$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

초록이 없습니다.

AI 본문요약
AI-Helper 아이콘 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

  • 메타지노믹스는 자연 환경에서 존재하는 미생물들을 배양하지 않고 직접적으로 분석하기 위한 연구 분야이다. 메타지놈 빅데이터에 대한 이해를 돕기 위해 메타지노믹스의 개념에 대해 살펴보기로 하자.
  • 본 고에서는 메타지노믹스 영역에서의 빅데이터의 상황 및 그것의 장점과 문제점을 고찰해보고 지금까지 이를 해결하기 위한 접근 방법에 대해 논의 해보고자 한다. 본 논문의 구성은 다음과 같다.
  • 본 고에서는 메타지놈 빅데이터 대해 알아보고 그것을 다루는데 발생하는 문제점과 이를 해결하기 위한 빅데이터 기술에 대해 알아보았다. 비록 메타지놈 빅데이터를 다루는 것이 쉽지 않은 것은 사실이지만 이미 몇몇 앞선 연구자들은 빅데이터 기술을 활용하여 이것에 맞서고 있고 메타지노믹스를 이끌고 있다.
  • 이러한 빅데이터 시대를 맞이하여 컴퓨팅기술도 전반적으로 빅데이터를 처리하기 용이한 방향으로 하드웨어와 소프트웨어가 진화하고 있다. 본 고에서는 생명공학 분야의 빅데이터로 한정하여 그 현황과 대응방안을 논의하고자 한다.
  • 전 장에서 살펴보았듯 메타지노믹스에서 빅데이터를 다루는 데 있어 많은 어려움과 문제가 있다. 빅데이터 기술을 중심으로 이러한 문제를 해결할 수 있는 방안에 대해 정리해 보고자 한다.
  • 제 4장에서는 메타지놈 빅데이터 문제에 대해 현재까지 주로 적용된 빅데이터 기술은 무엇인지 알아본다. 이를 통해 메타지놈 빅데이터에 대해 이해하고 더 나은 해결 방안을 도출하는데 도움이 되고자 한다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
차세대 시퀀싱 기술의 등장은 무엇을 가능하게 하였는가? 차세대 시퀀싱 기술(NGS: Next Generation Sequencing)의 등장으로 기존보다 적은 비용으로 빠르게 많은 양의 서열을 생산하는 것이 가능해 짐에 따라 생물학자들에게 빅데이터에 대한 이슈는 더 이상 새로운 것이 아니다. 지난 10년간 메가베이스(Megabase) 당 시퀀싱 비용은 18개월 마다 컴퓨터의 성능이 2배씩 증가한다는 무어의 법칙(Moore's law)을 이미 크게 넘어섰으며, 시퀀서 한 대가 몇시간 만에 수십 기가바이트(Gigabyte)의 데이터를 생성하는 시대가 되었다.
데이터의 원천에는 어떤 것들이 있는가? 2010년 전세계에서 생성된 데이터는 zettabyte를 넘어섰고, 데이터의 양은 매년 40%씩 증가하고 있다[1]. 이러한 데이터의 원천을 보면 비즈니스 데이터, 멀티미디어 컨텐츠, 스마트폰과 SNS 데이터, M2M 스트림 데이터 등으로 구분해 볼 수 있으나 그 중에서도 의생명 관련 데이터는 크기나 복잡도 측면에서 다른 어떤 종류의 데이터보다 크고 복잡한 빅데이터로 간주되고 있다. 이러한 빅데이터 시대를 맞이하여 컴퓨팅기술도 전반적으로 빅데이터를 처리하기 용이한 방향으로 하드웨어와 소프트웨어가 진화하고 있다.
메타지노믹스 중 단일 유전자 접근법의 단점은 무엇인가? 단일 유전자 접근법은 특정 환경 내에서의 미생물의 다양성 연구에 적합하지만 존재하는 미생물이 어떤 역할을 하는지, 그 미생물에 속한 유전자의 환경 내에서의 기능은 무엇인지는 알기 어렵다. 훌 지놈 샷건 시퀀싱을 통한 접근법은 미생물이 환경 내에서 어떤 역할을 하는지 알아보기 위한 접근법이다.
질의응답 정보가 도움이 되었나요?

참고문헌 (18)

  1. McKinsey, Big Data: The next frontier for innovation, competition, and productivity, 2011. 05. 

  2. Simon, Carola, and Rolf Daniel, Metagenomic analyses: past and future trends, Applied and environmental microbiology, 77(4), 2011 

  3. Prosser, James I., et al.,The role of ecological theory in microbial ecology, Nature Reviews Microbiology, 5(5), 2007 

  4. Amann, Rudolf I., Wolfgang Ludwig, and Karl-Heinz Schleifer, Phylogenetic identification and in situ detection of individual microbial cells without cultivation, Microbiological reviews, 59(1), 1995 

  5. Handelsman, Jo, et al., Molecular biological access to the chemistry of unknown soil microbes: a new frontier for natural products, Chemistry & biology, 5(10), 1998 

  6. Peterson, Jane, et al., The NIH human microbiome project, Genome research, 19(12), 2009 

  7. Gilbert, Jack A., et al., Meeting report: the terabase metagenomics workshop and the vision of an Earth microbiome project, Standards in genomic sciences, 3(3), 2010 

  8. Niedringhaus, Thomas P., et al., Landscape of next-generation sequencing technologies, Analytical chemistry, 83(12), 2011 

  9. Stein, Lincoln D., The case for cloud computing in genome informatics, Genome Biol, 11(5), 2010 

  10. Sboner, Andrea, et al., The real cost of sequencing: higher than you think, Genome Biol, 12(8), 2011 

  11. Qin, Junjie, et al., A human gut microbial gene catalogue established by metagenomic sequencing, Nature, 4649 (7285), 2010 

  12. Yang, Xiao, Jaroslaw Zola, and Srinivas Aluru, Parallel metagenomic sequence clustering via sketching and maximal quasi-clique enumeration on map-reduce clouds, Parallel & Distributed Processing Symposium, IEEE, 2011 

  13. Guo, Xuan, et al, Cloud Computing for De Novo Metagenomic Sequence Assembly, Bioinformatics Research and Applications, Springer Berlin Heidelberg, 2013 

  14. Schadt, Eric E., et al., Computational solutions to largescale data management and analysis, Nature Reviews Genetics, 11(9), 2010 

  15. Schatz, Michael C., et al., High-throughput sequence alignment using Graphics Processing Units, BMC bioinformatics, 8(1), 2007 http://www.nvidia.com/object/bio_info_life_sciences.html 

  16. Jia, Peng, et al, MetaBinG: Using GPUs to accelerate metagenomic sequence classification, PloS one, 6(11), 2011 

  17. Su, Xiaoquan, Jian Xu, and Kang Ning, Parallel-META: efficient metagenomic data analysis based on high-performance computation, BMC systems biology, 2012 

  18. Suzuki, Shuji, et al., GHOSTM: a GPU-accelerated homology search tool for metagenomics, PloS one, 7(5), 2012 

저자의 다른 논문 :

섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로