• 한국콘텐츠학회논문지
• /
• 제9권4호
• /
• pp.114-120
• /
• 2009

본 연구는 질병과 관련이 있는 단백질들은 질병 네트워크를 형성함에 있어서 매우 중요한 인자로 작용할 가능성이 있다는 아이디어에서 출발한다. 우리는 Online Medelian Inheritance in Man(OMIM)으로부터 아토피관련 43개 단백질 데이터베이스를 확보하고 이 단백질들과 상호작용하는 단백질 네트워크를 구축하였다. 아토피관련 단백질 네트워크를 바탕으로 질병 네트워크를 구축하였다. 질병 네트워크로부터 질병단백체인 CCR5, CCL11, 및 IL4R을 발굴하였는데, 이들 모두는 단백질 네트워크에서 허브 단백질로 작용하는 것들이다. 허브단백질은 세포에서 필수단백질로 작용하는 것으로 알려져 있는데, 본 연구에서는 허브단백질이면서 동시에 질병에서 매우 중요한 역할을 할 것으로 기대되는 질병단백체로 역할하고 있음을 확인하였다. 본 연구에서 소규모 아토피 관련 질병네트워크를 구축하여 분석하였지만, 여기에 제안한 질병네트워크 분석이 복잡한 인간 질병체계의 분자 기작 및 생물학적 진행과정을 이해하는데 실마리를 제공할 것으로 기대한다.

• 한국콘텐츠학회:학술대회논문집
• /
• 한국콘텐츠학회 2009년도 춘계 종합학술대회 논문집
• /
• pp.306-311
• /
• 2009

본 연구는 질병과 관련이 있는 단백질들은 질병네트워크를 형성함에 있어서 매우 중요한 인자로 작용할 가능성이 있다는 아이디어에서 출발한다. 우리는 Online Mendelian Inheritance in Man(OMIM)과 SWISS-PROT으로부터 인간의 단백질 데이터와 질병 정보를 확보하고 질병관련 단백질의 단백질 상호작용 네트워크를 구축 한 후, 이를 바탕으로 질병네트워크를 구축했다. 그 결과 단백질 상호작용 네트워크에는 CALM1, ACTB 및 ABL2와 같은 40개의 허브 단백질이 존재하는 것을 확인했다. 단백질 상호작용 네트워크와 질병 네트워크를 통해서 우리는 질병들간의 상관관계와 각 질병에 작용하는 단백질들의 상관관계를 파악할 수 있었다. 구축된 질병네트워크로부터 APP, ABL1 및 STAT1과 같은 38개의 질병단백체를 찾아냈다. 우리는 이전 연구에서 허브 단백질들이 서브 질병네트워크에서 질병 단백체의 경향이 있다는 것을 증명했다. 하지만, 본 연구에서 전체 질병 네트워크를 분석한 결과 전체 40개의 허브 단백질 중 단 18% 허브 단백질만이 질병단백체임이 확인되었다. 현시점에서 허브 단백질-질병단백체 경향성이 전체 질병네트워크와 서브 질병네트워크간의 차이를 설명할 수 없다. 비록 우리가 이러한 풀리지 않은 문제를 안고 있지만, 단백질-질병 네트워크의 구조 및 기능 분석은 복잡한 인간 질병 시스템에서 분자 수준의 기작과 생물학적 과정을 이해하는데 중요한 정보를 제공할 것이다.

• 한국지능시스템학회논문지
• /
• 제25권6호
• /
• pp.529-535
• /
• 2015

지금까지 생체 네트워크 분석 연구는 정적(static)인 개념으로만 다루어졌다. 그러나 실제 생명현상이 발생하는 세포 내에서는 세포의 상태 및 외부 환경에 따라 일부 단백질과 그 상호작용만이 선택적으로 활성화된다. 따라서 생체 네트워크의 구조가 시간의 흐름에 따라 변화하는 동적(dynamic)인 개념이 적용되어야 하며, 이런 개념은 질병의 진행 추이를 분석하는데 효율적이다. 본 논문에서는 동적인 네트워크 방법을 알츠하이머 질병에 적용하여 질병이 진행되는 단계에 따라 변화하는 단백질 상호작용 네트워크의 구조적, 기능적 특징에 대하여 분석하고자 한다. 우선, 유전자 발현데이터를 기반으로 각 질병의 진행 상태에 따른 부분 네트워크(정상, 초기, 중기, 말기)를 구축하였다. 이를 기반으로, 네트워크의 구조적 특성 분석을 수행하였다. 또한 기능적 특성 분석을 위해 유전자 군집(module)을 탐색하고, 군집별 유전자 기능(Gene Ontology) 분석을 수행했다. 그 결과, 네트워크의 특성들은 각 질병의 단계와 잘 대응되며, 동적 네트워크 분석법이 중요한 생물학적 이벤트를 설명하는데 이용될 수 있음을 보였다. 결론적으로 제안된 연구 방법을 통하여 그동안 알려지지 않았던 질병유발에 관련된 주요 네트워크 변화를 관측할 수 있고, 질병에 관여하는 복잡한 분자 수준의 발생 기작과 진행 과정을 이해하는데 중요한 정보를 획득할 수 있다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2013년도 추계학술발표대회
• /
• pp.1084-1087
• /
• 2013

텍스트마이닝은(Text mining) 바이오분야에서 사용되는 도구 중 하나이다. 본 논문에서는 전립선암(Prostate cancer)과 관련된 질병 유전자(Disease gene)를 찾기 위해 텍스트마이닝을 이용하여 유전자 네트워크(Gene-network)를 구축하였다. 추가적으로 구글(Google) 검색을 통해 네트워크 내의 유전자 노드(Node)들 사이의 간선(Edge)에 새로운 가중치(Weight)를 추가하고 네트워크를 재구성하였다. 구축된 네트워크에서 노드와 노드 사이의 가중치를 기반으로 전립선암과 관련된 질병 유전자를 추출하였다. 본 논문의 방법은 성공적으로 네트워크를 구축하고 질병 유전자를 찾았으며, 구글 데이터를 사용하지 않고 네트워크를 구축하는 경우보다 더 높은 정확성을 입증했다.

• 응용통계연구
• /
• 제24권2호
• /
• pp.323-333
• /
• 2011

정신장애 질병과 관련된 인자를 찾기 위해 쉽고 간단하게 위험인자를 얻을 수 있는 로지스틱 회귀모형을 주로 이용하였다. 본 논문에서는 데이터마이닝 기업인 로지스틱 회귀모형과 신경망, C5.0, Cart, 베이지안 네트워크를 지저질환과 밀접하게 연관된 가역적 기질성 정신장애인 섬망(delirium) 자료에 적용하여 베이지안 네트워크 기법을 최적의 모형으로 선택하였다. 또한 베이지안 네트워크 기법을 활용하여 정신장애 질병인 섬망과 관련된 주요 위험인자 간 네트워크를 규명하였다.

• 한국콘텐츠학회:학술대회논문집
• /
• 한국콘텐츠학회 2017년도 춘계 종합학술대회 논문집
• /
• pp.27-28
• /
• 2017

다양한 위상학적 관계(topological relation)를 분석하는 네트워크 분석은 복잡한 데이터에서 숨어있는 특성과 사실을 발견하는 기술로 최근 빅데이터 분야에서 데이터 분석 핵심 기술로 급부상하고 있다. 본 연구에서는 질병연구에 핵심적인 생물학적 네트워크의 생성 및 사용자 친화적인 네트워크 분석시스템을 개발하였다. 개발한 시스템은 PubMed에서 특정 질병과 관련있는 논문 요약 정보를 자동 수집후 텍스트마이닝을 통해 질병 관련 화합물, 유전자 그리고 상호작용 정보를 추출해 생물학적 네트워크를 생성하는 기능을 제공한다. 또한, 연구자가 손쉽게 생성된 네트워크에 대한 검색 및 다차원 분석을 수행할 수 있는 기능을 제공한다. 마지막으로 개발한 시스템의 우수성을 입증하기 위해 크론병(Crohn's Disease)에 대한 적용사례를 소개한다.

• Journal of the Korean Data and Information Science Society
• /
• 제22권2호
• /
• pp.217-225
• /
• 2011

정신장애 질병과 관련된 위험인자를 찾는 것은 매우 중요한 일이다. 또한 질병과 관련된 위험인자들의 연관성을 나타내는 위험비는 의학에서 주된 관심이 된다. 따라서 우리는 정신장애 질병과 위험인자 간의 연관성을 살펴보기 위해 오즈비를 활용한다. 본 논문에서는 베이지안 네트워크를 정신장애질병인 섬망자료에 적용하여 선별된 주요 위험인자들의 오즈비를 찾았다. 특히 선별된 주요 위험인자들이 단일로 존재할 때의 오즈비와 위험인자가 복합적으로 존재할 때의 오즈비를 통하여 섬망에 가장 위험한 영향을 미치는 위험인자를 규명하였다.

• 정보과학회 컴퓨팅의 실제 논문지
• /
• 제23권1호
• /
• pp.28-36
• /
• 2017

1990년대 게놈프로젝트 이후 유전자와 관련된 많은 연구가 진행되고 있다. 데이터 저장 기술의 발달로 연구의 결과물들은 다량의 문헌들로 기록되고 있으며, 이러한 문헌들은 새로운 생물학적 관계들을 추론하는 데이터로 유용하게 사용되고 있다. 이러한 이유로 본 연구에서는 생물학 문헌들을 활용하여 질병과 관련한 유전자를 추론하는 방법론에 대해서 제안한다. 문헌들을 제목과 본문으로 구분하고, 각 영역에서 등장한 유전자들을 추출한다. 제목 영역에서 추출된 유전자는 중심 유전자로 구분하고, 본문 영역에서 추출된 유전자는 제목에서 추출된 유전자와 관계를 갖는 주변 유전자로 구분한다. 이러한 과정을 각 문헌에 적용하여, 지역 유전자 네트워크를 구축한다. 구축된 지역 유전자 네트워크는 모두 연결하여 전역유전자 네트워크를 구축한다. 구축한 네트워크를 분석하여 질병 관련 유전자를 추론하였으며, 비교 실험을 통해 제안하는 방법론이 질병 관련 유전자를 추론하는 유용한 방법론임을 입증하였다.

• 농촌계획
• /
• 제18권4호
• /
• pp.79-89
• /
• 2012

농가를 방문하는 가금관련업체의 관계자 및 차량은 HPAI 질병 확산의 매개체가 된다. 농가들의 가금관련업체 이용 정보를 이용하면 농가간의 연결을 확인할 수 있고 HPAI 확산 가중 네트워크를 구성할 수 있다. 네트워크 분석중 중심성 측정은 질병에 취약하거나 타 농가에 영향력이 큰 역할을 하는 농가를 분석하는 방법으로 HPAI 초기 확산을 통제하는 방법으로 이용된다. 단, HPAI 바이러스는 네트워크의 연결선 가중치에 따라서 확산 경로가 달라질 수 있다. 기존의 분석 방법은 확산 경로에 있어 대치되는 연결선의 강도와 연결선의 수 중 하나만을 고려하기 때문에 질병 확산을 정확히 모의하는데 한계가 있다. 그래서 본 연구에서는 2008년 발병한 한국 김제 지역의 39개 농가를 대상으로 가금관련업체 이용자료를 적용한 HPAI 확산 네트워크에 연결선의 가중치에 지수를 적용하는 방법으로 기존의 방법과 결과를 비교했다. 이 자료는 가금 산업 네트워크의 한국 지역 농가 적용성을 평가 할 수 있을뿐만 아니라 추후 잠재적인 질병 발병 차단을 위한 정보 제공에 중요한 역할을 할 것이다.

• 한국정보통신학회논문지
• /
• 제21권10호
• /
• pp.1898-1908
• /
• 2017

가축 질병을 정확하게 예측하고 관리하는 것은 지속가능한 가축의 생산을 보장하고 궁극적으로 인간의 건강을 유지하는 데 기여한다. 가축의 건강을 유지하는 것은 인간의 건강에 영향을 미치는 중요한 부분이다. 송아지 질병 예측은 송아지의 생체 데이터를 측정하여 전처리 과정을 거친다. 송아지 정보는 송아지의 출산 이력과 송아지 생체 정보측정, 축사의 환경 정보, 질병 관리를 위한 정보를 사용하며, 온톨로지 개발하여 지식 베이스로 활용하였고, 송아지의 질병에 대한 상호 연관성을 분석 과정하기 위해 베이지안 네크워크를 사용하여 추론하였다. 송아지 질병, 원인, 발생 시기, 증상 등에 대한 송아지 질병 지식을 기반으로 질병을 예측하면 그 결과로 정확한 질병 치료에 대응할 수 있고 다른 가축에게 전염되는 것을 사전에 방지할 수 있을 것이다.