• Journal of Chest Surgery
• /
• 제39권1호
• /
• pp.1-11
• /
• 2006

배경: CD44는 세포상호간 그리고 세포와 기질 사이의 부착을 조절하는 세포표면당단백질로 표준형인 CD44s와 여러 동종변형이 있다. CD44는 림프구와 단핵구를 활성화할 뿐만 아니라, 여러가지 상피성 종양의 진행과정에 참여하여 종양의 침습과 전이를 도와줄 것이라는 연구결과가 나오고 있다. 그러나, 종양의 종류에 따라 CD44의 표준형과 여러 동종변형의 발현양상이 다르고, 종양의 생물학적 특성과의 관련성에 대해서도 아직은 잘 알려져 있지 않다. 폐장에는 많은 종류의 원발성 악성종양과 전이성종양이 발생하기 때문에 폐암조직에서 CD44 당단백의 발현양상에 대해 연구하는 것이 폐암의 생물학적 특성뿐만 아니라 다른 종양의 전이에 관한 이해의 폭을 넓히는데 도움이 될 것으로 생각하여 본 연구를 시행하였다. 대상 및 방법: 1985년부터 1994년까지 비소세포성폐암으로 진단한 후 절제하여 의뢰된 48예의 편평세포암종, 33예의 선암종, 8예의 미분화성대세포암종을 합한 총 89예의 폐암조직을 대상으로 연구하였다. CD44 당단백질은 표준형인 CD44s와 동종변형인 CD44v6에 대해 면역조직화학염색을 시행하여 발현정도를 평가하였다. 종양의 미세혈관분포는 혈관내피세포 표지자인 CD34에 대한 면역조직화학염색을 시행하여 200배 및 400배 현미경 시야에서 혈관의 수를 헤아렸다. CD44s와 CD44v6의 발현정도와 미세혈관의 수 사이에 연관성을 검정하였다. 이 결과를 환자의 나이, 성별, 병기, 종양의 크기, 림프절 전이 여부, 종양의 병리조직학적 유형 및 생존율과 비교하였다. 결과: CD44s와 CD44v6는 89예의 비소세포폐암종 중 각각 71예(79.8$\%$)와 64예(71.9$\%$)에서 발현하였다. 이 두 당단백의 발현은 상호 관련성이 있었다(p < 0.0001). CD44s와 CD44v6모두 편평세포암종에서 각각 95.8$\%$로 가장 높은 발현율을 보였다(p < 0.0001). CD44s의 발현은 편평세포암종의 분화도와 관련이 있었는데 (p=0.008), 불량한 분화를 보이는 암종이 양호한 분화의 암종보다 발현율이 높았으며(p=0.002), 중등도 분화를 보인 암종과는 유의한 차이가 없었다. CD44v6의 발현은 편평세포암종과 선암종의 분화도와 관련이 없었다. CD44s의 발현은 종양의 미세혈관의 수와 상관관계를 보였다(p=0.019 및 p=0.007). 종양의 미세혈관의 수는 종양의 크기와 상관 관계가 있었다 (각각 p=0.043). 그러나, 나이, 성별, 병기, 림프절 전이 및 생존율과는 관련성이 없었다. 결론: 이상의 결과에서, 종양의 미세혈관의 수가 CD44s의 발현과 상관관계가 있고, 종양의 크기와도 상관관계를 보이는 점으로 미루어 CD44s가 종양의 성장과 혈관 형성에 관련되어 있을 가능성을 시사한다. CD44s와 CD44v6의 발현이 편평세포암종에서 가장 높은 발현율을 보이는 것으로 보아 조직형태학적 특성과 관련이 있을 것으로 생각한다.

• 한국식품위생안전성학회지
• /
• 제34권3호
• /
• pp.227-234
• /
• 2019

옥시테트라사이클린은 침투이행성 살균제로 배추, 고추 등의 농산물에 무름병, 줄기속마름병에 효과가 있다. 본 연구는 농산물 중 기준신설 예정농약 옥시테트라사이클린이 농산물 대하여 등록되지 않아 이에 대한 공정시험법을 개발하기 위하여 수행되었다. 옥시테트라사이클린의 잔류물의 정의는 미국, 일본의 경우 농산물 대상으로 모화합물로 설정되어 있다. 현재, 국내에서는 농산물 중 옥시테트라사이클린의 잔류물의 정의 및 잔류허용기준이 설정되어있지 않고, 국내 농산물(고추 등)에 대한 잔류허용기준 신설이 최초 요청되었으며 국내 유통 농산물 중 잔류량에 대한 안전관리 확보를 위해 잔류물의 정의를 모화합물로 규정하고 적부판정을 위한 공정시험법을 개발하고자 하였다. 옥시테트라사이클린의 물리 화학적 특성을 고려하여 QuEChERS법을 이용한 추출 및 정제법을 최적화하여 LC-MS/MS에 의한 분석법을 확립하였다. 수용성 유기용매인 메탄올을 추출 용매로 사용하여 pH 조절 및 염화나트륨을 첨가하여 추출법을 최적화하고, d-SPE 흡착제를 이용하여 간섭물질을 효과적으로 제거하여 정제법을 확립하였다. 옥시테트라사이클린의 결정계수($r^2$)는 0.99 이상으로 높은 직선성을 보여주었고, 옥시테트라사이클린의 시험법 정량한계(LOQ)는 0.01 mg/kg이며, 대표 농산물 5종(현미, 감자, 대두, 감귤, 고추)에 대하여 LOQ (0.01 mg/kg), $10{\times}LOQ$ (0.1 mg/kg), $50{\times}LOQ$ (0.5 mg/kg) 수준으로 회수율 실험한 결과 평균 회수율(n=5)은 80.0~108.2%이었으며 상대표준편차는 11.4%이하로 확인되었다. 또한 실험실간 검증 결과 두 실험실간 회수율 결과에 따른 평균값은 83.5~103.2%이며 변이계수는 14.1% 이하로 조사되어, 본 연구는 국제식품규격위원회 가이드라인(Codex Alimentarius Commission, CAC/GL 40)의 잔류농약 분석 기준 및 식품의약품안전평가원의 '식품등 시험법 마련 표준절차에 관한 가이드라인(2016)'에 적합한 수준임을 확인하였다. 따라서 본 연구에서 개발한 시험법은 농산물 중 잔류할 수 있는 옥시테트라사이클린의 안전관리를 위한 공정시험법으로 활용 가능할 것이다.

• 지능정보연구
• /
• 제19권2호
• /
• pp.1-20
• /
• 2013

소셜 네트워크는 사용자들의 공통된 관심사, 경험, 그리고 일상 생활들을 함께 공유하기 위해 소셜 네트워크 상 사람들을 서로 연결시켜주는 거대한 커뮤니케이션 플랫폼이다. 소셜 네트워크상의 사용자들은 포스팅, 댓글, 인스턴스 메시지, 게임, 소셜 이벤트 외에도 다양한 애플리케이션을 통해 다른 사용자들과 소통하고 개인 정보 관리하는데 많은 시간을 소비한다. 소셜 네트워크 상의 풍부한 사용자 정보는 추천시스템이 추천 성능을 향상시키기 위해 필요한 큰 잠재력이 되었다. 대부분의 사용자들은 어떤 상품을 구매하기 전 가까운 관계이거나 같은 성향을 가진 사람들의 의견을 반영하여 의사 결정을 하게 된다. 그러므로 소셜 네트워크에서의 사용자 관계는 추천시스템을 위한 사용자 선호도 예측을 효율적으로 높이는데 중요한 요소라 할 수 있다. 일부 연구자들은 소셜 네트워크에서의 사용자와 다른 사용자들 사이의 상호작용 즉, 소셜 관계(social relationship)와 같은 소셜 데이터가 추천시스템에서 추천의 질에 어떠한 영향을 미치는가를 연구하고 있다. 추천시스템은 아마존, 이베이, Last.fm과 같은 큰 규모의 전자상거래 사이트 또한 채택하여 사용되는 시스템으로, 추천시스템을 위한 방법으로는 협업적 여과 방법과 내용 기반 여과 방법이 있다. 협업적 여과 방법은 사용자들의 선호도 학습에 의해 사용자가 아직 평가하지 않은 아이템 중 선호할 수 있는 아이템을 정확하게 제안하기 위한 추천시스템 방법 중 하나이다. 협업적 여과는 사용자들의 데이터에 초점을 맞춘 방법으로 유사한 배경과 선호도를 가지는 사용자들로부터 정보를 수집하여 사용자들의 선호도 예측을 자동으로 발생시킨다. 특히 협업적 여과는 근접한 이웃 사용자들에 의해서 목적 사용자가 선호할 수 있는 아이템을 제시하는 것으로 유사한 이웃 사용자를 찾는 것이 중요하다. 좋은 이웃 사용자 발견은 사용자와 아이템을 고려하는 방법이 일반적이다. 각 사용자는 아이템 즉, 영화, 상품, 책 등에 자신의 선호도를 나타내기 위하여 평가 값을 입력하고, 시스템은 이를 바탕으로 사용자-평가 행렬을 구축한다. 이 사용자-평가 행렬은 목적 사용자와 유사하게 아이템을 평가한 사용자 그룹을 찾기 위한 것으로, 목적 사용자가 아직 평가하지 않은 아이템에 대하여 사용자-평가 매트릭스를 통해 그 평가 값을 예측한다. 현재 이 협업적 여과 방법은 전자상거래와 정보 검색에서 적용되어 개인화 시스템에 효율적으로 사용되고 있다. 하지만 초기 사용자 문제, 데이터 희박성 문제와 확장성 그리고 예측 정확도 향상 등 해결해야 할 과제가 여전히 남아 있다. 이러한 문제들을 해소하기 위해 많은 연구자들은 하이브리드, 신뢰기반, 소셜 네트워크 기반 협업적 여과와 같은 다양한 방법을 제안하였다. 본 논문에서는 전통적인 협업적 여과 방식의 예측 정확도와 추천 성능을 향상시키기 위해 소셜 네트워크에 존재하는 소셜 관계를 이용한 협업적 여과 시스템을 제안한다. 소셜 관계는 소셜 네트워크 서비스 중 하나인 페이스북 사용자들이 남긴 포스팅과 사용자의 소셜 네트워크 친구와 의견 교류 중 남긴 코멘트와 같은 사용자 행동을 기반으로 정의된다. 소셜 관계를 구축하기 위해 소셜 네트워크 사용자의 포스팅과 댓글을 추출하고, 추출된 텍스트에 불용어 및 특수 기호 제거와 스테밍 등 전처리를 수행하였다. 특징 벡터는 TF-IDF를 이용하여 전처리된 텍스트에 나타난 각 단어에 대한 특징 점수를 계산함으로써 구축된다. 본 논문에서 이웃 사용자를 결정하기 위해 사용되는 사용자 간 유사도는 특징 벡터를 이용한 사용자 행동 유사도와 사용자의 영화 평가를 기반으로 한 전통적 방법의 유사도를 결합하여 계산된다. 제안하는 시스템은 목표 사용자와 제안한 방법을 통해 결정된 이웃 사용자 집단을 기반으로 목표 사용자가 평가하지 않은 아이템에 대한 선호도를 예측하고 Top-N 아이템을 선별하여 사용자에게 아이템을 추천하게 된다. 본 논문에서 제안하는 방법을 확인하고 평가하기 위하여 IMDB에서 제공하는 영화 정보 기반으로 영화 평가 시스템을 구축하였다. 예측 정확도를 평가하기 위해 MAE 값을 이용하여 제안하는 알고리즘이 얼마나 정확한 추천을 수행하는지에 대한 예측 정확도를 측정하였다. 그리고 정확도, 재현율 및 F1값 등을 활용하여 시스템의 성능을 평가하였으며, 시스템의 추천 품질은 커버리지를 이용하여 평가되었다. 실험 결과로부터 본 논문에서 제안한 시스템이 보다 더 정확하고 좋은 성능으로 사용자에게 아이템을 추천하는 것을 볼 수 있었다. 특히 소셜 네트워크에서 사용자 행동을 기반으로 한 소셜 관계를 이용함으로써 추천 정확도를 6% 향상시킴을 보였다. 또한 벤치마크 알고리즘과의 성능비교 실험을 통해 7% 향상된 추천 성능의 결과를 보여준다. 그러므로 사용자의 행동으로부터 관찰된 소셜 관계를 CF방법과 결합한 제안한 방법이 정확한 추천시스템을 위해 유용하며, 추천시스템의 성능과 품질을 향상시킬 수 있음을 알 수 있다.