| 초록 |
□ 연구개요 본 연구에서는 양질의 개인별 맞춤의료 서비스를 제공하기 위해서는 유전자 데이터로부터 질병을 유발하는 특징인 바이오마커를 찾는 연구를 수행하였다. 바이오마커를 찾기 위해서 기존의 가중 퍼지소속함수 기반 신경망을 확장하여 가중 퍼지소속함수의 경계합의 무게 중심 간의 거리를 이용한 빠른 특징 선택 알고리즘과 Takagi-Sugeno 퍼지 모델 기반의 인스턴스 선택 알고리즘을 개발하였다. 또한 유전자 간의 연관성을 기반으로 상호작용 기반의 베이지안 네트워크를 개발하였다. 마지막으로 유전자의 상태값의 추이를 확인하기 위해서 Takagi-Sugeno 퍼지 모델 기반의 역퍼지화를 이용하여 유전자의 시계열을 예측하였다. □ 연구 목표대비 연구결과 ● 1차년도 : 1차 년도에는 가중 퍼지소속함수 기반 신경망(Neural Network with Weighted Fuzzy Membership Function, NEWFM)을 이용하여 특징 선택과 인스턴스 선택 알고리즘을 개발하였다. 이러한 알고리즘을 통해 질병을 유발하는 바이오마커를 선택하였다. 또한, 벤치마킹 마이크로어레이 데이터(Colon, Leukemia, SRBCT (Small Round Blue-Cell Tumor), PT (Prostate Tumor)) 선정 및 분석하였다. ● 2차년도 : 2차 년도에는 1차 년도에서 개발된 NEWFM에 유전자 간의 상호작용을 추가한 상호작용 기반의 베이지안 네트워크를 개발하였다. 베이지안 네트워크에 퍼지규칙과 퍼지집합을 접목한 새로운 알고리즘 개발하였다. ● 3차년도 : 3차 년도에는 이동평균을 활용한 시계열 데이터 추출 및 Takagi-Sugeno 퍼지 모델의 역퍼지화를 이용하여 유전자 시계열 분석이 가능한 알고리즘을 개발하였다. 시계열 데이터와 암관련 데이터의 선정 및 특징 추출하였다. 또한, Takagi-Sugeno 퍼지 모델의 역퍼지화를 이용한 시계열 유전자의 추이(Trend) 예측 알고리즘 개발하였다. ● 1차, 2차, 3차 년도에 계획하고 목표했던 대부분의 연구가 전반적으로 잘 이루어졌다. 또한, 3년 동안의 연구결과가 논문 등의 실적으로 나타났다. □ 연구개발성과의 활용 계획 및 기대효과 (연구개발결과의중요성) ● 퍼지 신경망에 통계적 방법을 접목한 새로운 특징 선택, 인스턴스 선택, 상호작용기반의 베이지안 네트워크, 시계열 예측 시스템을 제안함으로써 유전자의 데이터로 부터 최적의 특징과 인스턴스를 선택하는 분야에 활용될 수 있다. ● 본 연구에서 제안하는 알고리즘을 바이오-임상정보 융합 기술에 접목하여 소프트 컴퓨팅을 활용한 의사 결정 시스템과 생체정보 획득 및 전송, 임상 전문지식을 융합한 새로운 학문으로 발전할 수 있다. 또한 의료서비스 제공자와 소비자 간의 다차원 상호작용을 새로운 임상해석을 통해 현장에서의 예측력과 적용하는 분야로 발전할수 있다. 또한 임상과 관련한 주요 특징을 선택하는 기법을 제공함으로써 불필요한 진단에 필요한 병리검사 등을 최소화 할 수 있게 된다. ● 맞춤의약: 특징들 간의 연관성에 기반을 둔 최적의 특징 선택을 이용한 바이오마커의 개발과 환자 중심의 맞춤의약에 활용될 수 있다. 질병유발 유전자를 이용한 신약개발을 위해 미 제약사의 94%가 맞춤의학에 투자하고 있다. Pharmacogenomics 테스트와 Companion Diagnostics의 많은 부분은 맞춤의약 범주에 속한다. 상호작용기반의 베이지안 네트워크와 시계열 예측을 통해 약물의 반응성에 따른 환자의 분류(stratification), 약물의 dose 결정, 독성 여부 판단 등 약물 치료에 중요한 지표로 작용한다. ● 환자 생존 예측: 환자의 5년 이상 생존 가능성 판단에 활용 등으로 병원 경쟁력에 기여할 수 있다. ● 생명정보학 확대 적용: 유전자간 상호작용 식별, DNA와 단백질 서열로부터의 조절요소 예측 연구에 적용된다. ● 유전자 맞춤 치료: 부작용 없는 질병유발 유전자에 대한 치료에 활용할 수 있다. (출처 : 연구결과 요약문 2p) |
