LSTM 오토인코더를 사용한 질량 스펙트럼의 특징 추출 :Feature extraction from MS/MS spectra using Long Short-Term Memory Autoencoders

유수정

추천

검색

자료유형: 학위논문

저자정보: 유수정 (숭실대학교, 숭실대학교 대학원)

지도교수: 황규백

발행연도: 2019

저작권: 숭실대학교 논문은 저작권에 의해 보호받습니다.

이용수4

이 논문의 연구 히스토리 (2)

2019

LSTM 오토인코더를 사용한 탠덤 질량 스펙트럼으로부터의 특징 추출

유수정 , 황규백 한국정보과학회 학술발표논문집 2019.06 학술대회자료

LSTM 오토인코더를 사용한 질량 스펙트럼의 특징 추출

유수정 컴퓨터학과 2019.01 학위논문

이 논문의 후속연구가 궁금하신가요?
연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
이 논문의 연구 히스토리 확인하기

초록· 키워드

오류제보하기

세포 내 모든 단백질을 연구하는 분야인 단백체학은 질병 진단 및 치료와 같은 많은 생의학 연구에서 활용되고 있다. 단백질은 그 구조에 따라 다양한 기능을 하는 것이 알려져 있으며, 이러한 단백질의 구조는 단백질을 구성하는 서열에 따라 결정된다. 그렇기 때문에 단백질의 서열을 아는 것은 단백체학 연구 전반에 중요하며, 단백질 서열 확인 방법으로 현재까지 단백질 이중질량분석 스펙트럼(MS/MS, tandem-MS)을 이용한 방법이 많이 사용되고 있다. 단백질의 작은 조각인 펩타이드는 MS/MS를 통해 대량의 스펙트럼을 생성하게 되고, 스펙트럼 매칭 과정을 거치며 각 스펙트럼에 해당하는 펩타이드 서열을 찾는다. 이 때 일반적으로 데이터베이스 검색을 통해 스펙트럼 매칭을 진행하게 되는데, 통계적인 방법이나 딥러닝을 이용한 정확한 스펙트럼 매칭 방법이 제시되어 왔다.
이러한 데이터베이스 검색 소프트웨어에서 더 많은 PSM (Peptide Spectrum Match, PSM)을 얻기 위해서는 최적의 검색 매개변수를 사용하는 것이 중요하다. 따라서 만일 스펙트럼 필터링 과정을 통해 양질의 스펙트럼만을 여과하여 최적의 검색 소프트웨어 매개변수의 학습에 사용할 수 있다면, 동일한 실험 과정으로 보다 정확하고 더 많은 PSM을 얻을 수 있을 것이다. 이외에도 스펙트럼 필터링은 펩타이드 동정의 시간적 효율성을 높일 수 있다. 일반적으로 데이터베이스 검색 소프트웨어에서 확인되는 질량 스펙트럼은 전체의 15∼40%정도만 동정되고 있기 때문에, 미리 여과된 양질의 스펙트럼만을 펩타이드 동정에 사용할 수 있다면, 단위 시간당 분석 가능한 데이터 수를 향상시킬 수 있으며, 전체적인 펩타이드 동정 파이프라인의 시간적 효율성을 높일 수 있다.
본 논문은 이러한 양질의 스펙트럼을 여과하기 위한 목적으로, LSTM (Long Short-Term Memory) 오토인코더를 활용한 스펙트럼의 특징(feature)추출을 연구하였다. 전체 791,364개의 스펙트럼 데이터를 실험에 사용하였고, 긴 시간 단계의 시계열 분석에 적합한 LSTM 및 BiLSTM (Bidirectional Long Short-Term Memory) 셀을 이용한 여러 가지 오토인코더 모델에 대해서 실험을 진행하였다. 결과적으로, 가변 길이 오토인코더를 사용했을 때 스펙트럼의 특징 추출이 고정 길이 오토인코더를 사용했을 때에 비해 좀 더 좋은 성능을 보였으며, LSTM에 비해 BiLSTM을 이용한 모델에서 성능이 더 우수했다. 본 논문의 결과는 오토인코더를 이용한 스펙트럼 특징 추출의 가능성을 제시한다.

Proteomics is about studying the entire set of proteins in a cell or organism, and is used in biomedical research such as diagnosis and treatment of diseases. Proteins are well known to have various functions depending on their structures. The structure of a protein is determined by its constituting sequence. Therefore, knowing the sequence of a protein is important in all aspects of proteomic research. Methods using protein tandem mass spectrometry (MS/MS, tandem-MS) have been widely used as a protein sequence identification method. A small piece of proteins, a peptide, generates a large amount of spectra through MS/MS and undergoes a spectrum matching process to find the peptide sequence corresponding to each spectrum. Spectral matching is usually performed through database search, and accurate spectrum matching using statistical methods or deep learning has been proposed.
In database search softwares, using optimal search parameter is important to get enough PSM (Peptide Spectrum Match). Therefore, if the spectral filtering process filters the good spectrum only and uses them to learn the optimal search software parameters, the same experimental procedure will yield many and more accurate PSM. In addition, spectrum filtering can increase the time efficiency of peptide identification. Generally, the mass spectra identified by the database search are only about 15% to 40% of the dataset. Thus if the pre-filtered high quality spectra is used for peptide identification, the number of spectra that can be analyzed per time will be elevated and overall, the time efficiency of the peptide identification pipeline will be increased.
This paper studied the feature extraction of spectra using LSTM　autoencoder to filter these high quality spectra. 791,364 spectral data in total were used and the experiments were performed on various autoencoder models using LSTM (Long Short-Term Memory) and BiLSTM (Bidirectional Long Short-Term Memory) cells, which are suitable for long time step time series analysis. As a result, spectral feature extraction using a variable-length autoencoders showed better performance than the one using a fixed-length autoencoders, and models using BiLSTM were outperformed than those using LSTM. The results of this paper suggests the possibility of spectrum feature extraction using auto encoder.

#기계학습 #단백체학 #시계열 분석 #오토인코더 #Feature extraction

국문초록 ⅴ
영문초록 ⅶ
제 1 장 서 론 1
1.1 단백체학 1
1.2 펩타이드 동정 1
1.3 스펙트럼 필터링 3
1.4 연구 목적 4
제 2 장 관련 연구 5
제 3 장 오토인코더를 활용한 스펙트럼의 특징 추출 7
3.1 순환 신경망 셀 7
3.1.1 Long Short-Term Memory (LSTM) 7
3.1.2 Bidirectional Long Short-Term Memory (BiLSTM) 13
3.2 오토인코더 14
3.3 모델 구조 16
3.3.1 LSTM encoder-decoder network 16
3.3.2 LSTM encoder-decoder network의 변형 모델 17
3.3.3 BiLSTM Autoencoder 17
3.3.4 BiLSTM encoder-decoder network 19
3.4 가변 길이 모델 및 고정 길이 모델 20
3.4.1 가변 길이 모델 20
3.4.2 고정 길이 모델 21
제 4 장 실험 결과 22
4.1 실험 데이터 22
4.2 데이터 전처리 및 실험 설정 22
4.3 고정 길이 모델과 가변 길이 모델의 성능 비교 24
4.3.1 가변 길이 모델의 데이터 순서에 따른 성능 비교 24
4.3.2 고정 길이 모델과 가변 길이 모델의 성능 비교 25
4.4 BiLSTM encoder-decoder network의 구조별 성능 비교 분석 28
제 5 장 결 론 31
참고문헌 33

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

이 논문의 연구 히스토리 (2)

초록· 키워드

목차

최근 본 자료

댓글(0)