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

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
김진석 (건국대학교) 위수연 (건국대학교) 김재범 (건국대학교)
저널정보
Korean Institute of Information Scientists and Engineers Journal of KIISE Journal of KIISE Vol.52 No.1
발행연도
2025.1
수록면
35 - 41 (7page)
DOI
10.5626/JOK.2025.52.1.35

이용수

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

초록· 키워드

오류제보하기
인핸서(Enhancer)는 유전자의 발현을 조절하는 중요한 조절 요소로, 유전체 내 인핸서의 위치파악은 유전자 발현 이해에 필수적이다. 그러나 인핸서는 길이가 가변적이고 표적 유전자와 멀리 떨어져 있어 정확한 위치 예측이 어렵다. 또한 기존 인공 지능 기반 인핸서 예측 방법론은 인핸서의 존재 여부만을 예측하며 경계 식별이 어렵다. 본 연구에서는 CNN(Convolutional Neural Network)과 양방향 GRU(Gated Recurrent Unit)를 활용한 딥러닝 모델 EnhPred를 개발하여, 유전체 지역 내 세부 구역의 인핸서 존재 확률을 예측하였다. 3개의 인간 세포주를 대상으로 한 성능평가에서 EnhPred는 인핸서 예측의 정확성 및 인핸서 경계 예측의 정밀성 측면에서 다른 기계 학습 및 딥러닝 기반 방법론보다 우수한 성능을 보였다.

목차

요약
Abstract
1. 서론
2. 입력 데이터 및 방법론
3. 결과
4. 결론 및 향후 연구
References

참고문헌 (0)

참고문헌 신청

함께 읽어보면 좋을 논문

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

이 논문의 저자 정보

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-151-25-02-092295218