단위 신경망을 이용한 단백질 기능 예측
Modular neural network in prediction of protein function
2
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
단백질의 기능 예측 모델은 guilt-by-association 개념을 바탕으로 단백질-단백질 상호작용 맵을 이용하고 있다. 이 방법은 목표 단백질이 기능이 알려진 단백질과 상호작용이 없는 경우 기능 예측이 불가능하다. 본 논문에서는 단백질 기능 예측 모델을 K-class 다중 분류 문제로 재 정의하고 단백질-단백질 상호작용 데이터 및 단백질의 알려진 속성 등을 학습 모델에 이용한 단위신경망의 설계와 응용을 제안한다. 제안하는 모델은 Yeast 단백질 데이터의 기능 예측에서 단백질-단백질 상호작용 데이터를 이용하는 방법에 비해 분류 예측율에서 우수한 성능을 보였으며 또한 상호작용이 밝혀지지 않은 단백질의 기능 예측을 할 수 있다. 攀※ 이 연구는 2004년도 단국대학교 대학연구비의 지원으로 연구되었습니다.†종신회원:단국대학교 컴퓨터과학과 교수논문접수:2004년 12월 11일, 심사완료：2005년 11월 30일
Abstract
The prediction of protein function basically make use of a protein-protein interaction map based on the concept of guilt-by-association. The method however cannot determine the functions of proteins in case that the target protein does not interact with proteins with known functions directly. This paper studies protein function prediction considering the given problem as a K-class classification problem and proposes a predictive approach utilizing a modular neural network. The proposed method uses interaction data and protein related attributes as well. The experimental results demonstrate that the proposed approach can predict the functional roles of Yeast proteins whose interaction knowledge is not known and shows better performance than the graph-based models that use protein interaction data.
참고문헌 (20)
- B. Schwikowski, "A network of protein-protein interactions in yeast", 18(3), pp.1257~1261 (2000)
- M. Fellenberg, "Integrative Analysis of Protein Interaction Data", pp.152~161 (2000), AAAI Press
- H. Hishigaki, "Assessment of prediction accuracy of protein function from protein-protein interaction data", 18, pp.523~531 (2001)
- S. Oliver, "Guilt-by-association goes global", 403, pp.601~603 (2000)
- C. L. Tucker, "Towards an understanding of complex protein networks", 11(3), pp.102~106 (2001)
- J. Cheng, "KDD Cup 2001 Report", 3(2), pp.47~64 (2002)
- T. Mitchell, "Machine Learning" (1997), McGraw Hill
- M. Deng, "Prediction of protein function using protein-protein interaction data" (2002)
- A. Vazquez, "Global protein function prediction in protein-protein interaction networks", 21(6), pp.697~700 (2003)
- Yonata Bilu, "The Advantage of Functional Prediction Based on Clustering of Yeat Genes and Its Correlation with Non-Sequence Based Classifications", 9(2), pp.193~210 (2002)
- Xiangyun Wang, "Automated data-driven discovery of motif-based function classifiers", 155, pp.1~18 (2003)
- Xinghus Lu, "Automatic annotation of protein motif function with Gene Ontology terms", 5(122) (2004)
- T. Oyama, "Extraction of knowledge on protein-protein interaction by association rule discovery", 18(5), pp.705~714 (2002)
- A. J. C. Sharkey, "Combining Artificial Neural Nets Ensemble and Modular Multi-Net Systems" (1999), Springer
- S. Haykin, "Neural Network: A Comprehensive Foundation" (1998), Prentice Hall
- N. Japkowicz, "The Class Imbalanced Problem: Significance and Strategies" (2000)
- N. V. Chawlar, "SMOTE: Synthetic Minority Over- sampling Techniques", 16, pp.321~357 (2002)
- MIPS Yeast Database, "http:", proj, pp.yeast
- John Shawe-Taylor, "Kernel Methods for Pattern Analysis", pp.47~82 (2004), Cambridge University Press
- 황두성, "단백질 기능 예측을 위한 그래프 기반 모델링", 12-B(2) (2005)