초록 ▼

□연구개요
딥러닝에 대한 많은 연구가 이루어지고 있고, 다양한 분야에 적용되어 유용한 결과들을 도출해내고 있다. 의생명분야에서 생산되는 빅데이터를 이용하는 bioinformatics 연구에 있어, 유전체 분야에서는 딥러닝이 활발하게 적용되어 다양한 성과를 내고 있으나, 단백체 분야는 적용의 초기 단계에 머물러 있다. 본 연구에서는 단백체 연구에 있어 핵심기술인 질량분석에 기반한 데이터의 분석에 딥러닝을 적용하여 분석의 효율과 효용성을 높이고자 한다.

□연구 목표대비 연구결과
본 연구는 최종 목표인 질량 분석을

□연구개요
딥러닝에 대한 많은 연구가 이루어지고 있고, 다양한 분야에 적용되어 유용한 결과들을 도출해내고 있다. 의생명분야에서 생산되는 빅데이터를 이용하는 bioinformatics 연구에 있어, 유전체 분야에서는 딥러닝이 활발하게 적용되어 다양한 성과를 내고 있으나, 단백체 분야는 적용의 초기 단계에 머물러 있다. 본 연구에서는 단백체 연구에 있어 핵심기술인 질량분석에 기반한 데이터의 분석에 딥러닝을 적용하여 분석의 효율과 효용성을 높이고자 한다.

□연구 목표대비 연구결과
본 연구는 최종 목표인 질량 분석을 통한 단백체 데이터 분석 기반 기술의 확보를 위하여 아래와 같은 세부 목표를 달성하였다. 1) 딥러닝 학습에 필요한 스펙트럼과 그에 대응되는 펩타이드 수집: 1-2차년도를 거쳐 총 317,602,298개의 스펙트럼과 데이터베이스 검색을 통해 총 132, 856,358개의 동정된 펩타이드에 해당되는 스펙트럼을 확보하였다. 2)스펙트럼 특징 추출: auto encoder를 활용하여 추출된 특징을 기반으로 입력 스펙트럼을 재구성하여 예측된 peak과 실제 peak의 m/z 오차를 3-4차년도에 거쳐 fragment ion tolerance 미만으로 낮춤으로서 스펙트럼을 재구성하는데 유용한 특징을 추출할 수 있었다. 3) Spectrum quality filter: 2-3차년도에 딥러닝 모델 기반으로 추출된 특징들을 입력으로 하는 support vector machine을 사용하여 quality를 평가하는 모델을 구현하였고 3-4차년도에 걸쳐 두 종류의 모델을 학습했으며 이는 기존 모델 대비 7.40~12.9%의 성능 향상을 가져왔다. 4) Fragment rule 예측 모델: 3차년도에는 recurrent neural network를 사용하여 펩타이드 서열로부터 그에 대응되는 스펙트럼을 예측했으며, 실제 스펙트럼과의 유사성 즉 spectrum contrast angle의 중앙값이 0.68로 높은 정확도를 보였다. 4차년도에는 단편화 위치로부터의 neutral loss를 추가로 예측하는 모델을 구현하여 좀 더 정교한 예측을 가능하게 했다. 5) 펩타이드 동정: fragment rule 예측 모델에서 추출된 펩타이드 단편화 특징을 활용하여 펩타이드 동정을 진행한 결과 target-decoy 방법보다 13.30~18.76% 더 많은 펩타이드를 동정했으며, Percolator보다는 3.29~6.30%의 성능 향상을 보였다. 6) 단백체 데이터 분석 함수 라이브러리: 단백체 분석을 보다 효율적으로 진행하기 위해, 분석에 사용되는 다양한 기능을 소프트웨어 라이브러리로 구성하여 github에 공유하였다.

□연구개발결과의 중요성
단백체 데이터 분석에서 가장 중요한 단계는 스펙트럼 해석 및 펩타이드 동정이라 할 수 있다. 본 연구에서는 딥러닝을 기반으로 스펙트럼을 표현하고 이를 활용하여 스펙트럼을 평가하고 펩타이드를 동정함으로서 단백체 분야에서 딥러닝 기술 적용을 통한 원천 기술을 확보하고, 국제적 선도연구로 도약할 수 있는 발판을 마련하였다. 연구 결과를 바탕으로 추후 질량분석 데이터 전반에 딥러닝 기술을 적용한다면 학문적으로 또 기술적으로 큰 파급효과를 가져올 수 있다. 질량분석 기술의 발전과 질량분석장비 보급의 확대로 데이터 생산이 급격하게 증가하고 있어, 질량 스펙트럼의 해석을 대폭 개선할 수 있는 기술을 확보함으로써 기초연구는 물론 질량분석 기반의 단백체 분석이 요구되는 병원과 제약회사 등 다양한 기관에서의 분석 성능을 제고할 수 있다. 또한 단백체 데이터 분석 파이프라인을 오픈소스로 제공함으로 국내외적으로 앞선 연구가 가능토록 의생명분야의 연구를 지원한다.

(출처 : 요 약 문 2p)

목차 Contents

• 표지 ... 1
• 연구결과 요약문 ... 2
• 1. 연구개발과제의 개요 ... 3
• 1) 연구개발의 필요성 ... 3
• 2) 연구범위 및 목표 ... 3
• 2. 연구수행내용 및 연구결과 ... 4
• 1) 1차년도 (2017년 11월~2018년 2월 / 4개월) ... 5
• 2) 2차년도 (2018년 3월 ~ 2019년 2월 / 12개월) ... 5
• 3) 3차년도 (2019년 3월 ~ 2020년 2월 / 12개월) ... 8
• 4) 4차년도 (2020년 3월 ~ 2020년 10월 / 8개월) ... 12
• 3. 연구개발결과의 중요성 ... 16
• 4. 참고문헌 ... 17
• 5. 연구성과 ... 18
• 대표적 연구실적 ... 20
• 끝페이지 ... 37