초록

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

분자생물학의 급진적 발전은 현대 계통분류학에 큰 변혁을 가져왔다. 특히 유전의 근원물질인 DNA나 RNA를 분리.조작.분석하는 기술의 발전으로 이를 이용만 계통수 제작은 계통생물학의 중요한 실험방법으로 자리잡고 있다. 그 중 염기서열 비교 방법은 현재 유전자 계통수 제작에 가장 널리 이용되는 방법이다. 하지만 이러만 계통수는 각 객체간의 거리만을 표현하고, 객체군간의 차이는 설명하기 힘들다. 본 연구에서는 염기서열의 상대적인 특징(유사도)을 대신하는 염기서열의 총량과 염기 함량 등을 이용해 새로이 분류 기법 중 결정트리 방법에 적응하고, 종 분류의 유전적 모델을 설계한다. 또한 결정트리의 클래스인 종은 상위 클래스들을 포함하고 있어, 본 논문에서는 기존의 결정트리 분류자를 수정한 단계적 결정트기 분류자를 제안한다.

분자생물학의 급진적 발전은 현대 계통분류학에 큰 변혁을 가져왔다. 특히 유전의 근원물질인 DNA나 RNA를 분리.조작.분석하는 기술의 발전으로 이를 이용만 계통수 제작은 계통생물학의 중요한 실험방법으로 자리잡고 있다. 그 중 염기서열 비교 방법은 현재 유전자 계통수 제작에 가장 널리 이용되는 방법이다. 하지만 이러만 계통수는 각 객체간의 거리만을 표현하고, 객체군간의 차이는 설명하기 힘들다. 본 연구에서는 염기서열의 상대적인 특징(유사도)을 대신하는 염기서열의 총량과 염기 함량 등을 이용해 새로이 분류 기법 중 결정트리 방법에 적응하고, 종 분류의 유전적 모델을 설계한다. 또한 결정트리의 클래스인 종은 상위 클래스들을 포함하고 있어, 본 논문에서는 기존의 결정트리 분류자를 수정한 단계적 결정트기 분류자를 제안한다.

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

• 본 논문은 결정 트리에 의한 생물객체의 종 분류 문제를 다루었다. 생물객체는 계층적인 클래스를 가지고 있기 때문에 기존의 결정 트리 분류기법의 수정이 필요하다.
• 과거 유전자 계통수(Gene Phylogenetic Tree)들은 각 종간의 분류 특성에 대하여 설명하기 힘들었다. 이는 유 전자 계통수가 단순히 각 객체의 염기서열의 차이(유사도)만을 가지고 계통수를 추론하기 때문이디l 본 논문에서는 각 종간의 분류 특성을 찾기 위하여 결정트리를 가지고 종 분류 특성을 모델링하며, 또한 종의 계층적인 특징을 표현하기 위해 생물. 분류의 상위 단위에서 하위 단위로 분류하는 단계적인 분류자를 제안한다.

제안 방법

• '본 고문에서는 유전체 데이터를 염기서열에 나타나는 총량, 염기의 위치에 따른 가중치 합, 그리고 G+C 함유량의 3가지 특성으로 표현한다. 각 염기 아데닌(A), 구아닌(G), 시토신(C), 티민(T)에서 A와 G는 퓨린이라 하며, 피리미딘에 속하는 C와 T보다 더 큰 물질이다.
• 현재까지 제안된 여러 가지 분류 모델(Classification Model) 중 결정 트리 (Decision Tree)는 인간이 이해하기 쉬운 형태를 갖고 있기 때문에 탐사적인 데이터 마이닝 작업에 특히 유용하다[2]. 본 논문에서는 서열 데이터 분석을 위해 서열 데이터의 총량과 염기 위치에 따른 총량 등의 값을 추출하고 이를 종 분류를 위한 속성으로 사용한다.
• 각 염기 아데닌(A), 구아닌(G), 시토신(C), 티민(T)에서 A와 G는 퓨린이라 하며, 피리미딘에 속하는 C와 T보다 더 큰 물질이다. 본 논문에서는 이를 바탕으로 (A, G)와 (C, T)에 각각에 서로 다른 값을 두어 그 합을 하나의 속성(염기의 총량:TW) 으로 사용한다. 또한 DNA 염기서열의 각 A, G, T, C는 각각 차지하는 비율(특히 G+C의 함유량)과 각 염기위치 에 따라 서로 다른 유전적 의미를 가지고 있다[3].
• 또한 DNA 염기서열의 각 A, G, T, C는 각각 차지하는 비율(특히 G+C의 함유량)과 각 염기위치 에 따라 서로 다른 유전적 의미를 가지고 있다[3]. 본 논문에서는 이를 바탕으로 G+C 함유량과 각 염기 위치에 따른 가중치의 합(LocW)을 속성으로 사용한다.
• 본 논문에서는 한 분할 평가를 위해서 각 속성 이용하여 분할된 부분집합 Gini 지수의 평균을 이용한다.
• 기존의 정지규칙은 분할된 부분집합이 동일한 클래스로만 구성되면, 선택-분할 과정을 멈추는 것이다. 본 논문의 단계적 결정 트리 분류자는 계층적 클래스를 다루기 위하여 정지규칙을 다음과 같이 수정하였다.
• 본 절에서는 표1에서 제시돤 예를 통하여, '과' -, '속' T' 종를 이용하는 단계적인 결정 트리의 성장과 정올 설명하고, 각 단계별 트리를 보여 준디, . 그리고 마지막으로 모든 클래스가 통합된 트리를 보여준다.
• 이는 유 전자 계통수가 단순히 각 객체의 염기서열의 차이(유사도)만을 가지고 계통수를 추론하기 때문이디l 본 논문에서는 각 종간의 분류 특성을 찾기 위하여 결정트리를 가지고 종 분류 특성을 모델링하며, 또한 종의 계층적인 특징을 표현하기 위해 생물. 분류의 상위 단위에서 하위 단위로 분류하는 단계적인 분류자를 제안한다.
• 계통분류학에는 종(species)-속(genus)-고]'(fam ily)-목(order)-강(class)-문 (phylum)-계 (kingdom)의 생물분류단계가 있다. 이러한 클래스의 계층적인 특성은 기존의 연구들에서 볼 수 없던 형태이며, 본 논문에서는 이를 다루기 위해 클래스 테이블을 두어 상위 클래스에서 하위 클래스로 분류해 간다.

이론/모형

• 지금까지 많은 평가함수들이 제안되었다. 본 논문에서는 이들 중 Gini 지수[5]를 사용한다. 이는 데이터 집합의 순수함의 정도를 나타내는 척도인더], 어느 한쪽의 클래스로만 구성되어 있는 집합일수록 순수하다고 판단한다.

성능/효과

• 그 결과 G+C M0.5이고 LocWG150이면 멧밭쥐 속, G+C 1150이 면 붉은쥐속임을 나타낸다.
• 생물객체는 계층적인 클래스를 가지고 있기 때문에 기존의 결정 트리 분류기법의 수정이 필요하다. 본 논문에서 제안한 단계적 결정 트리 분류자는 생물의 계층적인 클래스 정보를 이용하여 종 분류에 효율적인 정보를 제공할 수 있다. 또한 '종에 대한 모델 형성뿐만 아니라 상위 클래스인 '속'과 '과에 대한 분류 모델.

후속연구

• 이러한 특징은 기존의 계통수에서 찾을 수 없는 분류 속성을 예측한 것이다. 향후 유전자 데이터의 특성을 설명할 수 있는 다양한 속성들을 찾아 적용하고자 한다.

본문요약 정보가 도움이 되었나요? 예 아니오 제출

이 논문을 인용한 문헌

더보기