[논문]커뮤니티 주도적 과학 데이터 큐레이션 협업 환경의 개발

최동훈; 박재원; 김병규; 신진섭

doi:10.5392/jkca.2017.17.09.001

커뮤니티 주도적 과학 데이터 큐레이션 협업 환경의 개발
Development of Collaborative Environment for Community-driven Scientific Data Curation 원문보기

한국콘텐츠학회논문지 = The Journal of the Korea Contents Association, v.17 no.9, 2017년, pp.1 - 11

최동훈 (한국과학기술정보연구원) , 박재원 (한국과학기술정보연구원) , 김병규 (한국과학기술정보연구원) , 신진섭 (한국과학기술정보연구원)

초록
AI-Helper

데이터 재사용 수요가 증가할수록 데이터 큐레이션의 중요성에 대한 인식은 점차 증가하고 있다. 데이터의 폭증으로 인해, 과학자들은 전체 노력의 90%를 자신의 연구에 필요한 데이터의 검색 및 수집에 들이고 있다. 이러한 노력을 절감시키기 위해, 본 논문에서는 과학 데이터의 재사용성을 높이는 데 필수적인 커뮤니티 주도적 데이터 큐레이션 협업 환경의 개발 및 적용에 대해 다룬다. 본 과학 큐레이션 협업 환경은 특정연구 분야의 연구 결과 간에 상호 연관성을 포획하고 재구성하기 위해 데이터 (또는 데이터 컬렉션) 및 관련 문헌 간의 상호 연결에 초점을 맞추고 있다. 또한 풍부한 문맥 정보를 메타데이터로 제공하여 사용자의 데이터 이해를 돕는다. 데이터 및 데이터-문헌 간의 상호 연결을 영구적으로 접근할 수 있도록 보장하기 위해, DOI 시스템을 이용하여 실현하였다. 이 큐레이션 협업 환경은 국내외 연구자들로 구성된 무정형 단백질 연구 그룹에 의해 커뮤니티 주도적인 큐레이션 데이터베이스 구축에 적용되었다. 이렇게 구축된 데이터 베이스는 무정형 단백질 연구자의 과학적 발견을 위한 데이터 검색 및 수집 노력을 절감해 줄 것이다.

Abstract ▼ AI-Helper

The importance of data curation is increasingly recognized as the need of data reuse drastically grows. Due to recent data explosion, scientists invest almost 90% of their efforts in the retrieval and collection of data needed to their study. In this paper, we deal with the development and application of a collaborative environment for community-driven data curation which is essential to enhance scientific data reusability and citability. The collaborative scientific data curation environment focuses on the cross-linking between data (or data collections) and their associated literatures to capture and organize inter-relations among research results in a specific domain. Also, plenty of contextual information is provided as metadata in order to support users in understanding data. The cross-linking has been realized by using DOI system to guarantee global accessibility to data and their relationships to literatures. The curation environment has been adopted to build a community-driven curated DB by a globally well-known intrinsically-disorderd protein research group. The curated DB will drastically reduce researchers' efforts to retrieve and collect the data required for scientific discovery.

주제어

AI 본문요약
AI-Helper

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

문제 정의

이들이 문헌에 대한 대표적인 문맥 정보라고 할 수 있다. 데이터 큐레이션 협업 환경은 이와 같이 다양한 관점의 문맥 정보를 풍부하게 제공하여, 사용자의 데이터의 이해를 돕고 데이터의 재사용성을 제고하고자 한다.
데이터와 문헌 간의 상호연관성은 이들 간의 DOI(Digital Object Idenfier) [14][16]를 서로 연결하여 영구적 접근성을 보장한다. 또한 연구 커뮤니티에 의한 데이터의 신뢰성을 보장하기 위한 데이터 검토 프로세스(data review process)를 제시한다. 큐레이션 데이터 모델과 데이터 검토 프로세스를 지원하는 문맥 중심의 커뮤니티 주도적 데이터 큐레이션 협업 환경의 구조를 제시한다.
위의 서술과 같이 데이터 재사용성을 위한 큐레이션은 이해하기 쉽고 믿고 사용할 수 있는 데이터를 공개하기 위해 데이터 생산자, 데이터 사서, 데이터 재사용자 등 다수의 전문가로 구성된 연구자 커뮤니티가 주도하는 협업적 방법을 요구한다. 본 논문에서는 과학 데이터에 대한 문맥 중심의 커뮤니티 주도적 큐레이션 협업 환경의 개발 및 적용에 대해 다룬다. 데이터의 이해 가능성과 재사용성을 극대화하기 위해, 데이터-문헌 간의 상호연관성 및 데이터에 대한 문맥을 중심으로 큐레 이션 데이터 모델을 제시한다.
본 논문에서는 과학 분야의 연구자 커뮤니티가 주도하는 데이터 큐레이션을 지원하기 위한 협업 환경의 개발 및 적용 사례를 제시하였다. 과학 데이터의 이해 가능성과 재사용성을 극대화하기 위해, 데이터에 대한 문맥 정보를 메타데이터로 정의, 생성 및 관리할 수 있고 데이터-문헌 간의 상호연결 정보를 DOI 간의 매핑으로 생성 및 관리할 수 있도록, 큐레이션 데이터 모델을 제시하였다.
과학 데이터의 이해 가능성과 재사용성을 극대화하기 위해, 데이터에 대한 문맥 정보를 메타데이터로 정의, 생성 및 관리할 수 있고 데이터-문헌 간의 상호연결 정보를 DOI 간의 매핑으로 생성 및 관리할 수 있도록, 큐레이션 데이터 모델을 제시하였다. 분야 전문가에 의한 제3자 검토를 통한 데이터의 신뢰성을 보장하기 위해 연구 커뮤니티 중심의 데이터 검토 프로세스를 제시하였다. 연구 커뮤니티의 데이터 큐레이션 요구사항에 따라 큐레이션 협업 환경의 사용자 기능을 도출하였고, 큐레이션 데이터 모델과 데이터 검토 프로세스 모델을 중심으로 이들 기능을 지원 할 수 있도록 커뮤니티 주도적 데이터 큐레이션 협업 환경을 설계하여 개괄적인 구조를 제시하였다.
이와 같이 데이터와 문헌은 연구 결과의 가치를 결정하는 중요한 역할을 한다. 협업 환경은 데이터와 문헌 간의 연관성을 중심으로 데이터문헌 간의 상호연결 정보를 관리하고, 이들 정보에 대한 영구적 접근성을 보장하고자 한다. 이렇게 하면, 연구자의 데이터와 문헌 정보에 대한 지속적인 재사용 및 인용이 가능하다.

가설 설정

문헌은 데이터와 마찬가지로 문맥 정보를 포함하고 있으나, 본 논문에서는 제목, 연구자, 초록, 키워드, 연구 주제, 표, 그림, 연구 재단으로 제한한다. 문헌은 출판 당시에 DOI를 부여한 상태에서 출판하기 때문에 출판된 모든 문헌은 DOI가 부여되어있다고 가정한다. 따라서, 데이터-문헌 간의 상호연결 정보는 데이터 DOI와 문헌 DOI 간의 매핑 테이블로 모델링한다.

제안 방법

IDP DB는 현재 프로토타입 수준인 데이터 큐레이션 협업 환경을 활용하여 구축되었으며, 큐레이션 데이터 모델과 데이터 검토 프로세스 모델의 타당성을 검증하였다. 현재 60여편의 논문으로부터 추출된 50여개의 IDP 관련 데이터를 포함하고 있으며, 레코드 일부를 보여주고 있다[16].
데이터에 대한 제3자 검토는 자연과학은 물론이고 심리학 및 경제학을 비롯한 사회 과학 분야에서도 실천하고 있다. 검증을 위해 연구자는 생성된 데이터와 함께, 실험 설계, 방법, 장치 등 문맥 정보를 메타데이터로 제출한다. 만일 기존의 데이터 리파지토리로부터 데이터를 수집하여 데이터 컬렉션을 생성했다면, 데이터와 함께 이에 관한 문맥 정보를 수집하여 제출한다.
본 논문에서는 과학 분야의 연구자 커뮤니티가 주도하는 데이터 큐레이션을 지원하기 위한 협업 환경의 개발 및 적용 사례를 제시하였다. 과학 데이터의 이해 가능성과 재사용성을 극대화하기 위해, 데이터에 대한 문맥 정보를 메타데이터로 정의, 생성 및 관리할 수 있고 데이터-문헌 간의 상호연결 정보를 DOI 간의 매핑으로 생성 및 관리할 수 있도록, 큐레이션 데이터 모델을 제시하였다. 분야 전문가에 의한 제3자 검토를 통한 데이터의 신뢰성을 보장하기 위해 연구 커뮤니티 중심의 데이터 검토 프로세스를 제시하였다.
연구 커뮤니티 주도적 과학 데이터 큐레이션 환경의 프로토타입을 구현하여, 생명과학 분야의 IDP DB 웹사이트 구축에 적용하였다. 구축 중에 IDP DB 웹사이트의 사용성 및 데이터 재사용성을 제고하기 위해, IDP 커뮤니티와 함께, 분석 및 설계 검토/구현 테스트를 수행하였고 데이터 및 메타데이터에 대한 FAIR 원칙을 검토하였다. FAIR 원칙의 검토를 통해 본 협업 환경이 IDP는 물론이고 타분야 과학 데이터의 개방에 적용 가능함을 공동으로 인식하게 되었다.
큐레이션 데이터 모델은 데이터의 문맥 정보와 데이터-문헌 간의 상호연결 정보를 모두 반영하여 설계하였다. 데이터 및 문맥 정보에 대한 영구적 접근성을 보장하기 위해, 데이터에 DOI를 부여하고 이에 대한 문맥 정보를 속성으로 모델링하였다. 문헌은 데이터와 마찬가지로 문맥 정보를 포함하고 있으나, 본 논문에서는 제목, 연구자, 초록, 키워드, 연구 주제, 표, 그림, 연구 재단으로 제한한다.
이러한 메타데이터는 데이터 생산자, 데이터 관리자, 데이터 재사용자 등 데이터에 관한 이해당사자에 따라 문맥 정보 제공을 위한 메타데이터가 다르다. 데이터 생산자는 자신이 설계한 실험 방법을 통해 생성한 데이터, 데이터 생성에 사용된 장비나 장치, 자신이 생성한 데이터와 다른 데이터 리파지토리로부터 수집한 데이터를 통합한 데이터 컬렉션, 데이터 컬렉션을 위해 사용된 데이터 리파지토리 및 통합 도구, 데이터 컬렉션의 해석을 위해 사용된 분석 도구 등을 중요한 문맥 정보로 간주 한다. 이 밖에도 데이터 생산자가 제공하는 메타데이터는 데이터 컬렉션(생성 또는 수집된 데이터), 생성된 데이터에 관한 서술, 서술에 사용된 데이터 코드집, 데이터를 생성한 실험 설계 및 절차, 샘플, 관찰 기록 등이고, 데이터 관리자가 제공하는 메타데이터는 데이터 컬렉션, 제목, 데이터에 관한 서술, 생산자, 출판사, 날짜, 저작권, 분류, 주제, 위치, 접근 방법 등이며, 재사용자가 제공하는 메타데이터는 데이터 컬렉션, 데이터 생산자, 데이터 프로비넌스(데이터 재사용에 의한 데이터 컬렉션의 생성 과정 또는 데이터 족보), 리파지토리 정보(리파지토리의 이름, 위치, 접근 방법 등에 대한 정보), 이전의 활용 사례(prior use case) 및 이에 관련된 연구 목적, 데이터 오류, 데이터 재사용 시의 주의사항 등이다.
본 논문에서는 과학 데이터에 대한 문맥 중심의 커뮤니티 주도적 큐레이션 협업 환경의 개발 및 적용에 대해 다룬다. 데이터의 이해 가능성과 재사용성을 극대화하기 위해, 데이터-문헌 간의 상호연관성 및 데이터에 대한 문맥을 중심으로 큐레 이션 데이터 모델을 제시한다. 데이터와 문헌 간의 상호연관성은 이들 간의 DOI(Digital Object Idenfier) [14][16]를 서로 연결하여 영구적 접근성을 보장한다.
문헌은 출판 당시에 DOI를 부여한 상태에서 출판하기 때문에 출판된 모든 문헌은 DOI가 부여되어있다고 가정한다. 따라서, 데이터-문헌 간의 상호연결 정보는 데이터 DOI와 문헌 DOI 간의 매핑 테이블로 모델링한다. 이와 같이 모델링한 것을 개체-관계 모형으로 간략히 표현하면 [그림 1]과 같다.
통계 분석 프로그램을 비롯한 분석 도구를 사용하여 이들 데이터를 분석한 후, 해당 분야의 전문 지식과 경험을 바탕으로 분석 결과를 해석한 다. 또한 기존의 관련 연구와 비교 분석을 통해 자신의 연구를 차별화한다. 이와 같이 데이터와 문헌은 연구 결과의 가치를 결정하는 중요한 역할을 한다.
본 연구에서 제시하는 과학 데이터 큐레이션 협업 환경에서는 식별자를 DOI로 사용하고 있으며, 커뮤니티가 주도적으로 생성하는 도메인 특정적 메타데이터를 문맥정보로 제공하고 있다. 이로써 기계 처리 가능성과 데이터 프로비넌스를 제외한 모든 FAIR 원칙을 만족시킨다.
연구 커뮤니티 주도적 과학 데이터 큐레이션 환경의 프로토타입을 구현하여, 생명과학 분야의 IDP DB 웹사이트 구축에 적용하였다. 구축 중에 IDP DB 웹사이트의 사용성 및 데이터 재사용성을 제고하기 위해, IDP 커뮤니티와 함께, 분석 및 설계 검토/구현 테스트를 수행하였고 데이터 및 메타데이터에 대한 FAIR 원칙을 검토하였다.
분야 전문가에 의한 제3자 검토를 통한 데이터의 신뢰성을 보장하기 위해 연구 커뮤니티 중심의 데이터 검토 프로세스를 제시하였다. 연구 커뮤니티의 데이터 큐레이션 요구사항에 따라 큐레이션 협업 환경의 사용자 기능을 도출하였고, 큐레이션 데이터 모델과 데이터 검토 프로세스 모델을 중심으로 이들 기능을 지원 할 수 있도록 커뮤니티 주도적 데이터 큐레이션 협업 환경을 설계하여 개괄적인 구조를 제시하였다.
Curated Data Management는 각종 문맥 정보를 위한 메타데이터 관리를 담당한다. 이들을 웹 환경으로 지원하기 위해 웹 기반의 큐레이션 인터페이스를 제공한다. 이를 통해 사용자는 데이터의 기탁 시 메타데이터 정의 및 주석, 데이터의 신뢰성을 담보하기 위한 제3자 검토, 데이터 및 문헌에 의한 검색, 데이터-문헌 간의 상호 연결 정보에 의한 탐색, 데이터 재사용 등을 수행한다.
이들 단백질은 PDB에 기탁되어 있지 않기 때문에, 연구자는 연구 수행 중에 무정형 단백질인 듯한 것을 밝혀냈다고 하더라도 이것이 새로운 것인지 아닌지 알아내려면 많은 노력을 기울여야 한다. 이러한 어려움을 완화하기 위해, 무정형 단백질 연구 커뮤니티가 중심이 되어, 무정형 단백질에 관한 문맥 정보를 충분히 제공하여 이해의 용이성을 도모하는 동시에 데이터에 DOI를 적용하여 영구적으로 접근할 수 있도록, 데이터의 재사용을 우선적으로 고려한 IDP DB를 구축한다. IDP DB 스키마는 [그림 4]와 같다.
기존의 데이터 검토 프로세스는 데이터의 재사용을 위해 주석된 메타데이터의 충실성에 중점을 두는 반면, 본 연구에서 제시하는 데이터 검토 프로세스는 재사용 뿐만 아니라 다른 과학자가 믿고 사용할 수 있도록 데이터의 신뢰성 확보에 중점을 두고 있다. 이러한 이유로 본 연구에서는 과학 데이터의 대표적인 사이트인 PDB, MBRB 등의 사례에 기초하여 제3자 검토 모델을 데이터 검토 프로세스로 제시하였다. 이들 사이트의 특징은 데이터 공개가 논문 출판 프로세스와 연계되어 있다는 것이다.
연구자들은 데이터, 문헌 및 이들 강의 정보를 영구적으로 접근하기를 원한다. 이를 위해 문헌뿐만 아니라 데이터에도 DOI(digital object identifier)를[14] 할당하고, 데이터 및 문헌 간의 매핑을 DOI를 이용하여 표현한다. 이들을 DOI 시스템에 등록하여 영구적 접근을 보장한다.
이들을 웹 환경으로 지원하기 위해 웹 기반의 큐레이션 인터페이스를 제공한다. 이를 통해 사용자는 데이터의 기탁 시 메타데이터 정의 및 주석, 데이터의 신뢰성을 담보하기 위한 제3자 검토, 데이터 및 문헌에 의한 검색, 데이터-문헌 간의 상호 연결 정보에 의한 탐색, 데이터 재사용 등을 수행한다. Information Extraction & Organization은 문헌으로부터 문맥 정보의 추출과 재구성을 위한 텍스트 분석 및 마이닝 도구, 주석을 위한 통제 어휘 등을 제공하기 위한 것으로, 별도의 외부 타스크에 의존한다.
큐레이션 데이터 모델과 데이터 검토 프로세스를 지원하는 문맥 중심의 커뮤니티 주도적 데이터 큐레이션 협업 환경의 구조를 제시한다. 이중에서 필수적인 구성 요소를 중심으로 데이터 큐레이션 환경으로 구현하여, 생명과학 분야의 무정형 단백질 데이터에 적용을 통해 무정형 단백질 데이터베이스를 구축하였다.
또한 연구 커뮤니티에 의한 데이터의 신뢰성을 보장하기 위한 데이터 검토 프로세스(data review process)를 제시한다. 큐레이션 데이터 모델과 데이터 검토 프로세스를 지원하는 문맥 중심의 커뮤니티 주도적 데이터 큐레이션 협업 환경의 구조를 제시한다. 이중에서 필수적인 구성 요소를 중심으로 데이터 큐레이션 환경으로 구현하여, 생명과학 분야의 무정형 단백질 데이터에 적용을 통해 무정형 단백질 데이터베이스를 구축하였다.
큐레이션 데이터 모델은 데이터의 문맥 정보와 데이터-문헌 간의 상호연결 정보를 모두 반영하여 설계하였다. 데이터 및 문맥 정보에 대한 영구적 접근성을 보장하기 위해, 데이터에 DOI를 부여하고 이에 대한 문맥 정보를 속성으로 모델링하였다.

데이터처리

즉, 자신이 설계한 실험 방법이나 장치에 의해 데이터를 생성하고, 기존 리파지토리로부터 관련 데이터를 수집하여 자신이 생성한 데이터와 통합하여 데이터 컬렉션을 생성한다. 통계 분석 프로그램을 비롯한 분석 도구를 사용하여 이들 데이터를 분석한 후, 해당 분야의 전문 지식과 경험을 바탕으로 분석 결과를 해석한 다. 또한 기존의 관련 연구와 비교 분석을 통해 자신의 연구를 차별화한다.

후속연구

여기에 통제 어휘를 사용하면 메타데이터 주석의 모호성을 제거하여, 데이터 이해의 용이성을 제고할 수 있다. 끝으로, IDP DB의 공개에 앞서 연구 커뮤니티 구성원들에게 무정형 단백질 DB 웹사이트에 대한 가치 및 유용성 평가를 체계적으로 수행해야 할 것이다.
향후, 큐레이션 협업 환경의 정교한 구현을 위해, 연구 커뮤니티 내의 메일 시스템, 기존 학술정보 DB, 텍스트 분석 및 마이닝 도구를 비롯한 외부 시스템과 연동을 우선적으로 고려해야 한다. 큐레이션 협업 환경은 메일 시스템과의 연동을 통해 큐레이션 DB에 데이터를 저장함과 동시에 이해 당사자에게 알림 메일을 자동으로 보낼 수 있으며, 기존 학술 정보와의 연동을 통해 필요한 서지 정보의 중복 입력 및 저장 노력을 제거할 수 있다.

질의응답

핵심어	질문	논문에서 추출한 답변
	큐레이션이란?	이러한 고통을 경감시키려면, 연구자가 데이터를 손쉽게 찾아서 접근할 수 있고 쉽게 이해할 수 있을 뿐만 아니라 다른 리파지토리의 데이터와 쉽게 통합하여 재사용할 수 있도록, 충분한 메타데이터를 제공하는 것이 중요하다. 데이터의 발견, 접근, 이해, 통합, 재사용을 위한 메타데이터를 정의하고 생성하여 데이터의 부가가치를 제고하려는 노력을 데이터 큐레이션(curation)이라고 한다[2]. 연구 데이터의 큐레이션은 분야 전문가의 지식과 경험을 요구하기 때문에, 분야 전문가, 데이터 사서(data librarian), 데이터 재사용자 등으로 구성된 커뮤니티가 데이터 수명주기에 걸쳐 데이터 이해 및 재사용에 필요한 메타데이터를 정의하고 생성한다.
	문맥 중심의 데이터 큐레이션을 달성하기 위해 필요한 것은 무엇인가?	연구 데이터에 대한 문맥 정보는 실험 방법, 장치, 데이터에 간략한 서술, 약어집(codebook), 데이터 포맷, 데이터 분석 도구 등을 말한다. 문맥 중심의 데이터 큐레이션을 성공적으로 달성하려면, 큐레이션 활동에 관련된 이해당사자의 지식과 경험의 다양성에 주목할 필요가 있다. 앞에 언급한 데이터 생산자, 데이터 사서, 데이터 재사용자는 대표적인 이해당사자로, 이들은 각자 서로 다른 전문성을 가지고 데이터에 대한 문맥 정보를 생성하여 데이터의 이해 및 재사용에 기여한다.
	큐레이션은 데이터 신뢰성을 보장하기 위해 어떤 것을 하는가?	데이터의 신뢰성은 이에 근거한 연구결과의 투명성 및 재현성과 밀접한 관계가 있다. 데이터 신뢰성을 보장하기 위해, 연구 결과의 근거가 되는 데이터를 사전에 제출하여 검증 절차에 따라 제3자 검토를 거친다 [12][13]. 데이터에 대한 제3자 검토는 자연과학은 물론이고 심리학 및 경제학을 비롯한 사회 과학 분야에서도 실천하고 있다. 검증을 위해 연구자는 생성된 데이터와 함께, 실험 설계, 방법, 장치 등 문맥 정보를 메타데이터로 제출한다. 만일 기존의 데이터 리파지토리로부터 데이터를 수집하여 데이터 컬렉션을 생성했다면, 데이터와 함께 이에 관한 문맥 정보를 수집하여 제출한다. 제출된 데이터의 검증은 전문 지식과 경험을 가진 분야 전문가에 의한 제3자 검토 과정을 수반한다.

참고문헌 (18)

B. Howe and T. Lewis, "Enabling Collaborative Research Data Management with SQLShare, 2012, https://www.slideshare.net/billhoweuw/research-data-managementi22012
I. Faniel, D. Minor, and C. L. Palm, "Putting Research Data into Context: Scholarly, Professional, and Educational Approaches to Curating Data for Reuse," ASIST 2014.
I. Faniel, E. Yakel, K. Fear, and E. Kansa, "A Context-driven Approach to Data Curation for Reuse," International Digital Curation Conference, Amsterdam, February 22, 2016.
I. Faniel, E. Kansa, S. W. Kansa, J. Barrera-Gomez, and E. Yakel, "The Challenges of Digging Data: A Study of Context in Archaeological Data Reuse," JCDL 2013, pp.295-304.
http://www.rcsb.org/pdb/home/home.do
https://www.ncbi.nlm.nih.gov/genbank
M. E. Cusick, "Literature-curated protein interaction datasets," Nat Methods, Vol.6, No.1, pp.39-465, 2009.

상세보기
D. S. Kwon, S. Kim, S. Y. Shin, Andrew Chatr-aryamontri, and W. John Wilbur, "Assisting manual literature curation for protein-protein interactions using BioQRator," Database, 2014.
D. G. Jamieson, M. Germer, F. Sarafraz, G. Nenadic, and D. L. Robertson, "Towards semi-automated curation: using text mining to recreate the HIV-1, human protein interaction database," Database, 2012.
M. S. Mayernik, J. Phillips, and E. Nienhouse, "Linking Publications and Data: Challenges, Trends, and Opportunities," D-Lib Magazine, Vol.22, No.5/6, 2016(11).
M. Hoogerwerf, M. Losch, J. Schirrwagen, S. Callaghan, P. Manghi, K. Iatropoulou, D. Keramida, and N. Rettberg, "Linking Data and Publications: Towards a Cross-Disciplinary Approach," The International Journal of Digital Curation, Vol.8, No.1, 2013.

상세보기
B. Lawrence, C. Jones, B. Mathews, S. Palmer, and S. Callaghan, "Citation and Peer Review of Data: Moving Towards Formal Data Publication," The International Journal of Digital Curation, Vol.6, No.2, 2011.

상세보기
H. M. Berman, J, Westbrook, Z. Feng, G. Gilliland, T. N. Bhat, H. Weissig, I. N. Shindyalov, and P. E. Bourne, "The Protein Data Bank," Nucleic Acids Research, Vol.28, No.1, pp.235-242, 2000.

상세보기
https://www.doi.org
H. Lee, K. H. Mok, R. Muhandiram, K. H. Park, J. E. Suk, D. H. Kim, J. Chang, Y. C. Sung, K. Y. Choi, and K. H. Han, "Local Structural Elements in the Mostly Unstructured Transcriptional Activation Domain of Human p53," The Journal of Biological Chemistry, Vol.275, No.38, pp.29426-294323, 2000.

상세보기
https://www.doi.or.kr
M. D. Wilkinson, M. Dumontier, I. J. Aalbersberg, G. Appleton, M. Axton, A. Baak, K. Blomberg, J. W. Boiten, L. B. da Silva Santos, P. E. Bourne, J. Bouwman, A. J. Brookes, T. Clark, M. Crosas, I. Dillo, C. Dumon, S. Edmunds, C. T. Evelo, R. Finkers, A. Gonzalez-Beltran, A. J. G. Gray, P. Groth, C. Goble, J. S. Grethe, J. Heringa, P. A. G. 't Hoen, R. Hooft, T. Kuhn, R. Kok, J. Kok, S. J. Lusher, M. E. Martone, A. Mons, A. L. Packer, B. Persson, P. Rocca-Serra, M. Roos, R. van Schaik, S. A. Sansone, E. Schultes, T. Sengstag, T. Slater, G. Strawn, M. A. Swertz, M. Thompson, J. van der Lei, E. van Mulligen, J. Velterop, A. Waagmeester, P. Wittenburg, K. Wolstencroft, J. Zhao, and B. Mons, "The FAIR Guiding Principles for scientific data management and stewardship," Scientific Data 2016.
Life Science Solutions, "Automated vs manual literature curation: extracting more information from scientific literature," Elsevier, 2014.

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