• 디지털콘텐츠학회 논문지
• /
• 제17권6호
• /
• pp.509-521
• /
• 2016

본 논문에서는 파킨슨 병 진단 및 바이오 표지자 검출을 위한 극한 기계학습을 결합하는 새로운 균형 표본 유전 알고리즘(SBGA-ELM)을 제안하였다. 접근법은 정확한 파킨슨 병 진단 및 바이오 표지자 검출을 위해 공개 파킨슨 병 데이터베이스로부터 22,283개의 유전자의 발현 데이터를 사용하며 다음의 두 가지 주요 단계를 포함하였다 : 1. 특징(유전자) 선택과 2. 분류단계이다. 특징 선택 단계에서는 제안된 균형 표본 유전 알고리즘에 기반하고 파킨스병 데이터베이스(ParkDB)의 유전자 발현 데이터를 위해 고안되었다. 제안된 제안 된 SBGA는 추가적 분석을 위해 ParkDB에서 활용 가능한 22,283개의 유전자 중에서 강인한 서브셋을 찾는다. 특징분류 단계에서는 정확한 파킨슨 병 진단을 위해 선택된 유전자 세트가 극한 기계학습의 훈련에 사용된다. 발견 된 강인한 유전자 서브세트는 안정된 일반화 성능으로 파킨슨 병 진단을 할 수 있는 ELM 분류기를 생성하게 된다. 제안된 연구에서 강인한 유전자 서브셋은 파킨슨병을 관장할 것으로 예측되는 24개의 바이오 표지자를 발견하는 데도 사용된다. 논문을 통해 발견된 강인 유전자 하위 집합은 SVM이나 PBL-McRBFN과 같은 기존의 파킨슨 병 진단 방법들을 통해 검증되었다. 실시된 두 가지 방법(SVM과 PBL-McRBFN)에 대해 모두 최대 일반화 성능을 나타내었다.

• 분석과학
• /
• 제23권6호
• /
• pp.537-543
• /
• 2010

도파민은 카테콜아민류의 중요한 신경전달물질로서 부족하면 파킨스병과 정신분열증 등을 야기할 수 있다. 그러므로 조작이 비교적 간단하면서 감도가 우수한 분석법의 개발이 필요하다. 이에, 도파민에 대한 경쟁적인 효소면역분석법이 연구되었다. 경쟁적인 면역분석법의 분석감도는 일반적으로 두가지 요소에 의해 조절된다. 하나는 경쟁자의 특성과 농도이며, 다른 하나는 결합체, 즉 항체의 그것이다. 따라서, 경쟁자인 BSA-DA과 결합체인 항체-avidin 접합체의 최적화가 수행되었다. 두 접합체는 SATA와 SMCC를 이용한 dual heterobifunctional coupling법에 의해 합성되었으며, 최적화 과정을 통해 BSA-DA 접합체의 농도는 $6.66\;{\mu}g/mL$, 항체-avidin 접합체의 농도 $4.17{\times}10^{-10}\;M$로 결정되었다. 도파민에 대한 doseresponse curve와 calibration curve의 결과로써 도파민에 대한 검출 한계는 $2.3{\times}10^{-2}\;{\mu}g/mL$ 이고 검출 영역은 $1.0{\times}10^{-3}\;M\sim1.0{\times}10^{-7}\;M$ 이다. 직선성을 갖는 검출영역에서의 검정선을 얻은 결과 [Absorbance = -0.1098 log[DA]+0.0353 ($R^2$ = 0.9956)] 우수한 직선관계를 얻었다.