• Proceedings of the Korean Information Science Society Conference
• /
• 2006.06a
• /
• pp.73-75
• /
• 2006

생물체 내에서 중요 생물학적 기능을 수행하는 기본 단위인 단백질 및 이들의 상호작용 대한 많은 연구가 이루어져 다양한 생물체에 대한 단백질 상호작용 데이터베이스가 구축되었다. 본 논문에서는 효모에 대해 공개되어있는 단백질 상호작용 데이터를 이용하여 새로운 단백질 상호작용을 예측하는 방법을 제안한다. 논문에서는 문헌에서 연관 정보를 효율적으로 찾아내기 위하여 제안된 연관개념공간 탐색 방법을 확장하여 단백질 상호작용 예측에 사용한다. 단백질들은 각각이 가지는 다양한 속성들의 벡터로 간주되며, 상호작용은 해당 단백질들의 연관성을 통해 이루어지는 것으로 표현된다. 상호작용하는 두 단백질들의 속성은 단어의 공동 출현과 같이 고려되어 단백질 상호작용은 두 단백질 벡터의 요소로 표현되고 벡터의 요소 속성들 간의 연관성을 표현하기 위해 연관속성개념공간으로 사상되어 공간상의 거리 기반으로 연관속성을 추출한다. 추출된 연관속성을 최대로 포함하는 단백질들 간의 상호작용을 예측하는 방식으로 단백질 상호작용을 예측한다. 논문에서 제안한 방법은 효모의 단백질 상호작용 예측에 대해 평균 약 91.8%의 예측 정확도를 보여, 연관속성개념공간을 이용한 방법이 단백질 상호작용을 예측하는 또 다른 대안으로 사용 될 수 있음을 확인하였다.

• 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 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
• /
• 2005.11b
• /
• pp.274-276
• /
• 2005

본 논문에서는 단백질 상호작용 네트워크의 복잡성을 제어하고 생물학자가 자신이 설정한 조건을 만족시키는 환경에서 추가적인 다양한 제약 조건을 가하면서 원하는 상호작용 네트워크를 구성하고 조작할 수 있도록 지원하는 Constraints Based Dynamic Protein Interaction Network 이라는 새로운 개념의 단백질 상호작용 네트워크를 소개한다. 본 기법에서는 기존의 단백질 상호작용 네트워크에서 주로 사용하는 단백질 상호작용 정보뿐 아니라 단백질 상호작용에 영향을 미칠 수 있는 개개 단백질의 물리 화학적 특성 및 위치 정보와 상호작용의 환경 정보도 단백질 상호작용 네트워크 구성에 활용한다. 제안된 네트워크상에서 생물학자는 단백질 상호작용 네트워크 구성 조건을 변경하거나 얻어진 네트워크에 변경을 가하면서 점차 자신이 원하는 의미 일은 대사경로 모델을 찾거나, 제약조건의 다양한 조작을 통하여 생물학적 실험을 통하여 얻어진 대사모델의 유효성을 검증하는 것도 가능하다.

• Proceedings of the Korean Society for Bioinformatics Conference
• /
• 2004.11a
• /
• pp.64-73
• /
• 2004

세포 내에서 일어나는 신호 전달 과정은 단백질간의 상호작용을 통해 수행되고 조절된다. 단백질 상호작용 데이터를 활용하여 수행된 연구로는 단백질의 기능을 유추하거나 전체 네트워크 중 다른 지역보다 더 조밀한 상호작용을 추출하여 complex 혹은 pathway를 발견하고 진화 과정을 이해하는 바탕이 되고 있다. 본 연구에서는 신호 전달 경로에 대한 사전 정보 없이 yeast 상호작용 정보와 녹색형광단백질(GFP)을 이용하여 밝혀진 4000여 개의 yeast 단백질 위치 분포 data를 이용하여 신호전달경로를 찾는 방법을 시도했다. 기존 연구에 의해 밝혀진 yeast 내의 단백질 위치 분포 결과를 보면 21개의 category에 대해 각 단백질 상호작용 분포가 다양하게 나타나고, 특정 위치에서 상호작용 빈도수가 현저히 크다는 것을 알 수 있다. 특히 두 단백질이 같은 장소에 있을 경우 상호작용 확률이 높으며, 세포 내 소기관 사이에도 상호작용의 정도가 다양함이 알려져 있다. 따라서 이러한 분포상의 특성을 고려하여 상호작용을 기반으로 하여 세포막 단백질을 출발점으로, 핵에 있는 단백질을 도착점으로 잡고, 그 사이에 존재하는 다양한 가능 경로 중에서 단백질의 위치 정보를 가중치로 사용하여 그 중 최대 가능 경로를 찾도록 구현하였다. 이와 같은 pathway 모델링은 기존에 밝혀진 pathway와의 비교를 통해 알려지지 않은 새로운 경로를 발견하고, 이전에 경로에 참여하지 않은 단백질들을 발견할 수 있고, 이미 알려진 단백질들의 새로운 기능들에 대해서도 추론할 수 있을 것이라 기대한다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2005.07b
• /
• pp.277-279
• /
• 2005

단백질들은 서로 다른 단백질들과 상호작용하거나 복합물을 형성함으로써 생물학적으로 중요한 기능을 한다고 알려져 있다. 때문에 대부분의 세포작용에 있어 중요한 역할을 하는 단백질들 간의 상호작용 분석 및 예측에 대한 연구는 여러 연구그룹으로부터 풍부한 데이터가 산출된 후게놈시대(post-genomic era)에서 또 하나의 중요한 이슈가 되고 있다. 본 논문에서는 효모에 대해 공개되어있는 단백질 상호작용 데이터들에서 속성들 간의 연관규칙 학습을 통해 잠재적 단백질 상호작용들을 예측하기 위한 연관규칙 기반의 상호작용 예측 방법을 제시한다. 단백질들 간의 상호작용 예측을 위해 고려되는 각 단백질의 다수의 속성차원은 정보이론 기반의 속성선택 알고리즘을 이용하여 효율적으로 줄이며 상호작용의 속성집합을 이용하여 신경망을 훈련시키고 이렇게 훈련된 신경망에서 속성들 간의 연관규칙을 디코딩하여 연관규칙 기반의 상호작용 예측에 활용한다. 연관속성 발굴을 통한 상호작용 예측을 위한 마이닝 방법으로는 연관규칙 발견 알고리즘을 사용하였으며 예측 정확도를 높이기 위하여 신경망 예측 모델의 학습 결과를 디코딩한 규칙들이 추가적으로 사용하였다. 논문에서 제안한 방법을 발견된 연관규칙을 통한 단백질 상호작용 예측문제에 있어 평균 약 $94.5\%$의 예측 정확도를 보였다.

• Journal of KIISE:Computing Practices and Letters
• /
• v.10 no.4
• /
• pp.299-308
• /
• 2004

In this paper, we propose a probabilistic framework to predict the interaction probability of proteins. The notion of domain combination and domain combination pair is newly introduced and the prediction model in the framework takes domain combination pair as a basic unit of protein interactions to overcome the limitations of the conventional domain pair based prediction systems. The framework largely consists of prediction preparation and service stages. In the prediction preparation stage, two appearance probability matrices, which hold information on appearance frequencies of domain combination pairs in the interacting and non-interacting sets of protein pairs, are constructed. Based on the appearance probability matrix, a probability equation is devised. The equation maps a protein pair to a real number in the range of 0 to 1. Two distributions of interacting and non-interacting set of protein pairs are obtained using the equation. In the prediction service stage, the interaction probability of a Protein pair is predicted using the distributions and the equation. The validity of the prediction model is evaluated for the interacting set of protein pairs in Yeast organism and artificially generated non-interacting set of protein pairs. When 80% of the set of interacting protein pairs in DIP database are used as teaming set of interacting protein pairs, very high sensitivity(86%) and specificity(56%) are achieved within our framework.

• The Journal of the Korea Contents Association
• /
• v.8 no.6
• /
• pp.74-81
• /
• 2008

Protein interaction network contains a small number of highly connected protein, denoted hub and many destitutely connected proteins. Recently, several studies described that a hub protein is more likely to be essential than a non-hub protein. This phenomenon called as a centrality-lethality rule. This nile is widely credited to exhibit the importance of hub proteins in the complex network and the significance of network architecture as well. To confirm whether the rule is accurate, we Investigated all protein interaction DBs of yeast in the public sites such as Uetz, Ito, MIPS, DIP, SGB, and BioGRID. Interestingly, the protein network shows that the rule is correct in lower scale DBs (e.g., Uetz, Ito, and DIP) but is not correct in higher scale DBs (e.g., SGD and BioGRID). We are now analyzing the features of networks obtained from the SGD and BioGRD and comparing those of network from the DIP.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2011.11a
• /
• pp.1115-1118
• /
• 2011

단백질 사이의 상호작용 네트워크(PPI network: Protein-Protein Interaction network)를 이용하여 단백질 기능을 예측 하는 것은 단백질 기능 예측 기법들 중에서 중요한 작용을 한다. 하지만 PPI를 이용한 단백질 기능 예측은 기능의 복잡도와 다양성으로 인해 제한적인 결과를 나타내 왔다. 따라서 본 논문에서는 기존의 연구들 보다 높은 정확도로 단백질 기능을 예측하기 위해 기능 예측을 하려는 단백질과 상호작용 하는 단백질들에 그래프 마이닝 기법을 적용하여 빈발 2-노드 상호작용 패턴을 찾고, 그 패턴을 이용하여 단백질 기능을 예측하는 접근법을 제안하였다. 실험데이터로 DIP(Database of Interacting Proteins)에서 제공하는 단백질 상호작용 데이터를 사용하였으며, 다른 기존의 단백질 기능 예측 기법들보다 높은 정확도를 보여주었다.

• Journal of KIISE:Software and Applications
• /
• v.31 no.12
• /
• pp.1602-1610
• /
• 2004

As various genome projects have produced enormous amount of biosequence data, functional sequence analysis in terms of tile nucleic acid and protein becomes very significant. In functional genomics and proteomics, the functional analysis of each individual gene and protein remains a big challenge. Contrary to traditional studies, which regard proteins as not components of a whole protein interaction network but individual entities, recent studies have focused on examining functions and roles of each individual gene and protein in view of a whole life system. In this regard, it has been recognized as an appropriate method to analyze protein function on the basis of synthetic information of its interaction and domain modularity. In this context, this paper introduces the PIVS (Protein-protein interaction Inference & Visualization System), which predicts the interaction relationship of input proteins by taking advantage of information on homology degree, domain modules which input sequences contain, and protein interaction relationship. The information on domain modules can increase the accuracy of the function and interaction relationship analysis in terms of the specificity and sensitivity.