초록

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

인간 및 다른 생물들의 DNA 서열이 밝혀짐에 따라 DNA 서열 정보를 이용할 수 있는 계산적 처리방식에 대한 요구가 늘어나고 있다. 본 논문에서는 DNA의 패턴을 분류할 수 있는 면역계 부정 선택에 기반한 알고리즘을 제안한다. 부정 선택은 면역세포 생성시 자신을 인식하지 않는 항원 인식부를 생성하기 위한 과정이다. 이 항원 인식부를 통해 자기와 비자기를 구별한다. 이것을 n개의 자기 또는 비자기 집단으로 확장하고 n개의 항원 집단을 구성하면 n개의 패턴 분류가 가능하다. 본 논문에서는 부정 선택에 기반한 DNA 염기 레벨에서의 패턴 분류방법과 아미노산 레벨에서의 패턴분류 방법을 제안한다.

인간 및 다른 생물들의 DNA 서열이 밝혀짐에 따라 DNA 서열 정보를 이용할 수 있는 계산적 처리방식에 대한 요구가 늘어나고 있다. 본 논문에서는 DNA의 패턴을 분류할 수 있는 면역계 부정 선택에 기반한 알고리즘을 제안한다. 부정 선택은 면역세포 생성시 자신을 인식하지 않는 항원 인식부를 생성하기 위한 과정이다. 이 항원 인식부를 통해 자기와 비자기를 구별한다. 이것을 n개의 자기 또는 비자기 집단으로 확장하고 n개의 항원 집단을 구성하면 n개의 패턴 분류가 가능하다. 본 논문에서는 부정 선택에 기반한 DNA 염기 레벨에서의 패턴 분류방법과 아미노산 레벨에서의 패턴분류 방법을 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 논문에서는 면역계의 면역세포 생성메커니즘 중 하 나인 부정 선택(negative selection)을 이용한 DNA 패턴 분류 알고리즘을 제안한다. 생체의 면역계는 외부의 항원 을 인식하기 위한 다양한 항체를 생성한다.
• 본 논문에서는 면역계의 부정선택에 기반한 패턴 분류 알고리즘을 제안하였다. 부정선택은 자기와 항원을 구별할 수 있는 면역세포의 항체를 생성하는 방법이다.
• 이와 같은 문제를 해결하기 위해 신경회로망, 진화 연산, 확률 그래프 모델 등의 기계학습법이 이용된다[1, 2]. 본 논문에서는 부정 선택에 기반한 DNA 염기 레벨 에서의 패턴 분류 방법과 아미노산 레벨에서의 패턴 분 류 알고리즘을 제안하고 그 유효성을 검토한다.

가설 설정

• H0는 해밍거리『은 인식부, 月는 패턴 S의 今번째 위 치부터 인식부 길이만큼의 염기배열 이다. 그림 3은 부 정 선택 방법에 의해 각 패턴에 대해 인식부 집합을 구 성하는 방법을 나타낸다.

제안 방법

• 단백질의 군 분류나 구조 예측을 위해서는 DNA 염기 단위가 아닌 아미노산의 단위로 데이터를 처리하는 것이 필요하다. 따라서 DNA 염기 서열을 각 reading frameOII 따라 아미노산으로 번역한 후 알고리즘을 적용한다. 이 패 각 아미노산은 표 2와 같이 일련번호를 정하여 20개의 배열믈 한 단위로 생각한다.
• 부정선택은 자기와 항원을 구별할 수 있는 면역세포의 항체를 생성하는 방법이다. 본 연구에서는 항체에 의한 자기 비자기구별방법을 확장하여 n개의 패턴에 대하여 n개의 항원인식부 셋을 구성함으로서 패턴 분류하는 방법을 제안하였다. 신경망과 같은 기존의 패턴 분류 방법은 패턴인식을 위한 입력을 일정하게 유지시키는 것이 필요하다.

성능/효과

• 또한 패턴의 크기가 클수록 신경망의 크기가 커지게 된匚L따라서 특징을 추출을 통해 입력을 결정하여 사용한다. 하지만 제안한 방식은 특징 추출 과정이 필요 없으며 패턴의 크기가 매우 크고 크기가 일정하지 않을 때 매우 近과적이다. 차후로 실험을 통하여 제안한 알고리즘의 유효성을 검증할 예정이다.

후속연구

• 하지만 제안한 방식은 특징 추출 과정이 필요 없으며 패턴의 크기가 매우 크고 크기가 일정하지 않을 때 매우 近과적이다. 차후로 실험을 통하여 제안한 알고리즘의 유효성을 검증할 예정이다.

본문요약 정보가 도움이 되었나요? 예 아니오 제출

이 논문을 인용한 문헌

더보기