초록 ▼

마이크로어레이 자료에서 유의 유전자 선별 방법들은 생물학적인 정보를 고려하지 않고 수치적인 발현 데이터 위주의 통계분석을 수행함에 따라 유의 유전자가 포함하는 생물학적 기전을 이해하기 위해 추가적인 분석과정이 필요하다. 또한 이러한 접근 방법으로 추출된 유전자들은 실제의 생체지표로서의 역할에 필요한 생물학적 기능과 잘 일치하지 않는 경향을 보이고 있다.
이러한 기존의 통계적 선별방법에 대한 해법으로 GSEA 분석방법은 유의유전자 집합을 추출하기 위한 자체 분석과정에서 생물학적인 정보를 발현 프로파일과 함께 고려하여 유의성을 판

마이크로어레이 자료에서 유의 유전자 선별 방법들은 생물학적인 정보를 고려하지 않고 수치적인 발현 데이터 위주의 통계분석을 수행함에 따라 유의 유전자가 포함하는 생물학적 기전을 이해하기 위해 추가적인 분석과정이 필요하다. 또한 이러한 접근 방법으로 추출된 유전자들은 실제의 생체지표로서의 역할에 필요한 생물학적 기능과 잘 일치하지 않는 경향을 보이고 있다.
이러한 기존의 통계적 선별방법에 대한 해법으로 GSEA 분석방법은 유의유전자 집합을 추출하기 위한 자체 분석과정에서 생물학적인 정보를 발현 프로파일과 함께 고려하여 유의성을 판단함으로써 기존의 문제를 해결하고자 하였다. GSEA 분석 방법을 통한 생물학적 기전 규명에 대한 연구 경향은 독성기전을 밝히고자 하는 독성 연구 분야에서도 적용되고 있으며, 이를 통해 약물의 최종 독성을 예측할 수 있는 지표 개발 연구도 활발히 진행되고 있는 실정이다.

Abstract ▼

Most bioinformatic methods employed well known statistical methods to translate numeric data of microarray to biological meanings. Since most bioinformatic tools originated from statistics, they have a weak point at explaining underlined biological meanings of the microarray data. Recently, bioinfor

Most bioinformatic methods employed well known statistical methods to translate numeric data of microarray to biological meanings. Since most bioinformatic tools originated from statistics, they have a weak point at explaining underlined biological meanings of the microarray data. Recently, bioinformatic tools more suitable for biological explanation have developed by research communities. GSEA is one of these newly available bioinformatic tools which has more adapted for biological purpose. GSEA use expression of predetermined gene set instead of single gene for translation of microarray data to biological meaning. This method has been reported as more effective when well defined gene sets are available for analyses.
In the present study, we employed GSEA to isolate gene sets that can discriminate toxic drugs out of non toxic drugs using previously reported microarray data. As source for selection of gene sets, Gene ontology consortium, Kyoto Encyclopeda of Genes and Genomes and Ingenuity Pathway Analysis have been used. Using the gene sets obtained by GSEA, we tested the power of gene set for discriminating toxic drugs from non toxic drugs and examined the biological meaning of the gene sets. It seems that the gene sets obtained from IPA exhibited most meaningful biological pathways and showed significant power of discrimination and prediction of toxicity.

목차 Contents

• 자체연구개발과제 최종보고서 ... 1
• 요약문 ... 4
• Summary ... 5
• 목차 ... 6
• I. 연구개발과제 연구결과 ... 7
• 제1장 연구개발과제의 개요 ... 7
• 제1절 연구개발과제의 목표 ... 9
• 제2절 연구개발과제의 필요성 ... 10
• 제2장 연구개발과제의 국내ㆍ외 연구개발 현황 ... 11
• 제1절 GSEA (Gene Set Enrichment Anlaysis) 방법 ... 11
• 제2절 PAGE (Parametric Analysis of Gene set Enrichment) ... 12
• 제3절 SAM-GS (Significance Analysis of Micorarray - Gene Set) ... 12
• 제4절 GSEA 알고리즘을 통한 당뇨 지표 발굴 ... 13
• 제3장 연구개발과제의 연구수행 내용 및 결과 ... 14
• 제1절 데이터의 선별 ... 14
• 제2절 통계적 연구방법 ... 15
• 제3절 Gene Ontology를 이용한 유전자집단의 선별 ... 17
• 제4절 비교검증용 데이터세트에서의 유전자그룹 선별 ... 25
• 제5절 IPA를 사용한 유전자 집단 선별 ... 31
• 제6절 IPA를 이용하여 선별한 유전자집단을 이용한 상호검증 연구 ... 46
• 제7절 간독성 판별용 유전자집단의 선별 및 검증연구 ... 50
• 제4장 연구개발과제의 연구결과 고찰 및 결론 ... 56
• 1) 유전자집단의 선별과 분석 ... 56
• 2) 다수의 유전자 집단을 이용한 약물의 독성판별 방법의 개발 ... 57
• 3) 향후 계획 ... 60
• 제5장 연구개발과제의 목표달성도 및 관련분야에의 기여도 ... 61
• ○ 연구목표의 달성도 ... 61
• ○ 관련분야 기여도 ... 61
• 제6장 연구개발과제 연구개발 결과 활용계획 ... 62
• 제1절 활용성과 ... 62
• 제2절 활용계획 ... 62
• 제7장 참고문헌 ... 64