선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 02%의 F-measure을 기록하여 기존 연구들에 비해 월등히 뛰어났다. 또한 본 연구를 통해 단백질 상호작용 검증 시스템을 구축함에 있어 적용하는 특징 추출 방법들과 분류 기법들이 어떠한 영향을 미치는지 정리할 수 있었다.
- 본 논문에서는 단백질 상호작용과 관련지을 수 있는 여러 생물학적 속성들을 통합하여 만든 데이터에서 단백질 상호작용의 신뢰도 검증에 사용할 가장 관련되고 정보력 있는 속성들을 선별하기 위해, 일반적인 경험적 지식에 근거한 특징 선택 방법, 상관관계에 기반한 특징 선택 방법, 일관성에 기반한 특징 선택 방법, 그리고 의사결정 나무 알고리즘, 선형 SVM알고리즘을 래퍼 형태로 적용한 특징 선택 방법들을 사용하여 그 성능을 비교분석하였다.
- 본 연구에서는 오류데이터가 섞여있는 단백질 상호작용 데이터에서 실제로 상호작용하는 단백질 쌍들을 분류하기 위해 관련 생물학 데이터를 속성(attribute)로 통합하고, 이들 중 가장 관련된 속성들을 특징(feature)으로 선별한 후 데이터 마이닝 분류 기법을 적용하여 잔양성과 위양성을 구분함으로써 각 상호작용 쌍을 검증하는 시스템을 소개하고 더 나아가 시스템의 성능을 최적화하는 특징 선택 방법과 분류 알고리즘의 조합을 찾는 것을 목표로 한다. 시스템 구축 및 실험 결과, 제안 시스템의 성능은 97.
제안 방법
- 2.2절에서 설명한 특징 선택 기법들 중 속성 공간 탐색전략은 양방향 최적 우선 탐색 (bi-directional best-first search)을 사용하고, 속성 부분집합을 평가하는 기준은 상관성 기반 특징 선택 방법, 일관성 기반 특징 선택 방법, 의사결정 나무 C4.5 알고리즘을 사용한 래퍼 기반 특징 선택 방법, 선형 SVM 알고리즘을 사용한 래퍼 기반 특징 선택 방법을 적용하여 보았다. 각 특징 방법들의 적용으로 만들어진 데이터에 C4.
- 3.1절에서 정리한 생물학적 속성들 중 목표 항목 즉, 해당 단백질 쌍이 상호작용 하는지 안 하는지 여부와 가장 관런된 속성 부분집합을 특징 선택 방법을 사용하여 선별하고 이들을 단백질 상호작용 데이터 검증의 근거로 사용한다. 특징 선택 알고리즘에 따라 선택된 특징 집합이 달라지며, 적용하는 도메인이나 데이터셋에 따라 최적의 성능을 보이는 분류 알고리즘이 달라진다.
- 제안 시스템은 대용량 실험에 의해 추정된 상호작용하는 단백질 데이터셋에서 진양성 데이터와 위양성 데이터를 구분하기 위해 데이터 전처리(data preprocessing) 단계에서 단백질 상호작용의 근거로 사용될 다양한 생물학 데이터를 통합하고, 이들 중 단백질 상호작용 검증을 위한 최적의 근거로 사용될 수 있는 특징 부분집합을 찾기 위해 특징 선택방법을 데이터에 적용한다. 그 후, 데이터 마이닝 분류 알고리즘을 이용하여 단백질 상호작용 데이터의 신뢰성을 검증하는 판별 모델을 구축한다.
- 구축된 학습 데이터에 단백질 상호작용의 근거로 사용될 수 있는 생물학적 의미를 가지는 값들을 계산하여 여러 속성들을 더한다.그 후, 실제로 상호작용하는 단백질 쌍과 상호작용하지 않는 단백질 쌍을 가장 잘 골라줄 수 있는 근거로 사용될 생물학적 특징들을 선택하기 위해 특징 선택 방법을 적용하고, 그 결과에 분류 알고리즘을 적용하여 단백질 상호작용 신뢰성 검증을 위한 분류기를 구축한다. 새로운 대용량 실험으로부터 보고된 단백질 상호작용 쌍이 입력으로 들어오면 명세 데이터베이스를 이용하여 각 단백질 쌍마다 속성 값들을 계산한 후, 학습 과정을 통해 구축된 분류기를 이용하여 각 쌍의 진위성 여부를 검증하게 된다.
- 적용하였다. 기존에는 경험적 지식에 기반하여 주관적으로 선택했던 검증 근거로 활용할 생물학적 특징들을 정보 공학적 특징 선택 방법들을 사용하여 선택하도록 하였고 다양한 분류 기법을 적용함으로써 최적의 성능과 폭넓은 적용 범위를 지원할 수 있는 검증 시스템을 구축하였다.
- 단백질 상호작용 검증을 위해 그동안 여러 논문들에서 언급하거나 사용했던 단백질 상호작용과 관련된 속성들을 모아서 상호작용 근거 속성들로 사용하였다[16, 17]. 각 속성마다 가지고 있는 사례의 개수도 다르고 통합하는 과정에서 단백질 상호작용 데이터셋과의 교집합 정도도 각각 달랐다.
- 특징 선택 알고리즘에 따라 선택된 특징 집합이 달라지며, 적용하는 도메인이나 데이터셋에 따라 최적의 성능을 보이는 분류 알고리즘이 달라진다. 따라서 우리는 여러가지 특징 선택 알고리즘들과 분류 알고리즘들을 조합하여 제안 시스템에 적용하고 그들의 성능을 비교분석 함으로써, 제안 시스템에 가장 적합한 특징 선택 알고리즘과 분류 알고리즘을 선택하였다.
- 본 연구에서는 대용량 실험 결과로 나온 단백질 상호작용 데이터의 신뢰도를 검증하기 위해 관련 생물학 데이터를 속성으로 통합하고 이들 중 관련있는 속성들을 특징 선택 기법을 이용하여 선별한 후 데이터 마이닝 분류 기법을 적용하여 진양성과 위양성을 구분하는 분류 시스템을 제안하였고, 이 시스템에 적용할 수 있는 다양한 특징 선택 방법과 분류 알고리즘들의 조합에 따른 성능을 다각적으로 비교 분석하였다. 효모 종에 제안 시스템을 적용해본 결과, 생물학자들의 경험적 지식을 반영한 속성들을 통합하고 특징 선택과 분류 알고리즘을 조합 · 적용하며 그 성능을 비교분석 함으로써 기존의 연구들에 비해 오염된 단백질 상호작용 데이터에서 참인 상호작용 데이터들을 매우 높은 정확도로 분류하는 다층 퍼셉트론 알고리즘을 이용한 단백질 상호작용 검증 시스템을 구축할 수 있었다.
- 본 연구에서는 상호작용하는 단백질 쌍들을 검증하기 위해 여러 관련된 생물학 데이터들을 모두 통합한 후 특징 선택 기법을 사용하여 여러 속성들 중 단백질 상호작용을 검증하기 위해 가장 적절하고 정보력 있는 속성들의 부분집합을 특징으로 선택한 후, 이 특징들에 데이터 마이닝 분류기법을 적용하였다. 기존에는 경험적 지식에 기반하여 주관적으로 선택했던 검증 근거로 활용할 생물학적 특징들을 정보 공학적 특징 선택 방법들을 사용하여 선택하도록 하였고 다양한 분류 기법을 적용함으로써 최적의 성능과 폭넓은 적용 범위를 지원할 수 있는 검증 시스템을 구축하였다.
- 그 후, 실제로 상호작용하는 단백질 쌍과 상호작용하지 않는 단백질 쌍을 가장 잘 골라줄 수 있는 근거로 사용될 생물학적 특징들을 선택하기 위해 특징 선택 방법을 적용하고, 그 결과에 분류 알고리즘을 적용하여 단백질 상호작용 신뢰성 검증을 위한 분류기를 구축한다. 새로운 대용량 실험으로부터 보고된 단백질 상호작용 쌍이 입력으로 들어오면 명세 데이터베이스를 이용하여 각 단백질 쌍마다 속성 값들을 계산한 후, 학습 과정을 통해 구축된 분류기를 이용하여 각 쌍의 진위성 여부를 검증하게 된다.
- 10-fold cross validatione 사용 가능한 데이터들을 서로 독립적인 10개의 데이터셋으로 나누어서 10번에 거쳐 하나씩 테스트 데이터로 나머지 아홉 개는 학습 데이터로 사용하며 성능평가를 반복하는 방법이다. 시스템 평가기준을 무엇으로 삼느냐에 따라 분류 결과 해석이 달라질 수 있으므로, 우리는 시스템의 성능을 여러 면에서 평가하기 위해 다양한 성능 평가 기준을 사용하였다. 분류 결과가 얼마나 정확했는지에 대한 평가 기준은 실제 목표 항목과 결과로써 예측된 목표 항목을 비교한 진양성(True Positive, TP), 위양성 (False Positive, FP), 위음성 (False Negative, FN), 진음성(True Negative, TN) 데이터의 비율에 기반해서 계산된다.
- 각 속성마다 가지고 있는 사례의 개수도 다르고 통합하는 과정에서 단백질 상호작용 데이터셋과의 교집합 정도도 각각 달랐다. <표 1>에 각 속성의 이름과 사용하게 된 생물학적 배경을 정리하고 각 속성이 전체 16,500개의 데이터 중 그 값이 존재하는 데이터는 몇 개인지 그리고 전체 데이터에서의 비율이 어느 정도인지에 따라 정렬하였다.
- 제안 시스템은 대용량 실험에 의해 추정된 상호작용하는 단백질 데이터셋에서 진양성 데이터와 위양성 데이터를 구분하기 위해 데이터 전처리(data preprocessing) 단계에서 단백질 상호작용의 근거로 사용될 다양한 생물학 데이터를 통합하고, 이들 중 단백질 상호작용 검증을 위한 최적의 근거로 사용될 수 있는 특징 부분집합을 찾기 위해 특징 선택방법을 데이터에 적용한다. 그 후, 데이터 마이닝 분류 알고리즘을 이용하여 단백질 상호작용 데이터의 신뢰성을 검증하는 판별 모델을 구축한다.
- (식 2)를 보면 진양성율은 분류 결과의 성능을 진양성 데이터와 위음성 데이터의 개수를 사용하여 평가한다. 즉, 실제로 상호작용하는 단백질 쌍들 중 몇 %가 제대로 예측되었는지를 계산한다. 그렇기 때문에, 분류 및 판별 결과의 성능을 측정함에 있어 위양성 데이터, 즉 실제로는 상호작용하지 않는 단백질 쌍이 분류기를 통해서로 상호작용하는 단백질 쌍으로 판별되어진 경우들은 무시하게 된다.
대상 데이터
- (2003) 논문[16]을 참고하여 양성 단백질 상호작용 데이터에서 사용된 단백질들을 이용하여 가능한 모든 종류의 단백질 쌍을 만들고, 각 단백질의 세포 내 위치 정보를 활용하여 그들 중 세포 기관을 4개의 단위로 나누었을 때 서로 만날 수 없는 위치에 존재하여 상호작용 할 수 없는 단백질들을 선택하여 음성 데이터셋을 만들었다 Jansen et al.(2003) 논문에서는 가능한 음성 데이터 2백70만여 개를 모두 학습 과정에 사용하였다. 그러나 모델 구축을 위해 사용할 샘플은 모집단의 분포도를 최대한 반영해야 하므로 우리는 위양성 데이터의 분포가 전체의 50% 정도로 예측된다는 논문[8, 9]에 근거하여 이들 중 8,250개의 쌍을 랜덤하게 선택하여 음성 데이터셋을 만들어 사용하였다.
- (2003) 논문에서는 가능한 음성 데이터 2백70만여 개를 모두 학습 과정에 사용하였다. 그러나 모델 구축을 위해 사용할 샘플은 모집단의 분포도를 최대한 반영해야 하므로 우리는 위양성 데이터의 분포가 전체의 50% 정도로 예측된다는 논문[8, 9]에 근거하여 이들 중 8,250개의 쌍을 랜덤하게 선택하여 음성 데이터셋을 만들어 사용하였다. 이런 과정을 통해 양성 8,250개 쌍과 음성 8, 250개 쌍을 포함한 총 16,500개의 단백질 쌍으로 구성된 데이터를 제안 시스템 구현 및 성능평가에 사용하였다.
- 공개된 단백질 상호작용 데이터베이스들의 대부분은 대용량 실험 결과로 나온 데이터나 다른 방법들에 의해 추정된 단백질 상호작용 데이터들을 많이 포함하고 있어 그 신뢰성이 매우 떨어지는 반면, MIPS (Munich Information Center for Protein Sequence)[27, 28] 공개 데이터베이스는 전문가의 수작업을 거쳐 엄선한 단백질 상호작용들로 구성되어 있기 때문에 신뢰성이 매우 높은 데이터로 여겨진다. 본 논문에서 양성 데이터로 사용한 실제로 상호작용하는 단백질들의 쌍들은 MIPS 단백질 상호작용 데이터베이스[28]에서 효모 (Yeast) 종에 대한 단백질 복합체(complex) 데이터를 다운로드 받아 이를 이진 단위로 나누어서 만든 진양성 상호작용 8,250 쌍으로 구성되어 있다.
- 본 시스템에서 학습에 사용되는 단백질 상호작용 데이터셋은 목표 항목이 양성인 데이터와 음성인 데이터들로 구분할 수 있다. 데이터 마이닝 결과의 품질은 데이터 소스의 품질과 매우 밀접하게 연관되어 있으므로 데이터셋을 어디로부터 모으고 어떻게 구성할 것인가는 매우 중요한 문제이다.
- 그러나 모델 구축을 위해 사용할 샘플은 모집단의 분포도를 최대한 반영해야 하므로 우리는 위양성 데이터의 분포가 전체의 50% 정도로 예측된다는 논문[8, 9]에 근거하여 이들 중 8,250개의 쌍을 랜덤하게 선택하여 음성 데이터셋을 만들어 사용하였다. 이런 과정을 통해 양성 8,250개 쌍과 음성 8, 250개 쌍을 포함한 총 16,500개의 단백질 쌍으로 구성된 데이터를 제안 시스템 구현 및 성능평가에 사용하였다.
데이터처리
- 각 분류기의 성능은 10-fold cross validation을 사용해서 비교 분석하였다. 10-fold cross validatione 사용 가능한 데이터들을 서로 독립적인 10개의 데이터셋으로 나누어서 10번에 거쳐 하나씩 테스트 데이터로 나머지 아홉 개는 학습 데이터로 사용하며 성능평가를 반복하는 방법이다.
- 5 알고리즘을 사용한 래퍼 기반 특징 선택 방법, 선형 SVM 알고리즘을 사용한 래퍼 기반 특징 선택 방법을 적용하여 보았다. 각 특징 방법들의 적용으로 만들어진 데이터에 C4.5 알고리즘[23], K값이 3인 K-최근접 이웃 알고리즘, 베이지안 네트워크 알고리즘, 나이브 베이즈 알고리즘[25], SVM 구축에는 RBF 커널과 회귀 모델을 적용한 순차 최소최적화 (sequential minimal optimization, SMO) 알고리즘[26], 역전파 메커니즘을 이용한 다층 퍼셉트론 알고리즘, 그리고 기저함수를 구하기 위해 K값이 2인 K-평균 군집화(K-means clustering)와 로지스틱 회귀 (logistic regression)를 이용한 RBF망 알고리즘[20]들을 사용하여 단백질 상호작용 검증을 위한 분류기를 구축하고 이들의 성능을 비교 분석하였다.
- 시스템 평가기준을 무엇으로 삼느냐에 따라 분류 결과 해석이 달라질 수 있으므로, 우리는 시스템의 성능을 여러 면에서 평가하기 위해 다양한 성능 평가 기준을 사용하였다. 분류 결과가 얼마나 정확했는지에 대한 평가 기준은 실제 목표 항목과 결과로써 예측된 목표 항목을 비교한 진양성(True Positive, TP), 위양성 (False Positive, FP), 위음성 (False Negative, FN), 진음성(True Negative, TN) 데이터의 비율에 기반해서 계산된다.
- F-measure는 정밀도와 재현율의 조화평균을 구함으로써 두 평가 기준을 혼합시킨 성능평가 척도이다 (식 6). 시스템의 분류 성능을 평가함에 있어서로 다른 시각을 가지고 있는 이 평가 기준들에 기반하여각 분류기의 성능을 비교분석 하였다<;표4~8>. 각 표에 서행은 분류 알고리즘의 종류를 열은 특징 선택 방법들을 나타낸다.
이론/모형
- 각 특징 선택 방법에 기반하여 선별된 속성들은<표 2>와 같이 방법에 따라 선탈된 속성의 개수 및 종류가 다르게 나타났다. MIPS functional similarity는 모든 특징 선택 방법에서 선별되었으며, mRNA co-expression와 GO functional similarity는 4가지 캉법에서 선택되었고, Marginal essentiality는 3가지 특징 방법에서 선택되었다. 이 네 가지 생물학적 속성들은 기본 원리가 서로 다른 특징 선택 방법들에 의해 반복적으로 선택되었으므로, 단백질 상호작용 검증에 근거로서 매우 유용하게 사용할 수 있는다는 것을 알 수 있다.
- 본 논문에서는 단백질 상호작용 검증 시스템에 가장 적합한 분류 알고리즘을 찾기 위해, 의사결정 나무 기법의 C4.5 알고리즘[23], 예제 기반 학습 기법의 K-최근접 이웃알고리즘, 베이즈 규칙 기반 기법의 나이브 베이즈와 베이지안 네트워크, 그리고 함수형 분류 기법의 SVM과 다층 퍼셉트론, RBF망 알고리즘 들을 적용하였다.
- 본 연구의 결과를 기존 연구와 비교하기 위해 Jansen et al. (2003) 논문에서 경험적 지식에 근거하여 사용한 4가지 속성도 사용하여 보았다[16]. 각 특징 선택 방법에 기반하여 선별된 속성들은<표 2>와 같이 방법에 따라 선탈된 속성의 개수 및 종류가 다르게 나타났다.
- 예제 기반 학습의 대표적인 예로 K-최근접 이웃(K- Nearest Neighborhood, KNN) 알고리즘을 들 수 있다[24]. K-최근접 이웃 알고리즘은 정보 검색 분야에서 많이 사용되는 비모수(non-parametric) 분류 알고리즘으로 학습 데이터를 이용하여 분류 모델을 구축하는 학습 단계가 필요 없다.
- 전형적인 다층 신경망의 은닉층 뉴런은 시그모이드 작동함수를 갖고 있고 입력의 가중합을 취한다. 이에 비해 RBF망은 입력의 가중합을 취하지 않으며, 은닉 뉴런의 작동함수는 가우시안 (Gaussian) 함수를 사용한다. RBF 망은 전형적인 다층 순방향 네트워크보다 빠른 수렴속도, 보다 적은 오차와 높은 신뢰성을 보여주기도 한다.
성능/효과
- 97%)의 F-measure가 전반적으로 좋게 나타나 정확도와 같은 결과를 보여주었다. F-measure 를 기준으로 봤을 경우에도 특징 선택 과정 없이 다층 퍼셉트론을 사용하는 경우가 97.02%로 가장 성능이 좋게 나타났다. 하지만 특징 선택을 적용하면 거의 최고의 성능을 가지는 단백질 상호작용 검증 시스템을 보다 빠르게 구축할 수 있으므로, 모델 구축 시간을 단축시키기 위해서는 특징 선택을 적용하는 것이 매우 효과적일 것이다.
- 또한 적용한 특징 선택 방법과 분류 알고리즘에 따라서 시스템 성능이 달라 시스템 구현 시에 어떠한 특징 선택 방법과 분류 알고리즘을 적용할 것인지를 결정하는 일이 매우 중요함을 보여주었다. K-최근접 이웃 알고리즘과 같은 예제 기반 학습 기법들은 목표 항목과 관련 없는 속성에 매우 민감하므로 특징 선택을 미리 수행해줄 경우 성능이 많이 향상되었다. 알고리즘 내부에 속성별 가중치를 자동으로 결정해주는 메커니즘이 있는 RBF망이나 신경망 같은 알고리즘의 경우에는 특징 선택과정이 오히려 분별 성능을 떨어뜨릴 수도 있으나, 적절한 특징 선택 방법을 사용할 경우에는 시스템 성능은 거의 비슷하게 유지하면서도 모델 학습 비용을 단축시키는 측면에서 큰 효과를 거둘 수 있었다.
- 24%로 좋은 성능을 보였다. K-최근접 이웃 알고리즘의 경우는 모든 속성을 사용한 경우와 상관성 기반 특징 선택 방법을 적용했을 때 정확도가 50%로 매우 낮았으며 분류의 근거로 사용하는 특징 수가 많을수록 판별 정확도가 감소하는 경향을 보였다. 또한 K-최근접 이웃 알고리즘은 의사결정 나무를 이용한 래퍼 기반 특징 선택 방법을 사용했을 경우 71.
- 전반적으로 가장 좋은 성능을 보여준 알고리즘들은 다층 퍼셉트론과 RBF망 알고리즘이었다. RBF망 알고리즘은 특징 선택 방법에 상관 없이 평균 95.97%의 정확도를 유지하여 가장 견고한(robust) 알고리즘으로 드러났으며, 그 다음으로는 다층 퍼셉트론 알고리즘이 평균 93.88%의 정확도를 보여주었다. 반면 K-최근접 이웃 알고리즘은 평균 58.
- 9%의 진양성율과 62, 8%의 특이성을 보여준 시스템을 발표하였다[19]. 각 시스템마다 사용한 데이터가 다르고 적용한 알고리즘들의 설정들이 다르므로 직접적인 비교는 불가능하나, 본 제안시스템의 신중한 학습데이터 선정과 근거로 사용할 생물학적 특성들의 모음, 다양한 특징 선택 방법들과 분류 알고리즘들의 적용, 그리고 치우침 없는 성능 평가를 위한 다각적인 성능 평가 등을 미루어 볼 때, 본 논문에서 전체 생물학적 속성들과 다층 퍼셉트론을 이용한 단백질 상호작용 신뢰성 검증 시스템은 97.04% 의 정확도와 96.27%의 진양성율, 97.78%의 특이성, 그리고 97.02%의 F-measure 성능을 나타내어 제안 시스템이 기존 연구들보다 매우 좋은 성능을 보여줌을 명확히 보여주었다.
- 98%로 분류 정확도가 올라가는 경향을 보여주었다. 나이브 베이즈 알고리즘은 경험적으로 선택한 속성들을 사용할 경우에 가장 좋은 정확도를 보여주었고, 베이지안 네트워크는 전체 속성을 다 사용할 경우에 가장 정확도가 높았다. SVM 알고리즘은 일관성 기반 특징 선택 방법과 함께 사용했을 경우에 정확도가 95.
- 조합에 대한 성능 평가를 정리한 것이다. 단백질 상호작용 데이터의 신뢰도 검증에, 있어 다층 퍼셉트론 알고리즘과 특징 선택 작업 없이 전체 생물학적 속성들을 모두 활용 했을 때 검증 판별의 정확도가 97.04%로 매우 높게 나타났다. 의사결정 나무알고리즘의 경우에는 모든 속성을 사용한 경우와 일관성에 기반한 특징 선택 방법을 적용했을 경우 모두 판별 정확도 92.
- 진양성율, 위양성율, 정밀도와 같이, 분류 결과를 정리한 진양성, 위양성, 위음성, 진음성 중 두 가지만 사용하여 성능을 평가하는 것은 상황에 따라서 공정한 평가방법이 아닐 수도 있다. 따라서 분류 결과는 진양성, 위양성, 위음성, 진음성 모두를 사용하여 계산하는 정확도나 진음성만 제외한 나머지를 사용하여 성능을 계산하는 F-measure와 같은 평가 방법을 사용하여 비교하는 것이 공정하며, 경우에 따라서는 진양성율과 정밀도를 같이 사용하거나, 진양성율과 위양성율을 같이 사용하는 등, 서로 상충관계에 있으면서 서로 보완이 되는 성능 평가 기준들을 두 개 이상 함께 제시하며 성능을 평가하는 것이 바람직하다.
- K-최근접 이웃 알고리즘의 경우는 모든 속성을 사용한 경우와 상관성 기반 특징 선택 방법을 적용했을 때 정확도가 50%로 매우 낮았으며 분류의 근거로 사용하는 특징 수가 많을수록 판별 정확도가 감소하는 경향을 보였다. 또한 K-최근접 이웃 알고리즘은 의사결정 나무를 이용한 래퍼 기반 특징 선택 방법을 사용했을 경우 71.98%로 분류 정확도가 올라가는 경향을 보여주었다. 나이브 베이즈 알고리즘은 경험적으로 선택한 속성들을 사용할 경우에 가장 좋은 정확도를 보여주었고, 베이지안 네트워크는 전체 속성을 다 사용할 경우에 가장 정확도가 높았다.
- 둘째, 특징 선택 과정을 통해 사용자의 관심을 가장 관련된 변수들로 집중시켜주며 목표 항목들에 관한 해석을 보다 간결하게 만들어준다. 또한 데이터를 2~3개의 차원으로까지 줄이지는 않을 지라도, 기존보다 속성 차원이 줄어들고 속성들의 조합의 경우 수도 현격하게 줄여줌으로써 데이터 시각화도 보다 용이해진다. 마지막으로, 특징 선택하는 과정이 추가되기는 하지만, 실제 데이터 마이닝 알고리즘 적용 과정에서 요구되는 시간, 메모리의 양을 현저하게 줄여줘서 빠르고 효율적으로 예측 모델을 구축할 수 있다.
- 효모 종에 제안 시스템을 적용해본 결과, 생물학자들의 경험적 지식을 반영한 속성들을 통합하고 특징 선택과 분류 알고리즘을 조합 · 적용하며 그 성능을 비교분석 함으로써 기존의 연구들에 비해 오염된 단백질 상호작용 데이터에서 참인 상호작용 데이터들을 매우 높은 정확도로 분류하는 다층 퍼셉트론 알고리즘을 이용한 단백질 상호작용 검증 시스템을 구축할 수 있었다. 또한 적용한 특징 선택 방법과 분류 알고리즘에 따라서 시스템 성능이 달라 시스템 구현 시에 어떠한 특징 선택 방법과 분류 알고리즘을 적용할 것인지를 결정하는 일이 매우 중요함을 보여주었다. K-최근접 이웃 알고리즘과 같은 예제 기반 학습 기법들은 목표 항목과 관련 없는 속성에 매우 민감하므로 특징 선택을 미리 수행해줄 경우 성능이 많이 향상되었다.
- 또한 데이터를 2~3개의 차원으로까지 줄이지는 않을 지라도, 기존보다 속성 차원이 줄어들고 속성들의 조합의 경우 수도 현격하게 줄여줌으로써 데이터 시각화도 보다 용이해진다. 마지막으로, 특징 선택하는 과정이 추가되기는 하지만, 실제 데이터 마이닝 알고리즘 적용 과정에서 요구되는 시간, 메모리의 양을 현저하게 줄여줘서 빠르고 효율적으로 예측 모델을 구축할 수 있다.
- 88%의 정확도를 보여주었다. 반면 K-최근접 이웃 알고리즘은 평균 58.55%의 정확도로 가장 오분류 비율이 많은 것으로 나타났다. 특징 선택 방법에 따른 검증 정확도를 살펴보면, 의사결정 나무 알고리즘을 이용한 래퍼 기반 특징 선택 방법이 평균 90.
- 이 네 가지 생물학적 속성들은 기본 원리가 서로 다른 특징 선택 방법들에 의해 반복적으로 선택되었으므로, 단백질 상호작용 검증에 근거로서 매우 유용하게 사용할 수 있는다는 것을 알 수 있다. 빈번하게 선택돈 속성들은 대부분이 적용 범위(coverage)가 넓은 속성들이었으며, 학습 데이터에서의 적용 범위가 2% 미만인 속성들은 거의 선택이 안되었다. 적용범위가 2% 미만이지만 일관성 기반특징 선택 방법에 의해 선택된 synthetic lethality는 값을 가지고 있는 97개의 예제들 중 95개(97.
- 알고리즘의 조합을 찾는 것을 목표로 한다. 시스템 구축 및 실험 결과, 제안 시스템의 성능은 97.04%의 정확도와 96.27%의 진양성율, 97.78%의 특이성, 그리고 97.02%의 F-measure을 기록하여 기존 연구들에 비해 월등히 뛰어났다. 또한 본 연구를 통해 단백질 상호작용 검증 시스템을 구축함에 있어 적용하는 특징 추출 방법들과 분류 기법들이 어떠한 영향을 미치는지 정리할 수 있었다.
- K-최근접 이웃 알고리즘과 같은 예제 기반 학습 기법들은 목표 항목과 관련 없는 속성에 매우 민감하므로 특징 선택을 미리 수행해줄 경우 성능이 많이 향상되었다. 알고리즘 내부에 속성별 가중치를 자동으로 결정해주는 메커니즘이 있는 RBF망이나 신경망 같은 알고리즘의 경우에는 특징 선택과정이 오히려 분별 성능을 떨어뜨릴 수도 있으나, 적절한 특징 선택 방법을 사용할 경우에는 시스템 성능은 거의 비슷하게 유지하면서도 모델 학습 비용을 단축시키는 측면에서 큰 효과를 거둘 수 있었다.
- <표 4>에서 볼 수 있듯이 F-measure로 성능 평가를 한결과는 정확도에 기준한 성능 평가 결과와 비슷하게 K-최근접 이웃 알고리즘의 단점을 잘 드러내고 있으며, 정확도에 기준한 결과와 일치하게 특징 선택 방법들 중 의사결정 나무를 사용한 특징 선택을 적용했을 경우(평균 91.21%)의 F-measure가 전반적으로 높았고, 알고리즘을 기준으로 봤을 때에도 RBF망(평균 95.97%)의 F-measure가 전반적으로 좋게 나타나 정확도와 같은 결과를 보여주었다. F-measure 를 기준으로 봤을 경우에도 특징 선택 과정 없이 다층 퍼셉트론을 사용하는 경우가 97.
- 04%로 매우 높게 나타났다. 의사결정 나무알고리즘의 경우에는 모든 속성을 사용한 경우와 일관성에 기반한 특징 선택 방법을 적용했을 경우 모두 판별 정확도 92.24%로 좋은 성능을 보였다. K-최근접 이웃 알고리즘의 경우는 모든 속성을 사용한 경우와 상관성 기반 특징 선택 방법을 적용했을 때 정확도가 50%로 매우 낮았으며 분류의 근거로 사용하는 특징 수가 많을수록 판별 정확도가 감소하는 경향을 보였다.
- MIPS functional similarity는 모든 특징 선택 방법에서 선별되었으며, mRNA co-expression와 GO functional similarity는 4가지 캉법에서 선택되었고, Marginal essentiality는 3가지 특징 방법에서 선택되었다. 이 네 가지 생물학적 속성들은 기본 원리가 서로 다른 특징 선택 방법들에 의해 반복적으로 선택되었으므로, 단백질 상호작용 검증에 근거로서 매우 유용하게 사용할 수 있는다는 것을 알 수 있다. 빈번하게 선택돈 속성들은 대부분이 적용 범위(coverage)가 넓은 속성들이었으며, 학습 데이터에서의 적용 범위가 2% 미만인 속성들은 거의 선택이 안되었다.
- 빈번하게 선택돈 속성들은 대부분이 적용 범위(coverage)가 넓은 속성들이었으며, 학습 데이터에서의 적용 범위가 2% 미만인 속성들은 거의 선택이 안되었다. 적용범위가 2% 미만이지만 일관성 기반특징 선택 방법에 의해 선택된 synthetic lethality는 값을 가지고 있는 97개의 예제들 중 95개(97.9%)가 양* 데이터이고 나머지 2개(2.1%)만이 음성 데이터이어서 데이터에의 적용 범위는 매우 작지만 일관성이 높은 속성으로 채택되었다. 이와 같이 일관성 기반 특징선택은 속성 값들이 어느 클래스에 치중해있는 지에 기준하여 속성을 선택하는 경향을 보였다.
- 10%로 높게 나왔다. 전반적으로 가장 좋은 성능을 보여준 알고리즘들은 다층 퍼셉트론과 RBF망 알고리즘이었다. RBF망 알고리즘은 특징 선택 방법에 상관 없이 평균 95.
- 55%의 정확도로 가장 오분류 비율이 많은 것으로 나타났다. 특징 선택 방법에 따른 검증 정확도를 살펴보면, 의사결정 나무 알고리즘을 이용한 래퍼 기반 특징 선택 방법이 평균 90.46%의 정확도를 보여주어 전반적으로 특징 선택에 가장 좋은 것으로 나타났으며, 그 다음이 경험적 특징 선택 방법 (88.67%), 일관성 기반 특징 선택 방법(88.06%)이 평균 정확도가 높은 것으로 나타났다.
- 효모 종에 제안 시스템을 적용해본 결과, 생물학자들의 경험적 지식을 반영한 속성들을 통합하고 특징 선택과 분류 알고리즘을 조합 · 적용하며 그 성능을 비교분석 함으로써 기존의 연구들에 비해 오염된 단백질 상호작용 데이터에서 참인 상호작용 데이터들을 매우 높은 정확도로 분류하는 다층 퍼셉트론 알고리즘을 이용한 단백질 상호작용 검증 시스템을 구축할 수 있었다. 또한 적용한 특징 선택 방법과 분류 알고리즘에 따라서 시스템 성능이 달라 시스템 구현 시에 어떠한 특징 선택 방법과 분류 알고리즘을 적용할 것인지를 결정하는 일이 매우 중요함을 보여주었다.
후속연구
- 데이터로부터 시작해야 한다. 분류 알고리즘을 사용해서 상호작용하는 단백질들의 신뢰도를 추정하는 우리의 연구는 이런 목적에서 볼 때 매우 의미있고 유용하게 사용될 수 있을 것이다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.