[논문 리뷰] Application Of Data Mining In Bioinformatics

Khalid Raza|arXiv (Cornell University)|2012. 05. 05.

Data Mining Algorithms and Applications참고 문헌 18인용 수 52

한 줄 요약

이 논문은 유전체 및 단백질체 데이터 분석의 과제를 해결하기 위해 데이터 마이닝 기법을 생물정보학에 통합하는 것을 탐구한다. 군집화, 분류, 연관 규칙 마이닝과 같은 핵심 방법론을 개선하여 유전자 발현 분석, 단백질 구조 예측, 질병 관련 유전자 식별에 적용함으로써, 고차원적 생명과학 데이터에서 생물학적 통찰을 추출하는 데에 활용할 수 있는 종합적인 프레임워크를 제공하는 것이 주요 기여이다.

ABSTRACT

This article highlights some of the basic concepts of bioinformatics and data mining. The major research areas of bioinformatics are highlighted. The application of data mining in the domain of bioinformatics is explained. It also highlights some of the current challenges and opportunities of data mining in bioinformatics.

연구 동기 및 목표

• 데이터 마이닝이 생물정보학 연구 발전에 기여하는 방식을 검토하기 위해.
• 데이터 마이닝 기법이 가장 효과적인 생물정보학의 주요 연구 분야를 특정하기 위해.
• 생물학적 데이터에 데이터 마이닝을 적용할 때 발생하는 현재의 과제와 기회를 분석하기 위해.
• 유전체학, 단백질체학, 시스템 생물학 분야에서 데이터 마이닝 응용에 대한 체계적인 개요를 제공하기 위해.
• 연구자들이 생물학적 데이터 분석을 위한 적절한 데이터 마이닝 방법을 선택하는 데 도움을 주기 위해.

제안 방법

• 논문은 데이터 마이닝 및 생물정보학 응용 분야에 관한 기존 문헌을 체계적으로 검토한다.
• 기능적 분석을 위해 유사한 유전자 발현 프로파일을 군집화하기 위해 군집 알고리즘을 적용한다.
• 결정 트리 및 서포트 벡터 머신과 같은 분류 기법을 사용하여 유전자 기능과 질병 연관성을 예측한다.
• 유전자, 단백질, 표현형 특성 간의 관계를 발견하기 위해 연관 규칙 마이닝을 적용한다.
• 대규모 생물학적 데이터셋을 처리하기 위해 데이터베이스 관리 시스템(DBMS)을 통합한다.
• 생물학적 맥락에서 데이터 마이닝 모델의 확장성과 해석 가능성에 중점을 둔다.

실험 결과

연구 질문

• RQ1 유전체학과 단백질체학에서 고속도 생물학적 데이터 분석을 향상시키기 위해 데이터 마이닝 기법을 어떻게 활용할 수 있는가?
• RQ2 복잡한 생물학적 데이터셋에서 질병 관련 유전자를 식별하는 데 가장 효과적인 데이터 마이닝 방법은 무엇인가?
• RQ3 데이터 마이닝 접근법은 단백질의 구조와 기능 예측을 어떻게 향상시키는가?
• RQ4 생물학적 데이터에 데이터 마이닝을 적용할 때 발생하는 주요 과제는 무엇이며, 이를 어떻게 완화할 수 있는가?
• RQ5 다양한 옴믹스 데이터를 통합함으로써 데이터 마이닝은 시스템 생물학을 어떻게 지원할 수 있는가?

주요 결과

• 데이터 마이닝은 유전자 발현 데이터의 패턴 인식을 통해 질병 관련 유전자 식별에 크게 기여한다.
• 군집화 기법은 유사한 발현 프로파일을 가진 유전자를 성공적으로 군집화하여 기능 주석 및 경로 발견을 가능하게 한다.
• 서포트 벡터 머신과 같은 분류 모델은 마이크로어레이 데이터에서 유전자-질병 연관성을 높은 정확도로 예측한다.
• 연관 규칙 마이닝은 기존에 알려지지 않은 유전자 마커와 표현형 결과 간의 관계를 밝혀낸다.
• 관계형 데이터베이스와의 통합은 대규모 생물학적 연구에서 데이터 검색 및 확장성 향상에 기여한다.
• 본 연구는 데이터 이질성, 노이즈, 차원의 저주가 고려해야 할 주요 과제임을 밝혀내며, 이에 대한 고급 사전 처리 및 특성 선택 기법이 필요하다고 지적한다.