2 차원 전기영동 방법은 1975 년 이후 복합 단백질 혼합물로부터 대량으로 단백질을 분리하기 위한 중요한 요소 기술로 사용되어 왔다. 단백질 신호가 다양한 밝기와 크기로 표현되는 2 차원 전기영동 영상의 디지털 형식은 인체에 영향을 주는 요소들을 찾기 위한 생물학자들을 지원하기 위한 많은 정보를 제공한다. 혼합물 내에는 많은 양의 단백질들이 존재하므로, 생물학자들이 2 차원 전기영동 영상들 간의 단백질을 정합하고 이를 동정하고자 할 경우 이들로 하여금 많은 시간과 노력을 절약할 수 있도록 자동화된 시스템의 제공이 요구된다. 2 차원 전기영동 ...
2 차원 전기영동 방법은 1975 년 이후 복합 단백질 혼합물로부터 대량으로 단백질을 분리하기 위한 중요한 요소 기술로 사용되어 왔다. 단백질 신호가 다양한 밝기와 크기로 표현되는 2 차원 전기영동 영상의 디지털 형식은 인체에 영향을 주는 요소들을 찾기 위한 생물학자들을 지원하기 위한 많은 정보를 제공한다. 혼합물 내에는 많은 양의 단백질들이 존재하므로, 생물학자들이 2 차원 전기영동 영상들 간의 단백질을 정합하고 이를 동정하고자 할 경우 이들로 하여금 많은 시간과 노력을 절약할 수 있도록 자동화된 시스템의 제공이 요구된다. 2 차원 전기영동 영상 분석의 첫 번째 단계로써, 영상 분할은 전체 성능에 심각한 영향을 미친다. 본 논문에서는, 스팟 반점을 검출하기 위한 비교사 학습 방법으로 ‘Watershed’ 기법과 스팟 반점의 정합을 위한 2-단계 정합 방법이 제안된다. 선택적 비선형 필터와 화소 밝기 분포가 지역적 최소점을 제거하기 위하여 적용된 점이 본 연구의 중요한 공헌이다. 다음 단계는 분할을 위한 ‘Watershed’ 변환을 적용하기 이전에 실제적인 최소점을 기울기 영상에 중첩하는 것이다. 사전에 표지자를 선택하고 이를 기반으로 watershed 의 가장자리를 찾는 과정을 생략하는 무표지자(marker-free) 방법이 제안되고 이를 2 차원 전기영동 영상에 적용하였다. 비록 성능이 완벽하지 않을지라도 다른 상용 프로그램과 전문가의 분석과 비교한 결과는 제안하는 방법은 실질적이면서도 만족할 만한 결과를 도출하고 있다. 제안 방법의 주요 장점은 Watershed 적용에 있어서 표지자(marker-free) 선정 과정을 생략할 수 있는 것이다. 제 2 단계는 단백질 반점 정합 단계로, 전역 정합과 지역 정합이 연구되고 이들의 조합 방법이 적용된다. 단백질 반점 정합의 경우, landmark 이 선정이 역시 필요로 하지만, 적은 숫자만이 요구된다. 실험 결과에 따르면, 약 82%의 단백질 반점들이 정확하게 정합되었으며, 정합이 되지 않은 반점쌍들의 교정을 위해서 매우 작은 사용자의 조작이 요구된다.
2 차원 전기영동 방법은 1975 년 이후 복합 단백질 혼합물로부터 대량으로 단백질을 분리하기 위한 중요한 요소 기술로 사용되어 왔다. 단백질 신호가 다양한 밝기와 크기로 표현되는 2 차원 전기영동 영상의 디지털 형식은 인체에 영향을 주는 요소들을 찾기 위한 생물학자들을 지원하기 위한 많은 정보를 제공한다. 혼합물 내에는 많은 양의 단백질들이 존재하므로, 생물학자들이 2 차원 전기영동 영상들 간의 단백질을 정합하고 이를 동정하고자 할 경우 이들로 하여금 많은 시간과 노력을 절약할 수 있도록 자동화된 시스템의 제공이 요구된다. 2 차원 전기영동 영상 분석의 첫 번째 단계로써, 영상 분할은 전체 성능에 심각한 영향을 미친다. 본 논문에서는, 스팟 반점을 검출하기 위한 비교사 학습 방법으로 ‘Watershed’ 기법과 스팟 반점의 정합을 위한 2-단계 정합 방법이 제안된다. 선택적 비선형 필터와 화소 밝기 분포가 지역적 최소점을 제거하기 위하여 적용된 점이 본 연구의 중요한 공헌이다. 다음 단계는 분할을 위한 ‘Watershed’ 변환을 적용하기 이전에 실제적인 최소점을 기울기 영상에 중첩하는 것이다. 사전에 표지자를 선택하고 이를 기반으로 watershed 의 가장자리를 찾는 과정을 생략하는 무표지자(marker-free) 방법이 제안되고 이를 2 차원 전기영동 영상에 적용하였다. 비록 성능이 완벽하지 않을지라도 다른 상용 프로그램과 전문가의 분석과 비교한 결과는 제안하는 방법은 실질적이면서도 만족할 만한 결과를 도출하고 있다. 제안 방법의 주요 장점은 Watershed 적용에 있어서 표지자(marker-free) 선정 과정을 생략할 수 있는 것이다. 제 2 단계는 단백질 반점 정합 단계로, 전역 정합과 지역 정합이 연구되고 이들의 조합 방법이 적용된다. 단백질 반점 정합의 경우, landmark 이 선정이 역시 필요로 하지만, 적은 숫자만이 요구된다. 실험 결과에 따르면, 약 82%의 단백질 반점들이 정확하게 정합되었으며, 정합이 되지 않은 반점쌍들의 교정을 위해서 매우 작은 사용자의 조작이 요구된다.
Two-dimensional gel electrophoresis (2D-GE) has been the key technique in large-scale protein separation from complex protein mixtures since 1975. The digitalized format of scanned 2D-GE images, which represents protein species as spots of various intensities and sizes, may yield essential informati...
Two-dimensional gel electrophoresis (2D-GE) has been the key technique in large-scale protein separation from complex protein mixtures since 1975. The digitalized format of scanned 2D-GE images, which represents protein species as spots of various intensities and sizes, may yield essential information that can help biologists with exploring the biological elements that may have negative effect on body health. Due to a variety of protein species within a mixture, an automatic analysis system for 2D-GE images can help saving time and effort of biologists when identifying and picking corresponding pairs of spots for differential expression analysis. In general, 2D-GE image analysis involves two separate steps: protein segmentation and protein spot matching. In this thesis, a novel marker-free Watershed-based approach for unsupervised protein spot detection, a two-stage registration for protein spot matching and an automatic landmark selection method have been presented. The method includes using a selective nonlinear filter and a histogram-based method for removing false local minima, which may cause oversegmentation when using Watershed transform. The results were then superimposed over the reconstructed gradient image before applying Watershed transform for spot segmentation. This marker-free approach, i.e. the operator does not need to specify the predefined markers for the process of finding Watershed ridgelines, has been implemented and has been experimented with 2D-GE grayscale images. The results compared with both other software packages and human detection results showed the algorithm is practicable and satisfactory. In the second stage - protein spot matching, global matching and local matching were studied and the combination of the two approaches was proposed. The proposed matching procedure was applied for global gel plane, and then for regional areas where the global matching did not work, the algorithm was applied to these areas. In the case of protein spot matching, landmarks are still needed but with only dozens of them. Based on the experimental results, about 84% of spot pairs were matched accurately and only a minor manipulation from the operator is needed to correct some wrong matched pairs. Finally, the third contribution is an automatic landmark selection procedure, which uses the local neighborhood information to support for the detection of matched pairs, which later become the landmarks. By defining FAT PATTERNs as the most intensities protein spots in the two gel images, the algorithm focus on finding the matched pairs among these FAT PATTERNs. Then form these initial matched pairs; a breath-first search strategy has been applied to find other matched pairs from reference gel image and matched gel image. The performance has proved the effectiveness of this method in which the average performance about 93% of correct matching was obtained.
Two-dimensional gel electrophoresis (2D-GE) has been the key technique in large-scale protein separation from complex protein mixtures since 1975. The digitalized format of scanned 2D-GE images, which represents protein species as spots of various intensities and sizes, may yield essential information that can help biologists with exploring the biological elements that may have negative effect on body health. Due to a variety of protein species within a mixture, an automatic analysis system for 2D-GE images can help saving time and effort of biologists when identifying and picking corresponding pairs of spots for differential expression analysis. In general, 2D-GE image analysis involves two separate steps: protein segmentation and protein spot matching. In this thesis, a novel marker-free Watershed-based approach for unsupervised protein spot detection, a two-stage registration for protein spot matching and an automatic landmark selection method have been presented. The method includes using a selective nonlinear filter and a histogram-based method for removing false local minima, which may cause oversegmentation when using Watershed transform. The results were then superimposed over the reconstructed gradient image before applying Watershed transform for spot segmentation. This marker-free approach, i.e. the operator does not need to specify the predefined markers for the process of finding Watershed ridgelines, has been implemented and has been experimented with 2D-GE grayscale images. The results compared with both other software packages and human detection results showed the algorithm is practicable and satisfactory. In the second stage - protein spot matching, global matching and local matching were studied and the combination of the two approaches was proposed. The proposed matching procedure was applied for global gel plane, and then for regional areas where the global matching did not work, the algorithm was applied to these areas. In the case of protein spot matching, landmarks are still needed but with only dozens of them. Based on the experimental results, about 84% of spot pairs were matched accurately and only a minor manipulation from the operator is needed to correct some wrong matched pairs. Finally, the third contribution is an automatic landmark selection procedure, which uses the local neighborhood information to support for the detection of matched pairs, which later become the landmarks. By defining FAT PATTERNs as the most intensities protein spots in the two gel images, the algorithm focus on finding the matched pairs among these FAT PATTERNs. Then form these initial matched pairs; a breath-first search strategy has been applied to find other matched pairs from reference gel image and matched gel image. The performance has proved the effectiveness of this method in which the average performance about 93% of correct matching was obtained.
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.