초록

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

최근 단백질 기능 예측을 위한 서열비교와 구조비교 기법들은 정확한 분류가 가능한 반면, 새로운 단백질 기능 분류를 함에 있어서 많은 복잡도가 따른다. 따라서 이 논문에서는 보다 빠른 단백질의 구조 분류 및 예측을 위하여 출현 시퀀스(emerging sequence)를 기반으로 하는 분류기법을 제안하였다. 이 기법에서는 먼저, 출현 시퀀스 마이닝 알고리즘을 이용하여 단백질 서열 데이터로부터 4 가지의 단백질 2 차 구조 출현 시퀀스를 발견하고, SVM을 이용하여 단백질의 출현 시퀀스 속성으로부터 단백질의 2 차 구조를 예측하였다.

최근 단백질 기능 예측을 위한 서열비교와 구조비교 기법들은 정확한 분류가 가능한 반면, 새로운 단백질 기능 분류를 함에 있어서 많은 복잡도가 따른다. 따라서 이 논문에서는 보다 빠른 단백질의 구조 분류 및 예측을 위하여 출현 시퀀스(emerging sequence)를 기반으로 하는 분류기법을 제안하였다. 이 기법에서는 먼저, 출현 시퀀스 마이닝 알고리즘을 이용하여 단백질 서열 데이터로부터 4 가지의 단백질 2 차 구조 출현 시퀀스를 발견하고, SVM을 이용하여 단백질의 출현 시퀀스 속성으로부터 단백질의 2 차 구조를 예측하였다.

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

• 이 논문에서는 CATH 데이터베이스의 단백질 서열 데이터로부터 출현 시퀀스를 생성하고 생성된 출현 시퀀스들로부터 SVM 분류기를 이용하여 분류모델을 구축하여 단백질 2차 구조 예측을 하는 방법론을 제안하였다. 이 논문에서 제안한 단백질 구조 클래스 예측을 위한 출현 시퀀스 마이닝의 적용은 기존의 서열들을 비교하면서 예측하는 방법과는 다른 접근법으로서 새로운 단백질이 발견 되었을 때, 보다 빠른 분류를 할 수 있는 점에 기여 하였다.
• 이 논문에서는 서열정열 비교에 의한 단백질의 기능 예측이 아닌, 단백질 서열의 출현 시퀀스(emerging sequence)로부터 분류 모델을 만드는 데이터마이닝 기법을 적용한 단백질 구조 분류 기법을 제안하였다. 기존의 연구에 비해 이 기법은 단백질 구조 예측을 보다 효율적이고 많은 데이터에 대해 동시에 실행할수 있게 하였다.

제안 방법

• CATH 데이터베이스는 과 같이 단백질 2 차 구조에 따라 4 개의 계층으로 분류되며 CATH 데이터베이스의 특징인 C-level, A-level, T-level, H-level 중 처음 계층 C-level 에서의 Class1(C1): 주로 Alpha 구조인 시퀀스들, Class2(C2): 주로 Beta 구조인 시퀀스들, Class3(C3): Alpha 와 Beta 구조가 모두 들어 있는 시퀀스들, Class4(C4): 단백질 2 차 구조가 거의 없는 시퀀스들 등 4 가지 클래스 라벨(class label) 따라 단백질 서열 데이터를 분류하였으며 단백질 서열데이터의 ID 와 시퀀스데이터, 그리고 각 단백질 서열이 속해 있는 클래스의 정보로 과 같이 데이터를 구성하였다.
• CATH 데이터베이스에서 단백질 서열과 2 차 구조 정보를 추출하여 전처리를 수행한다. CATH 데이터베이스는 <표 1>과 같이 단백질 2 차 구조에 따라 4 개의 계층으로 분류되며 CATH 데이터베이스의 특징인 C-level, A-level, T-level, H-level 중 처음 계층 C-level 에서의 Class1(C1): 주로 Alpha 구조인 시퀀스들, Class2(C2): 주로 Beta 구조인 시퀀스들, Class3(C3): Alpha 와 Beta 구조가 모두 들어 있는 시퀀스들, Class4(C4): 단백질 2 차 구조가 거의 없는 시퀀스들 등 4 가지 클래스 라벨(class label) 따라 단백질 서열 데이터를 분류하였으며 단백질 서열데이터의 ID 와 시퀀스데이터, 그리고 각 단백질 서열이 속해 있는 클래스의 정보로 <표 2>과 같이 데이터를 구성하였다.
• 전처리한 단백질 서열데이터에 SVM 분류기법을 적용하기 전에 서열데이터에서 2 장에서 추출한 출현 시퀀스들을 찾아내어 (그림 3)과 같이 단백질 데이터의 분류 속성으로 표현한다. 다음 2 차 구조 클래스 레벨이 알려져 있고 출현 시퀀스로 구성된 단백질 서열 데이터를 훈련 데이터로 하여 분류 모델을 구축하고, 이 분류 모델을 2 차 구조 분류 클래스 레벨을 모르는 출현 시퀀스로 구성된 단백질 서열 데이터로 구성된 테스트 데이터에 적용하여 단백질 서열데이터의 2 차 구조를 예측한다. 단백질 데이터로부터의 분류모델 구축 과정의 예제는 (그림 3)과 같다.
• 이 논문에서는 CATH 데이터베이스의 단백질 서열 데이터로부터 출현 시퀀스를 생성하고 생성된 출현 시퀀스들로부터 SVM 분류기를 이용하여 분류모델을 구축하여 단백질 2차 구조 예측을 하는 방법론을 제안하였다. 이 논문에서 제안한 단백질 구조 클래스 예측을 위한 출현 시퀀스 마이닝의 적용은 기존의 서열들을 비교하면서 예측하는 방법과는 다른 접근법으로서 새로운 단백질이 발견 되었을 때, 보다 빠른 분류를 할 수 있는 점에 기여 하였다. CATH database 의단백질 서열 데이터로 실험을 하였는데 정확률이 90.
• 5)[9], 단순 베이지안 분류기 (naive Bayesian)[10]을 적용하여 성능 평가를 하였다. 지표로는 재현률(recall), 정확률(precision)[11]을 측정하였다. 이 실험을 위하여 생성한 데이터 집합은 CATH database 의 총 36,620 개의 단백질 서열 데이터중 20%에 해당하는 7,324 개의 데이터를 샘플 데이터로 이용 하여 실험하였다.
• 출현 시퀀스 정확률이 가장 높을 때의 성장률 임계값 1.9 일 때 생성된 출현 시퀀스로부터 SVM, 베이지안 분류기(NB), 결정트리(C4.5), CARM 등 분류 기법 적용에서의 정확률, 재현률에 대해 비교 분석하였으며 (그림 5)와 같다.

대상 데이터

• 지표로는 재현률(recall), 정확률(precision)[11]을 측정하였다. 이 실험을 위하여 생성한 데이터 집합은 CATH database 의 총 36,620 개의 단백질 서열 데이터중 20%에 해당하는 7,324 개의 데이터를 샘플 데이터로 이용 하여 실험하였다. 출현 시퀀스 탐사 시 가장 좋은 출현 시퀀스를 찾을 수 있는 성장률 임계값 설정을 위하여 성장률 변화에 따른 분류 결과, (그림 4)와 같이 성장률을 1.

이론/모형

• 이 장에서는 출현 시퀀스로부터 SVM 분류 기법과 기존의 분류 기법 CARM(classification association rule mining)[8]과 결정트리(C4.5)[9], 단순 베이지안 분류기 (naive Bayesian)[10]을 적용하여 성능 평가를 하였다. 지표로는 재현률(recall), 정확률(precision)[11]을 측정하였다.

성능/효과

• 이 논문에서 제안한 단백질 구조 클래스 예측을 위한 출현 시퀀스 마이닝의 적용은 기존의 서열들을 비교하면서 예측하는 방법과는 다른 접근법으로서 새로운 단백질이 발견 되었을 때, 보다 빠른 분류를 할 수 있는 점에 기여 하였다. CATH database 의단백질 서열 데이터로 실험을 하였는데 정확률이 90.5%, 재현률이 85% 로서 좋은 결과를 보여주었다.
• 위의 결과, 단백질 시퀀스 데이터의 출현 시퀀스를 분류 속성으로 하여 4가지 분류 기법을 적용하였는데 SVM 분류기법의 정확률이 90.5%, 재현률이 85%로서 가장 좋은 결과를 보여주었다.
• 이 실험을 위하여 생성한 데이터 집합은 CATH database 의 총 36,620 개의 단백질 서열 데이터중 20%에 해당하는 7,324 개의 데이터를 샘플 데이터로 이용 하여 실험하였다. 출현 시퀀스 탐사 시 가장 좋은 출현 시퀀스를 찾을 수 있는 성장률 임계값 설정을 위하여 성장률 변화에 따른 분류 결과, (그림 4)와 같이 성장률을 1.9 로 설정 했을 때, 정확도는 90.5 로서 가장 높았다.

본문요약 정보가 도움이 되었나요? 예 아니오 제출

이 논문을 인용한 문헌

더보기