• Journal of Plant Biotechnology
• /
• 제50권
• /
• pp.1-10
• /
• 2023

고구마(Ipomoea batatas L. Lam)는 영양소, 가공 식품, 동물 사료 및 색소 재료의 유용한 공급원으로 이용 가능한 경제적으로 중요한 대표적인 뿌리 작물이다. 일반적으로 고구마의 저장 뿌리는 수확 후 저장 기간 동안 다양한 미생물과 질병에 의한 부패에 노출되기 쉽다. 수확 후 큐어링은 저장기간 동안 상처를 치유하고 미생물에 의한 부패를 방지하기 위한 가장 적합한 수단으로 알려져 있다. 본 연구에서는 큐어링과 연관된 분자적 기작에 관여하는 단백질들을 확인하기 위해, 큐어링 처리 후 저장기간 동안 단백질체의 변화를 분석하였다. 33℃ (큐어링) 및 15℃ (대조군)에서 3일 동안 처리하고 8주의 저장 기간이 지난 후 2D 전기영동 분석을 통해 단백질 spot의 변화를 확인한 결과, 31개 단백질 spot의 발현량이 차이 나는 것을 확인하였으며, 이들 중 15개의 단백질 spot을 동정하여 그 특성을 분석하였다. 동정된 단백질 중 alphaamylase (spot 1)는 큐어링 처리구에서만 발현량이 증가하였으며, probable aldo-keto reductase 2-like (spot 3) 및 hypothetical protein CHGG_01724 (spot 4)는 큐어링 및 대조구에서 동시에 발현량이 증가하였으나, sporamin A (spot 10)는 큐어링 및 대조구에서 발현량이 감소하였다. 한편, 대조구에서 enolase (spot 14)는 발현량이 증가하였으나, chain A of actinidin-E-64 complex+ (spot 19), ascorbate peroxidase (spot 22) 및 여러 sporamin 단백질들(spot 20, 21, 23, 24, 27, 29, 30 및 31)은 발현량이 감소하였다. 본 연구의 결과는 고구마 저장 뿌리에서 큐어링 처리와 관련된 단백질의 동정 및 수확 후 저장 기간동안 병 저항성과 관련된 기작에 대한 이해를 높이며, 향후 저온 저장 능력이 향상된 신품종 개발을 위한 후보 유전자의 도출에도 기여할 수 있을 것이다.

• 핵의학기술
• /
• 제15권2호
• /
• pp.41-46
• /
• 2011

영상장치를 이용한 검사 시 영상의 질은 검사결과와 밀접하게 연관되어 있으며, 이는 영상획득 조건들과 이에 대한 평가방법으로 인해 달라 질 수 있다. 본 연구에서는 영상획득 시 사전설정법(Pre-set method)차이에 따른 영상의 질을 평가하였다. 장비는 PET/CT Discovery STe16(GE Healthcare, Milwaukee, USA)을 사용하였으며, Chest PET Phantom (실험 1)과 94 NEMA Phantom (실험 2)을 이용하였다. 실험 1의 경우 3.5, 6.0, 8.6 kBq/mL, 실험 2의 경우는 3.3, 5.5, 7.7, 9.9, 12.1, 16.5 kBq/mL의 $^{18}F$-FDG를 채웠고, 열소와 배후방사능과의 방사능 농도는 4:1의 비율을 유지하였다. 각 실험은 CT 투과촬영 후 3D로 2분 30초/프레임으로 시간설정법(Time-set method)과 1억 계수의 계수설정법 (Count-set method)을 적용하여 방출촬영 하였다. 영상의 질에 대한 평가는 잡음 등가 계수율 (Noise Equivalent Count Rate, NECR)과 신호 대 잡음비 (Signal to Noise Ratio, SNR)를 이용하였다. 실험 1에서 NECR과 SNR은 방사능 농도의 증가에 따라 시간설정법에서 53.7, 66.9, 91.4 과 7.9, 10.0, 11.7로 평가 모두에서 증가함을 보였으나, 계수설정법은 53.8, 69.1, 97.8과 14.1, 14.7, 14.4로 SNR은 NECR과 다르게 증감현상을 보이지 않았다. 또 다른 모형실험인 실험 2에서도 NECR과 SNR은 방사능 농도가 증가에 따라 시간설정법에서 45.1, 70.6, 95.3 115.6 134.6 162.2 과 7.1, 8.8, 10.6, 11.5, 12.7, 14.0으로 증가함을 보였으나, 계수설정법에서는 42.1 67.3 92.1 112.2 130.7 158.7 과 15.2, 15.9, 15.6, 15.4, 15.5, 14.9로 실험 1에서와 마찬가지로 SNR에서는 증감현상을 보이지 않았다. 사전설정법 변화와 관계없이 단위 질량당 방사능량 증가는 영상의 질도 비례하여 향상된다. 그러나 동일한 단위 질량당 방사능량에서는 영상획득의 시간을 늘려 총계수값을 증가시켜도 NECR에 영향을 주지는 않는다. 이는 NECR을 이용한 영상 질 평가는 영상획득 시 얻은 총 계수 값보다는 단위 시간당의 계수율이 영향을 준다는 것을 의미한다고 할 수 있다. 실험 모두에서 계수설정법으로 얻은 경우에는 단위 질량당 방사능량의 증가에도 불구하고 거의 비슷한 SNR값을 보이게 된다. 따라서 좋은 질의 영상을 얻기 위해서는 총 계수값의 증가보다는 단위질량당 방사능량을 높여야 하며, SNR만을 이용한 영상의 질에 대한 평가는 적절하지 않을 수 있다는 점을 고려하여야 한다.

• 지능정보연구
• /
• 제23권4호
• /
• pp.147-168
• /
• 2017

오래 전부터 학계에서는 정확한 주식 시장의 예측에 대한 많은 연구가 진행되어 왔고 현재에도 다양한 기법을 응용한 예측모형들이 연구되고 있다. 특히 최근에는 딥러닝(Deep-Learning)을 포함한 다양한 기계학습기법(Machine Learning Methods)을 이용해 주가지수를 예측하려는 많은 시도들이 진행되고 있다. 전통적인 주식투자거래의 분석기법으로는 기본적 분석과 기술적 분석방법이 사용되지만 보다 단기적인 거래예측이나 통계학적, 수리적 기법을 응용하기에는 기술적 분석 방법이 보다 유용한 측면이 있다. 이러한 기술적 지표들을 이용하여 진행된 대부분의 연구는 미래시장의 (보통은 다음 거래일) 주가 등락을 이진분류-상승 또는 하락-하여 주가를 예측하는 모형을 연구한 것이다. 하지만 이러한 이진분류로는 추세를 예측하여 매매시그널을 파악하거나, 포트폴리오 리밸런싱(Portfolio Rebalancing)의 신호로 삼기에는 적합치 않은 측면이 많은 것 또한 사실이다. 이에 본 연구에서는 기존의 주가지수 예측방법인 이진 분류 (binary classification) 방법에서 주가지수 추세를 (상승추세, 박스권, 하락추세) 다분류 (multiple classification) 체계로 확장하여 주가지수 추세를 예측하고자 한다. 이러한 다 분류 문제 해결을 위해 기존에 사용하던 통계적 방법인 다항로지스틱 회귀분석(Multinomial Logistic Regression Analysis, MLOGIT)이나 다중판별분석(Multiple Discriminant Analysis, MDA) 또는 인공신경망(Artificial Neural Networks, ANN)과 같은 기법보다는 예측성과의 우수성이 입증된 다분류 Support Vector Machines(Multiclass SVM, MSVM)을 사용하고, 이 모델의 성능을 향상시키기 위한 래퍼(wrapper)로서 유전자 알고리즘(Genetic Algorithm)을 이용한 최적화 모델을 제안한다. 특히 GA-MSVM으로 명명된 본 연구의 제안 모형에서는 MSVM의 커널함수 매개변수, 그리고 최적의 입력변수 선택(feature selection) 뿐만이 아니라 학습사례 선택(instance selection)까지 최적화하여 모델의 성능을 극대화 하도록 설계하였다. 제안 모형의 성능을 검증하기 위해 국내주식시장의 실제 데이터를 적용해본 결과 ANN이나 CBR, MLOGIT, MDA와 같은 기존 데이터마이닝 기법들이나 인공지능 알고리즘은 물론 현재까지 가장 우수한 예측 성과를 나타내는 것으로 알려져 있던 전통적인 다분류 SVM 보다도 제안 모형이 보다 우수한 예측성과를 보임을 확인할 수 있었다. 특히 주가지수 추세 예측에 있어서 학습사례의 선택이 매우 중요한 역할을 하는 것으로 확인 되었으며, 모델의 성능의 개선효과에 다른 요인보다 중요한 요소임을 확인할 수 있었다.

• 대한방사선치료학회지
• /
• 제27권2호
• /
• pp.157-166
• /
• 2015

목 적 : 사이버나이프 종양 추적 시스템(Cyber-knife tumor tracking system)은 환자 외부에 부착한 LED marker에서 얻어진 실시간 호흡 주기 신호와 호흡에 따라 움직이는 종양의 위치와의 상관관계를 바탕으로 종양의 위치를 미리 예측하고 종양의 움직임을 치료기와 동기화 (Synchronize) 시켜 실시간으로 종양을 추적하며 치료하는 시스템이다. 본 연구의 목적은 사이버나이프 종양 추적 방사선 치료 중 기침이나 수면 등으로 인해 예측 불가능한 갑작스러운 호흡 형태 변화에 따른 종양 추적 방사선 치료 시스템의 정확도를 평가하고자 한다. 대상 및 방법 : 연구에 사용된 호흡 Log 파일은 본원에서 호흡 동조 방사선치료(Respiratory gating radiotherapy)나 사이버나이프 호흡 추적 방사선수술(Cyber-knife tracking radiosurgery)을 받았던 환자의 호흡 Log 파일을 바탕으로, 정현곡선 형태(Sinusoidal pattern)와 갑작스런 변화 형태(Sudden change pattern)의 Log 파일을 이용하여 측정이 가능하도록 재구성하였다. 재구성 된 호흡 Log 파일을 사이버나이프 동적 흉부 팬텀에 입력하여 호흡에 따른 움직임을 구현할 수 있도록 기존 동적 흉부 팬텀의 구동장치를 추가 제작하였고, 호흡의 형태를 팬텀에 적용 시킬 수 있는 프로그램을 개발하였다. 팬텀 내부 표적(Ball cube target)의 움직임은 호흡의 크기에 따라 상하(Superior-Inferior)방향으로 5 mm, 10 mm, 20 mm 3가지 크기의 변위로 구동하게 하였다. 팬텀 내부 표적에 EBT3 필름 2장을 교차 삽입하여 표적 움직임의 변화에 따라 사이버나이프 제조사에서 제공된 End-to-End(E2E) test를 호흡의 형태에 따라 각각 5회씩 실시하고 측정하였다. 종양 추적 시스템의 정확도는 삽입된 필름을 분석하여 표적 오차(Targeting error)로 나타내었고, 추가로 E2E test가 진행되는 동안 상관관계 오차(Correlation error)를 측정하여 분석하였다. 결 과 : 표적 오차는 정현곡선 호흡 형태일 경우 표적 움직임의 크기가 5 mm, 10 mm, 20 mm 에 따라 각각 평균 $1.14{\pm}0.13mm$, $1.05{\pm}0.20mm$, $2.37{\pm}0.17mm$이고, 갑작스런 호흡 변화 형태일 경우 각각 평균 $1.87{\pm}0.19mm$, $2.15{\pm}0.21mm$, $2.44{\pm}0.26mm$으로 분석되었다. 표적 추적에 있어 변위 벡터의 길이로 정의할 수 있는 상관관계 오차는 정현곡선 호흡 형태일 경우 표적 움직임의 크기가 5 mm, 10 mm, 20 mm 에 따라 각각 평균 $0.84{\pm}0.01mm$, $0.70{\pm}0.13mm$, $1.63{\pm}0.10mm$이고, 갑작스런 호흡 변화 형태일 경우 각각 평균 $0.97{\pm}0.06mm$, $1.44{\pm}0.11mm$, $1.98{\pm}0.10mm$으로 분석되었다. 두 호흡 형태에서 모두 상관관계 오차 값이 클수록 표적 오차 값이 크게 나타났다. 정현곡선 호흡 형태의 표적 움직임 크기가 20 mm 이상일 경우, 두 오차 값 모두 사이버나이프 제조사의 권고치인 1.5 mm 이상으로 측정되었다. 결 론 : 표적 움직임의 크기가 클수록 표적 오차 값과 상관관계 오차 값이 증가하는 경향이 있었으며, 정현곡선 호흡 형태보다 갑작스런 호흡 변화 형태에서 오차 값이 크게 나타났다. 호흡의 형태가 규칙적인 정현 곡선 형태더라도 표적의 움직임이 클수록 종양 추적 시스템의 정확도가 감소하는 것으로 판단할 수 있다. 사이버나이프 종양 추적 시스템의 알고리즘을 이용하여 치료 시행 시 환자의 기침 등으로 인하여 갑작스럽게 예측 불가능한 호흡 변화가 있는 경우 치료를 멈추고 내부 표적 확인 과정을 재실시 하여야 하며 호흡 형태를 재조정해야 할 필요가 있다. 치료 중 환자가 본인의 호흡 형태를 관찰 할 수 있는 고글 모니터 등을 착용하여 규칙적인 호흡 형태를 유도하는 것이 치료의 정확도는 향상될 수 있다고 판단된다.