표제지

인사말씀

제출문

요약문

ABSTRACT

CONTENTS

목차

제1장 서론 46

제1절 바이오인포매틱스 기술 개요 47

제2절 바이오인포매틱스 기술의 정의 및 범위 48

제3절 바이오 데이터 마이닝 기술 49

제2장 바이오 서열 데이터 마이닝 55

제1절 개요 56

제2절 프로모터 영역 예측 기술 연구 57

제3절 전사인자 조절 부위 예측 기술 개발 79

제4절 Alternative splicing Splicing 예측 기술 연구 87

제5절 유전자 부위 탐색부위 기술 연구 103

제3장 바이오 발현 데이터 마이닝 128

제1절 개요 129

제2절 군집분석 130

제3절 판별 분석 151

제4절 조절 관계 예측 164

제5절 조절 모듈 예측 184

제4장 바이오 단백질 구조데이터 마이닝 207

제1절 단백질 구조 데이터 마이닝 개요 208

제2절 ProteinVista 가시화 212

제3절 단백질 구조적 포켓(Pocket) 검출 236

제4절 Geometric Hashing을 이용한 단백질 구조 비교 278

제5절 단백질 구조적 결합관계 예측 295

제6절 단백질 구조 분석용 라이브러리 310

제5장 바이오 상호관계 네트워크 마이닝 327

제1절 개요 328

제2절 네트워크 항해 339

제3절 네트워크 관리 357

제4절 네트워크 예측 388

제5절 네트워크 해석 410

제6절 생물학 실험 및 검증 442

제7절 참고문헌 456

제6장 바이오 텍스트 마이닝 462

제1절 개요 463

제2절 바이오 언어자원 466

제3절 개체명 인식 478

제4절 개체명 정규화 493

제5절 생물학 관계 인식 506

제6절 문헌기반 플랫폼 535

제7절 참고문헌 542

제7장 바이오 데이터 통합 및 연동기술 546

제1절 개요 547

제2절 데이터 통합 관리 시스템의 구성 549

제3절 명세 언어와 메타 정보 550

제4절 중재자 기반의 데이터 검색 및 통합 560

제5절 바이오 온톨로지의 연동 570

제6절 웹기반 통합 시스템 585

제7절 참고 문헌 590

제8장 결론 및 건의사항 593

제1절 과제 요약 및 활용 594

제2절 결론 및 건의사항 601

부록 605

1. 용어설명 607

2. 특허 618

3. 프로그램 624

4. 논문 629

5. 기술문서 643

6. 시제품 672

7. 사용자 설명서 679

표 2-1. 내용에 의한 탐색 방식의 프로모터 예측 프로그램 60

표 2-2. 신호에 의한 탐색(search-by-signal) 방식의 프로모터 예측 프로그램 63

표 2-3. 내용에 의한 탐색과 신호에 의한 탐색을 조합한 방식의 프로모터 예측 프로그램 64

표 2-4. 연구 내용 및 범위 66

표 2-5. Confusion matrix 70

표 2-6. 알고리즘 학습 데이터 수집 현황 74

표 2-7. 개발할 시스템의 평가에 사용될 데이터 76

표 2-8. 모티프 실험 데이터 82

표 2-9. 평가에 사용된 인자 85

표 2-10. 모티프 검색 결과 86

표 2-11. 조직별 EST Library와 EST 개수 93

표 2-12. 조직별 consensus/alternative consensus 개수 95

표 2-13. Genomic mapping 결과 98

표 2-14. Genomic cluster에 매핑된 query의 개수 99

표 2-15. 연구 분야 요약 106

표 2-16. Gene Ontology assignment의 결과 116

표 2-17. Functional category assignment의 결과 117

표 2-18. 데이터 처리 수행시간 (2G CPU, 2G RAM linux PC) 118

표 2-19. GIDE의 통계치 120

표 3-1. Golub et al.의 급성 백혈병 데이터를 이용한 유의유전자 정확도 비교 163

표 3-2. Khan et al.의 SRBCT 데이터 정확도 비교 164

표 3-3. MVRFST 인코딩 방법 171

표 3-4. MVRFST 인코딩 방법- 반복 예 171

표 3-5. 단일전사인자-단일 유전자 조절관계 예측 정확도 184

표 4-1. Proteinvista 성능 비교표 233

표 4-2. 속도측정용 visualization style 234

표 4-3. 사용된 단백질의 유사도 순서 (상위 10개) 288

표 4-4. 1ofv를 쿼리로 했을 때 유사도 결과 289

표 4-5. 1sri를 쿼리로 했을 때 291

표 4-6. 실험용 데이터 셋 (91 Proteins) 294

표 4-7. 탐색방법에 따른 분류 298

표 4-8. 주요 도킹 프로그램 298

표 4-9. FFTW 파일 301

표 5-1. MFDP와 Hub-Seed MFDP의 시각화 속도 비교 354

표 6-1. 태깅 작업자의 학력 및 전공 477

표 6-2. 자질의 종류 483

표 6-3. 자질 별 서브타입 484

표 6-4. 생물학 도메인에서의 품사 태거의 성능. 491

표 6-5. 자질 집합 492

표 6-6. 학습 및 평가 코퍼스의 크기 492

표 6-7. 단백질 이름의 후보 텀 나열의 예 499

표 6-8. 종 정보 사전의 추가 종 명칭 목록 502

표 6-9. Swiss-Prot 기반 정규화 결과의 예 506

표 6-10. 약어와 정의어 형태 510

표 6-11. 예외적인 약어의 사용 예 511

표 6-12. 의미 또는 참조를 위한 괄호의 사용 예 511

표 6-13. 치환 리스트 예 514

표 6-14. 관계의 문장 구조 분포 517

표 6-15. NP＋VP에서 두 관계의 출현 유형 524

표 6-16. 명사구 템플릿 1 529

표 6-17. 명사구 템플릿 2 530

표 6-18. 문장 구조 트리에서의 관계 추출 알고리즘 532

표 6-19. 단백질 상호작용 키워드 533

표 6-20. 구문 분석 태그 집합 535

표 7-1. 로컬 스키마 변환 규칙 557

표 7-2. 사용자 질의 규격 561

표 7-3. 랩퍼의 주요 기능 569

표 7-4. 바이오 온톨로지 함수 목록 571

표 7-5. 용어 정보 탐색 함수 예제 579

그림 1-1. Bio 바이오 데이터 마이닝 시스템 개념도 53

그림 2-1. Polymerase II 프로모터의 구성 58

그림 2-2. 코어 프로모터의 일반적인 구성 62

그림 2-3. 신경망 MLP(multi-layer perceptron) 67

그림 2-4. PWM(position-weight matrix) 생성 및 서열의 프로파일링 69

그림 2-5. ROC 곡선의 예 72

그림 2-6. 프로모테예측 프로그램 구성 모식도 73

그림 2-7. Dragon Promoter Finder에서 사용한 프로모터 서열의 relevance function 78

그림 2-8. 시스템 전략 모식도 90

그림 2-9. Genomic template 구성 방법의 모식도 96

그림 2-10. Genomic mapping의 모식도 97

그림 2-11. Genomic mapping의 selection criteria 97

그림 2-12. TAP 분석 결과 100

그림 2-13. 웹 인터페이스 화면 102

그림 2-14. 웹인터페이스 화면 103

그림 2-15. 개념도 : GIDE and GIDer systems 107

그림 2-16. 개념도 : gene template making 108

그림 2-17. 개념도 : gene structure analysis 109

그림 2-18. 개념도 : gene prediction 110

그림 2-19. GIDE의 데이터 스키마 121

그림 2-20. GIDE의 메인화면 122

그림 2-21. GIDE의 Gene Index Navigator 시스템 123

그림 2-22. GIN의 Gene information page 124

그림 3-1. Stanford data format 131

그림 3-2. 시스템의 개념적 구조 135

그림 3-3. Seed 추출 과정 139

그림 3-4. 데이터 입력 143

그림 3-5. 데이터 전처리 설정 144

그림 3-6. 데이터 전처리 결과 144

그림 3-7. 계층적 군집화 결과 145

그림 3-8. SOM 군집화 결과 145

그림 3-9. K-means 군집화 결과 146

그림 3-10. Seed 군집화에서 기군집된 결과를 선택하는 화면 146

그림 3-11. Seed 군집화 결과 147

그림 3-12. 유전자 어휘 분류체계(Gene Ontology, GO)를 이용한 군집 자동 주석 결과 147

그림 3-13. GO를 이용한 군집화 방법의 비교 151

그림 3-14. 판별 시스템의 개괄적인 구성도 153

그림 3-15. 판별 시스템의 모습 155

그림 3-16. 위암 관련된 학습 데이터인 DNA 칩 데이터를 로딩한 모습 156

그림 3-17. 학습 데이터에 대해서 유의 유전자를 선정한 모습 158

그림 3-18. 테스트 데이터(6개의 샘플)에 대해서 판별을 수행한 결과 모습 159

그림 3-19. 임상 데이터를 로딩하는 모습 159

그림 3-20. 임상 데이터 마법사를 통한 데이터 점검 160

그림 3-21. 임상 데이터의 무결성 확인 160

그림 3-22. 학습 데이터 재구성하기 위한 필드 선택 161

그림 3-23. 위암의 단계를 기준으로 위암 환자 샘플을 재구성한 모습 162

그림 3-24. 전사인자-유전자 조절관계 예측 방법 165

그림 3-25. 단일전사인자-단일유전자 조절관계 예측 방법 168

그림 3-26. 인터벌 그래프의 예 179

그림 3-27. 조절관계 예측 시스템의 수행 모습 180

그림 3-28. 전형적인 그래프 표현 방법 181

그림 3-29. 원형 표현 방법 182

그림 3-30. 계층적 표현 방법 183

그림 3-31. 발현 데이터 유사도 측정 알고리즘 187

그림 3-32. 전사인자 조절 프로그램 추출 알고리즘 188

그림 3-33. 전사인자 결합부위 예측 알고리즘 190

그림 3-34. 유전자 리스트와 유전자 해석 정보의 통계적 유의성 계산 알고리즘 192

그림 3-35. 모듈과 조절인자들 사이의 네트워크 이미지 194

그림 3-36. 조절모듈 예측에 의한 결과 이미지 195

그림 3-37. 유전자 발현 데이터에 대한 전처리 모습 196

그림 3-38. 유전자간의 유사도를 알 수 있도록 발현 프로파일을 heat map으로 가시화 197

그림 3-39. 전사인자(YER088C와 YEL009C)레 의해 조절 받는 유전자들의 heat map과 조절 트리 198

그림 3-40. 유전자의 프로모터 내 전사인자 바인딩 위치를 표시한 결과 199

그림 3-41. 프로모터 결합 정보를 자세히 보여주는 결과 200

그림 3-42. 전사인자 조합 조절에 대한 분석 창 200

그림 3-43. 유전자와 매핑된 유전자 기능 해석 정보들(GO, KEGG 패스웨이, HomoloGene) 중에서 가장 통계적 유의성이 큰 결과들만 보여주며, 그 상동성 정보를 보여주는 창 202

그림 3-44. 각 유전자 해석 정보들에 대하여 통계적 유의성이 있는 전체 정보 리스트를 보여주는 창 203

그림 4-1. 단백질 구조 분석 기술 211

그림 4-2. BioDesigner 215

그림 4-3. Chimera 217

그림 4-4. DINO 219

그림 4-5. gOpenMol 220

그림 4-6. MolMol 221

그림 4-7. PyMol 223

그림 4-8. SwissPDBViewer 225

그림 4-9. VMD 227

그림 4-10. Proteinvista 블록 다이어그램 229

그림 4-11. Proteinvista의 실행화면 229

그림 4-12. Proteinvista의 표현모델 231

그림 4-13. Proteinvista의 실행예 232

그림 4-14. 반평면(half planes) 교차(intersection) 239

그림 4-15. 두 사이트의 수직 이등분선 240

그림 4-16. 2 사이트의 보로노이 다이아그램 242

그림 4-17. 3 사이트의 보로노이 다이아그램 242

그림 4-18. 4 사이트의 보로노이 다이아그램 244

그림 4-19. 딜로니 트리 초기화 단계 254

그림 4-20. 딜로니 성질 255

그림 4-21. 프로그램의 전체적인 구조 259

그림 4-22. Delaunay 구성의 수행 흐름도 261

그림 4-23. 딜로니 트리에서 사면체 사이의 관계 263

그림 4-24. 딜로니 트리의 너비우선 탐색 264

그림 4-25. 4 사이트의 딜로니 삼각분할 및 보로노이 다이그램, 외접구 270

그림 4-26. 5 사이트의 딜로니 삼각분할 및 보로노이 다이그램, 외접구 271

그림 4-27. lpdblggg.ent의 딜로니 삼각분할, 볼록껍질, 보로노이 다이그램 272

그림 4-28. Ipdblggg.ent의 포켓 검출 예제 273

그림 4-29. 필터링된 삼각분할 위에 표시된 검출된 포켓 예제 274

그림 4-30. 3pdblad2.ent의 딜로니 삼각분할, 볼록껍질, 및 보로노이 다이그램 275

그림 4-31. 3pdblad2.ent의 포켓 검출 예제 276

그림 4-32. 잔기로 재구성된 단백질 280

그림 4-33. 레퍼런스 프레임 280

그림 4-34. 활성부위 추출 282

그림 4-35. 단백질 1tbf 활성부위 추출 예 282

그림 4-36. 단백질 정합 방법 285

그림 4-37. flow chart of proposed algorithm 286

그림 4-38. 잔기수에 따른 검색 시간 288

그림 4-39. lofv, 2fcr, 2f×2 결과 예 290

그림 4-40. lsri, lavd, lepa의 결과 예 291

그림 4-41. lglp, 2gst의 결과 예 292

그림 4-42. 구현된 시스템의 활성부위 표면 표현 292

그림 4-43. Receptor와 Ligand 사이의 결합 296

그림 4-44. 열쇠와 자물쇠 296

그림 4-45. 단백질과 약(Drug) 사이의 결합관계 297

그림 4-46. FFT에 의한 상관관계 계산 및 이동 검출 300

그림 4-47. 구현된 알고리즘의 흐름도 303

그림 4-48. 기하학적 특징만 이용한 경우 303

그림 4-49. 기하학적 특징 ＋ 에너지 함수의 경우 303

그림 4-50. 단백질 - 리간드 결합 307

그림 4-51. 전사인자 - DNA 결합 가시화 307

그림 4-52. 예측된 전사인자-DNA 결합, 파라미터 설정 및 예측결과 순위화 화면 307

그림 4-53. Fraction polarity of amino acid 312

그림 4-54. Phi and Psi ngles 314

그림 5-1. bioINET 시스템 구성도 334

그림 5-2. 컴포넌트들 사이의 연관성 337

그림 5-3. bioINET 초기화면 338

그림 5-4. 단백질 상호관계 네트워크에서 항해 341

그림 5-5. 항해 컴포넌트 구성도 343

그림 5-6. 네트워크 검색 과정 345

그림 5-7. 네트워크 검색 화면 346

그림 5-8. FDP 과정 348

그림 5-9. MFDP 과정 349

그림 5-10. MFDP에서 네트워크 압축 및 확장 350

그림 5-11. 개선된 네트워크 합병 과정 352

그림 5-12. 개선된 확장 과정 353

그림 5-13. Hub-Seed MFDP에 의한 시각화 354

그림 5-14. 네트워크 필터링 및 경로 탐색 355

그림 5-15. 바이오 상호관계 네트워크 관리 컴포넌트 구성도 359

그림 5-16. 바이오 객체 상호작용 네트워크 모델 361

그림 5-17. 복합 객체를 이용한 네트워크 단순화 과정 363

그림 5-18. 템플릿 기반 단백질 상호작용 네트워크 구축 과정 364

그림 5-19. GO를 이용한 템플릿 검색 366

그림 5-20. 바이오 객체 상호작용 네트워크를 위한 XML 스키마 368

그림 5-21. 바이오 객체를 위한 XML 스키마 369

그림 5-22. 복합 객체를 위한 XML 스키마 370

그림 5-23. 상호작용 관계를 위한 XML 스키마 370

그림 5-24. 바이오 객체 상호작용 네트워크 통합을 위한 모듈 구성도 372

그림 5-25. 네트워크를 통합 과정에 대한 전체 흐름도 374

그림 5-26. Human에 대한 DIP, BIND단백질 상호작용 네트워크 통합 376

그림 5-27. 단백질 데이터 동기화 과정 378

그림 5-28. 래퍼(Wrapper)의 작성 및 동작 380

그림 5-29. 전역 동기화 과정 381

그림 5-30. 지역 동기화 & 전역 동기화의 적용 예 382

그림 5-31. adminINET : 바이오 도메인 지식 구축 도구 383

그림 5-32. 종(Species) 구축 과정 384

그림 5-33. 온톨로지(Gene Ontology) 구축 과정 385

그림 5-34. 단백질(Swiss-Prot, TrEMBL) 구축 과정 386

그림 5-35. 바이오 객체 상호작용 네트워크 구축 과정 387

그림 5-36. 바이오 상호관계 네트워크 예측 컴포넌트 구성도 389

그림 5-37. 상동 단백질 색인 391

그림 5-38. Human과 Mouse 사이의 상동성 단백질 색인 393

그림 5-39. 단백질 상호작용 관계 예측 394

그림 5-40. Mouse 단백질과의 상동성를 이용한 Human 상호작용 관계 예측 396

그림 5-41. 복합체 예측 : 개념적으로 유사한 기능을 수행하는 부분 네트워크 탐색 398

그림 5-42. 복합체 예측 : Clique과 개념 유사성을 이용한 탐색 399

그림 5-43. 템플릿 규칙에 대한 평가 과정 401

그림 5-44. 시각화된 환경에서의 템플릿 규칙을 이용한 복합체 탐색 403

그림 5-45. 규칙을 표현하고 저장하기 위한 XML 스키마 404

그림 5-46. 특성 예측 구성도 406

그림 5-47. 특징 정규화 예 407

그림 5-48. Global Expectation Number 계산 예 408

그림 5-49. Local Expectation Number 계산 예 408

그림 5-50. 특성 예측 화면 409

그림 5-51. 해석 컴포넌트 구성도 411

그림 5-52. 분류 모듈 구성도 412

그림 5-53. GO용어에 대한 CurLevel과 LastLevel 413

그림 5-54. 온톨로지 계층구조를 이용한 글로벌 및 로컬 유사도 415

그림 5-55. 개념 분류 시각화의 Seed단백질 자동 선정 화면 418

그림 5-56. 개념 분류 시각화 결과 419

그림 5-57. 분할 모듈 구성도 420

그림 5-58. 단백질 노드 정규화 422

그림 5-59. 파티션 할당 과정 423

그림 5-60. 파티션 레이아웃 425

그림 5-61. 여러 서브그래프를 배치 426

그림 5-62. 노드를 하나만 가지고 있는 서브 그래프 배치 428

그림 5-63. 분할 파티션 설정 429

그림 5-64. 분할 시각화 화면 430

그림 5-65. unknown파티션의 노드 예측 결과 화면 432

그림 5-66. 검증 모듈 구성도 433

그림 5-67. 문헌기반 단백질 상호작용 관계 검증을 위한 전체적인 과정 434

그림 5-68. 상호작용 관계를 선택하여 검증 435

그림 5-69. 단백질을 선택하여 검증 436

그림 5-70. 상동성 기반 단백질 상호작용 관계 검증을 위한 전체적인 과정 438

그림 5-71. 상호작용 관계를 선택하여 검증 439

그림 5-72. 단백질을 선택하여 검증 439

그림 5-73. 문헌 기반 검증 화면 440

그림 5-74. 상동성 기반 검증 화면 441

그림 5-75. Cavelolins과 AR의 상호작용에 대한 결과 444

그림 5-76. Stat3와 RPA2의 상호작용에 대한 결과 445

그림 5-77. STAT 멤버들과 RPA2 또는 Pkcdelta의 상호작용에 대한 결과 446

그림 5-78. Spl과 TFID의 상호작용에 대한 결과 449

그림 5-79. Spl과 TFIIB의 상호작용에 대한 결과 450

그림 5-80. BRCA1 또는 BRCA2와 JUNB 또는 JUND의 상호작용에 대한 결과 451

그림 5-81. SWI/SNF 콤플렉스와 RelB의 상호작용에 대한 결과 452

그림 5-82. (A)Jun과 Erk (B)HDAC6와 RelB (C)Prohibitin과 Brgl 상호작용에 대한 결과 453

그림 5-83. (A) ER과 CREB (B) HDAC1, HDAC2, NFIkB inhibitor와 RelB 상호작용 결과 454

그림 6-1. XML 스키마 (A) 문헌 태깅의 예 (B) 개체명 태깅의 예 (C) 접속사를 포함하는 개체명의 예 470

그림 6-2. 개체명의 의미 카테고리 471

그림 6-3. (A) 관계 태깅의 예 (B) 주체와 객체 개체명에 포함된 한정어의 예 (C) 개체명 속에 포함된 관계의 예 474

그림 6-4. 관계 타입과 용어 475

그림 6-5. 태깅 도구 478

그림 6-6. 자질추출 결과의 표현 방식 484

그림 6-7. 규칙 생성 예 485

그림 6-8. 규칙 구성 과정 486

그림 6-9. 개체명 인식 과정 486

그림 6-10. 전처리 단계 488

그림 6-11. 의미 카테고리 태깅 단계 488

그림 6-12. 개체명 경계 설정 단계 489

그림 6-13. 개체명 정규화 시스템 구성도 495

그림 6-14. 단백질 코드 순위화의 예 497

그림 6-15. 역색인 구조 생성 과정 498

그림 6-16. 단백질 코드 인식 과정 500

그림 6-17. 문장 단순화 과정 508

그림 6-18. 품사 및 개체명 태깅된 문장 예 513

그림 6-19. 단순화된 문장 예 513

그림 6-20. 구문 분석 결과 문자열 예 514

그림 6-21. 구문 분석된 문장 트리 예 515

그림 6-22. 트리 탐색 모듈 구성도 519

그림 6-23. 트리 탐색 예1 520

그림 6-24. 트리 탐색 예2 521

그림 6-25. NP＋VP에서의 관계 추출을 위한 흐름도 523

그림 6-26. NP＋VP에서의 관계 추출 예 524

그림 6-27. NP＋PP에서의 관계 추출을 위한 흐름도 525

그림 6-28. NP＋PP에서의 관계 추출 예1 526

그림 6-29. NP＋PP에서의 관계 추출 예2 527

그림 6-30. NP＋CC＋NP에서의 관계 추출을 위한 흐름도 528

그림 6-31. NP＋CC＋NP에서의 관계 추출 예 528

그림 6-32. 중첩 관계와 부정 표현의 추출 예 531

그림 6-33. 구문 분석 모듈 534

그림 6-34. 문헌기반 플랫폼 구성도 536

그림 6-35. 요약 수집 모듈의 검색 결과 화면 537

그림 6-36. 관계 가시화 모듈의 수행 화면 539

그림 6-37. alzheimer's disease와 amyloid beta protein 쿼리를 이용하여 수집한 문서집합의 관계 가시화 540

그림 7-1. 통합 시스템 구조도 550

그림 7-2. NCBI GenBank의 명세 언어 문서 예 555

그림 7-3. 사용자 질의 예 562

그림 7-4. 질의 파싱 트리 562

그림 7-5. for 문의 변환 방법 563

그림 7-6. where 문의 변환 방법 564

그림 7-7. return문의 변환 방법 565

그림 7-8. 정규화 과정 예시 566

그림 7-9. 로컬 트리 생성 및 전역트리 예 568

그림 7-10. 질의 변환 예 570

그림 7-11. Gene Ontology의 부분 계층도 577

그림 7-12. gene_ontology OBO file의 일부 578

그림 7-13. biosynthesis 용어의 getSibling 함수 예 581

그림 7-14. 깊이 4단계의 traverseTree의 예 582

그림 7-15. union( ) 함수의 예제 583

그림 7-16. intersection( ) 함수의 예제 584

그림 7-17. 온톨로지 함수를 이용한 질의 확장 585

그림 7-18. 리소스 편집창 586

그림 7-19. 검색조건 편집창 588

그림 7-20. 출력형태 편집창 589

그림 7-21. 데이터소스의 명세 편집창 590

그림 8-1. XpressVista 결과 화면 595

그림 8-2. 단백질 구조가시화 시스템 596

그림 8-3. 단백질 결합관계 예측 시스템 597

그림 8-4. 바이오 상호관계 네트워크 해석 시스템 598

그림 8-5. 문헌 관리 시스템 599

그림 8-6. 생물학적 관계 분석 600