[논문]암 연구를 위한 데이터 및 텍스트 마이닝

장호; 김정균; 이현주

암 연구를 위한 데이터 및 텍스트 마이닝 원문보기

정보과학회지 = Communications of the Korean Institute of Information Scientists and Engineers, v.32 no.3, 2014년, pp.61 - 70

장호 (광주과학기술원) , 김정균 (광주과학기술원) , 이현주 (광주과학기술원)

초록이 없습니다.

AI 본문요약
AI-Helper

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

문제 정의

GE) 및 단백질 상호 작용。"otein-Protein Interactions. PPI)을 통합하는 알고리즘을 설명하고, 이를 대용량 암환자 데이터에 적용한 연구登을 소개한다. 3장에서는 생의학 문헌에 발표된 암과 관련된 유전자를 체계적으로 분석하여, 각종 암의 타입에 따라 중요한 유전자旨을 우선순위별로 정렬해 문헌 정보와 함께 보고하는 텍스트마이닝 기법에 대해서 설명한다.
바이오테크翳로지의 발전으로 다양한 생물학 데이터가 축적되었고 이 데이터의 분석을 통해 암과 암에 영향을 미치는 유전자 사이의 관계가 밝혀지고 있다. 암과 연관성이 높은 유전자를 규명하기 위해 다양한 방법흘이 적용되고 있는데 본 논문에서는 생물학 데이터를 분석하기 위한 방법들과 생물학 문헌을 분석하기 위한 방법들을 다루었다.

가설 설정

질병간의 관계를 예측한다. 이 알고리즘은 질병과 유전자가 함께 언급될 때 두 개체간의 관계가 있을 것이라는 가정을 바탕으로 한다.

제안 방법

특정 영역에 대해서 암환자들 중 CNAs가 있는 샘플들과 CNAs 가 없는 샘플들로 나눈다. 그 후 CNAs가 있는 샘플들의 해당 영역의 유전자 발현량의 평균값과 CNAs가 없는 샘플들의 해당 영역의 유전자 발현량의 평균값의 차이를 표준편차로 나눈 값을 구한다. 이 값이 통계적으로 유의한지를 측정한다.
둘째, 다수의 유전자들로부터 대표 유전자로 선발된 유전자들을 중심으로모듈을 생성하였다. 그 후, 각 모듈 쌍에 대해서, 모듈들에 속한 유전자들의 PCC가 높고 단백질 상호작용 네트워크에서의 거리가 가까울 때, 모듈들을 통합하였다. 교모세포증 뇌암 및 난소암(Ovarian Cancer) 에 본 방법론을 적용하였을 때, 각각 22개 23개의 모듈들이 생성되었고, 모든 모듈들이 생물학적 경로들과 연관성이 있었다.
첫째, 각 유전자에 대해서이 유전자를 대표하는 유전자를 선별하였는데, 이는 CNAs와 GE 데이터에서 PCC와 단백질 상호작용 네트워크에서 거리에 기반을 두었다. 둘째, 다수의 유전자들로부터 대표 유전자로 선발된 유전자들을 중심으로모듈을 생성하였다. 그 후, 각 모듈 쌍에 대해서, 모듈들에 속한 유전자들의 PCC가 높고 단백질 상호작용 네트워크에서의 거리가 가까울 때, 모듈들을 통합하였다.
그림 10과 같다. 먼저 PubMed로부터 대량의 논문 초록들을 수집한 후 개체명 인식 기법과 관계 추출 기법을 사용하여 문헌들로부터 암과 유전자 사이의 관계를 나타내는 문장들을 추출한다. 암과 유전자 사이의 관계를 나타내는 문장들을 바탕으로 검색 엔진의 색 인을 생성한다.
먼저 PubMed로부터 대량의 논문 초록들을 수집한 후 개체명 인식 기법과 관계 추출 기법을 사용하여 문헌들로부터 암과 유전자 사이의 관계를 나타내는 문장들을 추출한다. 암과 유전자 사이의 관계를 나타내는 문장들을 바탕으로 검색 엔진의 색 인을 생성한다. 二里 후 사용자가 검색어를 입력하면 색인을 바탕으로 관련 있는 문장들을 검색한 후, 암과 유전자의 관계가 잘 나타나는 문장순으로 검색 결과를 정렬하여 사용자에게 반환한다.
활발히 해 오고 있다. 연구는 크게 분자 레벨의 데이터를 差석하는 데이터 마이닝 연구와 생의학 논문. 에 보고된 기존 연구들을 분석하는 텍스트 마이닝 연구로 나둘 수 있다.
이 값을 G-score라고 한다. 한편으로 퍼뮤테이션테스트를 통해 임의로 일어나지 않을 G-score 임계치를 계산한다. 3단계에서는 G-score 임계치보다 적은 G-score 값을 가지는 영역을 제거한다.
첫째, 다수의 암환자로부터 구해진 CNAs 데이터와 유전자 발현형 데이터에 대해서, 모든 CNAs 데이터와 유전자 발현형 쌍에 대해서 상관관계(Pearson Correlation Coefficient, PCC)를 계산하여, 상관관계 매트릭스(Correlation Matrix)를 구한다. 훌째, 이 상관관계 매트릭스에 바이클러스터링 기법을 적용하여, 상관관계 유사도가 높은 DNA 영역들과 유전자들의 집합 (Set)을 생성한다. 이 집합들을 모듈(Module)이라고 부른다.

대상 데이터

또한, 생물학 문헌에 대한 텍스트 마이닝 연구는 전문(Full text)에 대한 접근이 어렵기 때문에 초록(Abstract) 데이터를 주로 이용하였다. 전문을 이용하는 것은 저작권 문제로 제한되는 경우가 많기 때문인데[39], Pub-Med Central[4이데이터 베이스와 같이 전문을 제공하는 경우가 늘어나고 있기 때문에 전문을 분석하여 유용한 정보를 추출하는 연구들이 점점 중요해지고 있다.

데이터처리

이 방법론은 그림 7에서 설명하였다. 첫째, 다수의 암환자로부터 구해진 CNAs 데이터와 유전자 발현형 데이터에 대해서, 모든 CNAs 데이터와 유전자 발현형 쌍에 대해서 상관관계(Pearson Correlation Coefficient, PCC)를 계산하여, 상관관계 매트릭스(Correlation Matrix)를 구한다. 훌째, 이 상관관계 매트릭스에 바이클러스터링 기법을 적용하여, 상관관계 유사도가 높은 DNA 영역들과 유전자들의 집합 (Set)을 생성한다.

이론/모형

단어사전의 문제를 해결하기 위해 기계학습을 이용한 알고리즘으로는 텍스트로부터 유전자와 단백질명을, 인식하는 ABNER(A Biomedical Named Entity Recognizer) [2기와 BANNER[28] 가 있다. 이 두 알고리즘은 통계적 모델인 조건부 랜덤 필드(Conditional Random Field. CRF)詈 사용하는데 이믄 확률 교 래프 모델(Probabilistic Grapliical Model)의 일종으로 텍스트 문장이나 염기서열 같은 순차데이터(Sequencial Data)를 레이블링 하는데 사용된다. 단어사전과 기계학습 기법을 복합적으로 적용한 방법으로는 ChemSpot [29]이 있는데 이는 화학물질명을 인식하는 알고리즘으로 단어사전과 조건부 랜덤 필드를 같이 적용하여 정확도를 높이고자 하였다

성능/효과

그 후, 각 모듈 쌍에 대해서, 모듈들에 속한 유전자들의 PCC가 높고 단백질 상호작용 네트워크에서의 거리가 가까울 때, 모듈들을 통합하였다. 교모세포증 뇌암 및 난소암(Ovarian Cancer) 에 본 방법론을 적용하였을 때, 각각 22개 23개의 모듈들이 생성되었고, 모든 모듈들이 생물학적 경로들과 연관성이 있었다.
이 값이 통계적으로 유의한지를 측정한다. 본 방법을 교모세포종 뇌암환자들에게 적용했을 때, CNAs의 증가가 뚜렷한 영역의 경우 절반에 가까운 영역에서 유젒자들의 발현량이 증가하였다.
각 모듈에 속한 유전쟈礬은 CNAs와 유전자 발현형의 변화를 나타낸다. 이 방법론을 교모세포증 뇌암 환자에 적용하여 만든 모듈중에서 하나는 chr7p 13영 역에서의 DNA 변화가 EGFR 생체신호경로의 변화와 연관이 있음을 보여주었다.
GE, CNAs, PPI를 통합한 대표적인 연구는 다음과 같다[23]. 첫째, 각 유전자에 대해서이 유전자를 대표하는 유전자를 선별하였는데, 이는 CNAs와 GE 데이터에서 PCC와 단백질 상호작용 네트워크에서 거리에 기반을 두었다. 둘째, 다수의 유전자들로부터 대표 유전자로 선발된 유전자들을 중심으로모듈을 생성하였다.

후속연구

이와 같이 암 세포에서 추출된 분자 데이터와 생물학 문헌들에서 분석해야할 데이터의 크기가 점점 증가하고 있으므로 방대한 생물학 데이터 및 문헌 데이터를 분석하기 위한 기술들은 앞으로 더 중요한 역할을 할 것이다

참고문헌 (40)

D. Sidransky, "Emerging molecular markers of cancer", Nat Rev Cancer, Vol. 2, No. 3, pp. 210-219, 2002.

상세보기
A. H. Bild and et al., "Oncogenic pathway signatures in human cancers as a guide to targeted therapies", Nature, Vol. 439, No. 7074, pp. 353-357, 2006.

상세보기
G. Ciriello and et al., "Emerging landscape of oncogenic signatures across human cancers", Nat Genet, Vol. 45, No. 10, pp. 1127-1133, 2013.

상세보기
J. Barretina and et al., "The Cancer Cell Line Encyclopedia enables predictive modelling of anticancer drug sensitivity", Nature, Vol. 483, No. 7391, pp. 603-607, 2012.

상세보기
J. Gao and et al., "Integrative analysis of complex cancer genomics and clinical profiles using the cBioPortal", Sci Signal, Vol. 6, No. 269, pp. pl1, 2013.
Tang, Ming-Xin, et al., "The APOE- $\varepsilon{4}$ allele and the risk of Alzheimer disease among African Americans, whites, and Hispanics", Jama 279.10: 751-755, 1998.

상세보기
Knuutila, Sakari, et al., "DNA copy number losses in human neoplasms", The American journal of pathology 155.3: 683-694, 1999.

상세보기
Rovelet-Lecrux A, Hannequin D, Raux G, Meur NL, Laquerri? re A, et al., "APP locus duplication causes autosomal dominant early-onset Alzheimer disease with cerebral amyloid angiopathy", Nat Genet 38: 24-26, 2006.

상세보기
Sebat J, Lakshmi B, Malhotra D, Troge J, Lese-Martin C, et al., "Strong association of de novo copy number mutations with autism", Science 316: 445-449, 2007.

상세보기
Fanciulli M, et al., "FCGR3B copy number variation is associated with susceptibility to systemic, but not organspecific, autoimmunity", Nat Genet 39: 721-723, 2007.

상세보기
Campbell PJ, Stephens PJ, Pleasance ED, O'Meara S, Li H, et al., "Identification of somatically acquired rearrangements in cancer using genome-wide massively parallel paired-end sequencing", Nat Genet 40: 722-729, 2008.

상세보기
Stone J, et al., "Rare chromosomal deletions and duplications increase risk of schizophrenia", Nature 455: 237-241, 2008.

상세보기
Walters R, et al. A new highly penetrant form of obesity due to deletions on chromosome 16p11. Nature 463: 671-675, 2010.

상세보기
Olshen, Adam B., et al., "Circular binary segmentation for the analysis of array-based DNA copy number data", Biostatistics 5.4: 557-572, 2004.

상세보기
Hupe, Philippe, et al., "Analysis of array CGH data: from signal ratio to gain and loss of DNA regions", Bioinformatics 20.18: 3413-3422, 2004.

상세보기
Pawel Stankiewicz, James R. Lupski "Structural Variation in the Human Genome and its Role in Disease," Annual Review of Medicine 61: 437-455, 2010.

상세보기
Beroukhim, Rameen, et al., "Assessing the significance of chromosomal aberrations in cancer: methodology and application to glioma", Proceedings of the National Academy of Sciences 104.50: 20007-20012, 2007.

상세보기
Hur, Youngmi, and Hyunju Lee, "Wavelet-based identification of DNA focal genomic aberrations from single nucleotide polymorphism arrays", BMC bioinformatics 12.1: 146, 2011.

상세보기
E. Hyman and et al., "Impact of DNA amplification on gene expression patterns in breast cancer", Cancer Res, Vol. 62, No. 21, pp. 6240-6245, 2002.

상세보기
R. Louhimo and et al., "Comparative analysis of algorithms for integration of copy number and expression data", Nat Methods, Vol. 9, No. 4, pp. 351-355, 2012.

상세보기
U. D. Akaviaand et al., "An integrated approach to uncover drivers of cancer", Cell, Vol. 143, No. 6, pp. 1005-1017, 2010.

상세보기
H. Lee et al., "Integrative analysis reveals the direct and indirect interactions between DNA copy number aberrations and gene expression changes", Bioinformatics, Vol. 24, No. 7, pp. 889-896, 2008.

상세보기
A. K. Azad and H. Lee, "Voting-based cancer module identification by combining topological and data-driven properties", PLoS One, Vol. 8, No. 8, pp. e70498, 2013.

상세보기
Cohen, Aaron M., and William R. Hersh., "A survey of current work in biomedical text mining", Briefings in bioinformatics 6.1, pp. 57-71, 2005.

상세보기
Chinchor, Nancy, et al., "1999 Named Entity Recognition Task Definition", MITRE and SAIC, 1999.
Aronson, Alan R., "Effective mapping of biomedical text to the UMLS Metathesaurus: the MetaMap program", Proceedings of the AMIA Symposium. American Medical Informatics Association, pp. 17, 2001.
Settles, Burr, "ABNER: an open source tool for automatically tagging genes, proteins and other entity names in text", Bioinformatics 21.14: pp. 3191-3192, 2005.

상세보기
Leaman, Robert, and Graciela Gonzalez, "BANNER: an executable survey of advances in biomedical named entity recognition", Pacific Symposium on Biocomputing, Vol. 13, pp. 652-663, 2008.
Rocktaschel, Tim, Michael Weidlich, and Ulf Leser, "ChemSpot: a hybrid system for chemical named entity recognition", Bioinformatics 28.12: pp. 1633-1640, 2012.

상세보기
Huang, Minlie, Jingchen Liu, and Xiaoyan Zhu, "Gene- TUKit: a software for document-level gene normalization", Bioinformatics 27.7: pp. 1032-1033, 2011.

상세보기
Hakenberg, Jorg, et al., "Inter-species normalization of gene mentions with GNAT", Bioinformatics 24.16: pp. i126-i132, 2008.

상세보기
Neves, Mariana L., Jose-Maria Carazo, and Alberto Pascual-Montano, "Moara: a Java library for extracting and normalizing gene and protein mentions", BMC bioinformatics 11.1: pp. 157, 2010.

상세보기
Al-Mubaid, Hisham, and Rajit K. Singh, "A new text mining approach for finding protein-to-disease associations", American Journal of Biochemistry and Biotechnology 1.3: pp. 145, 2005.
Bjorne, Jari, et al., "Extracting complex biological events with rich graph-based feature sets", Proceedings of the Workshop on Current Trends in Biomedical Natural Language Processing: Shared Task. Association for Computational Linguistics, pp. 10-18, 2009.
Kim, Jung-jae, Piotr Pezik, and Dietrich Rebholz- Schuhmann, "MedEvi: retrieving textual evidence of relations between biomedical concepts from Medline", Bioinformatics 24.11: pp. 1410-1412, 2008.

상세보기
Miyao, Yusuke, et al., "Semantic retrieval for the accurate identification of relational concepts in massive textbases", Proceedings of the 21st International Conference on Computational Linguistics and the 44th annual meeting of the Association for Computational Linguistics. Association for Computational Linguistics, pp. 1017-1024, 2006.
Doms, Andreas, and Michael Schroeder, "GoPubMed: exploring PubMed with the gene ontology", Nucleic acids research 33.suppl 2: pp. W783-W786, 2005.

상세보기
Kim, Jeongkyun, et al., "DigSee: disease gene search engine with evidence sentences(version cancer)", Nucleic acids research 41.W1: pp. W510-W517, 2013.

상세보기
Hirschman, Lynette, et al., "Overview of BioCreAtIvE: critical assessment of information extraction for biology", BMC bioinformatics 6.Suppl 1: pp. S1, 2005.
Beck, Jeff, "Report from the Field: PubMed Central, an XML-based Archive of Life Sciences Journal Articles", International Symposium on XML for the Long Haul: Issues in the Long-term Preservation of XML, Montreal, Canada. 2010.

저자의 다른 논문 :

LOADING...

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증