메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
이다빈 (숭실대학교) 황규백 (숭실대학교)
저널정보
Korean Institute of Information Scientists and Engineers 정보과학회 컴퓨팅의 실제 논문지 정보과학회 컴퓨팅의 실제 논문지 제26권 제8호
발행연도
2020.8
수록면
373 - 377 (5page)
DOI
10.5626/KTCP.2020.26.8.373

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

이 논문의 연구 히스토리 (5)

2022

질병과 관련된 유전자 내의 single nucleotide variant 병원성 예측을 위한 심층 신경망 적용
이다빈 ,  김선화 ,  강문종 외 2명 한국정보과학회 학술발표논문집 2022.06 학술대회자료

2020

랜드마크 유전자 기반 목표 유전자 발현량 예측을 위한 특징 추출 심층 신경망
이다빈 ,  황규백 정보과학회 컴퓨팅의 실제 논문지 2020.08 학술저널

2019

랜드마크 유전자 기반 목표 유전자 발현량 예측을 위한 특징 추출 심층 신경망
이다빈 ,  황규백 한국정보과학회 학술발표논문집 2019.06 학술대회자료
랜드마크 유전자 기반 목표 유전자 발현량 예측을 위한 특징 추출 심층 신경망
이다빈 컴퓨터학과 2019.01 학위논문

2018

기계학습을 이용한 랜드마크 유전자 기반 표적 유전자 발현량 예측
이다빈 ,  황규백 한국정보과학회 학술발표논문집 2018.06 학술대회자료

초록· 키워드

오류제보하기
유전자 발현 프로파일링은 질병 연구에 유용하다. Library of Integrated Network-Based Cellular Signatures 프로그램 연구진은 전체 인간 유전자 발현 정보의 약 80%를 포함하는 소수의 유전자(랜드마크 유전자) 발현량만을 측정한 뒤 다른 유전자(목표 유전자)의 발현량을 예측하는 효율적인 프로파일링 기법을 개발했다. 본 논문에서는 오토인코더로 랜드마크 유전자의 비선형 특징을 추출한 후 이에 기반하여 목표 유전자의 발현량을 예측하는 방법을 제안한다. 이 방법은 943개의 랜드마크 유전자와 9,520개의 목표 유전자로 구성된 111,009개의 유전자 발현 프로파일에 대한 실험에서 기존의 심층 신경망과 비교했을 때 약 95%의 목표 유전자에 대해 예측 오류를 감소시켰으며, 감소의 폭은 평균적으로 약 7%였다. 이러한 결과는 오토인코더 기반의 비선형 특징 추출이 랜드마크 유전자로부터 목표 유전자의 발현량을 예측하는 데 기여할 수 있음을 시사한다.
#심층 신경망 #유전자 발현 프로파일링 #오토인코더 #특징 추출 #deep neural networks #gene expression profiling #autoencoders #feature extraction

목차

요약
Abstract
1. 서론
2. 오토인코더 기반 특징 추출
3. 심층 신경망 기반 목표 유전자 발현량 예측
4. 심층 신경망 기반 목표 유전자 발현량 예측
5. 결론
References

참고문헌 (7)

참고문헌 신청
J. Lamb, E. D. Crawford, D. Peck, J. W. Modell, I. C. Blat, and others, The Connectivity Map: Using Gene-Expression Signatures to Connect Small Molecules, Genes, and Disease, Science, Vol. 313, No. 5795, pp. 1929-1935, 2006. google schola M. Bansal, V. Belcastro, A. Ambesi-Impiombato, and D. di Bernardo, How to Infer Gene Networks from Expression Profiles, Molecular Systems Biology, Vol. 3, No. 1, p. 78, 2007. google schola A. Subramanian, R. Narayan, S. M. Corsello, D. D. Peck, T. E. Natoli, and others, A Next Generation Connectivity Map: L1000 Platform and the First 1,000,000 Profiles, Cell, Vol. 171, No. 6, pp. 1437-1452, 2017. google schola G. Ye, M. Tang, J.-F., Cai, Q. Nie, and X. Xie, Low-Rank Regularization for Learning Gene Expression Programs, PLoS ONE, Vol. 8, No. 12, p. e82146, 2013. google schola Y. Chen, Y. Li, R. Narayan, A. Subramanian, and X. Xie, Gene Expression Inference with Deep Learning, Bioinformatics, Vol. 32, No. 12, pp. 1832-1839, 2016. google schola

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

마이크로어레이 데이터에서 특정 클래스 식별을 위한 이진연관규칙 추출
이혜리 ,  류근호 ,  김원재 외 1명 한국지능시스템학회 학술발표 논문집 2009 .12
심층 신경망을 통한 자연 소리 분류를 위한 최적의 데이터 증대 방법 탐색
박진배 ,  Tee ,  ath Kuma 외 1명 방송공학회논문지 2020 .11
심층신경망을 이용한 초음파 유방 종양 감별 진단 연구
김찬호 ,  김혜정 ,  김원화 외 1명 한국통신학회 학술대회논문집 2020 .11
효율적인 비정형 도로영역 인식을 위한 Semantic segmentation 기반 심층 신경망 구조
박세진 ,  한정훈 ,  문영식 한국정보통신학회논문지 2020 .11
Branchpoint Prediction Using Self-Attention Based Deep Neural Networks
이현석 ,  김성찬 Journal of KIISE 2020 .04

최근 본 자료

전체보기

댓글(0)

0