의생명 네트워크에서의 방향성 구축 모델링
Causality Modeling in Bio-Medical Networks
- 주제(키워드) Disease Network , Causality , Mathematical Model
- 발행기관 아주대학교
- 지도교수 신현정
- 발행년도 2016
- 학위수여년월 2016. 8
- 학위명 석사
- 학과 및 전공 일반대학원 산업공학과
- 실제URI http://www.dcollection.net/handler/ajou/000000023117
- 본문언어 한국어
- 저작권 아주대학교 논문은 저작권에 의해 보호받습니다.
초록/요약
다양한 산업분야에서 네트워크를 활용하여 관계를 정의하는 연구들이 행해지고 있다. 관계를 정의하려고 하는 대상들의 특징을 나타내는 다양한 형태의 데이터을 계층화하여 다계층 네트워크를 구성해볼 수 있다. 이러한 네트워크 관계를 활용하면 연관관계뿐만 아니라 인과관계를 정의할 수 있다. 연구에서는 두 질병간의 인과관계를 정의하는 방향성 네트워크를 구성하는데 적용한다. 기존에 행해지던 코호트 중심 연구는 객관성 높은 결과를 얻을 수 있는 반면, 시간, 비용적 소모가 많다는 단점이 있다. 이를 위해 사용 가능한 정보로는 유전체, 단백질, 대사경로, 임상정보 등이 있다. 본 연구에서는 인과관계를 확정하기 까지 세 단계로 구성된 질병 네트워크 구축 방법론을 제안한다. 각 네트워크는 목적에 상응하는 데이터와 해당 데이터로부터 정보를 이끌어 내기 위한 새로운 분석 방법론으로 구성된다. 첫 번째 단계인 Disease Association Network는 질병-유전자 관련 데이터로부터 연관관계를 정의하고, Disease Potential Causality Network는 질병보유환자 수, 공존질환정보를 활용해 잠재적인 인과관계를 정의한다. 마지막으로, Disease Causality Network는 대사경로로부터 유전자 방향성 정보 추출 방법론을 통해서 질병간 인과관계를 정의한다. 제안하는 방법론은 MeSH, OMIM, HuDiNe, KEGG 등의 데이터베이스로부터 수집한 데이터에 적용되었다. 첫 단계에서 추출된 140만개의 연관관계 중에 연관강도가 높을 때, 잠재적 인과관계가 존재할 가능성이 2배, 인과관계 가능성이 19배 높아진다는 것을 실험결과를 통해 확인하였다.
more목차
1. 서론 1
2. 응용분야 연구배경 및 기존연구: 데이터를 통한 질병 간 연관관계 정의 2
3. 제안 알고리즘 7
3.1 연관관계 네트워크 구성 7
3.2 잠재적 인과관계 네트워크 구성 8
3.3 인과관계 네트워크 구성 9
4. 실험 16
4.1 데이터 16
4.2 질병 네트워크 구성결과 17
4.3 질병 인과관계 검증결과 26
5. 결론 28
6. 참고문헌 30
