[논문]단어 표현에 기반한 연관 바이오마커 발굴

윤영신; 김유섭

문제 정의

워드 임베딩은 이러한 one-hot 방식과는 다르게 k차원으로 단어 표현을 학습한다. 본 논문에서는 워드 임베딩의 많은 모델 중 CCA모델을 사용하여 특정한 질병과 난소암 마커 간의 관계를 파악한다.
구글 스콜라에서 상위 20개의 논문을 가지고 평가하는 이유는, 논문 검색 시에 인용이 많이 되어진 순서로 나오기 때문에 많은 연구자들이 보았던 논문이기 때문에 상위 20개의 논문을 기준으로 평가를 하였다. 만약 질병 이름과 바이오 마커가 논문의 요약에 같이 나오는 경우, 두 단어 사이에 얼마나 많은 단어가 존재하는지도 확인한다. 이와 같이 유사도 상위 20쌍의 검색 결과를 [표 3]과 같이 정리한다.

제안 방법

본 논문에서는 난소암과 관련된 바이오 마커가 나온 PubMed 바이오메디컬 도메인의 제목과 요약부분을 새로운 말뭉치로 구축한다. 구축된 말뭉치를 가지고 워드 임베딩 모델 중에서 CCA를 사용한다.
CCA의 임베딩 결과값을 t-SNE(t-distributed stochastic neighbor embedding)[5] 을 사용하여 2차원으로 맵핑하고 결과를 가시화 한다. 2차원으로 맵핑된 결과 값을 코사인 유사도를 사용하여 질병과 바이오 마커 간의 유사도를 구하고, 이 결과 값을 기준으로 유사도 상위 20쌍의 결과가 실제 연구 되고 있는지 관련 논문을 구글 스콜라를 통해 검색한다. 검색 결과 유사도 점수가 높은 경우 85%는 실제로도 많은 연구가 질병과 바이오 마커간의 관계를 파악하는 방향으로 진행되었으나, 나머지 15% 쌍에 대해서는 실질적인 연구가 잘 되지 않는 것으로 파악되었다.
본 논문에서는 크게 두 가지 방법을 사용하여 질병과 특정한 바이오 마커 간의 관계를 파악한다.
본 논문에서는, 1,080,194개의 PubMed 바이오 메디컬 도메인의 제목과 요약 부분에서 난소암과 관련된 문서들을 사용하여 말뭉치를 만들었다. 말뭉치는 [표 1]처럼 각각 질병 이름과 난소암 바이오 마커로 분류하였다. 카테고리를 구출 할 때, 질병 이름에는 연구자를 제외한 다른 사람들에게 잘 알려진 질병들을 위주로 하여 구축하였고, 난소암 마커의 경우 [12]에서 사용한 난소암 마커를 사용하였다.
본 논문에서는 4장에서 구축한 질병 이름과 난소암 바이오 마커 리스트를 워드 임베딩의 모델 중 CCA를 이용하여 서로의 관계를 파악한다. CCA로 나온 질병과 바이오 마커의 k차원 벡터들을 t-SNE를 사용하여 2차원으로 만든다.
본 논문에서는 난소암 마커가 출현한 PubMed 바이오메디컬 도메인의 제목과 요약 부분을 가지고 말뭉치를 구축하여 특정한 질병과 난소암 마커 간의 관계를 워드 임베딩을 사용하여 알아본다. 그 결과 나온 벡터 값들을 t-SNE를 사용하여 2차원으로 줄이고, 그 결과 값을 코사인 유사도를 사용하여 각각의 유사도를 계산한다.
유사도 계산 결과 상위 20개의 질병과 바이오 마커가 실질적으로 연구가 이루어지고 있는지 확인한다. 구글 스콜라에 질병과 마커를 키워드로 넣어 상위 20개의 논문의 제목과 요약 부분에 등장한 횟수를 점수화 하여 이를 확인한다.

대상 데이터

본 논문에서는, 1,080,194개의 PubMed 바이오 메디컬 도메인의 제목과 요약 부분에서 난소암과 관련된 문서들을 사용하여 말뭉치를 만들었다. 말뭉치는 [표 1]처럼 각각 질병 이름과 난소암 바이오 마커로 분류하였다.
말뭉치는 [표 1]처럼 각각 질병 이름과 난소암 바이오 마커로 분류하였다. 카테고리를 구출 할 때, 질병 이름에는 연구자를 제외한 다른 사람들에게 잘 알려진 질병들을 위주로 하여 구축하였고, 난소암 마커의 경우 [12]에서 사용한 난소암 마커를 사용하였다. 구축된 말뭉치로 분류한 카테고리는 리스트로 작성하여 워드 임베딩의 input 데이터로 사용한다.
[표 2]에 있는 유사도 상위 20쌍의 질병과 마커가 실제로 관련이 있으며 연구가 되고 있는지에 대해 관련 연구를 구글 스콜라를 통해 검색한다. 검색 할 때, 질병 이름과 바이오 마커가 검색 키워드가 되며 구글 스콜라 검색 결과 상위 20개의 논문들의 제목과 요약부분에서 질병이름과 바이오 마커가 얼마나 나오는지 확인하고 이를 점수화한다.
검색 할 때, 질병 이름과 바이오 마커가 검색 키워드가 되며 구글 스콜라 검색 결과 상위 20개의 논문들의 제목과 요약부분에서 질병이름과 바이오 마커가 얼마나 나오는지 확인하고 이를 점수화한다. 구글 스콜라에서 상위 20개의 논문을 가지고 평가하는 이유는, 논문 검색 시에 인용이 많이 되어진 순서로 나오기 때문에 많은 연구자들이 보았던 논문이기 때문에 상위 20개의 논문을 기준으로 평가를 하였다. 만약 질병 이름과 바이오 마커가 논문의 요약에 같이 나오는 경우, 두 단어 사이에 얼마나 많은 단어가 존재하는지도 확인한다.

데이터처리

본 논문에서는 난소암 마커가 출현한 PubMed 바이오메디컬 도메인의 제목과 요약 부분을 가지고 말뭉치를 구축하여 특정한 질병과 난소암 마커 간의 관계를 워드 임베딩을 사용하여 알아본다. 그 결과 나온 벡터 값들을 t-SNE를 사용하여 2차원으로 줄이고, 그 결과 값을 코사인 유사도를 사용하여 각각의 유사도를 계산한다. 유사도 계산 결과 상위 20개의 질병과 바이오 마커가 실질적으로 연구가 이루어지고 있는지 확인한다.

이론/모형

본 논문에서는 난소암과 관련된 바이오 마커가 나온 PubMed 바이오메디컬 도메인의 제목과 요약부분을 새로운 말뭉치로 구축한다. 구축된 말뭉치를 가지고 워드 임베딩 모델 중에서 CCA를 사용한다. CCA의 임베딩 결과값을 t-SNE(t-distributed stochastic neighbor embedding)[5] 을 사용하여 2차원으로 맵핑하고 결과를 가시화 한다.
구축된 말뭉치를 가지고 워드 임베딩 모델 중에서 CCA를 사용한다. CCA의 임베딩 결과값을 t-SNE(t-distributed stochastic neighbor embedding)[5] 을 사용하여 2차원으로 맵핑하고 결과를 가시화 한다. 2차원으로 맵핑된 결과 값을 코사인 유사도를 사용하여 질병과 바이오 마커 간의 유사도를 구하고, 이 결과 값을 기준으로 유사도 상위 20쌍의 결과가 실제 연구 되고 있는지 관련 논문을 구글 스콜라를 통해 검색한다.

성능/효과

2차원으로 맵핑된 결과 값을 코사인 유사도를 사용하여 질병과 바이오 마커 간의 유사도를 구하고, 이 결과 값을 기준으로 유사도 상위 20쌍의 결과가 실제 연구 되고 있는지 관련 논문을 구글 스콜라를 통해 검색한다. 검색 결과 유사도 점수가 높은 경우 85%는 실제로도 많은 연구가 질병과 바이오 마커간의 관계를 파악하는 방향으로 진행되었으나, 나머지 15% 쌍에 대해서는 실질적인 연구가 잘 되지 않는 것으로 파악되었다.
이처럼 난소암 바이오마커와 다른 질병들이 관련이 있는지 맵핑하는 이유는 난소암을 가진 환자가 가지고 있는 난소암 바이오마커를 토대로 걸릴 수 있는 질병들을 예측하거나 다른 질병들에 대한 예방을 할 수 있지 않을까 하기 때문이다. 이를 생물학적이 아닌 텍스트 문서에서도 도출이 가능한지에 대하여 살펴보기 위해 워드임베딩을 이용하여 난소암 마커 말뭉치와 특정한 질병과의 유사도 계산을 한 결과 값을 기준으로 상위 20쌍을 선출한다.
[표 2]에 있는 유사도 상위 20쌍의 질병과 마커가 실제로 관련이 있으며 연구가 되고 있는지에 대해 관련 연구를 구글 스콜라를 통해 검색한다. 검색 할 때, 질병 이름과 바이오 마커가 검색 키워드가 되며 구글 스콜라 검색 결과 상위 20개의 논문들의 제목과 요약부분에서 질병이름과 바이오 마커가 얼마나 나오는지 확인하고 이를 점수화한다. 구글 스콜라에서 상위 20개의 논문을 가지고 평가하는 이유는, 논문 검색 시에 인용이 많이 되어진 순서로 나오기 때문에 많은 연구자들이 보았던 논문이기 때문에 상위 20개의 논문을 기준으로 평가를 하였다.

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증

[국내논문] 단어 표현에 기반한 연관 바이오마커 발굴
Biomarker Detection of Specific Disease using Word Embedding 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper

문제 정의

제안 방법

대상 데이터

데이터처리

이론/모형

성능/효과

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

[국내논문] 단어 표현에 기반한 연관 바이오마커 발굴 Biomarker Detection of Specific Disease using Word Embedding 원문보기

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

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

대상 데이터

데이터처리

이론/모형

성능/효과

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

[국내논문] 단어 표현에 기반한 연관 바이오마커 발굴
Biomarker Detection of Specific Disease using Word Embedding 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper