초록 ▼

이 연구에서는 알파헬릭스(alpha-helix) 막횡단 단백질 예측, 베타 배럴 막횡단 단백질 예측, 시그날 펩타이드가 있는 알파헬릭스 예측 기능을 수행하는 막횡단 예측 프로그램과 세포내 소기관 타겟팅 프로그램을 개발하였다. 알파 헬릭스 형태의 막횡단 부위 인지 시스템에는 기계학습 알고리즘 중 HMM과 Support Vector Machine을 적용하여 동일한 훈련 set를 적용하였다. 막횡단 부위 인지에는 HMM과 SVM을 동시에 사용한 경우 가장 좋은 성능을 보였으나, SVM의 경우 위상 예측을 못하는 단점이 있다. 따라서 현재

이 연구에서는 알파헬릭스(alpha-helix) 막횡단 단백질 예측, 베타 배럴 막횡단 단백질 예측, 시그날 펩타이드가 있는 알파헬릭스 예측 기능을 수행하는 막횡단 예측 프로그램과 세포내 소기관 타겟팅 프로그램을 개발하였다. 알파 헬릭스 형태의 막횡단 부위 인지 시스템에는 기계학습 알고리즘 중 HMM과 Support Vector Machine을 적용하여 동일한 훈련 set를 적용하였다. 막횡단 부위 인지에는 HMM과 SVM을 동시에 사용한 경우 가장 좋은 성능을 보였으나, SVM의 경우 위상 예측을 못하는 단점이 있다. 따라서 현재 사용되는 시스템은 HMM을 사용한 방법으로 구현되었다. 위의 두 가지를 통합하여 시그날 펩타이드가 있는 알파 헬릭스 막횡단 부위 예측 프로그램을 개발하였는데 이의 성능은 기존의 알파 헬릭스 막횡단 부위 예측 프로그램을 단독으로 이용하며 예측하는 것보다 우수한 성능을 보였다. 알파 헬릭스 형태가 아닌 베타 배럴(beta-barrel)에 대한 막횡단 부위 인지 시스템도 개발하였으며, 각각 개발된 시스템은 하나의 통합시스템으로 구현하였다.

목차 Contents

• 표지 ...1
• 제출문 ...2
• 보고서 초록 ...3
• 요약문 ...4
• CONTENTS ...6
• 목차 ...8
• 제 1 장 연구 개발 과제의 개요...11
• 제 2 장 국내외 기술 개발 현황...13
• 제 3 장 연구 개발 수행 내용 및 결과...16
• 제 1 절 단백질 개요...16
• 1. 단백질...17
• 2. 단백질 구조...17
• 3. 시그날 펩타이드...19
• 4. 막횡단 단백질의 구조...20
• 제 2 절 기계 학습 이론...20
• 1. 신경망...20
• 가. 신경망...21
• 나. 신경망의 특징...23
• 다. 신경망의 역사...24
• 라. 신경망의 장단점...25
• 마. 일반적인 신경망의 학습과정...26
• 바. 역전파 알고리즘...27
• 1. 은닉 마코프 모델...28
• 가. 마코프 체인...28
• 나. 마코프 모델...31
• 다. 은닉 마코프모델...32
• 라. 은닉 마코프 모델의 예-1...38
• 마. 은닉 마코프 모델의 예-2...45
• 3. 서포트 벡터 머신...53
• 제 3 절 시그날 시퀀스 중 Cleavage Site 예측...55
• 제 4 절 알파 헬릭스 막횡단 부위 예측...60
• 1. 알파 헬릭스 은닉 마코프 모델의 구조...61
• 2. 알파 헬릭스 은닉 마코프 모델의 학습 방법...63
• 제 5 절 서포트 벡터 머신 모델 기반의 막횡단 지역 예측...64
• 1. 20개 아미노산 정규화...64
• 2. 서열의 벡터화 과정...66
• 3. 서포트 벡터 머신 적용...68
• 4. 4개의 서포트 벡터 머신 모델 구조...68
• 제 6 절 서포트 벡터 머신과 은닉 마코프 모델 알고리즘을 이용한 예측...69
• 제 7 절 PASS: 통합 예측 프로그램...69
• 제 8 절 베타 배럴 막횡단 부위 예측...70
• 1. 베타 베럴 막횡단 단백질...70
• 가. 베타 베럴 막횡단 단백질의 특징...70
• 나. 베타 베럴 막횡단 단백질의 구조...71
• 2. 베타 베럴 막횡단 단백질 예측의 문제점...73
• 3. 은닉 마코프 모델을 이용한 막횡단 지역 예측...73
• 가. 은닉 마코프모델...73
• 나. 훈련 데이터...73
• 다. 베타 베럴 은닉 마코프 모델의 구조...74
• 제 9 절 단백질의 세포내 소기관 예측...77
• 제 4 장 목표 달성도 및 관련 분야에의 기여도...78
• 제 1 절 PASS 막횡단 부위 예측 성능 향상...78
• 제 2 절 시그날 시퀀스를 갖는 막횡단 단백질의 예측 성능...78
• 제 3 절 서포트 벡터 머신 모델 결과 및 평가...80
• 제 4 절 서포트 벡터 머신과 은닉 마코프 모델을 결합한 접근 방식에서의 결과...80
• 제 5 절 벡타 베럴 평가 방법 및 예측 결과 분석...81
• 제 6 절 과제 목표 대비 달성도 요약...83
• 1. 최종 목표...83
• 2. 연차별 연구 개발 목표 및 연구 개발 내용...83
• 3. 계획대비 달성도...84
• 제 5 장 연구 개발 결과의 활용 계획...85
• 제 1 절 웹을 통한 활용 방안...85
• 제 2 절 기술이전을 통한 활용 방안...93
• 제 6 장 연구개발과정에서 수집한 해외 과학기술정보...94
• 제 7 장 참고문헌...95
• 부록...98
• 특정연구개발사업 연구결과활용계획서...119