초록 ▼

본 발명은 둘 이상의 유전자의 시계열적 발현 데이터로부터, 더욱 바람직하게는 DNA 마이크로어레이를 통해 수득된 둘 이상의 유전자의 시계열적 발현 데이터로부터, 특정 유전자가 다른 특정 유전자를 활성화시키거나 억제시키는 상관관계 등의 유전자 사이의 상관관계(CORRELATION)를 분석하는 방법에 관한 것으로, 본 발명에 따른 방법은 SOM(SELF-ORGANIZATION MAPS)의 위상적 분석력 및 GTM의 확률적 은닉변수 모형의 재생 특성(GENERATIVE PROPERTY)을 결합한 새로운 확률적 은닉격자 모형(SELF-OR

본 발명은 둘 이상의 유전자의 시계열적 발현 데이터로부터, 더욱 바람직하게는 DNA 마이크로어레이를 통해 수득된 둘 이상의 유전자의 시계열적 발현 데이터로부터, 특정 유전자가 다른 특정 유전자를 활성화시키거나 억제시키는 상관관계 등의 유전자 사이의 상관관계(CORRELATION)를 분석하는 방법에 관한 것으로, 본 발명에 따른 방법은 SOM(SELF-ORGANIZATION MAPS)의 위상적 분석력 및 GTM의 확률적 은닉변수 모형의 재생 특성(GENERATIVE PROPERTY)을 결합한 새로운 확률적 은닉격자 모형(SELF-ORGANIZING LATENT LATTICE MODEL; SOLL MODEL)을 이용함을 특징으로 한다.

대표청구항 ▼

둘 이상의 유전자의 시계열적 발현 데이터로부터, 유전자 사이의 상관관계 (CORRELATION)를 분석하는 방법에 있어서, 하기 단계를 포함하는 은닉 격자 모형의 학습을 포함하는 방법에 의해서 이루어지며:1) SOM (SELF-ORGANIZING MAP)을 이용하여 Y(T)=(Y_{1},Y_{2},Y_{3},Y_{4}) 의 고차원의 데이터를 2 차원 상의 노드 X_I 로 사상하고, 사상된 격자점인 원형 데이터 Z 중에서 다른 입력 데이터에 가장 가까운 점을 위너 (WINNER)로 선택하고, 그에 따라 원형 데이터 (PROTO

둘 이상의 유전자의 시계열적 발현 데이터로부터, 유전자 사이의 상관관계 (CORRELATION)를 분석하는 방법에 있어서, 하기 단계를 포함하는 은닉 격자 모형의 학습을 포함하는 방법에 의해서 이루어지며:1) SOM (SELF-ORGANIZING MAP)을 이용하여 Y(T)=(Y_{1},Y_{2},Y_{3},Y_{4}) 의 고차원의 데이터를 2 차원 상의 노드 X_I 로 사상하고, 사상된 격자점인 원형 데이터 Z 중에서 다른 입력 데이터에 가장 가까운 점을 위너 (WINNER)로 선택하고, 그에 따라 원형 데이터 (PROTOTYPE DATE) 값을 조정한 다음, GTM (GENERATIVE TOPOGRAPHIC MAP)에 의해 상기 원형 데이터의 값으로 은닉격자의 완곡 (POSTERIOR) 분포를 개선시킴으로써, 고차원의 데이터를 2 차원 상에 시각화하는 단계 (E-단계);2) 상기 단계 1) 의 은닉격자의 완곡 밀도를 이용하여 모델 상수 (MODEL PARAMETER)를 개선하고, 오차를 최소화하면서, 원형 데이터를 은닉 공간상으로 사상함으로써, 주어진 은닉격자로부터 데이터를 생성하여 모형을 학습하는 단계 (M-단계),이때 상기 학습에 요구되는 기함수(BASIS FUNCTION) 집합과 격자의 크기는 미리 정해짐을 특징으로 하는 방법:[식중, 비교되는 두 유전자 A와 B의 시간 T 에서의 발현값을 A_{T} 와 B_T 라고 가정할 경우, Y_{1}, Y_{2}, Y_{3}, Y_{4} 는 하기와 같이 정의됨:Y_{1}=|A_{T}-B_{T}| , Y_{2}=|(A_{T}-A_{T-1})-(B_{T}-B_{T-1})| ,Y_{3}=|(A_{T+1}-A_{T})-(B_{T+1}-B_{T})| , Y_{4}=|(A_{T-1}-A_{T-2})-(B_{T-1}-B_{T-2})| ].