로 이루어진 공간으로 나누고 복셀들로부터 3차원 에지 히스토그램을 추출하여 두 단백질간의 유사도 계산에 이용한다. 이를 통하여 단백질의 검색 및 분류를 시도한다.

• Proceeding of EDISON Challenge
• /
• 2017.03a
• /
• pp.95-99
• /
• 2017

Protein contact map은 단백질 삼차구조에 대한 정보를 이차원의 이미지로 표현하는 방법의 하나로, 비교적 간략하지만 단백질 구조에 대한 핵심적 정보를 함축하고 있다. 이러한 단백질 구조를 바탕으로 단백질의 internal energy, solvation free energy, free energy 와 같은 열역학 함수를 도출할 수 있다. 본 연구에서는 이미지 인식에 대한 머신러닝 기법을 사용하여 단백질 구조를 함축하는 단백질의 contact map으로부터 단백질의 열역학적 함수를 예측하는 연구를 진행하였다. 단백질의 main-chain 간의 contact map, side-chain 간의 contact map, main-chain과 side-chain 간의 contact map 들로부터 단백질의 여러 가지 열역학적 함수를 예측하고자 했으며 최종적으로 Convolution Neural Network (CNN) 기법을 사용하여 단백질의 free energy를 ~18 kcal/mol의 범위에서 예측 가능함을 보였다. 본 연구를 바탕으로 단백질의 contact map과 열역학 함수 사이의 상관관계가 있으며, 머신러닝 기법을 사용하여 단백질 contact map으로부터 열역학적 함수를 예측하는 것이 가능함을 보였다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2002.12a
• /
• pp.473-477
• /
• 2002

세포내에서 특정 단백질이 합성되어 이용되는 것을 단백질의 발현이라 한다. 이러한 단백질의발현을 조사하는 작업은 세포내 대사과정을 밝혀내는 데 있어서 매우 중요한 역할을 담당하고 있다. 단백질의 발현을 조사하기 위해서는 세포로부터 추출하여 정제한 단백질이 어떤 단백질인지를 확인하는 작업이 필요한데 현재로써는 확인하고자 하는 단백질 효소로 분해하여 분해된 조각들의 질량을 측정하여 기존에 알려진 단백질들을 분해했을 때 이론상 나을 수 있는 조각들의 무게와 비교하여 가장 근접한 단백질을 찾아내는 질량분석기법(mass Spectrometry)이 널리 사용된다. 그러나 이 방법은 확인하고자 하는 단백질의 아미노산 서열이 알려져 있을 경우에만 사용할 수 있다는 한계점을 가지고 있다. 본 논문에서는 이러한 한계를 계산적인 방법으로 극복하고자 동일단백질을 여러가지 효소로 분해하여 나오는 조각들의 질량을 측정하고 이들을 조합하여 원래 단백질의 아미노산 서열을 알아낼 수 있는 알고리즘을 제안한다.