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.
제안 방법
- 핵을 둘러싸는 세포질에는 유전암호를 해독하여 단백질을 합성하는 리보좀, 세포의 에너지를 공급하는 미토콘드리아, 생산된 단백질을 저장하는 골지체, 독을 제거하는 리소좀, 핵과 세포질 사이를 출입하는 소포체등이 있다. 본 논문에서는 미트콘드리아의 하나의 아미노산을 지정하는 세 개의 뉴클레오드 배열의 코돈(Codon)을 활용하여 클러스터링화 하였다.
- 3]에서 보여주고 있다. 본 논문에서는 휴먼 미트콘드리아의 K-Mean 클러스터링을 통해 분석된 클러스터링 군 밀집도를 [Fig. 4]에서 보여주고 있다. 클러스터링 군을 표현하기 위해 {^,*,+,o} 문자셋을 클러스터링 표현을 위해 플럿상에 구분하였으며, cluster1, cluster 2, cluster3, cluster4에 각각 매핑 되었다.
- 4]에서 보여주고 있다. 클러스터링 군을 표현하기 위해 {^,*,+,o} 문자셋을 클러스터링 표현을 위해 플럿상에 구분하였으며, cluster1, cluster 2, cluster3, cluster4에 각각 매핑 되었다. 클러스터링 결과 화면을 통해, 코돈 데이타 셋은 뉴클레오드유형의 새로운 데이타 패턴을 제공하며, 코돈 데이타 셋을 통해 유전체 분석 및 비교가 가능하며, 패턴의 유형에 따라 유전체 예측이 가능할 것으로 보여 진다.
- 클러스터링 데이타 셋을 얻기 위해 genBank 데이타 군의 휴먼 미트콘드리아 유전체의 클러스터링 셋을 얻기 위한 코드를 수행하였으며, 적용된 알고리즘을 수행하여 [Table 2]의 코돈 클러스터링 데이타 셋을 추출하였다. 코돈 데이타 셋은 리신(AAA)가 167의 오브젝트 군으로 구성되어 있으며, 아스파라긴(AAC)는 171개의 오브젝트 군으로 구성된 데이타 셋을 확인할 수 있다.
- 텍스트 유형의 유전체정보를 코돈 조합을 추출하여 클러스터링 후 이미지 형태의 패턴을 생성하여 유전체 정보를 분석하였다. 이는 기존의 텍스트 유형의 방법보다 빠르고 손쉽게 유전체 정보를 추출 할 수 있다.
이론/모형
- K-Mean 클러스터링 알고리즘은 분할법을 적용한다. 분할법은 주어진 데이타를 여러 그룹으로 분할하며, 입력된 데이타 보다 작거나 같은 k개의 군집으로 나눈다.
- 또 한, Furlong[5]은 야생형 대 돌연변이의 유전자 발현 변화 패턴을 찾기 위해 클러스터링을 사용하였다. 대표적인 클러스터링 알고리즘은 계층응집성 클러스터링 [14,15,16], K-Mean 클러스터링[6], 자기조직화 지도[7] 등이 있으며, 본 논문에서는 매틀랩을 활용하여 유전체 생태계 정보를 K-Mean 클러스터링 기법을 적용하여 구현하였다. 미트콘드리아 유전체정보는 유전자 재조합이 거의 없기 때문에 실험 데이터로 활용하였으며, 제시된 알고리즘을 활용하여 코돈 조합의 데이터 군을 클러스터링화 하였고, 유전체 분석 패턴이 가능한 이미지를 생성하여 결과를 확인할 수 있다.
- 클러스터링은 계층적 구조와 분할적 구조로 구분되며, 계층적 구조는 단일 링크와 완전링크기법이 있다. 또한, 분할적 구조를 사용한 클러스터링은 그래프이론, 혼합해법, 모드탐색, 스케어 에러등의 기법을 적용한다.
- 유전체분석[8,9]을 위한 미토콘드리아 데이타 군을 적용하였으며, 미토콘드리아의 기본 데이타 군을 분석하기 위해 MatLab 2015b 버전을 사용하여 분석하였다. [Fig.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.