지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- Sun Ho Keun
- 발행연도
- 2017
- 저작권
- 부산대학교 논문은 저작권에 의해 보호받습니다.
이용수0
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
고차원 유전체 자료를 분석하는 유전체 연관분석의 경우 일반적으로 변수의 수가 표본의 수보다 압도적으로 더 많으므로 회귀모형에 기반을 둔 규제화(regularization) 방법을 많이 사용한다. 그리고 많은 유전자가 유전체 네트워크를 구성하며 서로 연결되어 있고 유사한 연관패턴을 가지고 있으므로 네트워크 정보가 연관 분석에 큰 영향을 줄 수 있다는 여러 연구결과가 있다. 이러한 이유로 네트워크 정보를 연관분석에 활용할 수 있는 네트워크 기반의 규제화 방법(Network-based regularization)이 Li와 Li (2010)에 의해 처음 제안되었고, 이후 변수 선택 면에서 네트워크 기반의 규제화 방법이 훨씬 더 정확하다고 여러 연구를 통해 입증되었고 실제 고차원 유전체 데이터를 분석하는 데에도 꾸준히 활용되고 있다. 그러나 DNA 메틸화(Methylation) 자료와 단일염기변이(SNP) 자료의 경우에는 여러 유전체 변이들에 대한 정보가 하나의 유전자 안에 포함되어있는 그룹 구조를 갖고 있다. 이러한 그룹 구조를 갖는 경우에는 유전체 네트워크를 활용할 수 없으므로 우수하다고 입증된 네트워크 기반의 규제화 방법을 사용할 수 없다. 따라서, 본 논문에서는 4가지 차원 축소 방법 주성분 분석(PCA), 부분 최소자승법(PLS), 지도식 주성분 분석(SPCA), 독립성분분석(ICA)을 이용하여 그룹 구조를 갖는 유전체로자료의 차원을 축소하고, 차원 축소된 자료에 대해 네트워크 기반의 규제화 방법을 적용하는 새로운 분석 방법을 제안한다. 또한, 이를 모의실험을 통해 그룹 구조를 갖는 유전체 자료에 대한 기존의 분석방법과 비교함으로써 우수성을 입증하고 제안한 방법을 실제 유전체 자료인 유방암에 대한 DNA 메틸화 자료를 분석하였다.
목차
Chapter 1. Introduction 1Chapter 2. Methods 52.1 Dimension Reduction Techniques 52.2 Network-based Regularization 102.3 Selection Probability 122.4 Proposed Method 13Chapter 3. Simulation Studies 153.1 Scenario I 153.2 Scenario II 21Chapter 4. Real Data Analysis 26Chapter 5. Conclusion 39References 41Abstract (in Korean) 52
최근 본 자료
댓글(0)
0