• Radiation Oncology Journal
• /
• 제21권1호
• /
• pp.54-65
• /
• 2003

목적 : 동시에 대량으로 유전자발현 양상을 검사할 수 있는 cDNA microarray 기법을 이용하여 자궁경부암에서 특징적으로 나타나는 유전자발현 양상을 알아보고, 방사선치료 및 방사선 항암화학요법 병용치료시의 유전자발현 변화양상을 파악하고자 하였다. 대상 및 방법 :자궁경부 편평상피암으로 확진된 후 근치목적 방사선치료를 단독으로 시행한 8명과 항암화학요법을 병행한 8명에서 채취한 종양조직을 대상으로 하고, 정상 자궁경부 3례를 대조군으로 하였다 조직 생검은 치료 전과 외부 방사선치료 16.2$\~$27 Gy에 두 번하였다. 항암화학요법을 병용한 경우, 5-FU 1,000 mg/m$^{2}$을 제 1일부터 5일까지 정주하고, clsplatin 60 mg/m$^{2}$을 제 1일에 정주하였다. cDNA microarray는 종양조직에서 추출한 total RNA를 역전사(reverse transcription)방법을 이용하여 (P-33)을 표지한 cDNAS를 제작, nylon membrane에 hybridization하였다. 이후 membrane을 phosphor-imager screens에 옮겨 1$\~$5일 동안 노출시킨 후 이미지를 스캔하였다. 유전자의 발현정도는 각 스팟(spot)들의 방사능 강도로 나타나는데, 각 스팟의 픽셀(pixel)을 Arrayguage를 사용하여 산출한 후 엑셀파일로 저장하였다. 유전자의 발현정도 비교는 원 자료(original data)를 Z-변환을 통해 보정(normalized)한 후 Z-ratio값을 산출하여 시행하였다. 결과 : 대조군에 비해 자궁경부암에서 Z-ratio 2.0 이상으로 유의한 발현증가를 보인 유전자들은 integrin-linked kinase, CDC28 protein kinase 2, Spry 2, ERK 3 등 15개로 주로 세포성장과 증식, 세포주기, 신호전달 등에 관련된 유전자들이었으며, Z-ratio -2.0 이하의 유의한 발현감소는 G protein-coupled receptor kinase 6외 6개였다. 방사선 단독치료를 시행한 후 Z-ratio 2.0 이상 발현이 증가한 것은 cyclic nucleotlde gated channel외 3개의 Expressed sequence tags (EST)들이었고, Z-ratio -2.0 이하의 발현감소를 보인 것들에는 치료전 종양세포에서 발현이 증가되었던 세포성장과 증식, 세포주기, 신호전달 등에 관련된 유전자들이 포함되었다 방사선치료와 항암화학요법을 병용했을 때는 방사선 단독치료에 비하여 세포성장과 증식 및 신호전달 관련 유전자들이 상대적으로 높게 발현되었으며, 이외에도 혈관형성(angiopoietin-2), 면역반응(formyl peptide receptor-like 1), DNA 손상회복에 관련된 유전자(CAMP phosphodiesterase)의 발현은 증가되고 세포고사(death associated protein kinase)에 관련된 유전자는 발현 감소를 보였다. 결론 : 자궁경부암에서분열과 증식 및 신호전달에 관여하는 여러 종류의 유전자들 발현이 동시다발적으로 증가되어 있다는 것과 방사선치료를 시행하면 이들 유전자의 발현이 감소하여 종양세포의 분열과 증식이 저해된다는 것을 확인하였다. 방사선 단독치료와 항암화학요법 병용치료를 비교하면 그 유전자 발현양상이 다르므로 향후 이번연구에서 나타난 유전자들에 대한 추가 연구가 필요하며, 이는 개별화된 맞춤형 치료법을 개발하는데 기초자료로 사용될 수 있을 것으로 기대된다.

• 경영정보학연구
• /
• 제16권3호
• /
• pp.161-177
• /
• 2014

기업신용등급은 금융시장의 신뢰를 구축하고 거래를 활성화하는데 있어 매우 중요한 요소로서, 오래 전부터 학계에서는 보다 정확한 기업신용등급 예측을 가능케 하는 다양한 모형들을 연구해 왔다. 구체적으로 다중판별분석(Multiple Discriminant Analysis, MDA)이나 다항 로지스틱 회귀분석(multinomial logistic regression analysis, MLOGIT)과 같은 통계기법을 비롯해, 인공신경망(Artificial Neural Networks, ANN), 사례기반추론(Case-based Reasoning, CBR), 그리고 다분류 문제해결을 위해 확장된 다분류 Support Vector Machines(Multiclass SVM)에 이르기까지 다양한 기법들이 학자들에 의해 적용되었는데, 최근의 연구결과들에 따르면 이 중에서도 다분류 SVM이 가장 우수한 예측성과를 보이고 있는 것으로 보고되고 있다. 본 연구에서는 이러한 다분류 SVM의 성능을 한 단계 더 개선하기 위한 대안으로 유전자 알고리즘(GA, Genetic Algorithm)을 활용한 최적화 모형을 제안한다. 구체적으로 본 연구의 제안모형은 유전자 알고리즘을 활용해 다분류 SVM에 적용되어야 할 최적의 커널 함수 파라미터값들과 최적의 입력변수 집합(feature subset)을 탐색하도록 설계되었다. 실제 데이터셋을 활용해 제안모형을 적용해 본 결과, MDA나 MLOGIT, CBR, ANN과 같은 기존 인공지능/데이터마이닝 기법들은 물론 지금까지 가장 우수한 예측성과를 보이는 것으로 알려져 있던 전통적인 다분류 SVM 보다도 제안모형이 더 우수한 예측성과를 보임을 확인할 수 있었다.