• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2007.04a
• /
• pp.237-240
• /
• 2007

본 논문에서는 유전자 발현데이터로부터 유전자 조절네트워크를 추론하는 유전자 알고리즘을 제안한다. 근래에 유전자 알고리즘을 이용하여 유전자 조절네트워크를 추론하려는 시도가 있었으나 그리 성공적이지 못하였다. 우리는 본 논문에서 유전자 조절네트워크를 보다 효율적으로 추론할 수 있게 하기 위하여 새로운 유전자 인코딩 기법을 개발하여 적용하였다. 선형 유전자 조절네트워크로 모델링 된 인공 유전자 조절네트워크를 사용하여 실험한 결과 대부분의 경우에 있어서 주어진 인공 유전자 조절네트워크와 유사한 네트워크를 추론하였으며 완전히 동일한 유전자네트워크를 추론하기도 하였다. 향후 실제 유전자 발현 데이터를 이용하여 추론해 보는 것이 필요하다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2008.11a
• /
• pp.340-343
• /
• 2008

유전자들은 복잡한 상호작용을 통해 세포의 기능이 조절된다. 상호작용하는 유전자 그룹들을 유전자 조절 네트워크라고 한다. 기존의 유전자 조절 네트워크는 2D microarray 데이터를 이용하여 시간의 흐름에 따른 유전자간의 상호작용을 알 수가 없었다. 이 논문에서는 시간의 변화에 따른 유전자들 간의 조절관계를 살펴 볼 수 있는 조절네트워크 모델링의 방법을 제시한다. 유전자의 발현양을 표시하기 위해 이진 이산화 방법을 사용하였고 3D microarray 데이터에서 유전자 발현 패턴을 찾기 위해 Cube mining 알고리즘을 적용하였고, 유전자간의 관계를 밝히기 위해 시간 관계 규칙탐사 기법을 사용하여 유전자들 간의 시간 관계를 포함한 유전자 조절네트워크를 구축하였다. 이 연구는 시간의 흐름에 따른 유전자간의 상호작용을 알 수 있으며, 모델링된 조절 네트워크를 이용하여 기능이 아직 발견되지 않은 유전자들의 기능을 예측 할 수 있다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2006.10a
• /
• pp.11-16
• /
• 2006

세포의 활동은 단순히 하나의 유전자의 발현으로 설명되기보다 여러 유전자와 그로 인해 생성된 단백질의 상호 작용에 의해 나타난다. 또한 마이크로어레이 실험을 통해 세포 내의 유전자 발현에 대한 정보를 알 수 있게 되고, Chromatin IP 마이크로어레이 실험을 통해 신뢰도가 높은 유전자 발현 조절 관계 데이터를 얻을 수 있게 되면서, 유사한 기능과 유사한 발현 패턴을 보이는 유전자들을 그룹으로 묶어 유전자 모듈로 규정하고 이를 하나의 유전자 조절 네트워크로 구성하고, 분석하는 연구들이 진행되고 있다. 본 논문에서는 ChIP 실험 데이터와 유전자 발현 데이터를 이용하여 지역 정렬을 수행해 하나의 유전자 모듈을 조절하는 조절 프로그램을 예측하는 알고리즘에 대해 기술한다. 조절 프로그램은 유전자 조절 모듈을 조절하는 조절자들의 역할 및 발현 여부에 따른 유전자 조절 모듈 내 유전자들의 발현을 설명할 수 있는 것이다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2005.11b
• /
• pp.280-282
• /
• 2005

초파리 초기 발생과정은 gap 유전자, pair-rule 유전자, polarity 유전자의 세 가지 유전자 그룹에 의해서 조직화 된다. Gap 유전자들에 의해 pair-rules 유전자들의 발현이 조절되며, 이들에 의해 결국 polarity 유전자들의 발현을 조절함으로써, 정확한 위치에서 각 기관의 형성을 유도한다. 특히 분열 14단계에서는 pair-rule 유전자 중의 하나인 eve 유전자의 발현이 조절되는데, eve 유전자는 배아의 분할의 줄무늬를 형성시키는 유전자에 해당된다. 본 논문에서는 eve 유전자의 발현조절자인 hunchback, giant, kruppel, bicoid의 gap 유전자들로 구성된 조절 네트워크를 S-system을 이용하여 모델링하였다. 이를 통해 각 유전자들의 발현 데이터로부터 파라미터들을 진화 연산을 통해 예측하고, 각 유전자들의 발현에 대한 시뮬레이션 결과를 보여준다. 예측된 결과와 실제 데이터의 비교는 전체적으로 패턴이 서로 유사함을 보여주고 있다.

• Journal of Life Science
• /
• v.30 no.1
• /
• pp.45-57
• /
• 2020

The prenatal period in livestock animals is crucial for meat production because net increase in the number of muscle fibers is finished before birth. However, there is no study on the growth and development mechanism of muscles in Hanwoo during this period. Therefore, to find candidate genes involved in muscle growth and development during this period in Hanwoo, mRNA expression data of longissimus in Hanwoo at 6 and 9 months post-conceptional age (MPA) were analyzed. We independently identified differentially expressed genes (DEGs) using DESeq2 and edgeR which are R software packages, and considered the overlaps of the results as final-DEGs to use in downstream analysis. The DEGs were classified into several modules using WGCNA then the modules' functions were analyzed to identify modules which involved in myogenesis and adipogenesis. Finally, the hub genes which had the highest WGCNA module membership among the top 10% genes of the STRING network maximal clique centrality were identified. 913(6 MPA specific DEGs) and 233(9 MPA specific DEGs) DEGs were figured out, and these were classified into five and two modules, respectively. Two of the identified modules'(one was in 6, and another was in 9 MPA specific modules) functions was found to be related to myogenesis and adipogenesis. One of the hub genes belonging to the 6 MPA specific module was axin1 (AXIN1) which is known as an inhibitor of Wnt signaling pathway, another was succinate-CoA ligase ADP-forming beta subunit (SUCLA2) which is known as a crucial component of citrate cycle.

• Proceedings of the Korean Information Science Society Conference
• /
• 2004.04b
• /
• pp.283-285
• /
• 2004

마이크로 어레이 기술로 인해서 유전자의 발현 데이터를 대량으로 얻을 수 있게 되었다. 따라서 실험조건에 따른 유전자 발현 양상을 한눈에 볼 수 있게 되었고. 이를 기반으로 유전자간의 조절 관계를 예측할 수 있게 되었다. 또한 실험 이미지와 분석 파일들이 많아짐에 따라서 이러한 데이터를 효율적으로 관리하고, 저장하는 시스템이 필요하게 되었다. 이 두 가지 시스템을 통합함으로써 유전자 조절 네트워크 분석에 필요한 발현 데이터를 체계적으로 관리하고 손쉽게 얻을 수 있을 뿐만 아니라 분석 결과 또한 효율적으로 관리할 수 있다. 본 논문에서는 유전자 네트워크 분석 시스템과 마이크로 이미지 및 분석 데이터 관리 시스템을 통합한 시스템을 소개하고 각 시스템에서 제공하는 기능과 통합 시스템의 특징에 대해서 소개한다.

• The KIPS Transactions:PartD
• /
• v.14D no.1 s.111
• /
• pp.9-20
• /
• 2007

Groups of genes control the functioning of a cell by complex interactions. Such interactions of gene groups are tailed Gene Regulatory Networks(GRNs). Two previous data mining approaches, clustering and classification, have been used to analyze gene expression data. Though these mining tools are useful for determining membership of genes by homology, they don't identify the regulatory relationships among genes found in the same class of molecular actions. Furthermore, we need to understand the mechanism of how genes relate and how they regulate one another. In order to detect regulatory relationships among genes from time-series Microarray data, we propose a novel approach using frequent pattern mining and chain rules. In this approach, we propose a method for transforming gene expression data to make suitable for frequent pattern mining, and gene expression patterns we detected by applying the FP-growth algorithm. Next, we construct a gene regulatory network from frequent gene patterns using chain rules. Finally, we validate our proposed method through our experimental results, which are consistent with published results.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2007.04a
• /
• pp.77-80
• /
• 2007

현재 생명공학은 급속도로 발전하고 있으며, 이를 통해 만들어지는 생물정보의 양은 기하급수적으로 늘어나고 있다. 이러한 것을 가능하게 하는 기술 중의 하나인 마이크로어레이 기법은 현재 질병의 진단 및 신약 개발 등을 위해 사용되고 있다. 마이크로어레이 유전자 발현에 관한 분석은 크게 유의한 유전자 추출, 클러스터링, 분류 및 유전자 네트워크 구축 등으로 볼 수 있다. 유의한 유전자 식별을 위한 통계학적 방법으로 T-test 및 Wilcoxon Rank Sum test 등이 있다. 최근에는 수정인자를 추가하거나 혹은 퍼지이론 등의 지능정보 이론을 추가하여 그 계산결과를 좀 더 상세화하고 세분화하는 연구들이 계속되고 있다. 본 논문에서는 두 개의 그룹에서 발현된 유전자들 중 유의하게 발현되는 유전자를 식별하기 위한 방법으로 퍼지이론을 도입하여 유의한 유전자를 규명하는 FST(Fuzzy Significance Test) 방법을 제안한다.

• Journal of Life Science
• /
• v.26 no.8
• /
• pp.904-910
• /
• 2016

Complex traits are determined by the combined effects of many loci and are affected by gene networks or biological pathways. Systems biology approaches have an important role in the identification of candidate genes related to complex diseases or traits at the system level. The gene network analysis has been performed by diverse types of methods such as gene co-expression, gene regulatory relationships, protein-protein interaction (PPI) and genetic networks. Moreover, the network-based methods were described for predicting gene functions such as graph theoretic method, neighborhood counting based methods and weighted function. However, there are a limited number of researches in livestock. The present study systemically analyzed genes associated with 102 types of economic traits based on the Animal Trait Ontology (ATO) and identified their relationships based on the gene co-expression network and PPI network in cattle. Then, we constructed the two types of gene network databases and network visualization system (http://www.nabc.go.kr/cg). We used a gene co-expression network analysis from the bovine expression value of bovine genes to generate gene co-expression network. PPI network was constructed from Human protein reference database based on the orthologous relationship between human and cattle. Finally, candidate genes and their network relationships were identified in each trait. They were typologically centered with large degree and betweenness centrality (BC) value in the gene network. The ontle program was applied to generate the database and to visualize the gene network results. This information would serve as valuable resources for exploiting genomic functions that influence economically and agriculturally important traits in cattle.

• Journal of the Institute of Electronics Engineers of Korea CI
• /
• v.46 no.6
• /
• pp.44-55
• /
• 2009

Diagnosis of diseases using gene expression data obtained from microarray chip is an active research area recently. It has been done by general machine learning algorithms, because it is difficult to analyze directly. However, recent research results about the analysis based on the interaction between genes is essential for the gene expression analysis, which means the analysis using the traditional machine learning algorithms has limitations. In this paper, we classify the gene expression data using the hyper-network model that considers the higher-order correlations between the features, and then compares the classification accuracies. And also, we present the new hypo-network model that improve the disadvantage of existing model, and compare the processing performances of the existing hypo-network model based on general sequential processor and the improved hypo-network model implemented on parallel processors. In the experimental results, we show that the performance of our model shows improved and competitive classification performance than traditional machine learning methods, as well as, the existing hypo-network model. We show that the performance is maximized when the hypernetwork model is implemented on our parallel processors.