KR101546546B1 - An Identification Method for All Contrasting Groups in Gene Expression Data - Google Patents

An Identification Method for All Contrasting Groups in Gene Expression Data Download PDF

Info

Publication number
KR101546546B1
KR101546546B1 KR1020100139606A KR20100139606A KR101546546B1 KR 101546546 B1 KR101546546 B1 KR 101546546B1 KR 1020100139606 A KR1020100139606 A KR 1020100139606A KR 20100139606 A KR20100139606 A KR 20100139606A KR 101546546 B1 KR101546546 B1 KR 101546546B1
Authority
KR
South Korea
Prior art keywords
control group
gene
equation
genes
expression data
Prior art date
Application number
KR1020100139606A
Other languages
Korean (ko)
Other versions
KR20120077594A (en
Inventor
이건명
Original Assignee
충북대학교 산학협력단
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 충북대학교 산학협력단 filed Critical 충북대학교 산학협력단
Priority to KR1020100139606A priority Critical patent/KR101546546B1/en
Publication of KR20120077594A publication Critical patent/KR20120077594A/en
Application granted granted Critical
Publication of KR101546546B1 publication Critical patent/KR101546546B1/en

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
    • G16B99/00—Subject matter not provided for in other groups of this subclass
    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
    • C12Q1/00—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions
    • C12Q1/68—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions involving nucleic acids
    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
    • C12Q2600/00—Oligonucleotides characterized by their use
    • C12Q2600/158—Expression markers

Abstract

본 발명에서는 유전자발현 데이터에 대한 대조집단을 식별하는데 있어서, 분석자의 개입이 전혀 없는 상태에서 모든 대조집단을 자동으로 식별해 내는 방법 즉, 유전자발현 데이터들로부터 가능한 모든 유전자집단 조합에 대한 대조적인 특성의 샘플집단을 식별해내는 방법에 있어서, 유전자별로 발현정도의 평균값이 0이 되도록 정규화하는 과정 단계와, 발현정도의 값을 기호로 변화하는 단계를 거쳐, 유전자 개수가 작은 대조집단을 참조하여, 그것보다 한 개의 유전자를 더 포함하는 후보들에 대해서 대조집단을 확인하는 점진적인 기법으로 모든 대조집단을 식별해 내는 방법에 관해 개시된다.In the present invention, in identifying a control group for gene expression data, a method of automatically identifying all control groups without any involvement of an analyzer, that is, a method of automatically identifying all control groups from the gene expression data, The method comprising the steps of: normalizing the average value of the degree of expression to 0 for each gene, and changing the value of the degree of expression to a symbol, and referring to the control group having a small number of genes, Described is a method for identifying all control groups with a gradual technique of identifying control groups for candidates that contain one more gene than that.

Description

유전자발현 데이터에서 모든 대조집단 식별 방법{An Identification Method for All Contrasting Groups in Gene Expression Data}In the gene expression data, all the control group identification methods (An Identification Method for All Contrasting Groups in Gene Expression Data)

본 발명은 대조집단 식별방법에 관한 것으로서, 보다 상세하게는 유전자발현 데이터로부터 모든 대조집단을 식별해 내는 방법에 관한 것이다.The present invention relates to a control group identification method, and more particularly, to a method for identifying all control groups from gene expression data.

본 발명은 유전자발현 데이터로부터 어떤 유전자 집합에 대한 발현정도가 대조적인 두 샘플 집단으로 구성되는 대조집단을 모두 찾아내는 방법에 관한 것으로 데이터 분석기술에 속한다.The present invention pertains to a method for detecting all of the control groups consisting of two sample groups in which the degree of expression for a certain gene set is in contrast with gene expression data, and is a data analysis technique.

종래의 상기와 같은 유전자발현 데이터 식별방법은 유전자발현 데이터를 2차원 평면에 가시화(visualization)한 다음, 분석자가 시각적 분석을 통해 직접 찾아내거나, 분석자가 참조 영역을 직접 설정을 하면 분석도구가 이에 대응하는 대조집단 만을 찾아주는 것이다.Conventional methods for identifying gene expression data include visualization of gene expression data on a two-dimensional plane, and then, when the analyzer is directly found through visual analysis, or when the analyzer sets the reference region directly, And to find only the control group.

그러나 이러한 방법은 정확하지 못할 뿐만 아니라 비경제적이었다.However, this method was not only inaccurate but also uneconomical.

본 발명은 상기와 같은 종래기술의 문제점을 해결하기 위한 것으로서, 유전자발현 데이터에 대한 대조집단을 식별하는데 있어서, 분석자의 개입이 전혀 없는 상태에서 모든 대조집단을 자동으로 식별해 내는 방법을 제공하는 데 그 목적이 있다.Disclosure of Invention Technical Problem [8] Accordingly, the present invention has been made in view of the above problems, and it is an object of the present invention to provide a method for automatically identifying all control groups in the absence of an analyst's intervention in identifying a control group for gene expression data It has its purpose.

본 발명은 상기와 같은 본 발명의 목적을 달성하기 위하여;In order to accomplish the object of the present invention as described above,

유전자발현 데이터들로부터 가능한 모든 유전자집단 조합에 대한 대조적인 특성의 샘플집단을 식별해내는 방법에 있어서, 유전자별로 발현정도의 평균값이 0이 되도록 정규화하는 과정 단계와, 발현정도의 값을 기호로 변화하는 단계를 거쳐, A method for identifying sample groups of contrasting characteristics for all possible combinations of gene groups from gene expression data, comprising the steps of: normalizing the average value of expression level to 0 for each gene; In the meantime,

유전자 개수가 작은 대조집단을 참조하여, 그것보다 한 개의 유전자를 더 포함하는 후보들에 대해서 대조집단을 확인하는 점진적인 기법으로 모든 대조집단을 식별해 내는 방법을 제공한다.It provides a method of identifying all control groups by a gradual technique of identifying a control group for candidates that contain one gene more than that of a control group with a smaller number of genes.

본 발명에 의하면 유전자발현 데이터들이 주어질 때, 가능한 모든 유전자조합에 대해서 대조적인 발현특성을 보이는 두 개의 샘플집단을 찾아내어, 샘플들간의 유전자발현 특성 정보를 쉽게 파악할 수 있게 된다.According to the present invention, when gene expression data are given, two groups of samples exhibiting contrasting expression characteristics for all possible combinations of genes can be found, so that gene expression characteristics information between samples can be easily grasped.

도 1은 본 발명에 따른 입력과 발명의 방법의 결과물 간의 관계를 도시한 도면.
도 2는 본 발명에 따른 유전자발현 데이터로부터 모든 대조집단을 식별하는 방법을 알고리즘 형태로 도시한 도면.
도 3은 본 발명의 식 1~8에서 사용되는 기호를 정리한 도면.BRIEF DESCRIPTION OF THE DRAWINGS Figure 1 shows the relationship between the input according to the invention and the result of the inventive method;
Figure 2 shows in algorithm form a method for identifying all control groups from gene expression data according to the present invention.
Fig. 3 is a diagram summarizing symbols used in Equations 1 to 8 of the present invention. Fig.

이하에서는 첨부 도면을 참조하여 본 발명을 보다 상세히 설명한다.Hereinafter, the present invention will be described in more detail with reference to the accompanying drawings.

먼저, 도 1은 본 발명에 따른 방법의 구성 요소를 표현하는 것으로, 유전자발현 데이터(10)에 대해서 본 발명에 따른 대조집단 식별 알고리즘을 이용한 방법(20)에 따라 식별된 모든 대조집단을 제공하는 부분(30)으로 구성된다.First, FIG. 1 represents the components of the method according to the present invention, in which all the control groups identified according to the method 20 using the control group identification algorithm according to the present invention for the gene expression data 10 (30).

도 2는 본 발명에 따른 유전자발현 데이터로부터 모든 대조집단을 추출하는 방법(20)을 구체적인 알고리즘으로 표현한 것이다. 먼저 주어진 유전자발현 데이터

Figure 112015023262803-pat00001
에 대해서, 하기 식 1을 사용하여 유전자별로 평균값이 0이 되도록 유전자발현 데이터를 정규화한 발현데이터
Figure 112015023262803-pat00002
을 만든다(201). 하기 식 2를 사용하여 발현정도의 절대값이 미리 지정한 일정수준
Figure 112015023262803-pat00003
이상이 값을 부호에 따라
Figure 112015023262803-pat00004
(high)와
Figure 112015023262803-pat00005
(low)로 각각 변환하고, 그렇지 않으면
Figure 112015023262803-pat00006
(don't care)로 변환하여 문자화된 데이터
Figure 112015023262803-pat00007
를 만든다(202). 하기 식 3을 사용하여 유전자
Figure 112015023262803-pat00008
별로 낮게 발현된 샘플집합
Figure 112015023262803-pat00009
와 높게 발현된 샘플집합
Figure 112015023262803-pat00010
를 구하고, 하기 식 4를 사용하여 각 샘플집합의 크기가 일정크기
Figure 112015023262803-pat00011
이상인 것들을, 유전자 개수가 1인 대조집단의 집합
Figure 112015023262803-pat00012
으로 결정한다(203). 하기 식 5를 사용하여
Figure 112015023262803-pat00013
에 속한 유전자로 구성된 유전자 개수가 2인 대조집단의 후보 유전자집단
Figure 112015023262803-pat00014
를 생성한다(204). 하기 식 6을 사용하여
Figure 112015023262803-pat00015
에 있는 각각의 유전자 조합에 대해서 대조 샘플의 개수가 최소 샘플개수 요건을 만족하는 것을 선택하여
Figure 112015023262803-pat00016
로 한다(205). 하기 식 7을 사용하여 이전 단계에서 결정된
Figure 112015023262803-pat00017
를 참조하여,
Figure 112015023262803-pat00018
개의 유전자를 포함한 조합으로 구성된
Figure 112015023262803-pat00019
을 생성한다(206). 하기 식 8을 사용하여
Figure 112015023262803-pat00020
에 있는 각각의 유전자 조합에 대해서 대조 샘플의 개수가 최소 샘플개수 요건을 만족하는 것을 선택하여
Figure 112015023262803-pat00021
로 한다(207). 새로운 대조집단이 만들어지지 않을 때까지 단계 (206)부터 반복한다(208). 종료조건을 만족하면, 하기 식 9를 사용하여 처음 대조집단
Figure 112015023262803-pat00022
부터 마지막에 식별된 대조집단
Figure 112015023262803-pat00023
까지의 전체 대조집단을 결과로서 출력한다(209).FIG. 2 shows a method 20 for extracting all the control groups from gene expression data according to the present invention by a specific algorithm. First, given gene expression data
Figure 112015023262803-pat00001
, Expression data obtained by normalizing gene expression data so that an average value is 0 for each gene using the following formula 1
Figure 112015023262803-pat00002
(201). The absolute value of the degree of expression is set at a predetermined level
Figure 112015023262803-pat00003
More than this value depends on the sign
Figure 112015023262803-pat00004
(high) and
Figure 112015023262803-pat00005
(low), respectively, and otherwise
Figure 112015023262803-pat00006
(do not care) to convert the characterized data
Figure 112015023262803-pat00007
(202). Using the following formula 3,
Figure 112015023262803-pat00008
A sample set with a low expression level
Figure 112015023262803-pat00009
And a highly expressed sample set
Figure 112015023262803-pat00010
, And the size of each sample set is set to a predetermined size
Figure 112015023262803-pat00011
Of the control group with the number of genes of 1
Figure 112015023262803-pat00012
(203). Using equation 5 below,
Figure 112015023262803-pat00013
Of the candidate genes in the control group with the number of genes consisting of the genes belonging to 2
Figure 112015023262803-pat00014
(204). Using Equation 6 below,
Figure 112015023262803-pat00015
The number of control samples is selected to satisfy the minimum sample number requirement
Figure 112015023262803-pat00016
(205). Using the following equation 7,
Figure 112015023262803-pat00017
Quot;
Figure 112015023262803-pat00018
Consisting of a combination of genes containing
Figure 112015023262803-pat00019
(206). Using Equation 8 below,
Figure 112015023262803-pat00020
The number of control samples is selected to satisfy the minimum sample number requirement
Figure 112015023262803-pat00021
(207). The process is repeated from step 206 until a new control group is not created (208). If the termination condition is satisfied, the initial control group
Figure 112015023262803-pat00022
From the last identified control group
Figure 112015023262803-pat00023
(209). ≪ / RTI >

도 3는 식 1과 식 8까지에서 사용되는 표기법의 의미를 설명한 것이다. FIG. 3 illustrates the meaning of the notation used in Equations 1 and 8.

식 1은 각 유전자별로 평균값이 0이 되도록 유전자 발현정도값을 변환하는 식이다.Equation 1 is a formula for converting the gene expression level value so that the average value of each gene is zero.

식 2는 발현정도값으로 표현된 데이터를 기호로 변환하기 위해 사용되는 변환 규칙을 나타내는 식이다.Equation 2 is an expression representing a transformation rule used to transform data represented by the expression level value into a symbol.

식 3은 각 유전자에 대해서 낮게 발현된 샘플집합

Figure 112010087842712-pat00024
과 높게 발현된 샘플집합
Figure 112010087842712-pat00025
을 나타내는 식이다.Equation 3 shows that for each gene,
Figure 112010087842712-pat00024
And a highly expressed sample set
Figure 112010087842712-pat00025
.

식 4는 대조집단을 갖는 유전자의 집합을 나타내는 식이다.Equation 4 represents the set of genes with the control group.

식 5는 대조집단을 가질 수 있는 유전자가 2개인 유전자조합의 집합을 나타낸다.Equation 5 represents a set of two gene combinations that can have a control group.

식 6은 대조집단을 갖는 유전자 2개 포함하는 유전자조합의 집합을 나타내는 식이다.Equation (6) represents a set of gene combinations containing two genes with a control group.

식 7은

Figure 112010087842712-pat00026
개의 유전자를 포함하는 대조집단을 갖는 유전자조합을 이용하여, 대조집단을 가질 수 있는
Figure 112010087842712-pat00027
개의 유전자를 포함하는 유전자조합을 나타내는 식이다.Equation 7
Figure 112010087842712-pat00026
Using a combination of genes with a control group containing the genes,
Figure 112010087842712-pat00027
Is an expression that represents a combination of genes that contain genes.

식 8은 대조집단을 갖는 유전자

Figure 112010087842712-pat00028
개를 포함하는 유전자조합의 집합을 나타낸다.Equation 8 shows that a gene having a control group
Figure 112010087842712-pat00028
Lt; RTI ID = 0.0 > a < / RTI >

식 9는 전체 대조집단을 나타내는 식으로, 대조되는 샘플집합 쌍을 갖는 유전자조합의 집합으로 구성된다.Equation 9 is an expression representing the entire control group, which consists of a set of gene combinations having a pair of sample sets to be compared.

[식 1][Formula 1]

Figure 112010087842712-pat00029
Figure 112010087842712-pat00029

[식 2][Formula 2]

Figure 112010087842712-pat00030
Figure 112010087842712-pat00030

[식 3][Formula 3]

Figure 112010087842712-pat00031
Figure 112010087842712-pat00031

Figure 112010087842712-pat00032
Figure 112010087842712-pat00032

[식 4][Formula 4]

Figure 112010087842712-pat00033
Figure 112010087842712-pat00033

[식 5][Formula 5]

Figure 112010087842712-pat00034
Figure 112010087842712-pat00034

[식 6][Formula 6]

Figure 112010087842712-pat00035
Figure 112010087842712-pat00035

[식 7][Equation 7]

Figure 112010087842712-pat00036
Figure 112010087842712-pat00036

Figure 112010087842712-pat00037
Figure 112010087842712-pat00037

Figure 112010087842712-pat00038
Figure 112010087842712-pat00038

[식 8][Equation 8]

Figure 112010087842712-pat00039
Figure 112010087842712-pat00039

Figure 112010087842712-pat00040
Figure 112010087842712-pat00040

[식 9][Equation 9]

Figure 112010087842712-pat00041
Figure 112010087842712-pat00041

Claims (1)

유전자발현 데이터들로부터 가능한 모든 유전자집단 조합에 대한 대조적인 특성의 샘플집단을 식별해내는 방법에 있어서,
유전자별로 발현정도의 평균값이 0이 되도록 정규화하는 과정 단계와,
발현정도의 값을 기호로 변화하는 단계를 거쳐,
유전자 개수가 작은 대조집단을 참조하여, 그것보다 한 개의 유전자를 더 포함하는 후보들에 대해서 대조집단을 확인하는 점진적인 기법으로 모든 대조집단을 식별해 내는 방법이되,
주어진 유전자발현 데이터
Figure 112015023262803-pat00045
에 대해서,
Figure 112015023262803-pat00046
(식 1)을 사용하여 유전자별로 평균값이 0이 되도록 유전자발현 데이터를 정규화한 발현데이터
Figure 112015023262803-pat00047
을 만들고,
Figure 112015023262803-pat00048
(식 2)를 사용하여 발현 정도의 절대값이 미리 지정한 일정수준
Figure 112015023262803-pat00049
이상이 값을 부호에 따라
Figure 112015023262803-pat00050
(high)와
Figure 112015023262803-pat00051
(low)로 각각 변환하고, 그렇지 않으면
Figure 112015023262803-pat00052
(don't care)로 변환하여 문자화된 데이터
Figure 112015023262803-pat00053
를 만들고,
Figure 112015023262803-pat00054

Figure 112015023262803-pat00055
(식 3) 을 사용하여 유전자
Figure 112015023262803-pat00056
별로 낮게 발현된 샘플집합
Figure 112015023262803-pat00057
와 높게 발현된 샘플집합
Figure 112015023262803-pat00058
를 구하고,
Figure 112015023262803-pat00059
(식 4)를 사용하여 각 샘플집합의 크기가 일정크기
Figure 112015023262803-pat00060
이상인 것들을, 유전자 개수가 1인 대조집단의 집합
Figure 112015023262803-pat00061
으로 결정하고,
Figure 112015023262803-pat00062
(식 5)를 사용하여
Figure 112015023262803-pat00063
에 속한 유전자로 구성된 유전자 개수가 2인 대조집단의 후보 유전자집단
Figure 112015023262803-pat00064
를 생성하고,
Figure 112015023262803-pat00065
(식 6)을 사용하여
Figure 112015023262803-pat00066
에 있는 각각의 유전자 조합에 대해서 대조 샘플의 개수가 최소 샘플개수 요건을 만족하는 것을 선택하여
Figure 112015023262803-pat00067
로 하고,
Figure 112015023262803-pat00068

Figure 112015023262803-pat00069

Figure 112015023262803-pat00070
(식 7)을 사용하여 이전 단계에서 결정된
Figure 112015023262803-pat00071
를 참조하여,
Figure 112015023262803-pat00072
개의 유전자를 포함한 조합으로 구성된
Figure 112015023262803-pat00073
을 생성하고,
Figure 112015023262803-pat00074

Figure 112015023262803-pat00075
(식 8)을 사용하여
Figure 112015023262803-pat00076
에 있는 각각의 유전자 조합에 대해서 대조 샘플의 개수가 최소 샘플 개수 요건을 만족하는 것을 선택하여
Figure 112015023262803-pat00077
로 하고, 새로운 대조집단이 만들어지지 않을 때까지 식 7 내지 식 8의 과정을 반복하고, 새로운 대조집단이 만들어지지 않으면,
Figure 112015023262803-pat00078
(식 9)를 사용하여 처음 대조집단
Figure 112015023262803-pat00079
부터 마지막에 식별된 대조집단
Figure 112015023262803-pat00080
까지의 전체 대조집단을 결과로서 출력하는 것을 특징으로 하는 유전자발현 데이터에서 모든 대조집단 식별 방법.
CLAIMS 1. A method for identifying a sample population of contrasting characteristics for all possible gene pool combinations from gene expression data,
A step of normalizing the average value of the degree of expression to 0 for each gene,
A step of changing the value of the degree of expression to a symbol,
It is a method to identify all the control groups by a gradual technique of referring to a control group with a small number of genes and identifying a control group for candidates containing one more gene than the control group.
Given gene expression data
Figure 112015023262803-pat00045
about,
Figure 112015023262803-pat00046
Expression data obtained by normalizing gene expression data so that the average value is 0 for each gene using expression 1
Figure 112015023262803-pat00047
Lt; / RTI >
Figure 112015023262803-pat00048
(Formula 2), the absolute value of the expression level is set at a predetermined level
Figure 112015023262803-pat00049
More than this value depends on the sign
Figure 112015023262803-pat00050
(high) and
Figure 112015023262803-pat00051
(low), respectively, and otherwise
Figure 112015023262803-pat00052
(do not care) to convert the characterized data
Figure 112015023262803-pat00053
Lt; / RTI >
Figure 112015023262803-pat00054

Figure 112015023262803-pat00055
(Formula 3)
Figure 112015023262803-pat00056
A sample set with a low expression level
Figure 112015023262803-pat00057
And a highly expressed sample set
Figure 112015023262803-pat00058
Is obtained,
Figure 112015023262803-pat00059
(Equation 4) to determine the size of each sample set to be a constant size
Figure 112015023262803-pat00060
Of the control group with the number of genes of 1
Figure 112015023262803-pat00061
≪ / RTI >
Figure 112015023262803-pat00062
(Equation 5)
Figure 112015023262803-pat00063
Of the candidate genes in the control group with the number of genes consisting of the genes belonging to 2
Figure 112015023262803-pat00064
Lt; / RTI >
Figure 112015023262803-pat00065
(Equation 6)
Figure 112015023262803-pat00066
The number of control samples is selected to satisfy the minimum sample number requirement
Figure 112015023262803-pat00067
And,
Figure 112015023262803-pat00068

Figure 112015023262803-pat00069

Figure 112015023262803-pat00070
(Equation 7) < RTI ID = 0.0 >
Figure 112015023262803-pat00071
Quot;
Figure 112015023262803-pat00072
Consisting of a combination of genes containing
Figure 112015023262803-pat00073
Lt; / RTI >
Figure 112015023262803-pat00074

Figure 112015023262803-pat00075
(Equation 8)
Figure 112015023262803-pat00076
The number of control samples is selected to satisfy the minimum sample number requirement
Figure 112015023262803-pat00077
, And the process of Equations 7 to 8 is repeated until a new control group is not created, and if a new control group is not created,
Figure 112015023262803-pat00078
(Equation 9), the first control group
Figure 112015023262803-pat00079
From the last identified control group
Figure 112015023262803-pat00080
Wherein all the control groups in the gene expression data are output as a result.
KR1020100139606A 2010-12-30 2010-12-30 An Identification Method for All Contrasting Groups in Gene Expression Data KR101546546B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020100139606A KR101546546B1 (en) 2010-12-30 2010-12-30 An Identification Method for All Contrasting Groups in Gene Expression Data

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020100139606A KR101546546B1 (en) 2010-12-30 2010-12-30 An Identification Method for All Contrasting Groups in Gene Expression Data

Publications (2)

Publication Number Publication Date
KR20120077594A KR20120077594A (en) 2012-07-10
KR101546546B1 true KR101546546B1 (en) 2015-08-21

Family

ID=46711053

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020100139606A KR101546546B1 (en) 2010-12-30 2010-12-30 An Identification Method for All Contrasting Groups in Gene Expression Data

Country Status (1)

Country Link
KR (1) KR101546546B1 (en)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101717141B1 (en) 2016-06-13 2017-03-16 한국과학기술정보연구원 Apparatus and method of survival analysis for patients using genetic switch threshold

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100734430B1 (en) 2006-11-13 2007-07-02 한국정보통신대학교 산학협력단 A protocol for searching classifier gene set from microarray dataset

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100734430B1 (en) 2006-11-13 2007-07-02 한국정보통신대학교 산학협력단 A protocol for searching classifier gene set from microarray dataset

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
컴퓨터정보통신연구, 2010.05., 제18권 1호, p.7-12
한국지능시스템학회 학술발표 논문집, Vol. 20(2), 2010.11, p. 131-133

Also Published As

Publication number Publication date
KR20120077594A (en) 2012-07-10

Similar Documents

Publication Publication Date Title
JP7198577B2 (en) Image analysis method, device, program, and method for manufacturing trained deep learning algorithm
CN109189767B (en) Data processing method and device, electronic equipment and storage medium
Weaver et al. LeafMachine: Using machine learning to automate leaf trait extraction from digitized herbarium specimens
EP2963575B1 (en) Data analysis device and method therefor
CN112559800B (en) Method, apparatus, electronic device, medium and product for processing video
CN112559885B (en) Training model determining method and device for map interest points and electronic equipment
CN105117740A (en) Font identification method and device
CN115063875A (en) Model training method, image processing method, device and electronic equipment
CN112990035A (en) Text recognition method, device, equipment and storage medium
CN112232341A (en) Text detection method, electronic device and computer readable medium
CN103473483A (en) Online predicting method for structure and function of protein
CN114022887B (en) Text recognition model training and text recognition method and device, and electronic equipment
US9400868B2 (en) Method computer program and system to analyze mass spectra
CN113407610B (en) Information extraction method, information extraction device, electronic equipment and readable storage medium
KR101546546B1 (en) An Identification Method for All Contrasting Groups in Gene Expression Data
CN116287138B (en) FISH-based cell detection system and method thereof
CN115035351B (en) Image-based information extraction method, model training method, device, equipment and storage medium
CN104298975B (en) A kind of distributed image recognition methods
Kim et al. A robust peak detection method for RNA structure inference by high-throughput contact mapping
CN115831219A (en) Quality prediction method, device, equipment and storage medium
EP3594674A1 (en) Electrophoretic analysis method, electrophoretic analysis device, and electrophoretic analysis program
CN110414000B (en) Keyword extraction method and system based on template document comparison
CN114120410A (en) Method, apparatus, device, medium and product for generating label information
CN113192022A (en) Pathogenic spore identification and counting method and device based on deep learning
CN112541539A (en) Small sample target identification auxiliary data selection method based on inverse transfer learning

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20180801

Year of fee payment: 4