초록

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

DNA칩 기술로 얻어지는 대규모 섭동데이터(perturbation data)는 생물학적시스템(biological system)의 유전자네트워크(genetic network)를 재구성(reverse-engineering)하는데 있어 유용하다. 그러나 기존의 연구는 유전자 조절 관계의 규명이나 혹은 데이터를 설명하는 최적의 모델을 찾는 방향에만 관심을 두고 있고. 실험적인 한계로 인한 DNA칩 데이터의 오류가 재구성된 네트워크의 구조에 미치는 영향에 대해서는 중요하게 다루고 있지 않다. 본 논문에서는 유전자 네트워크의 멱함수(power-low) 분포 구조를 이용하여, 섭동 데이터의 오류가 재구성된 네트워크의 토폴로지(topology)에 미치는 영향을 분석하였다. 가상의 네트워크에 대한 데이터를 사용하여 실험한 결과, 데이터의 오류 정도에 따른 네트워크 토폴로지의 변형 양상을 관측할 수 있었다.

DNA칩 기술로 얻어지는 대규모 섭동데이터(perturbation data)는 생물학적시스템(biological system)의 유전자네트워크(genetic network)를 재구성(reverse-engineering)하는데 있어 유용하다. 그러나 기존의 연구는 유전자 조절 관계의 규명이나 혹은 데이터를 설명하는 최적의 모델을 찾는 방향에만 관심을 두고 있고. 실험적인 한계로 인한 DNA칩 데이터의 오류가 재구성된 네트워크의 구조에 미치는 영향에 대해서는 중요하게 다루고 있지 않다. 본 논문에서는 유전자 네트워크의 멱함수(power-low) 분포 구조를 이용하여, 섭동 데이터의 오류가 재구성된 네트워크의 토폴로지(topology)에 미치는 영향을 분석하였다. 가상의 네트워크에 대한 데이터를 사용하여 실험한 결과, 데이터의 오류 정도에 따른 네트워크 토폴로지의 변형 양상을 관측할 수 있었다.

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

• 또, 직접 연결관계만의 목록을 인접목록 (adjacency list), 간접 연결관계까지 를 포함한 목록을 연결목록 (accessibility list)라고 정의한다[2]. 본 논문에서는 완전한 인접목록을 알고 있다는 가정하에 네트워크 토폴로지를 분석한 후, 이 목록에 일정한 오류를 추가하면서 재구성된 토폴로지의 변화 양상을 분석하였다.
• 본 논문에서는 유전자 네트워크와 같은 복잡 네트워크에서 허브 토폴로지를 재구성하는 알고리듬을 제안하였다. 이 알고리듬을 이용하여 섭동 데이터로부터 유전자네트워크를 재구성하는 경우에 있어 데이터의 오류가 네트워크 토폴로지에 어떠한 영향을 미치는가를 실험적으로 분석하였고, 그 결과 오류의 정도에 따른 토폴로지의 변형 양상과 토폴로지가 급격히 변화하는 오류 구간올 발견하였다.
• 본 논문에서는 유전자네트워크의 멱함수(power- law) 적인 노드 (node) 와 링크 (link) 의 분포 구조를 이용하어 네트워크의 토폴로지 (topology)를 분석하는 방법론을 제안하였다. 또 가상으로 구성한 데이터에 이 방법론을 적용하여 데이터의 오류에 따라 재구성된 네트워크의 토폴로지가 얼마나 변형되는가를 측정하였다.

제안 방법

• 3.1에서 정의한 3가지 상황 각각에 대하여 오류율을 변화시키면서 생성된 네트워크 토폴로지의 거리를 측정하였다.
• 다음으로 서로 다른 두 네트워크에서 각 허브의 이름(허브 거리) 혹은 허브가 아닌 노드가 속한 허브의 이름(그룹화 거리)을 비교하여 거리 (distance) 를 측정하였다. 즉, 이름의 각 자리(position)을 비교하여 맞지 않을 경우 다음과 같이 자리에 따라 거리를 부여하여 합산하였다.
• 2의 알고리듬을 사용하여 허브 토폴로지를 재구성하였다. 다음으로 오류를 포함하는 섭동데이터를 생성하고, 2.2의 알고리듬을 사용하여 토폴로지를 재구성한 후 원래의 토폴로지와의 거리를 측정하였다.
• 본 논문에서는 유전자네트워크의 멱함수(power- law) 적인 노드 (node) 와 링크 (link) 의 분포 구조를 이용하어 네트워크의 토폴로지 (topology)를 분석하는 방법론을 제안하였다. 또 가상으로 구성한 데이터에 이 방법론을 적용하여 데이터의 오류에 따라 재구성된 네트워크의 토폴로지가 얼마나 변형되는가를 측정하였다.
• 본 논문에서 제시하는 이 알고리듬은 앞에서 언급한 복잡네트워크의 멱함수 분포 특성을 이용하여 (1) 허브 노드를 찾고, (2) 허브간의 위상구조를 파악하며, (3) 허브에 의한 나머지 노드들의 그룹화 상태를 찾는다. 알고리듬의 개요는 다음과 같다.
• 우선, 인터넷 네크워크 생성 소프트웨어인 BRITE11]를 사용하여 300개의 노드와 600개의 링크를 갖는 멱함수 분포 네크워크를 생성하였다. 이 네크워크에 대해 오류가 없는 섭동데이터를 생성하고, 2.2의 알고리듬을 사용하여 허브 토폴로지를 재구성하였다. 다음으로 오류를 포함하는 섭동데이터를 생성하고, 2.
• 본 논문에서는 유전자 네트워크와 같은 복잡 네트워크에서 허브 토폴로지를 재구성하는 알고리듬을 제안하였다. 이 알고리듬을 이용하여 섭동 데이터로부터 유전자네트워크를 재구성하는 경우에 있어 데이터의 오류가 네트워크 토폴로지에 어떠한 영향을 미치는가를 실험적으로 분석하였고, 그 결과 오류의 정도에 따른 토폴로지의 변형 양상과 토폴로지가 급격히 변화하는 오류 구간올 발견하였다. 향후 이 결과는 유전자네트워크를 재구성하기 위하여 실제 실험을 행하는 경우에 있어 실험의 오차범위를 결정하는데 중요한 기준이 될 것으로 기대된다.
• 재구성된 네트워크 토폴로지간의 거리(distance) 를 측정하기 위해 각 허브마다 인터넷(internet)의 IP 주소 (IP address) 와 유사한 체계의 이름을 , 부여하였다. 부여된 이름의 예를 들면 다음과 같다.

대상 데이터

• 실험은 멱함수 분포를 갖는 가상적인 유전자 네트워크를 대상으로 하였다. 우선, 인터넷 네크워크 생성 소프트웨어인 BRITE11]를 사용하여 300개의 노드와 600개의 링크를 갖는 멱함수 분포 네크워크를 생성하였다.
• 실험은 멱함수 분포를 갖는 가상적인 유전자 네트워크를 대상으로 하였다. 우선, 인터넷 네크워크 생성 소프트웨어인 BRITE11]를 사용하여 300개의 노드와 600개의 링크를 갖는 멱함수 분포 네크워크를 생성하였다. 이 네크워크에 대해 오류가 없는 섭동데이터를 생성하고, 2.

후속연구

• 또한 전반적으로 오류율 0~15% 구간에서 급격한 변형을 이루고 있지만, 그림 2과 비교해 볼 때 허브 토폴로지의 변형보다는 완만한 변화 양상을 보이고 있다. 이것은 랜덤 에러에 대한 노드 그룹의 평균적인 변화 양상에 비해 허브 노드가 영향을 받기 쉬운 때문인 것으로 추정되지만, 이 점에 대해서는 추가적인 연구가 필요하다.
• 이 알고리듬을 이용하여 섭동 데이터로부터 유전자네트워크를 재구성하는 경우에 있어 데이터의 오류가 네트워크 토폴로지에 어떠한 영향을 미치는가를 실험적으로 분석하였고, 그 결과 오류의 정도에 따른 토폴로지의 변형 양상과 토폴로지가 급격히 변화하는 오류 구간올 발견하였다. 향후 이 결과는 유전자네트워크를 재구성하기 위하여 실제 실험을 행하는 경우에 있어 실험의 오차범위를 결정하는데 중요한 기준이 될 것으로 기대된다.

본문요약 정보가 도움이 되었나요? 예 아니오 제출

이 논문을 인용한 문헌

더보기