바이러스 감염 전 유전자 발현 상태로부터 감염 이후 증상의 유무 예측 = Prediction of long-term symptomatic status from gene expression prior to virus infection

Cited 0 time in webofscience Cited 0 time in scopus
  • Hit : 13
  • Download : 0
독감바이러스, 인간 리노바이러스, 호흡기세포융합바이러스에 의한 감염은 급성 호흡기 질환을 야기하며 심한 경우 환자를 죽음에 이르게 하기도 한다. 이러한 호흡기 바이러스 감염에 대한 진단 체계를 구축하기 위해 시계열 유전자 데이터의 통계적인 분석을 바탕으로 환자의 증상을 분류하는 방법들이 제안되었다. 하지만, 전염을 막기 위해서는 바이러스에 감염 되기 전에 감염 이후의 증상에 대해 예측하고 민감한 군집과 저항성 있는 군집으로 분류하는 것이 더욱 바람직하다. 따라서, 본 학위논문에서는 장기간의 증상을 예측하는 데에 바이러스 감염 전 유전자 발현 데이터만을 사용하는 알고리즘을 제시한다. 모든 생물학적 현상은 유전자 발현의 동역학적 변화에 그 기본을 두고 있기에, 차별발현유전자들을 선별하고 군집화하여 얻어진 동역학적인 특징들을 예측을 위한 모델을 학습하는 데에 사용하였다. 성능 검증을 위해서는, 각각의 바이러스에 대해서‘LOOCV’방법을 이용하여 검증하였다. 주목할 만한 점은, 비록 바이러스 감염 전 유전자 발현 데이터가 감염 이후 데이터에 비해 증상 유무에 따른 차이가 뚜렷하지 않지만, 제시된 모델이 최근에 발표된 감염 전과 그 이후 데이터를 모두 사용하는 방법보다 성능이 뛰어나다는 점이다. 차별발현 유전자들의 신호전달경로에의 분포를 분석해 보았을 때 바이러스 감염 및 면역반응과 관련된 신호전달 경로에 특이적으로 분포해있는 것을 확인할 수 있었으며 장기간의 증상을 예측하는 데에 있어서 유전자 발현의 동역학적 패턴의 중요성을 확인할 수 있었다. 따라서 본 연구는 정적인 특징들보다 동역학적인 특징들을 이용하면, 바이러스 감염 전 유전자 발현 데이터로부터 장기간의 증상을 예측하는 것이 가능하다는 것을 나타낸다. 나아가 본 학위논문에서 제시한 알고리즘은 전염이 확대되기 전에 바이러스에 취약한 군집과 강건한 군집을 구분하거나 이를 위한 새로운 알고리즘의 설계에 유용하게 사용될 수 있다.
Advisors
조광현researcherCho, Kwang-Hyunresearcher
Description
한국과학기술원 :바이오및뇌공학과,
Publisher
한국과학기술원
Issue Date
2018
Identifier
325007
Language
kor
Description

학위논문(석사) - 한국과학기술원 : 바이오및뇌공학과, 2018.2,[iii, 30 p. :]

Keywords

바이러스 감염▼a기계 학습▼a특징 추출▼a동역학적 모델링▼a유전자 발현▼a예측 의료; Virus infection▼amachine learning▼adynamic modeling▼agene expression▼apredictive medicine

URI
http://hdl.handle.net/10203/266192
Link
http://library.kaist.ac.kr/search/detail/view.do?bibCtrlNo=867940&flag=dissertation
Appears in Collection
BiS-Theses_Master(석사논문)
Files in This Item
There are no files associated with this item.

qr_code

  • mendeley

    citeulike


rss_1.0 rss_2.0 atom_1.0