초록

용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

기존의 연구는 DNA 커널을 통한 기계 학습이 DNA 분자들을 통한 in vitro 실험을 통해 가능함을 보였다. 이 때, DNA 커널을 통한 분류 분제는 온도 조절을 통해 양한정(positive definite) 조건을 만족시킬 때 분류 문제를 잘 풀며, 양한정 조건을 만족시키기 위한 조건으로 높은 온도에서 시작하여 온도를 내리며 hybridization시키는 방법을 제안하였다. 이 논문에서는 보다 정량적인 분석을 통해서 이 hybridization 방법이 양한정 조건을 만족시키기에 적합한 방법임을 보이고, 간단한 hybridization 모델을 통해 양한정 조건을 만족시킬 수 있는 hybridization 온도 계획의 충분 조건을 유도한다. 또한 시작 온도와 끝 온도의 경계 조건으로 제시되는 이 충분 조건을 통해 현실적인 온도 조절 계획을 위한 시퀀스의 코딩 방법을 알게 된다.

기존의 연구는 DNA 커널을 통한 기계 학습이 DNA 분자들을 통한 in vitro 실험을 통해 가능함을 보였다. 이 때, DNA 커널을 통한 분류 분제는 온도 조절을 통해 양한정(positive definite) 조건을 만족시킬 때 분류 문제를 잘 풀며, 양한정 조건을 만족시키기 위한 조건으로 높은 온도에서 시작하여 온도를 내리며 hybridization시키는 방법을 제안하였다. 이 논문에서는 보다 정량적인 분석을 통해서 이 hybridization 방법이 양한정 조건을 만족시키기에 적합한 방법임을 보이고, 간단한 hybridization 모델을 통해 양한정 조건을 만족시킬 수 있는 hybridization 온도 계획의 충분 조건을 유도한다. 또한 시작 온도와 끝 온도의 경계 조건으로 제시되는 이 충분 조건을 통해 현실적인 온도 조절 계획을 위한 시퀀스의 코딩 방법을 알게 된다.

AI 본문요약

엑셀 다운로드 AI-Helper

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

• 연구 주제
• 연구 방법
• 연구 결과

문제 정의

• 되는 온도 조절 방법을 제안한다. 이 연구는 이렇게 제안된 온도 조절 방법을 지지하기 위한 두 가지 정량적 커널 생성 모델에 의한 계산 결과를 보여준다. 또한 이러한 계산 결과로부터 온도 조절 외에 양 한정 조건을 만족시킬 수 있는 온도 조절 조건을 완화시킬 수 있는 시퀀스 코딩의 팁을 제공한다.
• 이 연구에서는 열역학적 모델을 사용하여 DNA 커널을 커널 분류기로 사용하기 위한 조건인 양한정성을 만족시는 온도 조절 방법을 얻기 위한 모델을 제안하였다. 양한정성을 만드는 방법인 높은 온도에서 시작해서 온도를 내리면서 hy 마 idization 을시키는 방법이 다음의 두 가지 모델에 의해서 지지를 받음을 보았다.

가설 설정

• Single strand들은 매우 빠른 시간 안에 모두 소비되어 없어짐을 알 수 있다. (b) 해당 시간의 온도 변화이다.
• Hybridization 이 일어나기 시작하는 각기 종류의 double strandom 다른 threshold 온도 丁丁를 가정하고, 그림 4와 같이 hybridization 속도가 Tt 아래에서는 일정한 값 c를 가지고, Tt보다 높은 온도에서는 전혀 붙지 않는 모델을 생각해 볼 수 있다.
• 이 중 single stranded DNA의 개수를 가지는 원소는 n개이고, 같은 데이터를 표현하는 상보적인 single stranded DNA들이 붙은 homogeneous double stranded DNA의 종류도 역시 ri 개이고, 다른 데이터를 표현하는 DNA 끼리 붙은 heterogeneous double stranded DNA의 종류는 n(n- 1)/2개이다. 여기에서는 / 번째 DNA와 j 번째 DNA의 상보 열이 붙은 개수와 / 번째와 /' 번째 DNA의 상보 열이 붙은 개수가 같다는 대칭성(symmetry)을 가정한다. 이를 바탕으로 double stranded DNA들의 개수를 나타내는 변수들에 인덱스를 붙이면 그림 1고卜 같다.
• 이때, 몇 가지 온도 조절 함수에 따라 에너지에 따라 생성되는 double strand의 양을 계산할 수 있는데, 여기서는 온도r에서 倡까지 일정한 속도로 온도를 내리는 경우를 가정한다(그림 5).

제안 방법

• 커널을 이용한 기계 학습 기술은 Large Margin Classifier와 Principal Component Analysis와 같은 선형적 분석 방법을 고차원의 특성 공간 (feature space)에서 행하게끔 하는 방법을 제공한다. 커널을 이용한 데이터의 처리의 장점은 데이터의 관계로만 정의된 커널 행렬만 정의가 되면, 원래 주어진 데이터는 더 이상 고려할 필요가 없다는 것이다.

성능/효과

• 그림 2 (a) 붉은색은 homogeneous double strand의 개수, 녹색은 heterogeneous double strand의 개수, 파란색은 single strand의 개수이다. Single strand들은 매우 빠른 시간 안에 모두 소비되어 없어짐을 알 수 있다.
• 특히, 해석적으로 풀어낸 지지의 경우는 양한정성을 만족시키기 위한 충분조건을 정량적으로 제시했을 뿐만 아니라 시퀀스의 코딩 방법으로 양한정성을 만족시키는 온도 조절 조건을 완화시킬 수 있음을 보여주었다. 이는 실제 in vitro 문제에서 열역학적, 통계적으로 일어나는 hybridization모델에 기초해 얻어낸 결과로 DNA 커널을 이용한 in vitro 실험에서 양한정 조건을 만족시키는 커널을 만들 수 있는 방법으로 사용될 수 있다.

본문요약 정보가 도움이 되었나요? 예 아니오 제출

이 논문을 인용한 문헌

더보기