선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- SNP 연구는 맞춤 의학이라는 질병의 치료 관점에서도 의의가 있는데 개개인의 약물에 대한 반응의 차이도 SNP과 관련이 있기 때문이다. 그러므로 SNP 정보를 이용하면 개개인에게 적합한 치료 또한 가능해 질 것이다.
- 본 연구는 set association과 의사결정나무를 이용하여 일차적으로 의미 있는 SNP들만 신경망에 입력하여 다량의 데이터에서 보다 빠르고 높은 예측 정확도를 갖는 신경망을 만드는 것이 목적이다. 실제로 천식 SNP 데이터에 이 모델을 적용해 보았을 때 모든 경우 60%이상, 최고 82%에 이르는 예측 정확도를 보였으며 이는 각각의 방법들을 독립적으로 수행하였을 때보다 좋은 결과이다.
- 본 연구에서는 이를 극복하기 위해 set association 과 의사결정나무를 이용하여 신경망에 입력되는 SNP 의 수를 줄였다. 즉, (그림 1)에서와 같이 일차적으로 set association과 decision tree를 이용하여 중요 SNP 을 선별한 후 이를 신경망의 입력 값으로 주어, 다량의 데이터를 이용한 천식의 발병 여부 예측을 가능하게 하고 예측에 소요되는 시간을 줄이며 궁극적으로 천식 발병 예상의 효율성을 높이고자 하였다.
- 특별히 천식 환자군을 두 그룹으로 나눈 이유는 AIA와 ATA 사이의 특징적인 SNP을 찾으려 함이다. 실제 임상에서는 AIA인지 ATA인지에 따라 각기 다른 치료가 행해지는데 병력만으로 이러한 진단을 내리기 힘든 경우가 많기 때문에 약물 유전체학 관점에서 빠르고 정확하게 이 둘을 구분할 수 있는 SNP를 찾으려는 것이 본 실험의 또 다른 목적이다[3].
- 복잡한 데이터에 좋은 성능을 보인다. 이러한 이유로 본 실험에서는 신경망을 통해 천식 관련 유전자들을 찾고 나아가 천식 발병 여부를 예측해 보았다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.