• Proceedings of the Korean Information Science Society Conference
• /
• 2003.10b
• /
• pp.787-789
• /
• 2003

본 논문에서는 생물체의 세포에 존재하는 방대한 단백질들 사이의 복잡한 상화작용 관계 네트워크를 개념화하기 위한 방법을 제안한다. 일반적으로 하나의 단백질은 세포의 특정한 구성요소로서 몇 개의 생물학적 작용에 참여하며 고유의 분자 기능을 수행하게 된다. 즉, 하나의 상호작용 관계 네트워크에 포함된 각각의 단백질들은 구성요소(Cellular Component), 생물학적 작용(Biological Process), 그리고 분자 기능(Molecular Function) 3가지 특징으로 개념화할 수 있다. 또한, 비슷한 특징으로 개념화되는 단백질들은 서로 클러스터링될 수 있기 때문에 단백질 상호작용 네트워크를 일반적인 의미의 개념 네트워크로 표현할 수 있다. 여기서, 단백질 특징을 개념화하기 위해 사용되는 표준개념과 이 개념들 사이의 관계를 정의하는 유전자 온톨로지(Gene Ontology)가 이용된다.

• Proceedings of the Korea Contents Association Conference
• /
• 2016.05a
• /
• pp.189-190
• /
• 2016

바이러스는 RNA나 DNA의 유전물질과 그것을 둘러싸고 있는 최소한의 단백질들만으로 구성되어 있기 때문에 바이러스가 증식하기 위해서는 숙주세포에 침투하여 전적으로 숙주의 복제 기구를 이용해야만 한다. 하지만 아직까지 뎅기 바이러스의 감염 및 복제 기전은 명확하게 밝혀지지 않았다. 이에 본 연구에서는 바이러스의 감염 및 복제기전에 대한 유용한 정보를 도출하기 위하여 사람 단백질과 뎅기 바이러스 단백질의 상호작용(Hu-DV PPI) 네트워크를 분석하였다. 우선 문헌조사를 통하여 실험적으로 검증된 뎅기 바이러스 단백질(9개)과 상호작용하는 사람 단백질(149개)을 추출하였으며, 이 정보를 이용하여 사람-뎅기 바이러스 단백질 상호작용 네트워크를 구축하였다. 이 네트워크를 기반으로 바이러스 감염 전/후의 네트워크 구조 및 특성을 분석하였으며, 이 정보를 바탕으로 감염경로를 탐색하였다.

• Annual Conference of KIPS
• /
• 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.

• Proceedings of the Korean Information Science Society Conference
• /
• 2004.10b
• /
• pp.277-279
• /
• 2004

본 논문은 생명체 세포에 존재하는 방대한 단백질들 사이의 상호작용 관계들로 표현되는 네트워크에서 사용자가 관심 있는 부분 네트워크를 개념적으로 필터링 할 수 있는 방법을 설계하고 구현하였다. 이 방법은 1) 유전자 온톨로지를 이용하여 필터링 조건을 입력하고, 2) 이 조건을 만족하는 단백질들을 네트워크에서 필터링 한 다음, 3) 이 단백질들 중 사용자가 관심이 있는 단백질만 선택하고, 4) 선택된 단백질들과 일정 거리에 있는 상호작용 관계들을 필터링 함으로서 수행된다. 네트워크 필터링은 생물학자가 방대한 네트워크에서 자신이 관심이 있는 단백질들과 이들 사이의 관계에만 집중할 수 있도록 지원한다.

• The Journal of the Korea Contents Association
• /
• v.9 no.5
• /
• pp.332-336
• /
• 2009

Functional prediction of unannotated proteins is one of the most important tasks in yeast genomics. Analysis of a protein-protein interaction network leads to a better understanding of the functions of unannotated proteins. A number of researches have been performed for the functional prediction of unannotated proteins from a protein-protein interaction network. A chi-square method is one of the existing methods for the functional prediction of unannotated proteins from a protein-protein interaction network. But, the method does not consider the topology of network. In this paper, we propose a novel method that is able to predict specific molecular functions for unannotated proteins from a protein-protein interaction network. To do this, we investigated all protein interaction DBs of yeast in the public sites such as MIPS, DIP, and SGD. For the prediction of unannotated proteins, we employed a modified chi-square measure based on neighborhood counting and we assess the prediction accuracy of protein function from a protein-protein interaction network.

• Proceedings of the Korea Contents Association Conference
• /
• 2011.05a
• /
• pp.341-342
• /
• 2011

선행연구에서 우리는 암과 관련된 단백질-단백질 상호작용 네트워크와 단백질-질병 네트워크를 통해서 핵심 단백질 60개를 추출했다. 이 단백질들을 조절하여 암을 제어하기 위한 방법으로 miRNA(microRNA)를 이용하기위해 단백질과 상호작용하는 miRNA와 miRNA 서열정보를 추출하였다. 한 단백질과 상호작용하는 miRNA의 수가 많았기 때문에 각각의 miRNA에 대해 우선순위를 주어서 가중치를 부여했는데, 기준으로는 miRNA 서열길이, 수소결합 수 등으로 잡아주었다. 이 방법을 사용함으로써 밝혀지지 않은 단백질과 miRNA의 상호작용 서열을 찾는데 이용가능 할 것이다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2006.06a
• /
• pp.64-66
• /
• 2006

본 논문에서는 생물학적 실험에 의해 추출된 이종의 단백질 콤플렉스를 통해 대상 종의 콤플렉스를 단백질 상호적용 네트워크에서 예측할 수 있는 방법을 제안한다. 이 예측은 먼저 이종사이에 단백질의 비교를 통해 상동성을 색인한 다음, 이 상동성을 이용하여 이종의 콤플렉스를 대상 종으로 변형하고 그 형태를 단백질 상호작용 네트워크에서 탐색하는 과정으로 수행된다. Swiss-Prot 데이터 베이스의 단백질들을 대상으로 상동성 색인을 색인하였으며, 콤플렉스 형태를 분석하기 위해 DIP의 단백질 상호작용 네트워크를 이용하였다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2003.10b
• /
• pp.790-792
• /
• 2003

본 논문에서는 생물체의 세포에 존재하는 방대한 단백질들 사이의 복잡한 관계들로 표현되는 상호작용 네트워크를 효율적으로 항해할 수 있는 시스템을 제안한다. 이 항해 시스템은 네트워크 검색 컴포넌트 그리고 상호작용 정보 시각화 컴포넌트로 구성된다. 네트워크 검 색 컴포넌트는 사용자 질의를 통해 여러 네트워크들 중에서 사용자가 관심이 있는 네트워크들만을 개념기반으로 검색할 수 있도록 지원한다. 또한, 사용자는 시각화 컴포넌트를 통해 검색된 하나의 네트워크에 포함된 복잡한 노드들 사이의 관계 정보를 자동으로 시각화할 수 있다.

• Proceedings of the Korea Contents Association Conference
• /
• 2012.05a
• /
• pp.357-358
• /
• 2012

후성유전은 DNA 염기서열이 변화하지 않은 상태에서 특별한 후성적 조절 기전에 의해 유전자의 발현 양상이 변하는 현상이다. 후성적 조절 기전에는 DNA의 메틸화(methyaltion)와 히스톤 단백질의 변형(modification), non coding RNA에 의한 조절 등이 포함되는데, 이 중 DNA 메틸화 정도에 대한 패턴 분석은 후성유전을 이해하는 중요한 접근방법 중 하나이다. 네트워크와 DNA 메틸화 분석을 위하여 면역관련 264개 유전자들의 -2000bp ~ +200bp사이에 있는 DNA 염기 서열 정보를 추출하였다. 또한 면역관련 단백질들의 상호작용 정보를 이용하여 네트워크를 구축하고 여기에 메틸화 정보를 적용하여 상호작용과 메틸화 모티프와의 관계를 분석하였다. 메틸화 모티프 정보를 적용한 단백질 네트워크에서는 기존 단백질 네트워크보다 더 복잡한 구조를 이루고 있었다. 이러한 구조는 동일한 메틸화 모티프들이 여러 유전자들의 활성을 조절할 것으로 사료된다. 단백질 상호작용 네트워크에 모티프를 적용한 분석은 새로운 후성유전학적 연구를 위한 접근 방법으로 이용될 수 있을 것이다.

• Proceedings of the Korea Contents Association Conference
• /
• 2008.05a
• /
• pp.842-845
• /
• 2008

The 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 the centrality-lethality rule. This rule 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, SGD, 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.