인공신경망을 이용한 HLA-A, -B, -DR 혈청학적 특이도의 결정 규칙 추출 = Extraction of rules determining serologic specifities of HLA-A,-B,-DR through artifical neural network
저자
발행사항
울산 : 울산대학교 대학원, 2009
학위논문사항
학위논문(박사)-- 울산대학교 대학원 : 의학과 의과학 전공 2009. 2
발행연도
2009
작성언어
한국어
주제어
발행국(도시)
울산
형태사항
ⅶ, 59 p. ; 26cm
일반주기명
지도교수:오흥범
소장기관
배경: HLA는 인간에게서 알려진 유전자 중에서 가장 다형한데, 고형장기이식에서 기본적으로 검사되는 HLA-A, HLA-B, HLA-DR의 경우 혈청학적 수준에서만 각각 28, 62, 24 종류, 아미노산 서열 수준에서는 2008년 8월까지 각각 527, 911, 546 종류가 보고되어 있다. HLA 대립유전자의 아미노산 서열간 차이를 명명하기 위해 4 digits 체계가 사용되고 있는데, 첫 2 digits은 혈청학적 특이도를, 나머지 2 digits은 아미노산 서열의 다름을 나타내고 있다. 그런데 최근에 보고되는 새로운 대립유전자들은 혈청학적 반응도가 거의 보고되지 않고 아미노산 서열의 유사도(sequence homology)에 의해서만 명명이 이루어지기 때문에 첫 2 digits 명명에 오류가 발생하고 있다. 따라서 본 연구에서는 인공신경망(artificial neural network)을 이용하여 혈청학적 특이도(serologic specificity)를 결정짓는 규칙을 찾아내고자 하였다.
재료 및 방법: IMGT HLA Database http://www.ebi.ac.uk/imgt/hla/)에 보고된 2008년 4월 Release 2.21의 대립유전자 정보를 이용하였다. 혈청학적 특이도를 결정짓는 규칙을 추출하기 위하여 2004년 WHO Nomenclature Report 중에서 혈청학적 특이도가 보고된 HLA-A, -B, -DRB1 대립유전자 각각 142개, 304개, 159개를 학습데이타 세트(training set)으로 훈련하여 인공신경망을 구축하였다. 학습된 인공신경망으로부터 혈청학적 특이도를 결정짓는 규칙을 추출하기 위해 분해적 접근법(decompositional approach) 기반의 ordered-attribute search (OAS) 알고리즘을 이용하였다. 또한 학습데이타 세트에 사용하였던 대립유전자를 제외한 나머지 HLA-A, -B, -DRB1 대립유전자 각각 364개, 568개, 307개를 평가데이타 세트(test set)로 하여 인공신경망의 성능을 평가하였다. 이들 중 혈청학적 특이도가 보고된 HLA-A, -B, -DRB1 각각 37개, 51개, 15개 단백질 대립유전자의 경우는 해당 혈청학적 특이도과 인공신경망 결과를 비교하였고, 혈청학적 특이도가 보고되지 않은 HLA-A, -B, -DRB1 각각 326개, 516개, 292개의 대립유전자는 첫 2 digits를 혈청학적 명명으로 간주하고 인공신경망을 평가하였다.
결과: 학습데이타 세트를 이용하여 평가한 결과 학습된 인공신경망은 모든 대립유전자들에 대해 100% 일치하는 혈청학적 특이도를 예측하였다. 학습데이타 세트에 사용되지 않았던 HLA-A, -B, -DRB1 대립유전자 각각 363개, 565개, 307개에 대해서는 각각 97% (352/363), 94% (532/565), 97% (297/307)의 일치율을 보였다. 이들 중 혈청학적 특이도가 보고된 HLA-A, -B, -DRB1 각각 37개, 51개, 15개에 대해서는 A*0278, A*3308, DRB1*1457, DRB1*1609 등 4가지에서만 차이를 보여 각각 95% (35/37), 100% (51/51), 87% (13/15)의 일치율을 보였다.
결론: 인공신경망을 구축을 통해 HLA 대립유전자들의 혈청학적 특이도를 결정짓는 규칙을 추출할 수 있었다. 학습된 인공신경망과 추출된 규칙은 향후 새로운 대립유전자를 정확히 명명하는데 크게 도움이 될 것이다. 아울러 추출된 규칙은 혈청학적 에피토프(serologic epitope)를 규명하는 기초자료가 되며, 고형장기 이식에서 시행되는 panel reactive antibody 검사와 같은 체액성 면역반응을 해석하는데 활용될 수 있을 것이다.
분석정보
서지정보 내보내기(Export)
닫기소장기관 정보
닫기권호소장정보
닫기오류접수
닫기오류 접수 확인
닫기음성서비스 신청
닫기음성서비스 신청 확인
닫기이용약관
닫기학술연구정보서비스 이용약관 (2017년 1월 1일 ~ 현재 적용)
학술연구정보서비스(이하 RISS)는 정보주체의 자유와 권리 보호를 위해 「개인정보 보호법」 및 관계 법령이 정한 바를 준수하여, 적법하게 개인정보를 처리하고 안전하게 관리하고 있습니다. 이에 「개인정보 보호법」 제30조에 따라 정보주체에게 개인정보 처리에 관한 절차 및 기준을 안내하고, 이와 관련한 고충을 신속하고 원활하게 처리할 수 있도록 하기 위하여 다음과 같이 개인정보 처리방침을 수립·공개합니다.
주요 개인정보 처리 표시(라벨링)
목 차
3년
또는 회원탈퇴시까지5년
(「전자상거래 등에서의 소비자보호에 관한3년
(「전자상거래 등에서의 소비자보호에 관한2년
이상(개인정보보호위원회 : 개인정보의 안전성 확보조치 기준)개인정보파일의 명칭 | 운영근거 / 처리목적 | 개인정보파일에 기록되는 개인정보의 항목 | 보유기간 | |
---|---|---|---|---|
학술연구정보서비스 이용자 가입정보 파일 | 한국교육학술정보원법 | 필수 | ID, 비밀번호, 성명, 생년월일, 신분(직업구분), 이메일, 소속분야, 웹진메일 수신동의 여부 | 3년 또는 탈퇴시 |
선택 | 소속기관명, 소속도서관명, 학과/부서명, 학번/직원번호, 휴대전화, 주소 |
구분 | 담당자 | 연락처 |
---|---|---|
KERIS 개인정보 보호책임자 | 정보보호본부 김태우 | - 이메일 : lsy@keris.or.kr - 전화번호 : 053-714-0439 - 팩스번호 : 053-714-0195 |
KERIS 개인정보 보호담당자 | 개인정보보호부 이상엽 | |
RISS 개인정보 보호책임자 | 대학학술본부 장금연 | - 이메일 : giltizen@keris.or.kr - 전화번호 : 053-714-0149 - 팩스번호 : 053-714-0194 |
RISS 개인정보 보호담당자 | 학술진흥부 길원진 |
자동로그아웃 안내
닫기인증오류 안내
닫기귀하께서는 휴면계정 전환 후 1년동안 회원정보 수집 및 이용에 대한
재동의를 하지 않으신 관계로 개인정보가 삭제되었습니다.
(참조 : RISS 이용약관 및 개인정보처리방침)
신규회원으로 가입하여 이용 부탁 드리며, 추가 문의는 고객센터로 연락 바랍니다.
- 기존 아이디 재사용 불가
휴면계정 안내
RISS는 [표준개인정보 보호지침]에 따라 2년을 주기로 개인정보 수집·이용에 관하여 (재)동의를 받고 있으며, (재)동의를 하지 않을 경우, 휴면계정으로 전환됩니다.
(※ 휴면계정은 원문이용 및 복사/대출 서비스를 이용할 수 없습니다.)
휴면계정으로 전환된 후 1년간 회원정보 수집·이용에 대한 재동의를 하지 않을 경우, RISS에서 자동탈퇴 및 개인정보가 삭제처리 됩니다.
고객센터 1599-3122
ARS번호+1번(회원가입 및 정보수정)