• 제목/요약/키워드: I&G 모델

검색결과 292건 처리시간 0.02초

폐포상피세포, 대식세포를 비롯한 각종 세포주에서 H2O2에 의한 Peroxiredoxin 동위효소들의 산화에 따른 불활성화와 재생 (Oxidative Inactivation of Peroxiredoxin Isoforms by H2O2 in Pulmonary Epithelial, Macrophage, and other Cell Lines with their Subsequent Regeneration)

  • 오윤정;김영선;최영인;신승수;박주헌;최영화;박광주;박래웅;황성철
    • Tuberculosis and Respiratory Diseases
    • /
    • 제58권1호
    • /
    • pp.31-42
    • /
    • 2005
  • 배 경 : peroxiredoxins는 거의 모든 생명체에 공통적으로 보존되어 있으며, 최근에 발견된, 특이한 peroxidases로 인체에서 6가지 동위효소가 알려져 있으며, 산화스트레스에 대한 방어역할을 담당하고, $H_2O_2$신호전달 과정에서 중요한 조절 역할을 한다. peroxiredoxin은 $H_2O_2$ 처리 과정 중에서 자신이 산화되어 불활성화 되는데, 산화된 후 다시 재생되는 것으로 보고되나 그 생리적은 의미는 분명하지 않다. 이에 저자들을 폐상 피세포주, 대식세포주, 폐포모세혈관 내피세포주 및 기타 섬유모세포주 들에서 $H_2O_2$ 에 의한 Prx의 산화과정과 재생을 알아보고자 하였다. 방 법 : 수술 환자에서 적출한 정상 폐조직과, 세포주로는 평상시 산화 스트레스에 노출이 많을 것으로 예상되는 세포들로써, 폐포상피세포의 I 형 및 II 형 세포에서 기원한 A549, WI 26, Raw 264.7, Rat2,및 폐포 모세혈관 내피세포주 등을 이용하여 이를 $50{\mu}M$. $100{\mu}M$, $500{\mu}M$$H_2O_2$로 산화시켜 불활성화 한 후, 추적관찰 하였으며, 시간대 별로(0. 10, 30, 60, 120, 240, 480 분) 수확하여, 이를 1차원 non-reducing SDS-PAGE 및 2차원 전기영동로 분리 후, silver stain 과 Western blot으로 분석 하였다. 결 과 : 1. 실험에 사용된 모든 세포주에서, $H_2O_2$ 농도에 비례하여 peroxiredoxin I, II, III 의 불활성화를 관찰할 수 있었고, 10분에 최고로 불활성화되었다. 2. 산화된 이후, 30분경부터 peroxiredoxin 의 재생이 관찰되기 시작 하였으며, 2시간 이후부터 확연하였다. 3. 다시 재생된 peroxiredoxin은 $H_2O_2$투여로서, 다시 불활성화되어, 재생된 Prx 가 활성을 지닌 단백질임을 알 수 있었다. 4. 재생의 속도는 사용된 세포주마다 차이가 있었으며 (A549 >Raw 264.7 >$Rat_2$ >WI26), 단백질 합성억제제인 cycloheximide ($10{\mu}g/ml$) 존재 하에서도 변함 없이 관찰되었다. 결 론 : 세포 내에는 산화되어 불활성화된 peroxiredoxin을 재생하는 체계가 존재 하며, 이는 활성부위 cysteine을 갖는 다른 단백질에도 공통적으로 적용될 수 있는 분자 스위치일 가능성이 높으며, 산화에 의한 신호전달과정이나, 질병 모델에서 Prx 단백의 재생 체계의 이상과 병인에 관한 추가적인 연구가 필요할 것으로 사료된다.

효과적인 입력변수 패턴 학습을 위한 시계열 그래프 기반 합성곱 신경망 모형: 주식시장 예측에의 응용 (A Time Series Graph based Convolutional Neural Network Model for Effective Input Variable Pattern Learning : Application to the Prediction of Stock Market)

  • 이모세;안현철
    • 지능정보연구
    • /
    • 제24권1호
    • /
    • pp.167-181
    • /
    • 2018
  • 지난 10여 년간 딥러닝(Deep Learning)은 다양한 기계학습 알고리즘 중에서 많은 주목을 받아 왔다. 특히 이미지를 인식하고 분류하는데 효과적인 알고리즘으로 알려져 있는 합성곱 신경망(Convolutional Neural Network, CNN)은 여러 분야의 분류 및 예측 문제에 널리 응용되고 있다. 본 연구에서는 기계학습 연구에서 가장 어려운 예측 문제 중 하나인 주식시장 예측에 합성곱 신경망을 적용하고자 한다. 구체적으로 본 연구에서는 그래프를 입력값으로 사용하여 주식시장의 방향(상승 또는 하락)을 예측하는 이진분류기로써 합성곱 신경망을 적용하였다. 이는 그래프를 보고 주가지수가 오를 것인지 내릴 것인지에 대해 경향을 예측하는 이른바 기술적 분석가를 모방하는 기계학습 알고리즘을 개발하는 과제라 할 수 있다. 본 연구는 크게 다음의 네 단계로 수행된다. 첫 번째 단계에서는 데이터 세트를 5일 단위로 나눈다. 두 번째 단계에서는 5일 단위로 나눈 데이터에 대하여 그래프를 만든다. 세 번째 단계에서는 이전 단계에서 생성된 그래프를 사용하여 학습용과 검증용 데이터 세트를 나누고 합성곱 신경망 분류기를 학습시킨다. 네 번째 단계에서는 검증용 데이터 세트를 사용하여 다른 분류 모형들과 성과를 비교한다. 제안한 모델의 유효성을 검증하기 위해 2009년 1월부터 2017년 2월까지의 약 8년간의 KOSPI200 데이터 2,026건의 실험 데이터를 사용하였다. 실험 데이터 세트는 CCI, 모멘텀, ROC 등 한국 주식시장에서 사용하는 대표적인 기술지표 12개로 구성되었다. 결과적으로 실험 데이터 세트에 합성곱 신경망 알고리즘을 적용하였을 때 로지스틱회귀모형, 단일계층신경망, SVM과 비교하여 제안모형인 CNN이 통계적으로 유의한 수준의 예측 정확도를 나타냈다.