KR102196064B1 - 네트워크의 구조만을 이용한 복잡한 신호전달네트워크의 신호흐름을 추정하는 방법 및 이를 위한 장치 - Google Patents

네트워크의 구조만을 이용한 복잡한 신호전달네트워크의 신호흐름을 추정하는 방법 및 이를 위한 장치 Download PDF

Info

Publication number
KR102196064B1
KR102196064B1 KR1020170180959A KR20170180959A KR102196064B1 KR 102196064 B1 KR102196064 B1 KR 102196064B1 KR 1020170180959 A KR1020170180959 A KR 1020170180959A KR 20170180959 A KR20170180959 A KR 20170180959A KR 102196064 B1 KR102196064 B1 KR 102196064B1
Authority
KR
South Korea
Prior art keywords
link
activity
weight
node
matrix
Prior art date
Application number
KR1020170180959A
Other languages
English (en)
Other versions
KR20190079046A (ko
Inventor
조광현
이대원
Original Assignee
한국과학기술원
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 한국과학기술원 filed Critical 한국과학기술원
Priority to KR1020170180959A priority Critical patent/KR102196064B1/ko
Publication of KR20190079046A publication Critical patent/KR20190079046A/ko
Application granted granted Critical
Publication of KR102196064B1 publication Critical patent/KR102196064B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B5/00—ICT specially adapted for modelling or simulations in systems biology, e.g. gene-regulatory networks, protein interaction networks or metabolic networks

Landscapes

  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • Physiology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Biotechnology (AREA)
  • Evolutionary Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Theoretical Computer Science (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

복수 개의 노드들 및 복수 개의 링크들을 포함하여 정의되는 신호전달네트워크에 있어서, 상기 각각의 링크에 매핑되는 가중치를 산출하는 방법을 공개한다. 이 방법은, 상기 각 링크에 연결된 소스 노드 및 타겟 노드에 관한 정보, 및 상기 각 링크에 매핑된 가중치의 부호에 관한 정보를 포함하는, 상기 신호전달네트워크의 구조정보를 획득하는 단계; 및 상기 구조정보를 이용하여 상기 각 링크에 매핑된 가중치의 값을 생성하는 가중치 생성단계를 포함한다.

Description

네트워크의 구조만을 이용한 복잡한 신호전달네트워크의 신호흐름을 추정하는 방법 및 이를 위한 장치{Method for estimating a signal flow in a complex signal transfer network using only the structure of the network and device for the same}
본 발명은 컴퓨터를 이용한 정보처리 기술에 관한 것이며, 특히 세포 내 분자들 간의 신호전달에 의해 모델링되는 신호전달네트워크의 신호흐름에 관한 정보를 분석하는 기술에 관한 것이다.
본 발명은 발명자가 제시한 새로운 개념들을 이용하여 실시될 수 있다. 따라서 이하, 상술한 새로운 개념들을 설명한다. 이 챕터에서 설명된 내용 중 모든 내용이 종래기술로서 취급되어서는 안 된다.
도 1은 본 발명에서 다루는 신호전달네트워크에서의 생화학 반응(biochemical reaction) 및 유향부호링크(directed signed link)의 개념에 대하여 나타낸 것이다.
본 명세서에서, '신호전달네트워크'는 다양한 신호전달분자 간의 상호작용으로 구성된 네트워크를 의미한다. 한 개의 신호전달네트워크에는 복수 개의 링크들이 포함될 수 있다. 이때, 각각의 링크는 방향성이 있는 상기 유향부호링크일 수 있다. 따라서 상기 신호전달네트워크 내에서 선택된 두 개의 노드(=신호전달분자)는 유향부호링크로 연결될 수 있다. 도 2는 복잡한 신호전달네트워크의 구조의 예를 도식화하여 제시한 것이다.
세포 외부에서 특정 단백질이나 화합물이 세포막수용체(receptor)에 결합하거나 세포 내부에서 유전자 돌연변이나 약물에 의해 특정 신호전달분자의 기능이 영향을 받는 경우, 일련의 생화학 반응이 일어나면서 결과적으로 세포의 중요한 생리적 기능이 변하게 된다. 이때 발생하는 일련의 생화학 반응을 신호전달(signal transduction, signaling)이라고 지칭할 수 있다.
도 1의 (a)에 나타낸 생화학 반응은 단순히 인산기 결합 촉매에 의한 단백질의 활성화이지만, 이와 같은 생화학 반응이 연쇄적으로 일어나 세포의 중요한 기능이 변화되는 경우 이를 '신호전달'의 관점에서 해석할 수 있다. 즉, 활성화 된 단백질A가 단백질B에게 '신호를 전달한다'라고 볼 수 있으며 이를 도 1의 (a)의 우측에 나타낸 바와 같이 개념적으로 추상화하여 '유향부호링크'로 나타낼 수 있다.
생화학 반응에서는 비활성화형도 함께 나타내지만 (e.g., 인산기 P가 붙지 않은 단백질B) 유향부호링크에서는 주로 활성화형만 나타내게 된다. 신호전달에 관련된 수많은 생화학 반응은 유향부호링크의 형태로 정리하여 통합할 수 있으며, 그 결과로서 도 2에 나타낸 것과 같은 복잡한 신호전달네트워크의 구조를 얻을 수 있다.
신호전달의 기본적인 형태는, 활성화 된 신호전달분자가 다른 신호전달분자를 활성화시키는 생화학 반응이다. 예를 들어, 단백질A 및 단백질B를 각각 상술한 신호전달분자의 예로 삼을 수 있다. 이때, 도 1의 (a)의 좌측에 나타낸 바와 같이, 활성화 된 단백질A는 ATP를 이용하여 단백질B에 인산기(phosphate group)가 결합하는 반응을 촉매함으로써 단백질B를 활성화 시킨다. 따라서 보통, 단백질B의 활성도는 활성화 된 단백질B (e.g., 단백질B의 인산화 형; phosphorylated form of protein B)의 농도로서 측정할 수 있다. 이와 같이 활성화 된 단백질은 다른 단백질의 활성화를 촉매하거나 세포핵으로 들어가 세포 생리에 중요한 유전자들의 발현을 활성화시키게 된다.
상기 유향부호링크는 상기 신호전달네트워크 내에 두 개의 노드들 간의 관계를 나타내는 링크이다. 한 개의 유향부호링크에는 방향 및 부호에 관한 정보가 매핑될 수 있다. 제1유향부호링크의 소스는 상기 제1유향부호링크의 출발노드이며, 상기 제1유향부호링크의 타겟은 상기 제1유향부호링크의 도착노드이다. 즉, 유향부호링크의 방향은 소스로부터 타겟을 향하도록 정해진다.
도 1의 (a)의 우측에 나타낸 것과 같이, 유향부호링크의 부호는 소스가 타겟을 조절하는 방식에 따라 결정되는데, 상기 신호전달네트워크에서는 주로 두 가지 방식이 존재한다. 제1방식은 활성(activation; +) 방식이고, 제2방식은 억제(inactivation; -) 방식이다.
상기 유향부호링크와 관련하여, 예컨대 실제 생화학 반응을 촉매하는 촉매 단백질을 상기 유향부호링크의 '원천(source)'으로, 촉매의 대상이 되는 단백질을 상기 유향부호링크의 '표적(target)'이라고 부를 수 있다.
도 1의 (a)의 우측을 살펴보면, 표시된 각 유향부호링크에 대하여 노드A는 상기 유향부호링크의 원천 노드이고 노드B는 상기 유향부호링크의 표적 노드이다. 본 명세서에서 상기 원천 노드는 소스(source) 노드라고 지칭하고, 상기 표적 노드는 타겟(target) 노드라고 지칭할 수도 있다.
상기 소스 노드는, 유향부호링크의 출발점에 해당되는 노드이다. 상기 신호전달네트워크에서 소스 노드는 유향부호링크의 조절 방식에 따라 타겟 노드의 활성도를 증가시키거나 감소시키게 된다.
상기 타겟 노드는, 유향부호링크의 도착점에 해당되는 노드이다. 상기 신호전달네트워크에서 상기 타겟 노드는 상기 소스 노드에 의해 그 활성도가 변하게 된다.
상기 신호전달분자는 활성화 된 상태(활성 상태)로 존재할 수 있으며 활성화 되었을 때 활성화되기 이전에는 관찰할 수 없는 다양한 기능을 수행할 수 있게 된다. 예를 들어, 활성화 된 신호전달분자는 다른 종류의 신호전달분자를 활성화 시킬 수 있으며, 혹은 유전자의 발현을 촉진하여 세포 생리에 변화를 가져올 수도 있다.
따라서 상기 활성도는, 활성 상태에 있는 신호전달분자의 '정도(extent)' 또는 '양(quantity)'를 나타내는 개념으로서, 다양하게 정의할 수 있다. 예를 들어, 활성도를 활성 상태에 있는 신호전달분자의 세포 내 농도(e.g., 몰농도(M))로 정의할 수 있으며 특정한 물리적 단위 없이 추상적인 변수(a variable with arbitrary unit)로도 정의할 수 있다.
'신호(signal)'라는 용어는 분석하고자 하는 생체 시스템에 따라 다르게 해석될 수 있는 개념이다. 그런데 생물학적 신호전달 관점에서는 주로 '신호 전달이 가능한 형태의 신호전달분자의 농도'를 신호의 강도 또는 신호의 세기로 해석할 수 있다.
본 발명에서는, 신호전달의 생화학 반응식을 상기 유향부호링크로 추상화한 경우, 신호의 개념을 신호전달분자의 농도에 직접 대응시키는 대신에 '활성도(activity)'라는 좀 더 추상화 된 개념으로 다룰 수 있다. 즉, 유향부호링크를 통해 어떤 노드(=소스 노드)의 활성도(=신호)가 다른 노드(=타겟 노드)의 활성도(=신호)에 영향을 미친다고 생각하며, 이 때 '신호가 흐른다' 라고 생각할 수 있다. 다시 말해, 원천 노드로부터 표적 노드로 신호가 흐른다고 할 수 있다.
본 발명에 따르면, 각각의 노드에 서로 구분되는 신호가 매핑될 수 있다. 즉, 제1노드에 대하여 제1신호가 매핑되어 정의될 수 있으며, 상기 제1신호는 상기 제1노드의 활성도인 제1활성도를 나타낸 값일 수 있다. 또한, 제2노드에 대하여 제2신호가 매핑되어 정의될 수 있으며, 상기 제2신호는 상기 제2노드의 활성도인 제2활성도를 나타낸 값일 수 있다.
즉, 본 발명에 다루는 신호전달네트워크에는 복수 개의 '신호'가 정의될 수 있다. 그리고 상기 각 신호는 각 노드마다 서로 다르게 정의된다.
따라서 본 발명에서, 제1노드에 대응하는 신호인 제1신호는 상기 제1노드의 활성화도인 것으로 정의될 수 있다.
상술한 바와 같이, 상기 신호전달네트워크에서 활성도는 특정 신호전달분자가 신호를 전달하기 위해 활성화 된 정도를 의미한다. 특정 분자의 활성도가 다른 분자의 활성도의 변화에 영향을 미치는데, 이는 특정 분자의 신호가 다른 분자의 신호를 높여주거나 낮춰주기 위해 '흘러간다' 라고 표현할 수 있다.
본 발명에서 제시하는 '신호가 흐른다'라는 개념은, '제1신호의 크기의 변화가, 제2신호의 크기의 변화를 유발한다' 라는 개념으로 해석될 수도 있다. 또한 상술한 "원천 노드로부터 표적 노드로 신호가 흐른다"라는 것의 의미는 "원천 노드에 대응하는 신호(=원천 노드의 활성도)의 변화가 표적 노드의 신호(=표적 노드의 활성도)의 변화에 영향을 준다"라는 것을 의미할 수도 있다.
본 발명에서 '신호흐름'(signal flow)은 어떤 신호전달분자의 활성도가 다른 신호전달분자의 분자의 활성도에 미치는 영향을 의미한다. 상기 신호흐름은 도 1의 (b)에 나타낸 바와 같이 정의되거나 또는 후술하는 수식 4와 같이 정의될 수 있다.
즉, 도 1의 (b)에 나타낸 FBA는 노드A로부터 노드B로의 신호흐름을 나타내는 기호이다. 본 발명에서, 신호흐름(FBA)의 크기는 소스 노드인 노드A의 활성도의 크기에 비례하고, 또한 노드A를 소스 노드로 갖고 노드 B를 타겟 노드로 갖는 유향부호링크(LBA)에 매핑되는 가중치(WBA)에 비례하는 것으로 정의될 수 있다. 상기 가중치(WBA)는 유향부호링크(LBA)에 매핑되는 것으로 간주될 수도 있고, 또는 상기 신호흐름(FBA)에 매핑되는 것으로 간주될 수도 있다. 이하, 상기 유향부호링크에 매핑되는 가중치를 유향부호링크의 가중치라고 지칭할 수도 있다.
이와 같이, 상기 신호흐름은 유향부호링크의 가중치와 소스의 활성도의 곱으로 정의된다. 도 1의 (c)에 나타낸 바와 같이, 이와 같은 신호흐름의 유형(type)은 링크의 가중치와 소스의 활성도의 부호 조합에 따라 4가지 존재할 수 있다. 이때, 상기 신호흐름의 부호는 유향부호링크의 부호와 다를 수 있다. 예를 들어, 소스의 활성도는 음의 값을 갖는 반면 유향부호링크가 양의 값을 가지면(즉, 타겟을 활성화 시켜주는 링크이면) 신호흐름은 음의 값을 갖게 된다.
본 발명은, 상기 신호전달네트워크의 구조정보는 주어져 있지만, 상기 가중치의 구체적인 값이 주어지지 않은 상황에서 상기 가중치들의 값을 추정하는 방법에 관한 것이다.
도 2에 나타낸 바와 같이, 상기 신호전달네트워크는 복수 개의 노드들, 및 복수 개의 유향부호링크들을 요소로 갖는 모델을 이용하여 모델링될 수 있다. 상기 신호전달네트워크의 각 요소의 값은 생물학적 실험데이터를 이용하여 결정할 수 있다. 즉, 상기 신호전달네트워크의 각 요소의 값을 나타내는 파라미터를 정의하고, 상기 파라미터의 값을 상기 실험데이터를 이용한 트레이닝 과정을 거쳐 피팅(fitting)할 수 있다. 상기 트레이닝을 위한 상기 실험데이터가 충분히 제공된다면, 상기 트레이닝을 통해 관심 있는 신호전달분자(=노드)의 활성도(=신호)를 결정할 수 있다.
그러나 상기 복수 개의 노드들 및 복수 개의 유향부호링크들로 구성되는 토폴로지는 많이 연구되어 있지만, 생물학적 연구결과에 따른 상기 트레이닝을 위한 데이터가 부족하다는 문제가 있다.
본 발명과 직접적 연관이 없더라도, 본 발명의 이해를 도울 수 있는 관련된 정보들은, 대한민국 특허출원번호 10-2012-0098296, Attractor Landscape Analysis Reveals Feedback Loops in the p53 Network That Control the Cellular Response to DNA Damage (www.SCIENCESIGNALING.org 20 November 2012 Vol 5 Issue 251 ra83), 및 Control and Coordination in Biochemical Networks (IEEE Control Systems Magazine, August 2004) 등에 공개되어 있다.
지금까지 설명한 내용은 본 발명의 이해를 돕기 위한 배경지식으로서 제공한 것이며, 위 내용들 모두가 본 출원시점 이전에 공개된 기술인 것으로 인정될 수 없다.
본 발명에서는 생물학적 실험데이터가 결핍된 상황에서도, 상기 신호전달네트워크에 속한 관심 있는 신호전달분자(=노드)의 활성도(=신호)를 결정할 수 있도록, 상기 신호전달네트워크의 각 유향부호링크의 가중치를 추정하는 기술을 제공하고자 한다.
상기 가중치가 결정되면, 상기 신호흐름도 결정될 수 있다. 따라서 본 발명에서는, 생물학적 실험데이터가 결핍된 상황에서도, 상기 신호흐름을 추정하는 기술을 제공하고자 한다.
본 발명의 일 관점에 따라 제공되는 알고리즘에서는, 특정 노드의 활성도(또는 신호)가 수식 1과 같이 활성도의 곱에 의해 결정되는 것으로 가정한다.
[수식 1]
Figure 112017129788951-pat00001
여기에서 ai(t)∈R는 시간 t일 때 노드 i의 활성도, ab(i)∈R는 노드 i의 기저활성도 (또는 기저신호)를 나타내며, α∈R는 하이퍼 파라미터이다. 수식 1의 양변에 로그를 취하면 수식 2와 같이 선형 차분방정식으로 좀 더 단순하게 나타낼 수 있다.
[수식 2]
Figure 112017129788951-pat00002
여기에서 x는 log(a)∈RN, b는 log(ab)∈RN, W∈RNㅧN 는 가중치행렬(weight matrix)를 나타낸다. 상기 신호전달네트워크가 시간에 따라 안정화된 상태, 즉 시간에 따라 상기 각 신호의 변화가 없는 정상 상태(steady-state)를 가정하면, 수식 2로부터 정상 상태에서의 x의 값을 구할 수 있다. 정상 상태에서의 x의 값은 아래 수식 3에 의해 산출될 수 있다.
[수식 3]
Figure 112017129788951-pat00003
여기에서 xs∈RN는 정상 상태일 때의 x의 값을 나타낸다.
본 발명의 일 관점에 따라 제공되는 알고리즘은 유향부호링크의 가중치를 신호전달네트워크의 구조 정보만을 이용하여 계산함으로써 신호흐름을 추정하고, 주요 신호전달분자의 활성도 변화의 방향을 예측하는 것을 목표로 한다. 따라서 가중치를 네트워크의 구조 정보만을 이용하여 추정하는 것은 중요한 과정 중 하나이며 이는 수식 4와 같다.
[수식 4]
Figure 112017129788951-pat00004
여기에서 A∈RNㅧN 는 인접행렬이며, Din와 Dout는 대각행렬로서 각각 i번째 노드의 입력링크수 (in-degree; 인디그리)와 출력링크수(out-degree; 아웃디그리) 값을 원소로 갖는다. i번째 노드의 입력링크수는 인접행렬 A의 i번째 행의 값을 모두 더함으로써 구할 수 있으며 (Din), i번째 노드의 출력링크수는 인접행렬 A의 i번째 열의 값을 모두 더함으로써 구할 수 있다 (Dout).
본 발명의 일 관점에 따라 제공되는 알고리즘은 세포막수용체를 통해 전달되는 입력 신호(i.e., input signal)나 특정 신호분자의 섭동(주로 약물에 의한 저해)에 의해 변화되는 신호흐름 F를 추정하고 정상상태에서의 생체 분자의 활성도를 예측하는 것을 목표로 한다. 신호의 흐름을 나타내는 행렬 F는 도 1의 (b) 및 수식 5에 나타낸 바와 같이 링크의 가중치와 로그활성도의 곱으로 나타낼 수 있다.
[수식 5]
Figure 112017129788951-pat00005
신호흐름을 나타내는 행렬 F는 시간 t에 따라 변할 수 있다. 왜냐하면 수식 5에서와 같이 F는 x(t)에 의존적이기 때문이다. 이때, W는 시간에 따라 변하지 않는다고 가정한다. 그러나 정상상태에서는 x가 시간에 따라 변하지 않으며 그에 따라 F 또한 시간에 따라 변하지 않게 된다. F는 양 또는 음의 값을 가질 수 있는데 이는 x가 활성도 a의 로그값이기 때문이다. 즉, 음의 부호를 갖는 유향부호링크에서 신호 원천 노드의 활성도가 감소하는 경우 결과적으로 신호흐름 Fij는 양의 값을 갖게 된다. 양의 값을 갖는 F는 결과적으로 표적 신호전달분자의 활성도를 높여주는 역할을 하게 된다. 유향부호링크의 가중치와 원천 노드의 활성도에 의해 결정되는 신호흐름의 부호는 유향부호링크의 부호와 다를 수 있다.
본 발명의 일 관점에 따라 복수 개의 노드들 및 복수 개의 링크들을 포함하여 정의되는 신호전달네트워크에 있어서, 상기 각각의 링크에 매핑되는 가중치를 산출하는 방법인 신호전달네트워크에 관한 정보를 생성하는 방법을 제공할 수 있다. 상기 방법은 컴퓨팅장치가, 상기 각 링크에 연결된 소스 노드 및 타겟 노드에 관한 정보, 및 상기 각 링크에 매핑된 가중치의 부호에 관한 정보를 포함하는, 상기 신호전달네트워크의 구조정보를 획득하는 단계; 및 상기 컴퓨팅장치가, 상기 구조정보를 이용하여 상기 각 링크에 매핑된 가중치의 값을 생성하는 가중치 생성단계를 포함할 수 있다.
이때, 상기 가중치 생성단계는, 상기 각 링크에 대하여, 상기 링크에 매핑되는 가중치의 값을, 상기 링크의 소스 노드를 소스로 하는 제1세트의 링크들의 개수인 제1개수, 및 상기 링크의 타겟 노드를 타겟으로 하는 제2세트의 링크들의 개수인 제2개수의 대푯값으로 결정하는 단계를 포함할 수 있다.
또는, 상기 가중치 생성단계는, 상기 각 링크에 대하여, 상기 링크에 매핑되는 가중치의 값을, 상기 링크의 소스 노드를 소스로 하는 제1세트의 타겟 노드들의 개수인 제1개수, 및 상기 링크의 타겟 노드를 타겟으로 하는 제2세트의 소스 노드들의 개수인 제2개수의 대푯값으로 결정하는 단계를 포함할 수 있다.
이때, 상기 대푯값은 상기 제1개수 및 상기 제2개수의 기하평균의 역수일 수 있다.
또는, 상기 가중치 생성단계는, 상기 각 링크에 대하여, 상기 링크에 매핑되는 가중치의 값을, 상기 링크의 소스 노드를 소스로 하는 제1세트의 링크들의 개수인 제1개수의 역수인 값으로 결정하거나, 또는 상기 링크의 타겟 노드를 타겟으로 하는 제2세트의 링크들의 개수인 제2개수의 역수인 값으로 결정하는 단계를 포함할 수 있다.
또는, 상기 가중치 생성단계는, 상기 각 링크에 대하여, 상기 링크에 매핑되는 가중치의 값을, 상기 링크의 소스 노드를 소스로 하는 제1세트의 타겟 노드들의 개수인 제1개수의 역수인 값으로 결정하거나, 또는 상기 링크의 타겟 노드를 타겟으로 하는 제2세트의 소스 노드들의 개수인 제2개수의 역수인 값으로 결정하는 단계를 포함할 수 있다.
또는, 상기 가중치 생성단계는, 상기 구조정보를 이용하여 인접행렬을 생성하는 단계; 상기 인접행렬로부터 대각행렬을 생성하는 단계, 및 상기 인접행렬과 상기 대각행렬을 행렬곱 연산하여 생성한 가중치 행렬을 이용하여 상기 각 링크에 매핑된 가중치의 값을 산출하는 단계를 포함할 수 있다.
이때, 상기 생성된 각 가중치의 값을 이용하여 각 노드의 활성도에 관한 값을 산출하는 활성도 산출단계를 더 포함할 수 있다.
이때, 상기 각각의 링크들에 대하여 산출된 가중치와 상기 각각의 노드들에 대하여 산출된 활성도를 이용하여, 상기 신호전달네트워크의 신호흐름을 결정하는 단계를 더 포함할 수 있다.
본 발명의 일 관점에 따른 복수 개의 노드들 및 복수 개의 링크들을 포함하여 정의되는 신호전달네트워크에 있어서, 상기 각각의 링크에 매핑되는 가중치를 산출하는 방법을 실행하는 프로그램이 기록된 컴퓨터로 읽을 수 있는 논-트랜지토리(non-transitory) 기록매체를 제공할 수 있다. 상기 기록매체는 상기 프로그램은, 컴퓨팅장치로 하여금, 상기 각 링크에 연결된 소스 노드 및 타겟 노드에 관한 정보, 및 상기 각 링크에 매핑된 가중치의 부호에 관한 정보를 포함하는, 상기 신호전달네트워크의 구조정보를 획득하는 단계, 및 상기 구조정보를 이용하여 상기 각 링크에 매핑된 가중치의 값을 생성하는 가중치 생성단계를 실행하도록 되어 있을 수 있다.
본 발명의 일 관점에 따라 복수 개의 노드들 및 복수 개의 링크들을 포함하여 정의되는 신호전달네트워크에 있어서, 상기 각각의 링크에 매핑되는 가중치를 산출하는 방법을 수행하도록 되어 있으며, 처리부를 포함하는 컴퓨팅장치를 제공할 수 있다. 상기 컴퓨팅장치는, 상기 처리부가, 상기 각 링크에 연결된 소스 노드 및 타겟 노드에 관한 정보, 및 상기 각 링크에 매핑된 가중치의 부호에 관한 정보를 포함하는, 상기 신호전달네트워크의 구조정보를 획득하고, 그리고 상기 구조정보를 이용하여 상기 각 링크에 매핑된 가중치의 값을 생성하도록 되어 있을 수 있다.
이때, 저장부 또는 통신부를 더 포함하며, 상기 신호전달네트워크의 구조정보는 상기 저장부에 저장되어 있는 정보로부터 획득되거나, 또는 상기 통신부를 통하여 상기 컴퓨팅장치의 외부에 있는 장치로부터 획득하는 것을 특징으로 할 수 있다.
본 발명의 일 관점에 따른 단백질을 나타내는 복수 개의 노드들 및 복수 개의 링크들을 포함하여 정의되는 신호전달네트워크에 있어서, 특정 단백질의 활성도에 관한 정보를 산출하는 단백질 활성도 산출방법을 제공할 수 있다. 상기 단백질 활성도 산출방법은, 컴퓨팅장치가, 상기 각 링크에 연결된 소스 노드 및 타겟 노드에 관한 정보, 및 상기 각 링크에 매핑된 가중치의 부호에 관한 정보를 포함하는, 상기 신호전달네트워크의 구조정보를 획득하는 단계; 상기 컴퓨팅장치가, 상기 구조정보를 이용하여 상기 각 링크에 매핑된 가중치의 값을 생성하는 가중치 생성단계; 및 상기 컴퓨팅장치가, 상기 생성된 각 가중치의 값을 이용하여, 제1노드가 나타내는 제1단백질의 활성도의 변화에 따라, 제2노드가 나타내는 제2단백질의 활성도의 변화에 관한 정보를 산출하는 단계를 포함할 수 있다.
이때, 상기 제1단백질의 활성도의 변화는 상기 제1단백질을 타겟으로 하는 제1약품의 투여에 따라 변화하는 상기 제1단백질의 기저활성도이고, 상기 제2노드가 나타내는 제2단백질의 활성도의 변화에 관한 정보는, 상기 제1단백질의 활성도의 변화율을 나타낼 수 있다.
본 발명에 따르면, 생물학적 실험데이터가 결핍된 상황에서도, 상기 신호전달네트워크의 각 유향부호링크의 가중치를 추정할 수 있으며, 그 결과 상기 신호흐름을 추정할 수 있다.
그 결과 정의된 상기 신호전달네트워크를 이용하여, 상기 신호전달네트워크에 속한 관심 있는 신호전달분자(=노드)의 활성도(=신호)를 결정할 수 있도록 하는 기반 기술이 제공될 수 있다.
도 1은 본 발명에서 다루는 신호전달네트워크에서의 생화학 반응 및 유향부호링크의 개념에 대하여 나타낸 것이다.
도 2는 복잡한 신호전달네트워크의 구조의 예를 도식화하여 제시한 것이다.
도 3은 본 발명의 일 실시예에 따라 제공되는 신호전달네트워크에 관한 정보를 생성하는 방법을 실행하는 컴퓨팅장치의 구조를 나타낸 것이다.
도 4는 본 발명의 일 실시예에 따라 제공되는 신호전달네트워크에 관한 정보를 생성하는 방법을 설명하는 순서도이다.
도 5는 본 발명의 일 실시예에 따라 정의되는 신호전달네트워크의 구조의 예를 나타낸 다이어그램이다.
도 6은 본 발명의 일 실시예에 따라 제공되는 구조정보를 포함하는 테이블의 예를 나타낸 것이다.
도 7은 도 6에 제시한 테이블에 의해 제공되는 상기 구조정보를 이용하여 생성한 인접행렬을 나타낸 것이다.
도 8은 본 발명의 일 실시예에 따라 생성되는 대각행렬의 일 예를 나타낸 것이다.
도 9는 본 발명의 일 실시예에 따라 생성되는 가중치 행렬의 일 예를 나타낸 것이다.
이하, 본 발명의 실시예를 첨부한 도면을 참고하여 설명한다. 그러나 본 발명은 본 명세서에서 설명하는 실시예에 한정되지 않으며 여러 가지 다른 형태로 구현될 수 있다. 본 명세서에서 사용되는 용어는 실시예의 이해를 돕기 위한 것이며, 본 발명의 범위를 한정하고자 의도된 것이 아니다. 또한, 이하에서 사용되는 단수 형태들은 문구들이 이와 명백히 반대의 의미를 나타내지 않는 한 복수 형태들도 포함한다.
도 3은 본 발명의 일 실시예에 따라 제공되는 신호전달네트워크에 관한 정보를 생성하는 방법을 실행하는 컴퓨팅장치의 구조를 나타낸 것이다.
컴퓨팅장치(100)는 CPU 등으로 이루어진 처리부(101), 저장부(102), 및 통신부(103)를 포함할 수 있다.
이하 설명하는 신호전달네트워크에 관한 정보를 생성하는 방법에 포함되는 각 단계들은 상기 컴퓨팅장치(100)에 의해 실행될 수 있다.
도 4는 본 발명의 일 실시예에 따라 제공되는 신호전달네트워크에 관한 정보를 생성하는 방법을 설명하는 순서도이다.
도 5는 본 발명의 일 실시예에 따라 정의되는 신호전달네트워크의 구조의 예를 나타낸 다이어그램이다.
이하 도 3 내지 도 5를 함께 참조하여 설명한다.
신호전달네트워크(1)는 복수 개의 노드(2)들 및 복수 개의 링크(3)들을 포함하여 정의될 수 있다.
각 노드(2)는 생물이 세포 내에 존재하는 분자를 나타낼 수 있다. 상기 분자는 상술한 신호전달분자일 수 있다. 각 노드(2)를 나타내는 원 안에 표기된 숫자는 해당 노드의 노드 식별자이다.
각 링크(3)는 상술한 유향부호링크의 형태를 가질 수 있다. 각 링크(3)는 상기 소스 노드와 상기 타겟 노드 간의 상호작용을 나타낸 것일 수 있다.
각 링크(3)는 화살표 모양의 지시선으로 상징되는 제1타입(31)과, 못머리 모양의 지시선으로 상징되는 제2타입(32)으로 구분될 수 있다. 상기 제1타입(31)은 소스 노드의 신호의 증가가 타겟 노드의 신호의 증가를 활성화하는 타입이며, 상기 제2타입(32)은 소스 노드의 신호의 증가가 타겟 노드의 신호의 증가를 억제하는 타입일 수 있다.
상기 각 링크에는 가중치가 부여될 수 있다. 상기 가중치는 양의 값 또는 음의 값을 갖는 실수일 수 있다.
본 발명의 일 실시예는 상기 가중치의 구체적인 값을 결정하는 것을 목적으로 할 수 있다.
본 발명의 일 실시예에 따라 제공되는 신호전달네트워크에 관한 정보를 생성하는 방법은 아래 단계들을 포함할 수 있다.
단계(S10)에서, 컴퓨팅장치(100)의 처리부(101)는, 상기 신호전달네트워크의 구조정보를 상기 저장부(102)로부터 획득하거나, 또는 상기 통신부(103)를 통해 외부의 저장장치 또는 서버와 같은 외부의 다른 네트워크 엔티티로부터 획득할 수 있다.
상기 구조정보는, 상기 각 링크(3)에 연결된 두 개의 노드(2)들인 소스 노드 및 타겟 노드에 관한 정보, 및 상기 각 링크(3)에 매핑된 가중치의 부호에 관한 정보를 포함할 수 있다. 그러나 상기 구조정보는 상기 매핑된 가중치의 구체적인 값은 포함하지 않는다.
도 6은 본 발명의 일 실시예에 따라 제공되는 구조정보를 포함하는 테이블의 예를 나타낸 것이다.
상기 테이블(50)의 서로 다른 레코드(행)를 구분하는 키(Key)는 각 링크(3)의 식별자일 수 있다.
상기 테이블(50)에는, 상기 각 링크의 소스 노드의 식별자(Ns)에 관한 제1필드, 상기 각 링크의 타입에 관한 제2필드, 및 상기 각 링크의 타겟 노드의 식별자(Nt)에 관한 제3필드가 포함되어 있을 수 있다.
상기 제2필드에는 해당 레코드의 링크가 상기 제1타입(21)인 경우에는 이를 나타내는 값이 저장되고, 해당 레코드의 링크가 상기 제2타입(22)인 경우에는 이를 나타내는 값이 저장될 수 있다.
가중치 생성단계(S20)에서, 컴퓨팅장치(100)의 처리부(101)는, 상기 구조정보를 이용하여 상기 각 링크(3)에 매핑된 가중치의 값을 생성할 수 있다.
본 발명의 일 실시예에서, 상기 가중치 생성단계(S20)는, 상기 링크(3)에 매핑되는 가중치의 값을, 상기 링크(3)의 소스 노드를 소스로 하는 제1세트의 링크들의 개수인 제1개수, 및 상기 링크의 타겟 노드를 타겟으로 하는 제2세트의 링크들의 개수인 제2개수의 대푯값으로 결정하는 단계(S201)를 포함할 수 있다. 상기 단계(S201)는 각 링크(3)마다 실행될 수 있다.
예컨대 도 5에 나타낸 신호전달네트워크(1)에서, 상기 단계(S201)를 제2링크(3, L2)에 대하여 수행할 수 있다. 이때, 상기 제2링크(3, L2)에 매핑되는 가중치의 값을, 상기 제2링크(3, L2)의 소스 노드인 노드(N2)를 소스로 하는 제1세트의 링크들(L2)의 개수인 제1개수(=1), 및 상기 제2링크(3, L2)의 타겟 노드인 노드(N3)를 타겟으로 하는 제2세트의 링크들(L2, L5)의 개수인 제2개수(=2)의 대푯값으로 결정할 수 있다. 이때, 상기 대푯값은 상기 제1개수 및 상기 제2개수의 기하평균일 수 있다.
본 발명의 다른 실시예에서, 상기 가중치 생성단계(S20)는, 상기 링크(3)에 매핑되는 가중치의 값을, 상기 링크(3)의 소스 노드를 소스로 하는 제1세트의 타겟 노드들의 개수인 제1개수, 및 상기 링크의 타겟 노드를 타겟으로 하는 제2세트의 소스 노드들의 개수인 제2개수의 대푯값으로 결정하는 단계(S202)를 포함할 수 있다. 상기 단계(S202)는 각 링크(3)마다 실행될 수 있다.
예컨대 도 5에 나타낸 신호전달네트워크(1)에서, 상기 단계(S202)를 제2링크(3, L2)에 대하여 수행할 수 있다. 이때, 상기 제2링크(3, L2)에 매핑되는 가중치의 값을, 상기 제2링크(3, L2)의 소스 노드인 노드(N2)를 소스로 하는 제1세트의 타겟 노드들(N3)의 개수인 제1개수(=1), 및 상기 제2링크(3, L2)의 타겟 노드인 노드(N3)를 타겟으로 하는 제2세트의 소스 노드들(N2, N4)의 개수인 제2개수(=2)의 대푯값으로 결정할 수 있다. 이때, 상기 대푯값은 상기 제1개수 및 상기 제2개수의 기하평균일 수 있다.
본 발명의 또 다른 실시예에서, 상기 가중치 생성단계(S20)는, 상기 링크(3)에 매핑되는 가중치의 값을, 상기 링크(3)의 소스 노드를 소스로 하는 제1세트의 링크들의 개수인 제1개수의 역수인 값으로 결정하거나, 또는 상기 링크(3)의 타겟 노드를 타겟으로 하는 제2세트의 링크들의 개수인 제2개수의 역수인 값으로 결정하는 단계(S203)을 포함할 수 있다.
예컨대 도 5에 나타낸 신호전달네트워크(1)에서, 상기 단계(S203)를 제2링크(3, L2)에 대하여 수행할 수 있다. 이때, 상기 제2링크(3, L2)에 매핑되는 가중치의 값을, 상기 제2링크(3, L2)의 소스 노드인 노드(N2)를 소스로 하는 제1세트의 링크들(L2)의 개수인 제1개수(=1)의 역수인 값(=1)으로 결정하거나, 또는 상기 제2링크(3, L2)의 타겟 노드인 노드(N3)를 타겟으로 하는 제2세트의 링크들(L2, L5)의 개수인 제2개수(=2)의 역수인 값(=1/2)으로 결정할 수 있다.
본 발명의 또 다른 실시예에서, 상기 가중치 생성단계(S20)는, 상기 링크(3)에 매핑되는 가중치의 값을, 상기 링크(3)의 소스 노드를 소스로 하는 제1세트의 타겟 노드들의 개수인 제1개수의 역수인 값으로 결정하거나, 또는 상기 링크(3)의 타겟 노드를 타겟으로 하는 제2세트의 소스 노드들의 개수인 제2개수의 역수인 값으로 결정하는 단계(S204)을 포함할 수 있다.
예컨대 도 5에 나타낸 신호전달네트워크(1)에서, 상기 단계(S204)를 제2링크(3, L2)에 대하여 수행할 수 있다. 이때, 상기 제2링크(3, L2)에 매핑되는 가중치의 값을, 상기 제2링크(3, L2)의 소스 노드인 노드(N2)를 소스로 하는 제1세트의 타겟 노드들(N3)의 개수인 제1개수(=1)의 역수인 값(=1)으로 결정하거나, 또는 상기 제2링크(3, L2)의 타겟 노드인 노드(N3)를 타겟으로 하는 제2세트의 소스 노드들(N2, N4)의 개수인 제2개수(=2)의 역수인 값(=1/2)으로 결정할 수 있다.
본 발명의 또 다른 실시예에서, 상기 가중치 생성단계(S20)는, 상기 구조정보를 이용하여 인접행렬(A)을 생성하는 단계(S211); 상기 인접행렬(A)로부터 대각행렬(D)을 생성하는 단계(S212); 및 상기 인접행렬(A)과 상기 대각행렬(D)을 가중치 생성 방식(S201~S204)에 따라 행렬곱 연산하여 생성한 가중치 행렬(W)을 이용하여 상기 각 링크에 매핑된 가중치의 값을 산출하는 단계(S213)를 포함할 수 있다.
상기 단계(S211)의 구체적인 방법은 도 7을 이용하여 설명한다.
도 7은 도 6에 제시한 테이블(50)에 의해 제공되는 상기 구조정보를 이용하여 생성한 인접행렬(A)을 나타낸 것이다.
상기 인접행렬(A)의 행의 개수와 열의 개수는 각각, 상기 신호전달네트워크(1)에 포함된 노드들의 개수와 동일하다. 도 5 내지 도 7의 예에서, 상기 신호전달네트워크(1)에 포함된 노드들의 개수는 4이므로, 상기 인접행렬(A)은 4*4의 정방행렬이 된다.
상기 인접행렬(A)의 모든 요소는 '0'의 값으로 초기화될 수 있다.
그 다음, 상기 인접행렬(A)에 포함된 요소들 중, 상기 신호전달네트워크(1)에 포함된 링크의 개수(N)와 동일한 N개의 요소들의 값을 +1 또는 -1의 값으로 치환한다.
이때, +1 또는 -1의 값으로 치환되는 요소의 위치(s, t)는 각 링크의 소스 노드의 식별자 인덱스(s) 및 타겟 노드의 식별자 인덱스(t)에 의해 결정된다. 그리고 상기 치환되는 값은 각 링크의 타입에 의해 결정된다.
예컨대, 도 6의 테이블(50)에서, 링크ID가 L1인 제1링크(L1)의 소스 노드의 식별자 인덱스(s)는 1이고, 상기 제1링크(L1)의 타겟 노드의 식별자 인덱스(t)는 2이다. 따라서 도 7에 나타낸 인접행렬(A) 중 제s열(=제1열) 및 제t행(=제2행)이 교차하는 위치의 요소를 +1 또는 -1로 치환한다. 이때, 상기 치환되는 값은, 상기 제1링크(L1)의 링크타입이 제1타입이므로 +1로 치환된다.
또 다른 예로서, 도 6의 테이블(50)에서, 링크ID가 L3인 제3링크(L3)의 소스 노드의 식별자 인덱스(s)는 3이고, 상기 제3링크(L3)의 타겟 노드의 식별자 인덱스(t)는 1이다. 따라서 도 7에 나타낸 인접행렬(A) 중 제s열(=제3열) 및 제t행(=제1행)이 교차하는 위치의 요소를 +1 또는 -1로 치환한다. 이때, 상기 치환되는 값은, 상기 제3링크(L3)의 링크타입이 제2타입이므로 -1로 치환된다.
이하, 상기 단계(S212)의 예를 설명한다. 도 7에 나타낸 인접행렬(A)에 의해 생성되는 대각행렬(D)는 도 8과 같이 주어진다는 점을 쉽게 이해할 수 있다.
도 8은 본 발명의 일 실시예에 따라 생성되는 대각행렬의 일 예를 나타낸 것이다.
이하, 단계(S213)의 예를 설명한다. 상기 가중치 생성 단계(S201)에서 대푯값이 상기 제1개수 및 상기 제2개수의 기하평균의 역이 되도록 도 7에 나타낸 인접행렬(A)과 도 8에 나타낸 대각행렬(D)의 행렬곱을 연산함으로써, 도 9에 예시한 가중치 행렬(W)를 얻을 수 있다. 이때, 예컨대, 상기 가중치 행렬(W)의 W21 부분은 제1링크(L1)의 가중치 값을 나타낸다.
도 9는 본 발명의 일 실시예에 따라 생성되는 가중치 행렬의 일 예를 나타낸 것이다.
본 발명의 일 실시예에서, 가중치 행렬을 생성하기 위하여, 링크에 연결된 노드의 디그리로 나눠줌으로써 (또는 인디그리와 아웃디그리의 기하평균값으로 나눠줌으로써) 가중치를 생성하는 프로세스를 이용하는 경우, 상기 프로세스를 링크 웨이트 노말라이제이션(link weight normalization)이라고 부를 수 있다. 가중치를 생성하는 과정 그 자체가 링크 웨이트를 노말라이제이션하는 과정은 아니지만, 링크 웨이트를 노말라이제이션하는 과정을 통해 가중치를 생성할 수 있다.
상기 단계(S223)를 실행하여 생성된 가중치 행렬은 상기 단계(S213)를 실행하여 생성된 가중치 행렬과 동일할 수 있다.
본 발명의 일 실시예에서는 상기 가중치 행렬을 더 활용할 수 있다.
본 발명에서는 수식 6과 같이 주어지는 인플루언스(Sij)라는 측정치(measure)를 정의할 수 있다.
[수식 6]
Sij = ∂xi/ ∂bj = (∂xi/ ∂xj)·(∂xj/ ∂bj)
여기서 xi은 i이라는 인덱스를 갖는 제i노드의 활성도를 의미하고, bj은 j이라는 인덱스를 갖는 제j노드(j)의 기저활성도를 나타낸다. 상기 제i노드를 출력노드라고 지칭할 수 있다.
따라서 인플루언스(Sij)는 제j노드(j)의 기저활성도의 변화에 따른 제i노드의 활성도의 변화율을 나타내는 값이다.
제j노드(j)를 타겟으로 하는 약품을 투여했을 때에, 약품 타겟 노드인 제j노드(j)의 기저활성도(bj)가 변화할 것이다. 그래서 상기 약품을 투여함에 따라 제j노드(j)의 기저활성도(bj)가 변화하고, 그 결과 상기 출력노드인 제i노드(i)의 활성도가 어떻게 변하는지를 관찰할 수 있다.
그런데 인플루언스(Sij)를 구하는 방법은 수식 7과 같이 주어질 수 있다.
[수식 7]
S = (1-α)*(I + αW + α2W2 + ... + αt-1Wt-1)
수식 7에서 α는 사용자가 지정하여 입력할 수 있는 하이퍼 파라미터이다. 그리고 W는 상술한 가중치 행렬을 나타낸다. 따라서 상기 가중치를 이용하여 상기 인플루언스 값의 행렬(S∈RNㅧN)을 산출할 수 있다. 그 결과 제j노드(j)를 타겟으로 하는 약품을 투여했을 때에, 상기 출력노드인 제i노드의 활성도가 어떻게 변하는지를 추정할 수 있다.
단계(S30)에서는, 상기 상술한 가중치 Wij 와 상기 수식 7을 이용하여 상술한 인플루언스(Sij)의 값을 계산할 수 있다. 그리고 상기 계산된 인플루언스(Sij)의 값을 이용하여 각 노드(i)의 활성도(xi)에 관한 값을 산출할 수 있다.
단계(S30)에서, 상기 각 노드의 활성도에 관한 값을 산출하기 위하여 수식 2를 이용할 수 있다.
단계(S40)에서, 상기 각각의 링크(3)들에 대하여 산출된 가중치(Wij)와 상기 각각의 노드(2)들에 대하여 산출된 활성도(xi)를 이용하여, 상기 신호전달네트워크의 신호흐름을 결정할 수 있다.
상술한 본 발명의 실시예들을 이용하여, 본 발명의 기술 분야에 속하는 자들은 본 발명의 본질적인 특성에서 벗어나지 않는 범위 내에 다양한 변경 및 수정을 용이하게 실시할 수 있을 것이다. 특허청구범위의 각 청구항의 내용은 본 명세서를 통해 이해할 수 있는 범위 내에서 인용관계가 없는 다른 청구항에 결합될 수 있다.

Claims (14)

  1. 복수 개의 노드들 및 복수 개의 링크들을 포함하여 정의되는 신호전달네트워크에 있어서, 상기 각각의 링크에 매핑되는 가중치를 산출하는 방법으로서,
    컴퓨팅장치가, 상기 각 링크에 연결된 소스 노드 및 타겟 노드에 관한 정보, 및 상기 각 링크에 매핑된 가중치의 부호에 관한 정보를 포함하는, 상기 신호전달네트워크의 구조정보를 획득하는 단계;
    상기 컴퓨팅장치가, 상기 구조정보를 이용하여 상기 각 링크에 매핑된 가중치의 값을 생성하는 가중치 생성단계; 및
    상기 복수 개의 링크들 중 제1링크의 소스 노드의 활성도가 상기 제1링크의 타겟 노드의 활성도에 미치는 영향을 산출하는 단계;
    를 포함하며,
    상기 가중치 생성단계는, 상기 구조정보를 이용하여 인접행렬을 생성하는 단계, 상기 인접행렬로부터 대각행렬을 생성하는 단계, 및 상기 인접행렬과 상기 대각행렬을 행렬곱 연산하여 생성한 가중치 행렬을 이용하여 상기 각 링크에 매핑된 가중치의 값을 산출하는 단계를 포함하며,
    상기 제1링크의 소스 노드의 활성도가 상기 제1링크의 타겟 노드의 활성도에 미치는 영향은, 상기 제1링크의 소스 노드의 활성도에 비례하고, 그리고 상기 제1링크에 매핑된 제1가중치의 값에 비례하는 것을 특징으로 하는,
    신호전달네트워크에 관한 정보를 생성하는 방법.
  2. 삭제
  3. 삭제
  4. 삭제
  5. 삭제
  6. 삭제
  7. 삭제
  8. 제1항에 있어서, 상기 생성된 각 가중치의 값을 이용하여 각 노드의 활성도에 관한 값을 산출하는 활성도 산출단계를 더 포함하는, 신호전달네트워크에 관한 정보를 생성하는 방법.
  9. 제8항에 있어서, 상기 각각의 링크들에 대하여 산출된 가중치와 상기 각각의 노드들에 대하여 산출된 활성도를 이용하여, 상기 신호전달네트워크의 신호흐름을 결정하는 단계를 더 포함하는, 신호전달네트워크에 관한 정보를 생성하는 방법.
  10. 복수 개의 노드들 및 복수 개의 링크들을 포함하여 정의되는 신호전달네트워크에 있어서, 상기 각각의 링크에 매핑되는 가중치를 산출하는 방법을 실행하는 프로그램이 기록된 컴퓨터로 읽을 수 있는 논-트랜지토리(non-transitory) 기록매체로서,
    상기 프로그램은, 컴퓨팅장치로 하여금,
    상기 각 링크에 연결된 소스 노드 및 타겟 노드에 관한 정보, 및 상기 각 링크에 매핑된 가중치의 부호에 관한 정보를 포함하는, 상기 신호전달네트워크의 구조정보를 획득하는 단계;
    상기 구조정보를 이용하여 상기 각 링크에 매핑된 가중치의 값을 생성하는 가중치 생성단계; 및
    상기 복수 개의 링크들 중 제1링크의 소스 노드의 활성도가 상기 제1링크의 타겟 노드의 활성도에 미치는 영향을 산출하는 단계;
    를 실행하도록 되어 있고,
    상기 가중치 생성단계는, 상기 구조정보를 이용하여 인접행렬을 생성하는 단계, 상기 인접행렬로부터 대각행렬을 생성하는 단계, 및 상기 인접행렬과 상기 대각행렬을 행렬곱 연산하여 생성한 가중치 행렬을 이용하여 상기 각 링크에 매핑된 가중치의 값을 산출하는 단계를 포함하며,
    상기 제1링크의 소스 노드의 활성도가 상기 제1링크의 타겟 노드의 활성도에 미치는 영향은, 상기 제1링크의 소스 노드의 활성도에 비례하고, 그리고 상기 제1링크에 매핑된 제1가중치의 값에 비례하는 것을 특징으로 하는,
    컴퓨터로 읽을 수 있는 논-트랜지토리 기록매체.
  11. 복수 개의 노드들 및 복수 개의 링크들을 포함하여 정의되는 신호전달네트워크에 있어서, 상기 각각의 링크에 매핑되는 가중치를 산출하는 방법을 수행하도록 되어 있으며, 처리부를 포함하는 컴퓨팅장치로서,
    상기 처리부가,
    상기 각 링크에 연결된 소스 노드 및 타겟 노드에 관한 정보, 및 상기 각 링크에 매핑된 가중치의 부호에 관한 정보를 포함하는, 상기 신호전달네트워크의 구조정보를 획득하고,
    상기 구조정보를 이용하여 상기 각 링크에 매핑된 가중치의 값을 생성하고, 그리고
    상기 복수 개의 링크들 중 제1링크의 소스 노드의 활성도가 상기 제1링크의 타겟 노드의 활성도에 미치는 영향을 산출하도록 되어 있고,
    상기 각 링크에 매핑된 상기 가중치의 값을 생성하기 위해, 상기 구조정보를 이용하여 인접행렬을 생성하고, 그 다음에 상기 인접행렬로부터 대각행렬을 생성하고, 그리고 그 다음에 상기 인접행렬과 상기 대각행렬을 행렬곱 연산하여 생성한 가중치 행렬을 이용하여 상기 각 링크에 매핑된 가중치의 값을 산출하도록 되어 있고,
    상기 제1링크의 소스 노드의 활성도가 상기 제1링크의 타겟 노드의 활성도에 미치는 영향은, 상기 제1링크의 소스 노드의 활성도에 비례하고, 그리고 상기 제1링크에 매핑된 제1가중치의 값에 비례하는 것을 특징으로 하는,
    컴퓨팅장치.
  12. 제11항에 있어서,
    저장부 또는 통신부를 더 포함하며,
    상기 신호전달네트워크의 구조정보는 상기 저장부에 저장되어 있는 정보로부터 획득되거나, 또는 상기 통신부를 통하여 상기 컴퓨팅장치의 외부에 있는 장치로부터 획득하는 것을 특징으로 하는,
    컴퓨팅장치.
  13. 단백질을 나타내는 복수 개의 노드들 및 복수 개의 링크들을 포함하여 정의되는 신호전달네트워크에 있어서, 특정 단백질의 활성도에 관한 정보를 산출하는 단백질 활성도 산출방법으로서,
    컴퓨팅장치가, 상기 각 링크에 연결된 소스 노드 및 타겟 노드에 관한 정보, 및 상기 각 링크에 매핑된 가중치의 부호에 관한 정보를 포함하는, 상기 신호전달네트워크의 구조정보를 획득하는 단계;
    상기 컴퓨팅장치가, 상기 구조정보를 이용하여 상기 각 링크에 매핑된 가중치의 값을 생성하는 가중치 생성단계;
    상기 컴퓨팅장치가, 상기 복수 개의 링크들 중 제1링크의 소스 노드의 활성도가 상기 제1링크의 타겟 노드의 활성도에 미치는 영향을 산출하는 단계; 및
    상기 컴퓨팅장치가, 상기 생성된 각 가중치의 값을 이용하여, 제1노드가 나타내는 제1단백질의 활성도의 변화에 따라, 제2노드가 나타내는 제2단백질의 활성도의 변화에 관한 정보를 산출하는 단계
    를 포함하며,
    상기 가중치 생성단계는, 상기 구조정보를 이용하여 인접행렬을 생성하는 단계, 상기 인접행렬로부터 대각행렬을 생성하는 단계, 및 상기 인접행렬과 상기 대각행렬을 행렬곱 연산하여 생성한 가중치 행렬을 이용하여 상기 각 링크에 매핑된 가중치의 값을 산출하는 단계를 포함하며,
    상기 제1링크의 소스 노드의 활성도가 상기 제1링크의 타겟 노드의 활성도에 미치는 영향은, 상기 제1링크의 소스 노드의 활성도에 비례하고, 그리고 상기 제1링크에 매핑된 제1가중치의 값에 비례하는 것을 특징으로 하는,
    단백질 활성도 산출방법.
  14. 제13항에 있어서,
    상기 제1단백질의 활성도의 변화는 상기 제1단백질을 타겟으로 하는 제1약품의 투여에 따라 변화하는 상기 제1단백질의 기저활성도이고,
    상기 제2노드가 나타내는 제2단백질의 활성도의 변화에 관한 정보는, 상기 제1단백질의 활성도의 변화율을 나타내는,
    단백질 활성도 산출방법.
KR1020170180959A 2017-12-27 2017-12-27 네트워크의 구조만을 이용한 복잡한 신호전달네트워크의 신호흐름을 추정하는 방법 및 이를 위한 장치 KR102196064B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020170180959A KR102196064B1 (ko) 2017-12-27 2017-12-27 네트워크의 구조만을 이용한 복잡한 신호전달네트워크의 신호흐름을 추정하는 방법 및 이를 위한 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020170180959A KR102196064B1 (ko) 2017-12-27 2017-12-27 네트워크의 구조만을 이용한 복잡한 신호전달네트워크의 신호흐름을 추정하는 방법 및 이를 위한 장치

Publications (2)

Publication Number Publication Date
KR20190079046A KR20190079046A (ko) 2019-07-05
KR102196064B1 true KR102196064B1 (ko) 2020-12-29

Family

ID=67225047

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020170180959A KR102196064B1 (ko) 2017-12-27 2017-12-27 네트워크의 구조만을 이용한 복잡한 신호전달네트워크의 신호흐름을 추정하는 방법 및 이를 위한 장치

Country Status (1)

Country Link
KR (1) KR102196064B1 (ko)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102452630B1 (ko) * 2019-08-16 2022-10-11 한국과학기술원 네트워크의 구조와 끌개유역 정보로부터 거리 비교의 복잡도를 최소화하면서 경계 상태를 찾는 최적의 방법
KR102452629B1 (ko) * 2019-08-19 2022-10-11 한국과학기술원 최소한의 일시적 섭동을 사용해 부울리언 네트워크의 임의의 상태를 원하는 끌개의 끌개유역 경계 상태로 천이시키는 제어방법
KR102508252B1 (ko) * 2022-01-11 2023-03-09 주식회사 볼츠만바이오 생체신호전달 네트워크 모델의 학습방법 및 이를 위한 장치

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
G. Pavlopoulos 외, "Using graph theory to analyze biological networks", BioData Mining 4:10, 2011.*
I. Nassiri 외, "Discovering dominant pathways and signal-response relationships in signaling networks through nonparametric approaches", Genomics 102, pp.195-201, 2013.08.02.*

Also Published As

Publication number Publication date
KR20190079046A (ko) 2019-07-05

Similar Documents

Publication Publication Date Title
Nardini et al. Learning differential equation models from stochastic agent-based model simulations
Charitou et al. Using biological networks to integrate, visualize and analyze genomics data
KR102196064B1 (ko) 네트워크의 구조만을 이용한 복잡한 신호전달네트워크의 신호흐름을 추정하는 방법 및 이를 위한 장치
Roy et al. Security and discoverability of spread dynamics in cyber-physical networks
Xiao et al. Edge computing and blockchain for quick fake news detection in IoV
Coenen et al. Limitations of correlation-based inference in complex virus-microbe communities
Dayar et al. Bounding the equilibrium distribution of Markov population models
Schaber et al. Model-based inference of biochemical parameters and dynamic properties of microbial signal transduction networks
Dash et al. A data aggregation approach exploiting spatial and temporal correlation among sensor data in wireless sensor networks
Shen et al. Reliability evaluation for clustered WSNs under malware propagation
Ali et al. An effective approach for controller placement in software-defined Internet-of-Things (SD-IoT)
Ajjaj et al. Performance assessment and modeling of routing protocol in vehicular ad hoc networks using statistical design of experiments methodology: A comprehensive study
Nienałtowski et al. Clustering reveals limits of parameter identifiability in multi-parameter models of biochemical dynamics
Saleh et al. Trust-aware routing mechanism through an edge node for IoT-enabled sensor networks
KR102269932B1 (ko) 신호전달네트워크의 노드들 간의 인플루언스를 기초로 약물표적노드를 결정하는 방법
Venkata Subramanian et al. An effective secured dynamic network-aware multi-objective cuckoo search optimization for live VM migration in sustainable data centers
Liu et al. Stability analysis of a fractional-order SIS model on complex networks with linear treatment function
Bai et al. A novel topology optimization protocol based on an improved crow search algorithm for the perception layer of the internet of things
Li et al. End-to-end interpretable disease–gene association prediction
Rezende et al. Comment on ‘Ecologically relevant measures of tolerance to potentially lethal temperatures’
Sadek et al. Identifying misbehaving greedy nodes in IoT networks
Gupta et al. Dynamic disorder in simple enzymatic reactions induces stochastic amplification of substrate
Minas et al. Multiplexing information flow through dynamic signalling systems
Koch et al. Computational modeling of signal transduction networks without kinetic parameters: Petri net approaches
Matsunaga et al. Refining Markov state models for conformational dynamics using ensemble-averaged data and time-series trajectories

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
AMND Amendment
E902 Notification of reason for refusal
AMND Amendment
E601 Decision to refuse application
AMND Amendment
X701 Decision to grant (after re-examination)
GRNT Written decision to grant