KR20160149625A - 대규모 생물학적 네트워크를 자동적으로 시각화하는 방법 및 장치 - Google Patents

대규모 생물학적 네트워크를 자동적으로 시각화하는 방법 및 장치 Download PDF

Info

Publication number
KR20160149625A
KR20160149625A KR1020150086904A KR20150086904A KR20160149625A KR 20160149625 A KR20160149625 A KR 20160149625A KR 1020150086904 A KR1020150086904 A KR 1020150086904A KR 20150086904 A KR20150086904 A KR 20150086904A KR 20160149625 A KR20160149625 A KR 20160149625A
Authority
KR
South Korea
Prior art keywords
node
nodes
biological
calculating
visualizing
Prior art date
Legal status (The legal status 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 status listed.)
Granted
Application number
KR1020150086904A
Other languages
English (en)
Other versions
KR101842681B1 (ko
Inventor
이도헌
박재섭
Original Assignee
재단법인 전통천연물기반 유전자동의보감 사업단
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 재단법인 전통천연물기반 유전자동의보감 사업단, 한국과학기술원 filed Critical 재단법인 전통천연물기반 유전자동의보감 사업단
Priority to KR1020150086904A priority Critical patent/KR101842681B1/ko
Publication of KR20160149625A publication Critical patent/KR20160149625A/ko
Application granted granted Critical
Publication of KR101842681B1 publication Critical patent/KR101842681B1/ko
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G06F19/26—
    • G06F19/12—

Landscapes

  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

본 발명은 대규모 생물학적 네트워크를 자동적으로 시각화하는 방법 및 장치에 관한 것이다. 구체적으로는 복수 개의 노드 및 각 노드를 연결하는 복수 개의 에지를 포함하는 생물학적 네트워크의 시각화 방법 및 장치에 있어서, 사용자가 입력한 에지 목록 정보에 기초하여 상기 노드의 연결 상태를 파악하는 단계(S100), 사용자가 입력한 노드 목록 정보에 기초하여 상기 노드의 생물학적 특성을 파악하는 단계(S200), 상기 노드의 생물학적 특성에 기초하여 상기 노드 간의 생물학적 유사성을 계산하는 단계(S300), 상기 노드의 연결 상태 및 상기 노드 간의 생물학적 유사성에 기초하여 상기 노드의 좌표 정보를 산출하는 단계(S400) 및 상기 좌표 정보에 기초하여 생물학적 네트워크를 시각화하는 단계(S500)를 포함한다.

Description

대규모 생물학적 네트워크를 자동적으로 시각화하는 방법 및 장치{VISUALIZATION METHOD AND APPARATUS FOR LARGE-SCALE BIOLOGICAL NETWORK}
본 발명은 대규모 생물학적 네트워크를 자동적으로 시각화하는 방법 및 장치에 관한 것으로, 보다 상세하게는 네트워크 내의 노드의 위치를 각 노드의 생물학적 특성에 근거하여 자동적으로 배치하는 방법 및 장치와 대규모 네트워크의 노드들의 우선 순위를 정하여 순차적으로 시각화하는 방법 및 장치에 관한 것이다.
네트워크는 일련의 점들(노드)과 그 사이를 잇는 선(에지)으로 구성된 일종의 조합론적 구조이다. 그리고 생물학적 네트워크라는 것은 생물에 포함 또는 관련 있는 요소(유전자, 단백질, 대사물질, 질병)들이 노드로서 구성되고, 그들 사이에 생물학적 연관 관계가 에지로 나타나는 네트워크이다. 이 때 네트워크 시각화라는 것은 네트워크의 구성정보, 즉 노드와 에지의 정보가 주어졌을 때 해당 네트워크를 그림으로 나타내는 과정을 의미한다. 이러한 시각화 과정의 핵심은 노드의 위치를 결정하는 것이다. 노드의 위치가 결정되고 나면 에지 위치는 노드를 연결하는 선이기 때문에 자동적으로 결정된다. 따라서 본 발명에서는 노드의 위치를 자동적으로 결정하는 새로운 방법을 제시한다.
이렇게 기본적으로 네트워크의 형태를 구성하게 되면 다음 과정으로는 네트워크를 보기 편하게 하도록 다양한 기능들을 필요로 하게 된다. 특히 거대한 네트워크를 시각화하는 경우에는 그 안에 포함된 노드와 에지의 개수가 매우 많기 때문에 이를 관찰하는 사람이 그 내용을 정확하게 인지하기가 어렵다. 따라서 본 발명에서는 각각의 노드를 평가하여 중요도를 정하고, 그 우선 순위 점수에 따라서 계층적으로 네트워크를 시각화하는 방법을 제시한다. 이를 통해서 사용자는 아무리 거대한 네트워크라 하더라도 요약되어 시각화된 형태로부터 확대를 통하여 점차 자세한 네트워크를 확장하여 관찰할 수 있게 된다.
대한민국 공개특허 제 10-2004-0102887호
인체의 생물학적 시스템은 매우 다양한 종류의 물질들과 수많은 상호 작용들로 구성되어 있어 매우 복잡하다. 이렇게 복잡하고 거대한 시스템을 전체적으로 이해하기 위해서는 구성 요소와 그 사이의 관계들을 한눈에 파악할 수 있어야 한다. 이러한 생물학적 시스템을 네트워크의 형태로 시각화하여 이를 분석과 관찰이 용이한 형태로 전환하는 기술을 개발하는 것은 매우 중요하다. 하지만 현재에는 이러한 거대한 네트워크를 적절하게 시각화하는 방법이 존재하지 않는다. 종래의 기술들은 불규칙적으로 노드의 위치를 설정하고, 거대한 네트워크를 단순하게 평면에 구현하여 정보를 얻기에 불편하였다. 따라서, 본 발명에서는 대규모의 생물학적 네트워크를 효과적으로 시각화하여 이러한 문제점을 해결하고자 한다.
본 발명의 해결과제는 이상에서 언급된 것들에 한정되지 않으며, 언급되지 아니한 다른 해결과제들은 아래의 기재로부터 당해 기술분야에 있어서의 통상의 지식을 가진 자에게 명확하게 이해되어질 수 있을 것이다.
상기와 같은 목적을 달성하기 위하여 본 발명은 복수 개의 노드 및 각 노드를 연결하는 복수 개의 에지를 포함하는 생물학적 네트워크의 시각화 방법에 있어서, 사용자가 입력한 에지 목록 정보에 기초하여 상기 노드의 연결 상태를 파악하는 단계; 사용자가 입력한 노드 목록 정보에 기초하여 상기 노드의 생물학적 특성을 파악하는 단계; 노드의 생물학적 특성에 기초하여 상기 노드 간의 생물학적 유사성을 계산하는 단계; 상기 노드의 연결 상태 및 상기 노드 간의 생물학적 유사성에 기초하여 상기 노드의 좌표 정보를 산출하는 단계; 및 상기 좌표 정보에 기초하여 생물학적 네트워크를 시각화하는 단계;를 포함할 수 있다.
또한, 상기 노드의 좌표 정보를 산출하는 단계는, 상기 복수 개의 노드 간의 상대적인 거리를 산출하는 단계; 및 상기 거리에 기초하여 Multi-Dimensional Scaling 알고리즘을 통하여 좌표값을 계산하는 단계;를 포함할 수 있다.
또한, 상기 복수 개의 노드 간의 상대적인 거리를 산출하는 단계는, 상기 노드 간의 생물학적 유사성 정보 및 상기 노드 간의 연결 상태 정보를 바탕으로 한 계산 알고리즘을 통하여 산출할 수 있다.
또한, 복수 개의 노드 및 각 노드를 연결하는 복수 개의 에지를 포함하는 생물학적 네트워크의 시각화 방법에 있어서, 사용자가 입력한 에지 목록 정보에 기초하여 상기 노드의 연결 상태를 파악하는 단계; 사용자가 입력한 노드 목록 정보에 기초하여 상기 노드의 생물학적 특성을 파악하는 단계; 상기 노드의 연결 상태에 기초하여 노드의 중심성을 계산하는 단계; 상기 노드의 생물학적 특성과 상기 노드의 중심성에 기초하여 노드의 중요도를 계산하는 단계; 상기 중요도에 기초하여 상기 노드들을 계층화하는 단계; 및 상기 계층화에 기초하여 상기 노드들을 우선 순위를 정하여 순차적으로 시각화하는 단계를 포함할 수 있다.
또한, 복수 개의 노드 및 각 노드를 연결하는 복수 개의 에지를 포함하는 생물학적 네트워크의 시각화 장치에 있어서, 사용자가 입력한 에지 목록 정보에 기초하여 상기 노드의 연결 상태를 파악하는 제 1산출부; 사용자가 입력한 노드 목록 정보에 기초하여 상기 노드의 생물학적 특성을 파악하는 제 2산출부; 상기 노드의 생물학적 특성에 기초하여 상기 노드 간의 생물학적 유사성을 계산하는 제 3산출부; 상기 노드의 연결 상태 및 상기 노드 간의 생물학적 유사성에 기초하여 상기 노드의 좌표 정보를 산출하는 제 4산출부 및 상기 좌표 정보에 기초하여 생물학적 네트워크를 시각화하는 제 1출력부를 포함할 수 있다.
또한, 상기 노드의 좌표 정보를 산출하는 제 4산출부는, 상기 복수 개의 노드 간의 상대적인 거리를 산출하는 제 4-1산출부 및 상기 거리에 기초하여 Multi-Dimensional Scaling 알고리즘을 통하여 좌표값을 계산하는 제 4-2산출부를 포함할 수 있다.
또한, 상기 복수 개의 노드 간의 상대적인 거리를 산출하는 제 4-1산출부는, 상기 노드 간의 생물학적 유사성 정보 및 상기 노드 간의 연결 상태 정보를 바탕으로 한 계산 알고리즘을 통하여 산출할 수 있다.
또한, 복수 개의 노드 및 각 노드를 연결하는 복수 개의 에지를 포함하는 생물학적 네트워크의 시각화 장치에 있어서, 사용자가 입력한 에지 목록 정보에 기초하여 상기 노드의 연결 상태를 파악하는 제 1산출부, 사용자가 입력한 노드 목록 정보에 기초하여 상기 노드의 생물학적 특성을 파악하는 제 2산출부, 상기 노드의 연결 상태에 기초하여 노드의 중심성을 계산하는 제 5산출부, 상기 노드의 생물학적 특성과 상기 노드의 중심성에 기초하여 노드의 중요도를 계산하는 제 6산출부, 상기 중요도에 기초하여 상기 노드들을 계층화하는 제 7산출부 및 상기 계층화에 기초하여 상기 노드들을 우선순위를 정하여 순차적으로 시각화하는 제 2출력부를 포함할 수 있다.
본 발명에서는 대규모의 생물학적 네트워크를 자동적으로 시각화하는 방법 및 장치를 제안한다. 종래의 기술들은 불규칙적으로 노드의 위치를 설정하고, 거대한 네트워크를 단순하게 평면에 구현하여 정보를 얻기에 불편하였다. 대규모의 생물학적 네트워크를 효과적으로 시각화하여 이러한 문제점을 해결하고, 이를 통해 연구자들이 네트워크에 포함되어 있는 정보를 효율적으로 습득할 수 있는 효과가 있다.
본 발명의 효과는 이상에서 언급된 것들에 한정되지 않으며, 언급되지 아니한 다른 효과들은 아래의 기재로부터 당해 기술분야에 있어서의 통상의 지식을 가진 자에게 명확하게 이해되어질 수 있을 것이다.
도 1은 본 발명에 의한 노드 위치를 자동적으로 결정하여 시각화하는 방법을 나타내는 순서도이다.
도 2는 본 발명에 의한 노드 위치를 결정하고 시각화한 예시를 나타낸 그래프이다.
도 3은 본 발명에 의한 노드의 중요도를 정하여 계층적으로 시각화하는 방법을 나타내는 순서도이다.
도 4는 본 발명에 의한 노드의 중요도를 정하여 계층적으로 시각화하는 방법을 나타내는 도면이다.
도 5는 본 발명에 의한 노드 위치를 자동적으로 결정하여 시각화하는 방법을 나타내는 순서도이다.
도 6은 본 발명에 의한 노드의 중요도를 정하여 계층적으로 시각화하는 방법을 나타내는 순서도이다.
도 7은 본 발명에 의한 노드 위치를 자동적으로 결정하여 시각화하는 장치를 나타내는 구성도이다.
도 8은 본 발명에 의한 노드의 중요도를 정하여 계층적으로 시각화하는 장치를 나타내는 구성도이다.
이하에서는 첨부한 도면을 참조하여 본 발명에 의한 대규모 생물학적 네트워크를 자동적으로 시각화하는 방법 및 장치의 바람직한 실시예들을 자세히 설명한다. 우선 각 도면의 구성 요소들에 참조 부호를 부가함에 있어서, 동일한 구성요소들에 대해서는 비록 다른 도면 상에 표시되더라도 가능한 한 동일한 부호를 가지도록 하고 있음에 유의해야 한다. 또한, 본 발명을 설명함에 있어, 관련된 공지 구성 또는 기능에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명은 생략한다.
도 1 내지 도 8을 참조하면, 본 발명은 다음 두 가지의 핵심적인 방법으로 구성되며, 각각의 방법을 수행하기 위한 필수적인 요소들이 존재한다. 이 때 네트워크 그 자체에 대한 정보(노드의 종류와 에지 목록)는 사용자로부터 입력 값으로써 발생하여 이미 존재한다고 가정한다.
도 1 및 도 5는 본 발명에 의한 첫 번째 방법인 노드 위치를 자동적으로 결정하여 시각화하는 방법을 나타내는 순서도이다.
복수 개의 노드 및 각 노드를 연결하는 복수 개의 에지를 포함하는 생물학적 네트워크의 시각화 방법에 있어서, 사용자가 입력한 에지 목록 정보에 기초하여 노드의 연결 상태를 파악하는 단계(S100), 사용자가 입력한 노드 목록 정보에 기초하여 노드의 생물학적 특성을 파악하는 단계(S200), 노드의 생물학적 특성에 기초하여 노드 간의 생물학적 유사성을 계산하는 단계(S300), 노드의 연결 상태 및 노드 간의 생물학적 유사성에 기초하여 노드의 좌표 정보를 산출하는 단계(S400) 및 좌표 정보에 기초하여 생물학적 네트워크를 시각화하는 단계(S500)를 포함한다.
또한, 노드의 좌표 정보를 산출하는 단계는, 복수 개의 노드 간의 상대적인 거리를 산출하는 단계(S410) 및 거리에 기초하여 Multi-Dimensional Scaling 알고리즘을 통하여 좌표값을 계산하는 단계(S420)를 포함한다.
또한, 복수 개의 노드 간의 상대적인 거리를 산출하는 단계(S410)는, 노드 간의 생물학적 유사성 정보 및 노드 간의 연결 상태 정보를 바탕으로 한 계산 알고리즘을 통하여 산출한다.
이 때, 노드 간의 연결 상태라고 하는 것은 두 노드의 연결 여부를 의미하며, 사용자가 입력한 에지 목록 정보를 변환하여 얻는다.
또한, 노드의 생물학적 특성 정보(생물학적 기능, 분자적 기능, 세포내 위치)들을 다양한 종류의 공공 데이터베이스(NCBI, HMDB, ONIM 등)으로부터 얻는다. 이러한 데이터 베이스들의 정보들은 일반적인 단어(예:광합성)가 아닌 하나의 통합된 코드(예:GO00101)로서 정리되며 이 과정에서 각각의 단어에 코드를 부여하기 위해서 Gene Ontology 데이터베이스를 사용한다.
또한, 노드 간의 생물학적 유사성 정보 계산 알고리즘은 노드의 생물학적 특성 정보를 바탕으로 이를 비교하는 알고리즘을 사용하여 두 노드 간의 생물학적 유사성을 계산할 수 있으며, 이 때 사용하는 알고리즘은 GoSemSim을 사용한다.
도 2는 노드 위치를 자동적으로 결정하여 시각화하는 방법의 각 단계를 통해서 생성된 위치 정보를 바탕으로 해당 위치에 노드를 형성한 실시예를 나타낸 도면이다.
도 7은 본 발명에 의한 노드 위치를 자동적으로 결정하여 시각화하는 장치를 나타내는 구성도이다. 복수 개의 노드 및 각 노드를 연결하는 복수 개의 에지를 포함하는 생물학적 네트워크의 시각화 장치에 있어서, 사용자가 입력한 에지 목록 정보에 기초하여 상기 노드의 연결 상태를 파악하는 제 1산출부(100), 사용자가 입력한 노드 목록 정보에 기초하여 노드의 생물학적 특성을 파악하는 제 2산출부(200), 노드의 생물학적 특성에 기초하여 상기 노드 간의 생물학적 유사성을 계산하는 제 3산출부(300), 노드의 연결 상태 및 노드 간의 생물학적 유사성에 기초하여 노드의 좌표 정보를 산출하는 제 4산출부(400) 및 좌표 정보에 기초하여 생물학적 네트워크를 시각화하는 제 1출력부(500)를 포함한다.
또한, 노드의 좌표 정보를 산출하는 제 4산출부는, 복수 개의 노드 간의 상대적인 거리를 산출하는 제 4-1산출부(410) 및 거리에 기초하여 Multi-Dimensional Scaling 알고리즘을 통하여 좌표값을 계산하는 제 4-2산출부(420)를 포함한다.
또한, 복수 개의 노드 간의 상대적인 거리를 산출하는 제 4-1산출부(410)는, 노드 간의 생물학적 유사성 정보 및 노드 간의 연결 상태 정보를 바탕으로 한 계산 알고리즘을 통하여 산출한다.
도 3 및 도 6은 본 발명에 의한 노드의 중요도를 정하여 계층적으로 시각화하는 방법을 나타내는 순서도이다.
복수 개의 노드 및 각 노드를 연결하는 복수 개의 에지를 포함하는 생물학적 네트워크의 시각화 방법에 있어서, 사용자가 입력한 에지 목록 정보에 기초하여 상기 노드의 연결 상태를 파악하는 단계(S100), 사용자가 입력한 노드 목록 정보에 기초하여 노드의 생물학적 특성을 파악하는 단계(S200), 노드의 연결 상태에 기초하여 노드의 중심성을 계산하는 단계(S600), 노드의 생물학적 특성과 노드의 중심성에 기초하여 노드의 중요도를 계산하는 단계(S700), 중요도에 기초하여 상기 노드들을 계층화하는 단계(S800) 및 계층화에 기초하여 상기 노드들을 우선순위를 정하여 순차적으로 시각화하는 단계(S900)를 포함한다.
이 때, 노드의 중심성은 네트워크에서 해당 노드가 얼마나 연결의 핵심적인 역할을 하는지를 나타내는 척도이다. 중심성에는 Degree Centrality, Betweenness Centrality, Closeness Centrality가 있다. 해당 수치들은 에지 정보를 바탕으로 Mathematica를 이용하여 계산한다.
또한, 노드의 중요도는 노드의 생물학적 특성 정보와 노드의 중심성 정보를 바탕으로 한 계산 알고리즘을 사용하여 산출한다.
도 4는 본 발명에 의한 노드의 중요도를 정하여 계층적으로 시각화하는 방법을 나타내는 도면이다. 상기 노드의 중요도가 결정되면, 네트워크의 각각의 노드에는 좌표에 중요도가 추가되어 계층화된다고 볼 수 있다. 이를 이용하여 네트워크를 전체적으로 관찰하고 있을 때에는(축소된 상태) 네트워크에서 한정된 개수의 중요도가 높은 노드들만을 우선적으로 시각화한다. 그리고 사용자가 특정 영역을 확대할 경우 화면에서 해당 영역만 보이게 하며, 영역에서 제외된 노드의 개수만큼 해당 영역 안에 있는 노드들 중 중요도가 높은 순서대로 다시 시각화한다.
도 4에 도시된 것처럼 3단계의 중요도가 네트워크에 적용되었다고 가정하면, 사용자가 확대하지 않은 상태에서는 화면의 a영역 전체를 보고 있게 되며, 이 때는 흰색 노드만이 선별적으로 시각화된다. 조금 확대하여 b영역을 보고 있을 때는 흰색 노드와 빗금친 노드가 시각화되며, 더 확대를 하여 c영역을 보고 있을 때는 모든 노드가 다 시각화된다. 실제 구현에서는 이렇게 단계적으로 구분되지 않고, 현재 사용자가 보는 화면에 존재하는 노드들 중에서 중요도가 높은 순서대로 지정한 개수의 노드들만이 자동적으로 시각화된다.
도 8은 본 발명에 의한 노드의 중요도를 정하여 계층적으로 시각화하는 장치를 나타내는 구성도이다. 복수 개의 노드 및 각 노드를 연결하는 복수 개의 에지를 포함하는 생물학적 네트워크의 시각화 장치에 있어서, 사용자가 입력한 에지 목록 정보에 기초하여 상기 노드의 연결 상태를 파악하는 제 1산출부(100), 사용자가 입력한 노드 목록 정보에 기초하여 노드의 생물학적 특성을 파악하는 제 2산출부(200), 노드의 연결 상태에 기초하여 노드의 중심성을 계산하는 제 5산출부(600), 노드의 생물학적 특성과 상기 노드의 중심성에 기초하여 노드의 중요도를 계산하는 제 6산출부(700), 중요도에 기초하여 상기 노드들을 계층화하는 제 7산출부(800) 및 계층화에 기초하여 상기 노드들을 우선순위를 정하여 순차적으로 시각화하는 제 2출력부(900)를 포함한다.
이상의 설명은 본 발명의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자라면 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능할 것이다. 따라서, 본 발명에 개시된 실시예들은 본 발명의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예에 의하여 본 발명의 기술 사상의 범위가 한정되는 것은 아니다. 본 발명의 보호 범위는 아래 청구범위에 의해 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 발명의 권리 범위에 포함되는 것으로 해석되어야 할 것이다.
100 : 제 1산출부 200 : 제 2산출부
300 : 제 3산출부 400 : 제 4산출부
410 : 제 4-1산출부 420 : 제 4-2산출부
500 : 출력부 600 : 제 5산출부
700 : 제 6산출부 800 : 제 7산출부
900 : 제 2출력부

Claims (8)

  1. 복수 개의 노드 및 각 노드를 연결하는 복수 개의 에지를 포함하는 생물학적 네트워크의 시각화 방법에 있어서,
    사용자가 입력한 에지 목록 정보에 기초하여 상기 노드의 연결 상태를 파악하는 단계(S100);
    사용자가 입력한 노드 목록 정보에 기초하여 상기 노드의 생물학적 특성을 파악하는 단계(S200);
    상기 노드의 생물학적 특성에 기초하여 상기 노드 간의 생물학적 유사성을 계산하는 단계(S300);
    상기 노드의 연결 상태 및 상기 노드 간의 생물학적 유사성에 기초하여 상기 노드의 좌표 정보를 산출하는 단계(S400); 및
    상기 좌표 정보에 기초하여 생물학적 네트워크를 시각화하는 단계(S500);
    를 포함하는 생물학적 네트워크의 시각화 방법.
  2. 제 1항에 있어서,
    상기 노드의 좌표 정보를 산출하는 단계(S400)는
    상기 복수 개의 노드 간의 상대적인 거리를 산출하는 단계(S410); 및
    상기 거리에 기초하여 Multi-Dimensional Scaling 알고리즘을 통하여 좌표값을 계산하는 단계(S420);
    를 포함하는 생물학적 네트워크의 시각화 방법.
  3. 제 2항에 있어서,
    상기 복수 개의 노드 간의 상대적인 거리를 산출하는 단계는,
    상기 노드 간의 생물학적 유사성 정보 및 상기 노드 간의 연결 상태 정보를 바탕으로 한 계산 알고리즘을 통하여 산출하는 생물학적 네트워크의 시각화 방법.
  4. 복수 개의 노드 및 각 노드를 연결하는 복수 개의 에지를 포함하는 생물학적 네트워크의 시각화 방법에 있어서,
    사용자가 입력한 에지 목록 정보에 기초하여 상기 노드의 연결 상태를 파악하는 단계(S100);
    사용자가 입력한 노드 목록 정보에 기초하여 상기 노드의 생물학적 특성을 파악하는 단계(S200);
    상기 노드의 연결 상태에 기초하여 노드의 중심성을 계산하는 단계(S600);
    상기 노드의 생물학적 특성과 상기 노드의 중심성에 기초하여 노드의 중요도를 계산하는 단계(S700);
    상기 중요도에 기초하여 상기 노드들을 계층화하는 단계(S800); 및
    상기 계층화에 기초하여 상기 노드들을 우선순위를 정하여 순차적으로 시각화하는 단계(S900);
    를 포함하는 생물학적 네트워크의 시각화 방법.
  5. 복수 개의 노드 및 각 노드를 연결하는 복수 개의 에지를 포함하는 생물학적 네트워크의 시각화 장치에 있어서,
    사용자가 입력한 에지 목록 정보에 기초하여 상기 노드의 연결 상태를 파악하는 제 1산출부(100);
    사용자가 입력한 노드 목록 정보에 기초하여 상기 노드의 생물학적 특성을 파악하는 제 2산출부(200);
    상기 노드의 생물학적 특성에 기초하여 상기 노드 간의 생물학적 유사성을 계산하는 제 3산출부(300);
    상기 노드의 연결 상태 및 상기 노드 간의 생물학적 유사성에 기초하여 상기 노드의 좌표 정보를 산출하는 제 4산출부(400); 및
    상기 좌표 정보에 기초하여 생물학적 네트워크를 시각화하는 제 1출력부(500);
    를 포함하는 생물학적 네트워크의 시각화 장치.
  6. 제 5항에 있어서,
    상기 노드의 좌표 정보를 산출하는 제 4산출부(400)는,
    상기 복수 개의 노드 간의 상대적인 거리를 산출하는 제 4-1산출부(410); 및
    상기 거리에 기초하여 Multi-Dimensional Scaling 알고리즘을 통하여 좌표값을 계산하는 제 4-2산출부(420);
    를 포함하는 생물학적 네트워크의 시각화 장치.
  7. 제 6항에 있어서,
    상기 복수 개의 노드 간의 상대적인 거리를 산출하는 제 4-1산출부(410)는,
    상기 노드 간의 생물학적 유사성 정보 및 상기 노드 간의 연결 상태 정보를 바탕으로 한 계산 알고리즘을 통하여 산출하는 생물학적 네트워크의 시각화 장치.
  8. 복수 개의 노드 및 각 노드를 연결하는 복수 개의 에지를 포함하는 생물학적 네트워크의 시각화 장치에 있어서,
    사용자가 입력한 에지 목록 정보에 기초하여 상기 노드의 연결 상태를 파악하는 제 1산출부(100);
    사용자가 입력한 노드 목록 정보에 기초하여 상기 노드의 생물학적 특성을 파악하는 제 2산출부(200);
    상기 노드의 연결 상태에 기초하여 노드의 중심성을 계산하는 제 5산출부(600);
    상기 노드의 생물학적 특성과 상기 노드의 중심성에 기초하여 노드의 중요도를 계산하는 제 6산출부(700);
    상기 중요도에 기초하여 상기 노드들을 계층화하는 제 7산출부(800); 및
    상기 계층화에 기초하여 상기 노드들을 우선순위를 정하여 순차적으로 시각화하는 제 2출력부(900);
    를 포함하는 생물학적 네트워크의 시각화 장치.
KR1020150086904A 2015-06-18 2015-06-18 대규모 생물학적 네트워크를 자동적으로 시각화하는 방법 및 장치 Expired - Fee Related KR101842681B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020150086904A KR101842681B1 (ko) 2015-06-18 2015-06-18 대규모 생물학적 네트워크를 자동적으로 시각화하는 방법 및 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020150086904A KR101842681B1 (ko) 2015-06-18 2015-06-18 대규모 생물학적 네트워크를 자동적으로 시각화하는 방법 및 장치

Publications (2)

Publication Number Publication Date
KR20160149625A true KR20160149625A (ko) 2016-12-28
KR101842681B1 KR101842681B1 (ko) 2018-03-28

Family

ID=57724613

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020150086904A Expired - Fee Related KR101842681B1 (ko) 2015-06-18 2015-06-18 대규모 생물학적 네트워크를 자동적으로 시각화하는 방법 및 장치

Country Status (1)

Country Link
KR (1) KR101842681B1 (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102392131B1 (ko) * 2021-10-14 2022-04-28 고려대학교 산학협력단 먹이그물 네트워크 분석을 통한 생태계 예측 평가 시스템 및 이의 동작 방법
KR20230135354A (ko) 2022-03-16 2023-09-25 경상국립대학교산학협력단 생물학적 네트워크 조절을 통한 암세포 특이적 치료제 분석 시스템 및 이를 이용한 암세포 특이적 치료제 분석 방법

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20040102887A (ko) 2003-05-30 2004-12-08 학교법인 인하학원 단백질 상호작용 네트워크의 시각화방법

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20040102887A (ko) 2003-05-30 2004-12-08 학교법인 인하학원 단백질 상호작용 네트워크의 시각화방법

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102392131B1 (ko) * 2021-10-14 2022-04-28 고려대학교 산학협력단 먹이그물 네트워크 분석을 통한 생태계 예측 평가 시스템 및 이의 동작 방법
KR20230135354A (ko) 2022-03-16 2023-09-25 경상국립대학교산학협력단 생물학적 네트워크 조절을 통한 암세포 특이적 치료제 분석 시스템 및 이를 이용한 암세포 특이적 치료제 분석 방법

Also Published As

Publication number Publication date
KR101842681B1 (ko) 2018-03-28

Similar Documents

Publication Publication Date Title
Iftikhar et al. Human wayfinding behaviour and metrics in complex environments: A systematic literature review
Klarner et al. PyBoolNet: a python package for the generation, analysis and visualization of boolean networks
Liiv Seriation and matrix reordering methods: An historical overview
Samarasundera et al. Methods and tools for geographical mapping and analysis in primary health care
WO2008016495A2 (en) Determination of graph connectivity metrics using bit-vectors
Liu et al. A combined approach to cartographic displacement for buildings based on skeleton and improved elastic beam algorithm
Pang et al. Generation of navigation networks for corridor spaces based on indoor visibility map
Çekmiş et al. A computational model for accommodating spatial uncertainty: Predicting inhabitation patterns in open-planned spaces
CN108027809A (zh) 基于深度学习的体设计的功能相关
Willis et al. Uncertainty in phylogenetic tree estimates
Meijers et al. SPLITAREA: an algorithm for weighted splitting of faces in the context of a planar partition
Wang et al. Using stroke and mesh to recognize building group patterns
CN109947874B (zh) 移动轨迹的聚合方法、装置及设备
Thangaraj et al. Mgephi: Modified gephi for effective social network analysis
Rahman et al. Manifestation of lattice topology data model for indoor navigation path based on the 3D building environment
CN109388843A (zh) 一种基于vtk的桁架天线的可视化系统及方法、终端
McArdle et al. Interpreting map usage patterns using geovisual analytics and spatio-temporal clustering
KR101842681B1 (ko) 대규모 생물학적 네트워크를 자동적으로 시각화하는 방법 및 장치
CN110796262A (zh) 机器学习模型的测试数据优化方法、装置及电子设备
You et al. Gene terrain: visual exploration of differential gene expression profiles organized in native biomolecular interaction networks
JP2019528522A (ja) タスク処理方法及び分散コンピューティングフレームワーク
Pinki et al. An annotated review on graph drawing and its applications
Wang et al. Ensemble learning-based hierarchical retrieval of similar cases for site planning
Maddumage et al. R programming for Social Network Analysis-A Review
US20240028787A1 (en) Techniques for design space exploration in a multi-user collaboration system

Legal Events

Date Code Title Description
A201 Request for examination
PA0109 Patent application

Patent event code: PA01091R01D

Comment text: Patent Application

Patent event date: 20150618

PA0201 Request for examination
PG1501 Laying open of application
E902 Notification of reason for refusal
PE0902 Notice of grounds for rejection

Comment text: Notification of reason for refusal

Patent event date: 20170330

Patent event code: PE09021S01D

E902 Notification of reason for refusal
PE0902 Notice of grounds for rejection

Comment text: Notification of reason for refusal

Patent event date: 20170918

Patent event code: PE09021S01D

E701 Decision to grant or registration of patent right
PE0701 Decision of registration

Patent event code: PE07011S01D

Comment text: Decision to Grant Registration

Patent event date: 20180313

GRNT Written decision to grant
PR0701 Registration of establishment

Comment text: Registration of Establishment

Patent event date: 20180321

Patent event code: PR07011E01D

PR1002 Payment of registration fee

Payment date: 20180322

End annual number: 3

Start annual number: 1

PG1601 Publication of registration
PR1001 Payment of annual fee

Payment date: 20220210

Start annual number: 5

End annual number: 5

PR1001 Payment of annual fee

Payment date: 20230109

Start annual number: 6

End annual number: 6

PC1903 Unpaid annual fee

Termination category: Default of registration fee

Termination date: 20250101