초록 ▼

본 연구의 내용은 다음과 같다.
첫째, 원인균 변이 예측을 위한 공진화 분석 알고리즘 개발 (프로그램 개발 및 서비스)
- 단백질 잔기 사이의 구조 및 기능적 상호작용을 나타내는 네트워크 모델 구성
- 네트워크 모델을 이용한 공진화 분석 알고리즘 개발
둘째, 단백체 수준의 원인균 항원결정기 예측 및 분석기법 개발 (프로그램 개발 및 서비스)
- 독감 원인균 단백질의 종별 분석 및 변이 예측 모델 개발
- 예측 모델 분석을 통한 인종/지역별 원인균 항원결정기 예측 빛 면역 반응 분석 모델 개발
셋

본 연구의 내용은 다음과 같다.
첫째, 원인균 변이 예측을 위한 공진화 분석 알고리즘 개발 (프로그램 개발 및 서비스)
- 단백질 잔기 사이의 구조 및 기능적 상호작용을 나타내는 네트워크 모델 구성
- 네트워크 모델을 이용한 공진화 분석 알고리즘 개발
둘째, 단백체 수준의 원인균 항원결정기 예측 및 분석기법 개발 (프로그램 개발 및 서비스)
- 독감 원인균 단백질의 종별 분석 및 변이 예측 모델 개발
- 예측 모델 분석을 통한 인종/지역별 원인균 항원결정기 예측 빛 면역 반응 분석 모델 개발
셋째, 원인균-인간 단백질 상호작용 예측 및 분석기법 개발 (프로그램 개발 및 서비스)
- 항원 펩타이드-숙주 단백질 간 특이적 상호작용 분석방법 개발
- 기계학습 기반의 항원 펩타이드-숙주 단백질 간 결합친화성 예측기법 개발
넷째, 원인균-인간 단백질 상호작용의 3차원 구조 분석 (프로그램 개발 및 서비스)
- 3차원 구조적인 정보를 바탕으로 원인균-인간 단백질 결합 구조 분석 수행

Abstract ▼

Ⅳ. Result of the study
We developed a coevolution method for analyzing interaction between amino acid residues from the sequence evolution data. The coevolution method showed an improvement by utilizing sequence profile-based pseudocount and marginal probability constraint. This can be useful for

Ⅳ. Result of the study
We developed a coevolution method for analyzing interaction between amino acid residues from the sequence evolution data. The coevolution method showed an improvement by utilizing sequence profile-based pseudocount and marginal probability constraint. This can be useful for inferring molecular information such as protein structure, molecular interaction, and functional effect of amino acid mutations.
We calculated immune response analysis model across racial/ethnic groups against various influenza viruses using the specific connection between HLA gene and influenza epitope and developed multi vaccine model. Also, we developed population coverage analysis and multi vaccine model program for korean. This method will be helpful for predicting immune response against mutant influenza virus and developing multi epitope vaccine.
We developed a machine-learning method for prediction of binding affinity between antigen peptides and MHC molecules. The prediction model trains feature vectors with binding response derived from the interaction scores between amino acid residues in peptide-MHC complexes. The model not only shows reliable prediction performance(AUC: > 89%) but also help researchers infer the binding mechanism between the peptides and MHC molecules. We anticipate this prediction method can facilitate the epitope-based vaccine development.
In order to provide crucial information on helping develope inhibitor from the virus activity, we conducted the 3D homology modeling for predicting the binding structures between human-virus proteins. The binding structure modeling results in being specific binding interfaces between human-virus proteins. This prediction method for finding binding interfaces between human-virus proteins can help finding new drugs for inhibiting specific virus proteins from binding human proteins.

목차 Contents

• 표지 ... 1
• 제출문 ... 2
• 보고서 요약서 ... 3
• 요약문 ... 4
• Summary ... 7
• Contents ... 10
• 목차 ... 11
• 표목차 ... 12
• 그림목차 ... 13
• 제1장 연구개발과제의 개요 ... 15
• 1절. 원인균 변이 예측을 위한 공진화 분석 알고리즘 개발 ... 16
• 2절. 단백체 수준의 원인균 항원결정기 예측 및 분석 기법개발 ... 18
• 3절. 원인균-인간 단백질 상호 작용 예측 및 결합 구조 분석 ... 20
• 제2장 국내외 기술개발 현황 ... 22
• 1절. 원인균 변이 예측을 위한 공진화 분석 알고리즘 개발 ... 23
• 2절. 단백체 수준의 원인균 항원결정기 예측 및 분석 기법개발 ... 26
• 3절. 원인균-인간 단백질 상호 작용 예측 및 결합 구조 분석 ... 28
• 제3장 연구개발수행 내용 및 결과 ... 30
• 1절. 원인균 변이 예측을 위한 공진화 분석 알고리즘 개발 ... 30
• 2절. 단백체 수준의 원인균 항원결정기 예측 및 분석 기법개발 ... 38
• 3절 원인균-인간 단백질 상호 작용 예측 및 분석 방법 개발 ... 44
• 4절 원인균-인간 단백질 상호 작용의 3차원 구조 분석 ... 54
• 제4장 목표달성도 및 관련분야에의 기여도 ... 59
• 1절. 목표 달성도 ... 59
• 2절. 관련분야에서의 기여도 ... 60
• 제5장 연구개발결과의 활용계획 ... 62
• 1. 원인균 변이 예측을 위한 공진화 분석 알고리즘 개발 ... 62
• 2. 단백체 수준의 원인균 항원결정기 예측 및 분석 기법 개발 ... 62
• 3. 원인균-인간 단백질 상호 작용 예측 및 분석 방법 개발 ... 63
• 4. 원인균-인간 단백질 상호 작용의 3차원 결합 구조 분석 ... 63
• 제6장 연구개발과정에서 수집한 해외과학기술정보 ... 64
• 1절. 독감 원인균 데이터베이스에 관한 해외과학기술정보 ... 64
• 2절. 독감 원인균 항원결정기에 관한 해외과학기술정보 ... 65
• 3절. 독감 원인균 진화에 관한 해외과학기술정보 ... 66
• 제 7장 참고문헌 ... 67
• 끝페이지 ... 71