• 한국통신학회논문지
• /
• 제40권10호
• /
• pp.2054-2061
• /
• 2015

최근 생물학적으로 영감을 받은 모델링 기술은 단순한 현장 상호작용과 제한된 정보와 함께 이들의 강인성과 확장성, 적응성에 대해 상당한 관심을 받고 있다. 이러한 모델링 기술들 중, 유전자 조절 네트워크(Gene Regulatory Networks)(GRNs)은 세포로부터 생물학적 유기체의 발생과 자연 진화에 대한 이해에서 핵심적인 역할을 하고 있다. 본 논문은 GRN 원리를 무선 센서 네트워크 시스템에 적용하고 시간지연 요건을 충족하는 동시에 에너지 균형을 달성할 수 있는 분산화된 노드 스케쥴링 설계 기법을 제안한다. 각 센서 노드는 소비된 에너지 수준과 지연시간에 반응하여 자동으로 자신의 상태를 스케줄링하며, 이는 GRN 모델에서 영감을 받은 유전자 발현과 단백질 농도 조절 모델에 의해 제어된다. 시뮬레이션 결과는 제안된 방법이 에너지 균형뿐만 아니라 원하는 시간 지연에서 성능을 달성하고 있다는 점을 보여준다.

• 정보처리학회논문지D
• /
• 제14D권1호
• /
• pp.9-20
• /
• 2007

유전자들의 그룹은 복잡한 상호작용들을 통해 세포의 기능이 조절되며 이러한 상호작용을 하는 유전자 그룹들을 유전자 조절 네트워크 (GRNs: Gene Regulatory Networks)라고 한다. 이전의 유전자 발현 분석 기법인 군집화와 분류는 단지 상동성에 의한 유전자들 사이의 소속을 결정하는 데에는 유용하나 분자 활동에서의 같은 클래스에서 발견되어지는 유전자들 사이의 조절 관계를 식별할 수 없다. 더욱이 유전자들이 어떻게 연관되는 지와 유전자들이 서로 어떻게 조절하는지에 대한 매커니즘의 이해가 필요하다. 따라서 이 논문에서는 시계열 마이크로어레이 데이터로부터의 유전자들의 조절 관계를 발견하기 위해서 빈발 패턴 마이닝과 연쇄 규칙을 이용한 새로운 접근법을 제안하였다. 이 기법에서는 먼저, 빈발 패턴 마이닝 적용을 위한 적절한 데이터 변환 방법을 제안하였고 FP-growth을 이용하여 유전자 발현 패턴들을 발견한다. 그런 다음, 연쇄 규칙을 이용하여 빈발한 유전자 패턴들로부터 유전자 조절 네트워크를 구축하였다. 마지막으로 제안된 기법의 검증은 공개된 유전자들의 조절 관계와 실험 결과의 일치함을 보임으로써 평가하였다.

• 대한원격탐사학회:학술대회논문집
• /
• 대한원격탐사학회 2006년도 Proceedings of ISRS 2006 PORSEC Volume II
• /
• pp.623-626
• /
• 2006

Group of genes controls the functioning of a cell by complex interactions. These interacting gene groups are called Gene Regulatory Networks (GRNs). Two previous data mining approaches, clustering and classification have been used to analyze gene expression data. While 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 rule. In this approach, we propose a method for transforming gene expression data to make suitable for frequent pattern mining, and detect gene expression patterns applying FP-growth algorithm. And then, we construct gene regulatory network from frequent gene patterns using chain rule. Finally, we validated our proposed method by showing that our experimental results are consistent with published results.