초록

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

바이오 인포메틱스에서의 데이터 검색은 DNA와 단백질 시퀀스에 대해서 주로 이루어지며, 지금까지의 연구는 주로 DNA와 단백질 1차 구조의 검색에 대해 이루어졌다. 단백질 2차구조는 1차구조 내 인접한 아미노산들의 공간적인 배열을 나타내며. 단백질의 기능을 예측하는데 중요한 3차구조의 지역적 아미노산의 특성을 나타낸다. 따라서 2차구조에 대한 검색은 단백질의 기능을 이해하는데 매우 중요한 역할을 한다［1］. 이 논문에서는 단백질 2차구조 및 질의 문자열을 세그먼트 단위로 나누고 검색하는 r41의 방법을 개선하여 세그먼트를 조합한 클러스터 구조 및 Look Ahead를 사용해 Exact Matching 및 Wildcard Matching 질의를 효율적으로 처리할 수 있는 기법을 제시한다.

바이오 인포메틱스에서의 데이터 검색은 DNA와 단백질 시퀀스에 대해서 주로 이루어지며, 지금까지의 연구는 주로 DNA와 단백질 1차 구조의 검색에 대해 이루어졌다. 단백질 2차구조는 1차구조 내 인접한 아미노산들의 공간적인 배열을 나타내며. 단백질의 기능을 예측하는데 중요한 3차구조의 지역적 아미노산의 특성을 나타낸다. 따라서 2차구조에 대한 검색은 단백질의 기능을 이해하는데 매우 중요한 역할을 한다［1］. 이 논문에서는 단백질 2차구조 및 질의 문자열을 세그먼트 단위로 나누고 검색하는 r41의 방법을 개선하여 세그먼트를 조합한 클러스터 구조 및 Look Ahead를 사용해 Exact Matching 및 Wildcard Matching 질의를 효율적으로 처리할 수 있는 기법을 제시한다.

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

• 따라서, 인덱스 검색 시 랜덤 I/O가 너무 많 아지고, 검색결과가 많아 검색 후 n~way merge-sort 시 조인의 부담이 너무 커지는 문제점이 있음을 예상할 수 있다. 따라서 이 논문에서는 다수의 세그먼트롤 모아 클러스터를 구성함으로써 검색 속도를 높이는 방법을 제안한다.
• 클러스터링이 성능향상의 주된 요인이었지만, 클러스터링 저도 인 k가 너무 크면 질의의 길이가 짧을 때에는 인덱스 크기의 증대 로 인한 성눙이 저하가 관찰되었다. 따라서 향후 연구에서는 질긔 의 길이에 따라 동적으로 k 롤 조정하여 검색하는 기법과, 질의 문자열을 오버랩핑 되도록 잘라 검색하는 방법의 적용올 통한 성 능향상 기법을 찾고자 한다.

가설 설정

• 데이터의 크기가 영향을 주게 된 이유는 첫째, 테스트 데이터의 크기가 작기 때문에 중복 발생하는 클러스터가 적어 look ahead를 사용하더라도 사용하지 않은 경우에 비해 그다지 많은 데이터가 필터링 되지 않 기 때문이다. 둘째, 검색된 결과가 작아 sort-merge 조인을 페모 리 상에서 수행하게 되므로 검색된 행의 개수의 차이가 실행시간에 큰 영향을 주지 않았기 때문이다.

제안 방법

• 검색에는 미리 구성한 B+ tree 인덱스를 사용하고, 질의의 다음 클러스터와 CLUSTER 테이블에 미리 저장된 LczkAhead를 비교함으로써 클러스터의 검색 결과를 줄이도록 한다.
• 실험에 사용한 데이터는 PIRL기의 단백질 1차 구조를 사용했 다. 그 뒤 PIR 내 단백질 총 10, 000개를 PREDATOR[2, 3]를 사용하여 2차구조로 변환했다. 비교대상온 세그먼트만올 구성한 테 이블올 F버1 Table Scan으로 검색한 경우와【4]의 MISS에서 모든 세그먼트를 인덱스로 검색한 경우로 하였다.
• 1 절과 유사한 방법으로 질의 문자열을 자르고 검색한다. 놘, wildcard를 만나면 wildcard를 기준으로 질의를 둘로 나누어 각각 Exact Matching으로 검색하고 검색된 클러스터의 위치를 wildcard의 개수를 기준으로 조인한다. 그 뒤 PROTEIN 테이블 을 통해 검중해 결과를 출력한다.
• 여기서 제시하는 세그먼트의 구성온 [6]에서 구현된 방식가 유사한 방식을 사용해 [4]에서 제안한 세그먼트 테이블에, 검색 속도롤 높이기 위한 LookAhead 필드를 추가한다.
• 이 논문에서 제안한 방법온 2차 단백질 시퀀스를 세그먼트로 나 누고, 세그먼트들을 클러스터로 묶어 질의를 처리하는 인덱싱 기법이다. 실험 결과 세그먼트만 사용하였던 기존 방식에 비해 성능 이 향상되는 것을 확인할 수 있었다.
• 바이오 인포메틱스에서 처리할 데이터의 양온 15~16개월에 2배씩 증가하고 있으며, 이러한 DNA 또는 단백질 시퀀스에 대한 질의는 기존에 잘 알려진 시퀀스로부터 미지의 시퀀스의 기 능올 예측하는데 매우 중요한 역할을 한다. 이러한 시퀀스 질의 에 대한 기존의 연구는 주로 DNA시퀸스 흑은 단백질 1차구조 에 디해서만 이루어져왔으나, 실제로 단백질의 유사성에 대한 명확한 정의는 없는 실정이므로, 2차 구조의 구조적 유사성에 대한 정보가 더 유용한 생체고분자학적(biomolecular) 지식을 줄 수 있다[4L 이 논문에서는 단백질 2차구조 시퀀스에 대한 Exact Matching 및 k 개의 와일드 카드가 포함된 질의 처리롤 위해, 2차 구조 및 질의 문자열올 세그먼트단위로 분리하고, 세 그먼트를 한데 묶온 클러스터롤 사용한 인덱싱 기법을 제시한다.

대상 데이터

• 실험 시 질의 중 절반은 무작위(random)로 생성하였으며, 나머지 절반의 질의는 실제로 데이터베이스 상에 존재하는 데이터를 사용하였다.
• 실험에 사용한 데이터는 PIRL기의 단백질 1차 구조를 사용했 다. 그 뒤 PIR 내 단백질 총 10, 000개를 PREDATOR[2, 3]를 사용하여 2차구조로 변환했다.

이론/모형

• 이 논문에서는 [4]에서 제안한 방법올 개선하기 위하여, LookAhead 및 세그먼트 클러스터링 기법을 사용해 단백질 2차구조를 검색하도록 한다.

성능/효과

• 이 논문에서 제안한 방법온 2차 단백질 시퀀스를 세그먼트로 나 누고, 세그먼트들을 클러스터로 묶어 질의를 처리하는 인덱싱 기법이다. 실험 결과 세그먼트만 사용하였던 기존 방식에 비해 성능 이 향상되는 것을 확인할 수 있었다.
• 실험 결과, 질의의 길이가 길다면 K가 큰 경우에 명확히 득올 보 게 됨을 알 수 있다, 그러나 K가 커지면 CLUSTER 테이블의 크 기도 커지고 따라서 CLUSTER 테이블에 대한 인덱스 크기가 커 진다는 단점이 있다. 따라서 질의가 짧고 k가 큰 경우, 더 큰 인덱 스 크기로 인해 질의 처리 속도가 느려지는 점을 볼 수 있다.
• 전반적으로 제안된 방식이 우월한 결과롤 보였으며, 질의의 길 이가 길어질수록 성눙 격차가 커짐을 알 수 있다.
• 클러스터링이 성능향상의 주된 요인이었지만, 클러스터링 저도 인 k가 너무 크면 질의의 길이가 짧을 때에는 인덱스 크기의 증대 로 인한 성눙이 저하가 관찰되었다. 따라서 향후 연구에서는 질긔 의 길이에 따라 동적으로 k 롤 조정하여 검색하는 기법과, 질의 문자열을 오버랩핑 되도록 잘라 검색하는 방법의 적용올 통한 성 능향상 기법을 찾고자 한다.

본문요약 정보가 도움이 되었나요? 예 아니오 제출

이 논문을 인용한 문헌

더보기