초록

AI-Helper

최근 단백질간의 상호작용의 중요성의 이해와 함께 축적되어 가는 단백질 정보들 간의 상호작용을 예측하기 위하여 통계학적 모델인 Support Vector Machine(SVM)을 사용한 예측 실험이 활발하다. 하지만 이는 거대한 생물 데이터를 처리하기 위해 많은 연산시간을 필요로 한다. 즉, 방대하게 존재하는 데이터를 처리하기 위해 SVM을 통한 실험은 정확한 결과뿐만 아니라 빠른 처리속도를 요구하게 되었다. 따라서 본 논문에서는 SVM의 개선을 통해 빠른 처리속도로 데이터를 처리하는 incremental SVM과 이를 병렬화 하여 더욱 빠른 처리시간을 가지는 Parallel SVM(PSVM)을 소개하고 실험해 본다. 즉, 단백질 상호작용에 사용되어지는 데이터를 PSVM을 사용한 실험을 통하여 정확성과 처리속도를 측정, 비교함으로써 단백질 상호작용 예측에 적합한지를 검증해본다.

최근 단백질간의 상호작용의 중요성의 이해와 함께 축적되어 가는 단백질 정보들 간의 상호작용을 예측하기 위하여 통계학적 모델인 Support Vector Machine(SVM)을 사용한 예측 실험이 활발하다. 하지만 이는 거대한 생물 데이터를 처리하기 위해 많은 연산시간을 필요로 한다. 즉, 방대하게 존재하는 데이터를 처리하기 위해 SVM을 통한 실험은 정확한 결과뿐만 아니라 빠른 처리속도를 요구하게 되었다. 따라서 본 논문에서는 SVM의 개선을 통해 빠른 처리속도로 데이터를 처리하는 incremental SVM과 이를 병렬화 하여 더욱 빠른 처리시간을 가지는 Parallel SVM(PSVM)을 소개하고 실험해 본다. 즉, 단백질 상호작용에 사용되어지는 데이터를 PSVM을 사용한 실험을 통하여 정확성과 처리속도를 측정, 비교함으로써 단백질 상호작용 예측에 적합한지를 검증해본다.

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

• 또한 이를 병렬화시킨 Parallel SVM(PSVM)은 더더욱 빠른 처리 시간을 갖게 되었다 [4]. 따라서 이 논문에서는 Incremental Support Vector Machine[6]을 병렬화한 PSVM을 소개하고, 실험을 통하여 PSVM[4]이 단백질상호작묭 예측시스템에 사용되어지는 것이 적합한지를 검증해 본다. 즉, 순차적으로 수행되는 standard SVM인 Tiny-SVM[3]과 PSVM의 실험에 따른 정확도(accuracy) 를 비교 제시하고, PSVM에서 노드수에 따른 처리 속도를 비교해 본다.

제안 방법

• 그리고 PSVM에 대한 노드수에 따른 처리속도의 변화를 측정하고 평균을 구하여 비교하였다.
• 본 논문에서는 단백질 상호작용 예측에 있어서 Standard SVM중 하나인 Tiny—SVM과 병렬화한 PSVM에대한 성능믈 비교 평가하기 위한 것이므로 실험 데이터처리에 대한 정확도(accuracy)를 구하고 til교하였다. 그리고 PSVM에 대한 노드수에 따른 처리속도의 변화를 측정하고 평균을 구하여 비교하였다.
• 따라서 이 논문에서는 Incremental Support Vector Machine[6]을 병렬화한 PSVM을 소개하고, 실험을 통하여 PSVM[4]이 단백질상호작묭 예측시스템에 사용되어지는 것이 적합한지를 검증해 본다. 즉, 순차적으로 수행되는 standard SVM인 Tiny-SVM[3]과 PSVM의 실험에 따른 정확도(accuracy) 를 비교 제시하고, PSVM에서 노드수에 따른 처리 속도를 비교해 본다.

대상 데이터

• 본 논문에서의 테스도 환경은 순차적으로 수행되는 Standard SVM인 Tiny-SVM의 성능 측정 실험 시에는 Dual 2, 8GHz의 CPU와 2G의 메인 메모리를 사용하는 Linux 시스템을 이용하였다. PSVM의 성능 측정시에는 866MHz의 CPU와 256MB의 레인 메모리를 가진 컴퓨터 6대를 기가비트 이더넷 기반의 PC-Cluste「[그림 5} 로구성하였다.
• 사용하였다. 즉, Database of Interacting Proteins(DIP)[10]에서 제공하는 yeast종의 상호작용 리스트를 사용하였고, 상호작용 리스兵가 1500개인 8개의 test set를 만들어서 7개를 training 할 때 사용, 8번짜! data를 classifyAI 사용하였다.

이론/모형

• PSVM의 성능 측정시에는 866MHz의 CPU와 256MB의 레인 메모리를 가진 컴퓨터 6대를 기가비트 이더넷 기반의 PC-Cluste「[그림 5} 로구성하였다. 그리고 니mix 시스템을 이용하였고 병렬처리를 위한 라이브러리로 MPI를 사용하였다.

성능/효과

• [표 1]에서 Tiny-SVM의 정확성은 평균 93.09% 그리고 병렬화 된 PSVM은 평균 83.12%로 Tiny-SVM의 정확성이 평균 9.97% 조금 더 높게 나타나고 있음을 알 수 있다. [표 2]에서는 병렬화된 PSVM의 노드수에 따른 처리속도 最 비교한 것으로써, 노드가 3개일 때는 1개 일해보다 268배 빠른 처리속도를 나타내고, 노드가 5개일 때는 1개일 때보다 4.
• 03배 빨라짐을 알 수 있다. 즉, PSVM은 노드의 개수가 증가항에 하라 속도도 또한 비례에서 빨라지고 있다는 것을 확인할 수 있다. 따라서 PSVM이 단백질 상호작용 예측 시스템에 사용되어지기 위해서는 PSVM의 정확성을 높이는 방법이 연구되어야 하고 노드 개수의 증가를 통해 더욱 빠른 속도향상을 기대한다면 상호작용 예축에 사용되어도 무리가 없을 것으로 보인다.

후속연구

• 따라서 PSVM이 단백질 상호작용 예측 시스템에 사용되어지기 위해서는 PSVM의 정확성을 높이는 방법이 연구되어야 하고 노드 개수의 증가를 통해 더욱 빠른 속도향상을 기대한다면 상호작용 예축에 사용되어도 무리가 없을 것으로 보인다. 그래서 향후 우리는 노드개수를 늘이고, 10000개 이상의 데이터를 가지는 대량의 데이터에 대한 실험으로 상호작용 리스트를 실험하는 연구를 진행 할 계획이다.
• 즉, PSVM은 노드의 개수가 증가항에 하라 속도도 또한 비례에서 빨라지고 있다는 것을 확인할 수 있다. 따라서 PSVM이 단백질 상호작용 예측 시스템에 사용되어지기 위해서는 PSVM의 정확성을 높이는 방법이 연구되어야 하고 노드 개수의 증가를 통해 더욱 빠른 속도향상을 기대한다면 상호작용 예축에 사용되어도 무리가 없을 것으로 보인다. 그래서 향후 우리는 노드개수를 늘이고, 10000개 이상의 데이터를 가지는 대량의 데이터에 대한 실험으로 상호작용 리스트를 실험하는 연구를 진행 할 계획이다.

본문요약 정보가 도움이 되었나요? 예 아니오 제출

이 논문을 인용한 문헌

더보기