최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기정보처리학회논문지. The KIPS transactions. Part D. Part D, v.17D no.3, 2010년, pp.175 - 184
Experiments and research on genes have become very convenient by using DNA chips, which provide large amounts of data from various experiments. The data provided by the DNA chips could be represented as a two dimensional matrix, in which one axis represents genes and the other represents samples. By...
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
바이오 칩 중의 하나인 마이크로어레이란 무엇인가? | 바이오 칩(Biochip)이란 DNA나 단백질과 같은 생체물질을 유리, 실리콘, 나일론 등의 재질로 된 고체기질 위에 고밀도로 집적화한 것으로 유전자 발현 양상, 유전자 결함, 단백질 분포 등의 생물학적 정보를 얻는데 쓰이며 생화학적 공정 및 반응속도 또는 정보처리 속도를 높이는 도구나 장치를 말한다[3, 4, 5]. 바이오 칩 중의 하나인 마이크로어레이(microarray)는 수천 혹은 수만 개의 DNA, 단백질, 탄수화물, 펩타이드(peptide) 등을 일정간격으로 배열하여 붙이고, 분석대상 물질을 처리하여 결합 양상을 분석할 수 있는 칩(DNA칩, 단백질 칩)이다[6]. | |
군집화에서 군집간의 유사도를 평가하기 위해 사용되는 거리 측정 함수로는 어떤 것들이 있는가? | 군집화(clustering)는 훈련(training)과정 없이 유사도에 근거하여 군집들을 구분하는 데이터마이닝 기법으로서 (그림 2)와 같이 군집 내의 유사성을 극대화 하고 군집간의 유사성을 최소화 하여 데이터의 객체를 분석한다. 이 때, 군집간의 유사도를 평가하기 위해 사용되는 거리 측정 함수로는 Euclidean distance, Mahalanobis distance 등이 있다[11, 12]. | |
PSO 알고리즘이란 무엇이며, 어떤 장점이 있는가? | 그리고 본 논문에서는 생태계 모방 알고리즘의 하나인 PSO(Particle Swarm Optimization) 알고리즘을 사용하여 군집화를 수행하는 PSO기반의 군집화 알고리즘을 제안한다. PSO 알고리즘은 개체들 간의 상호 작용을 통해 최적의 해를 찾아가는 방법을 모방하는 알고리즘으로서 단순하고 계산시간이 짧으며 대량의 메모리가 필요 없다는 장점이 있다. 따라서 PSO 알고리즘을 이용하여 군집화를 수행하고 수천 개부터 많게는 수십만 개의 기록을 가진 대량의 바이오칩 데이터를 처리할 때, 높은 성능을 얻을 수 있다. |
Dinesh Singh, Phillip G. Febbo, et al, Gene expression correlates of clinical prostate cancer behavior, the Center Cell vol.1, issue2, March 200, pp.200-209
Barrett MT, Scheffer A, et al, Comparative genomic hybridization using oligonucleotide microarrays and total genomic DNA, Proc. National Academy of Sciences USA, 2004 Dec. 21
D.J. Lockhart, H.L. Dong, M.C. Byrne, M.T. Follettie, M.V. Gallo, M.S. Chee, M. Mittmann, C.W. Wang, M. Kobayashi, H. Horton, E.L. Brown, Expression monitoring by hybridization to high-density oligonucleotide arrays, Nature Biotechnology, Vol.14 No.13, pp.1675-1680, 1996.
J.L. DeRisi, V.R. Iver, P.O. Brown, Exploring the metabolic and genetic control of gene expression on a genomic scale, Science, Vol.278 No.5338, pp.680-686, 1997.
C. Debouck, P.N. Goodfellow, DNA microarrays in drug discovery and development, Nature Genetics, Vol.21 No.1 suppl, pp.48-50, 1999.
D. Bowtell, J. Sambrook, DNA Microarrays, CSHL Press, 2002.
E.K. Tang, P.N. Suganthan and X.Yao, Feature Selection for Microarray Data Using Least Squares SVM and Particle Swarm Optimization, Computational Intelligence in Bioinformatics and Computational Biology(CIBCB), pp.1-8, 2005
Qi Shen, Wei-Min Shi, Wei Kong, Bao-Xian Ye, A combination of modified particle swarm optimization algorithm and support vector machine for gene selection and tumor classification, Talanta, Vol.71, No.4, pp.1679-1683, 2007
M.B. Eisen, P.T. Spellman, P.O. Browndagger, D. Botstein, Cluster analysis and display of genome-wide expression patterns, Proceedings of the National Academy of Sciences of the United States of America (PNAS), Vol.95, No.25, pp.14863-14868, 1998.
X. Xiao, E.R. Dow, R. Eberhart, Z.B. Miled, R.J. Oppelt, Gene Clustering Using Self-Organizing Maps and Particle Swarm Optimization, IEEE International Workshop On High Performance Computational Biology, 2003.
I.D. Falco, A.D. Cioppa, E. Tarantino, Facing classification problems with Particle Swarm Optimization, Soft Computing, Vol.7, No.3, pp.652-658, June 2007.
DNA chip. http://mbel.kaist.ac.kr/research/DNAchip_en.html
J. Han, M. Kamber, Data Mining Concepts and Techniques, Morgan Kaufmann, 2001.
I.H. Witten, E. Frank, Data Mining : Practical Machine Learning Tools and Techniques, 2nd edition, Morgan Kaufmann, 2005.
J.H. Holland, Adaptation in Natural and Artificial Systems, MIT Press, Cambridge, MA, 1992.
K.E. Parsopoulos, M.N. Vrahatis, Recent approaches to global optimization problems through Particle Swarm Optimization, Natural Computing Vol.1, No.2-3, pp.235-306, June 2002.
Y. Shi, R.C. Eberhart, Parameter selection in particle swarm optimization, Proceedings of Evolutionary Programming VII, pp.591-600, 1998
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
출판사/학술단체 등이 한시적으로 특별한 프로모션 또는 일정기간 경과 후 접근을 허용하여, 출판사/학술단체 등의 사이트에서 이용 가능한 논문
※ AI-Helper는 부적절한 답변을 할 수 있습니다.