초록 ▼

연구의 최종목표: DNA칩을 이용한 생명공학연구 및 응용 전반을 지원하는 소프트웨어 시스템인 "DNA칩 설계 및 분석 통합 플랫폼(DNAChipBench)" 개발.
1단계 연구 수행 결과, DNAChipBench의 각 핵심 엔진들에 대해 당초 목표한 바를 100% 이상 달성.
<프로브설계 모듈(ProbeBench)>
- 진화연산 최적화 기술을 이용한 프로브 설계 알고리즘 개발
- 효과적인 프로브의 효율적 설계를 가능케 하여 DNA칩 설계의 경제성과 정확도 향상
- 실제 HPV 판별용 DNA칩에 응용되어 그

연구의 최종목표: DNA칩을 이용한 생명공학연구 및 응용 전반을 지원하는 소프트웨어 시스템인 "DNA칩 설계 및 분석 통합 플랫폼(DNAChipBench)" 개발.
1단계 연구 수행 결과, DNAChipBench의 각 핵심 엔진들에 대해 당초 목표한 바를 100% 이상 달성.
<프로브설계 모듈(ProbeBench)>
- 진화연산 최적화 기술을 이용한 프로브 설계 알고리즘 개발
- 효과적인 프로브의 효율적 설계를 가능케 하여 DNA칩 설계의 경제성과 정확도 향상
- 실제 HPV 판별용 DNA칩에 응용되어 그 실용성 검증
<발현 데이터 분석 모듈(ExpressBench)>
- DNA칩 유전자 발현의 동적 양상 분석: 기존의 군집화 기법으로는 찾아내기 어려운 유전자 사이의 관계 파악을 가능케 함. 실제 유전자발현 데이터의 분석과 문헌을 통한 검증으로 그 성능의 우수함 증명
- 베이지안망의 적용: 베이지안학습 기법을 적용하여 분류성능을 향상시킴. 군집화와 베이지안망의 결합을 통해 유전자-약물 관계 마이닝 및 검증
<목표 유전자 선정 및 응용 모듈
- 서열정보와 문헌 정보를 커널기반 기계학습 기법을 통해 효과적으로 이용
- 기계학습 및 유전자프로그래밍 기술에 기반한 모티프 및 miRNA 등의 정확한 예측
- 자연언어처리와 기계학습을 결합하여 단백질-유전자의 관계의 확대 검출을 가능케 함.
각 핵심엔진은 효과적인 DNA칩의 설계 및 그 데이터의 분석, 기타 정보와의 통합을 가능케 하여 BT 및 IT 분야에의 다양한 응용 가능

Abstract ▼

DNA chip technology makes it possible to monitor the expression pattern of thousands of genes simultaneously, providing high-throughput data for biological research, drug development, and clinical diagnosis. Therefore, DNA chips are becoming an essential part of biological and biomedical researches

DNA chip technology makes it possible to monitor the expression pattern of thousands of genes simultaneously, providing high-throughput data for biological research, drug development, and clinical diagnosis. Therefore, DNA chips are becoming an essential part of biological and biomedical researches and applications in the coming neo-biological era. The goal of our project is to develop an integrated platform for DNA chip design and analysis (DNAChipBench), supporting the whole pipeline of the research/application using DNA microarrays. DNAChipBench consists of three modules, i.e., ProbeBench, ExpressBench, and DiagBench. All Benches are based on the common base technologies such as machine learning, evolutionary computation, and probabilistic graphical models. They are a set of closely-related component softwares which can be flexibly applied to diverse DNA chip platforms and applications. In the first phase of the project (2002 ~ 2004), we developed the core software engines for each of the three Benches. ProbeBench is for automated design of optima1 probes for DNA chips. It consists of probe design algorithms and a virtual hybridization simulator. The probe design algorithm relies on optimization techniques based on evolutionary computation. The virtual hybridization tool can predict the hybridization pattern of DNA/RNA molecules based on thermodynamics. ProbeBench was applied to the probe design of HPV (human papillomavirus) DNA chips, proving its efficacy and practicality. ExpressBench analyzes high-throughput microarray data for expression profiling. Clustering techniques were developed based on information theory and latent variable models. The SOLL (self-organizing latent lattice) model was developed and used for detecting the dynamic relationship among gene expressions. It proved useful to find a set of plausible hypotheses about co-regulated genes according to the yeast cell cycle microarray data, which cannot be discovered using other conventional methods. Also, Bayesian networks were applied to microarray data classification and gene-drug dependency analysis. To mitigate the data sparseness problem, Bayesian model averaging (BMA) was employed. Through a set of diverse experiments, we showed that the developed method could improve the classification accuracy on (sparse and noisy) gene expression datasets. We also developed a method for analyzing highly sparse data based on Bayesian networks and dimensionality reduction techniques. From gene expression and drug activity data, our algorithm found several interesting relations (hypotheses) among a set of genes and drugs, confirmed through literature survey. DiagBench consists of a target gene selection engine and a text mining engine. The target gene selection engine is based on gene-regulatory network inference by evolutionary computation, searches for the risky regions in coding sequences using hidden Markov models and the risk prediction based on kernel-based machine learning techniques. The text mining engine extracts useful biological knowledge about gene/protein interactions based on machine learning and natural language processing techniques. DiagBench was applied to the classification of HPV types, assisting in the development of HPV oligo DNA chips with the ProbeBench module. The DNA chip design and analysis algorithms and tools developed in the first phase of our project greatly improves the accuracy of probe design and microarray data analysis results and reduces the experimental cost, making the DNA chip technology more applicable.

목차 Contents

• 표지...1
• 제출문...2
• 보고서 초록...3
• 요약문...4
• SUMMARY...6
• CONTENTS...8
• 목차...9
• 제1장 연구개발과제의 개요...10
• 제1절 연구개발의 목적...10
• 제2절 연구개발의 필요성...11
• 제3절 연구개발의 범위...13
• 제2장 국내외 기술개발 현황...16
• 제3장 연구개발수행 내용 및 결과...19
• 제1절 단계별/연차별 연구개발 목표 및 내용...19
• 제2절 1단계 연구수행방법 및 내용...21
• 제3절 1단계 연구개발성과 현황...25
• 제4절 위탁연구 결과((주)바이오메드랩)...32
• 제4장 목표달성도 및 관련분야에의 기여도...35
• 제1절 계획대비 달성도...35
• 제2절 관련분야 기술발전에의 기여도...37
• 제5장 연구개발결과의 활용계획...38
• 제1절 연구결과(개발기술)의 활용계획 및 활용가능성...38
• 제2절 추가 연구의 필요성...39
• 제3절 활용분야 및 활용 방안(타 연구에의 응용)...41
• 제4절 기업화, 기술이전 및 추가연구...42
• 제6장 연구개발과정에서 수집한 해외과학기술정보...43
• 제7장 참고문헌...44