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
- 백은옥
- 발행연도
- 2021
- 저작권
- 한양대학교 논문은 저작권에 의해 보호받습니다.
이용수7
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
질량 분석법 기반의 단백체학은 단백질이 세포 내에서 수행하는 기능을 밝히는데 필요한 기초적인 정보를 제공함에 있어 중요한 역할을 한다. 단백체학 연구의 첫 단계인 펩타이드 동정은 전구체 이온으로부터 펩타이드의 정확한 질량을 결정하는 것으로부터 시작된다. 따라서 질량 스펙트럼에 나타나는 펩타이드의 동위원소 클러스터를 식별하고 그것의 단동위질량을 정확하게 결정하는 것은 매우 중요하다. 그러나 정확한 동위원소 클러스터를 식별하는 것은 노이즈와 동위원소 클러스터의 중복 문제 등 여러 가지 이유로 쉽지 않다. 이러한 문제는 RAPID 및 MaSIC과 같은 기존의 도구로 보정될 수 있지만 단동위질량을 결정하는데 있어서 한계가 있다.
본 연구에서는 기존 프로그램에 의해 관찰된 동위원소 클러스터로부터 단동위질량을 결정함에 있어 정확도를 향상시킬 수 있는 여러 가지 특성들을 이용하는 머신러닝 모델을 개발했다. 이 모델은 MaSIC의 결과 score들로 구성되어 있는 5 by 5 score matrix를 입력으로 하고 출력은 단동위질량의 오류를 나타내도록 설계하였다. 이 모델은 Java에서 동작하는 tensorflow 라이브러리를 적용하여 학습되었고 약 99.4%의 정확도로 동위원소 클러스터의 단동위질량을 결정할 수 있다.
본 연구에서는 기존 프로그램에 의해 관찰된 동위원소 클러스터로부터 단동위질량을 결정함에 있어 정확도를 향상시킬 수 있는 여러 가지 특성들을 이용하는 머신러닝 모델을 개발했다. 이 모델은 MaSIC의 결과 score들로 구성되어 있는 5 by 5 score matrix를 입력으로 하고 출력은 단동위질량의 오류를 나타내도록 설계하였다. 이 모델은 Java에서 동작하는 tensorflow 라이브러리를 적용하여 학습되었고 약 99.4%의 정확도로 동위원소 클러스터의 단동위질량을 결정할 수 있다.
목차
제 1 장 서론 1제 1 절 연구의 필요성 1제 2 장 기존 연구 3제 1 절 MaSIC 3제 2 절 RAPID 4제 3 절 MS-Deconv 5제 3 장 실험 방법 7제 1 절 실험 데이터 7제 2 절 데이터 분석 7제 3 절 학습모델 구성 11제 4 절 학습모델 결과 12제 5 절 전구체 이온 범위 내로의 peak 제한 13제 6 절 주변 scan을 포함한 예측 16제 4 장 실험 결과 20제 1 절 결과 비교 20제 5 장 결론 21참고문헌 22
최근 본 자료
댓글(0)
0