$\require{mediawiki-texvc}$

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.

[국내논문] 바이오메디컬 분야의 빅 데이터와 임상적 활용 원문보기

정보과학회지 = Communications of the Korean Institute of Information Scientists and Engineers, v.35 no.5 = no.336, 2017년, pp.35 - 38  

고윤희 (한국외국어대학교)

초록이 없습니다.

AI 본문요약
AI-Helper 아이콘 AI-Helper

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

문제 정의

  • 하지만 이러한 차세대 염기서열 기술의 발전 및 이용과 함께, 실제 이렇게 만들어진 방대한 양의 염기 서열 데이터들을 저장하고, 처리할 뿐 아니라 이를 해석하는 부분이 새로운 도전으로써 부각되기 시작하였다. 본 연구에서는 실제 이러한 세대 염기서열 분석 기술이 임상 분야에 있어서 어떤 분야에 활용되어 왔고, 실제 어떻게 활용되고 있는지를 몇 가지 예를 통해 살펴보고자 한다.
  • 본 연구에서는 바이오메디컬 분야의 빅 데이터 중 하나인 RNA-seq 데이터를 이용하여 실제 약물의 몸 안에서의 생물학적 변화를 관찰하였다. 파브리병은 리소좀이라고 하는 세포 내 소기관에서 특정 당지질 대사에 필요한 효소의 결핍으로 인해 발생하는 질환 중 하나로 X 염색체 관련 열성 유전을 하는 희귀 질환이다.
  • 더욱이 이렇게 신체 내부에 주입된 효소들이 실제적으로 어떤 식으로 생물학적 기전을 따라 작용하는지에 대한 연구는 한 번도 된 적이 없이, 실제 관찰된 부작용이 경미하고 일시적이라는 이유로 널리 사용되고 있다. 하지만 실제 환자의 몸 안에 주입된 효소가 실제 어떤 식으로 몸 안의 기전에 반응하는지 관찰을 통해, 실제 약물에 대한 이해를 돕고자 본 연구에서는 실제 파브리병 환자에게서 효소 대체 요법을 시행 전과 시행 후에 RNA-seq 데이 터를 관찰하여 비교함으로써, 실제 신체 내에 들어간 효소가 몸 안에 가져오는 생물학적 변화를 관찰하였다.
  • 따라서 이러한 데이터에 대한 제대로 된 이해와 통합 분석 능력이 질병의 진단 및 치료에 대한 새로운 패러다임으로 대두되기 시작하였다. 본 연구에서는 현재 진행되고 있는 유전체 데이터와 EHR 데이터를 통합시키려는 다양한 연구들에 대해 소개하였고, 실제 차세대 염기서열 데이터를 분석하기 위한 파이프라인의 예를 제시하고, 실제 환자의 RNA 샘플로부터 실제 약물에 대한 생물학적 기전을 찾아내는 연구에 대해 소개하였다.
본문요약 정보가 도움이 되었나요?

참고문헌 (11)

  1. Collins, F.S.; Varmus, H. A new initiative on precision medicine. N. Engl. J. Med. 2015, 372, 793-795. 

  2. Carter, T.C.; He, M.M. Challenges of identifying clinically actionable genetic variants for precision medicine. J. Healthc. Eng. 2016 

  3. Vassy, J.L. ; Korf, B.R.; Green, R.C. How to know when physicians are ready for genomic medicine. Sci. Transl. Med. 2015 

  4. McKusick, V.A. Mendelian Inheritance in Man and its online version, OMIM Am J. Hum Genet. 2007, 80, 588-604. 

  5. Brunham, L.R.; Hayden, M.R. Hunting human disease genes: Lessons from the past, challenges for the future. Hum. Genet. 2013, 132, 603-617. 

  6. Welter, D.; MacArthur, J. ; Morales, J.; et al. The NHGRlGWAS Catalog, a curated resource of SNP-trait associations. Nucleic Acids Res. 2014, 42, D1001-D1006. 

  7. Gottesman, O.; Kuivaniemi, H.; Tromp, G.; et al. The Electronic Medical Records and Genomics (eMERGE) Network: Past, present, and future. Genet. Med. 2013, 15, 761-771. 

  8. Karen Y. H.; Dongliang G.; Max M. H. Big data analytics for genomic Medicine. Int. J. Mol. Sci. 2017, 18, 412 

  9. Baro, E.; Degoul, S. ; Beuscart, R.; et al. Toward a literature-driven definition of big data in healthcare. BioMed Res. Int. 2015, 2015. 

  10. GATK, https://software.broadinstitute.org/gatk/best-practices/ 

  11. Younhee K.; Cheolho L.; MyeongHee M.; et al. Unravelling the mechanism of action of enzyme replacement therapy in Fabry disease 

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