지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 박희진
- 발행연도
- 2022
- 저작권
- 한양대학교 논문은 저작권에 의해 보호받습니다.
이용수47
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
NGS(Next-generation sequencing) 기술로 인해서 염기서열(Nucleotide) 분석은 전통적인 방법보다 낮은 비용으로 쉽게 이루어지게 되었다. 염기서열 분석은 생물의 현상을 이해하고 질병에 대한 정보를 알 수 있어서 생물정보학(Bioinformatics)에서 중요하다. 특히 염기서열 분석에서 염기서열 내의 돌연변이(Variation)를 찾는 것은 질병에 대한 정보를 얻는 것에서 중요한 역할을 하고 있다. NGS 기술로 시퀀싱한 염기서열에서 돌연변이를 찾는 일은 기존에는 통계적 방식을 응용하는 Samtools나 GATK와 같은 툴을 이용해서 이루어졌으며, 최근에는 딥러닝(Deep learning) 방식을 이용해서 돌연변이를 찾는 방법이 개발되었다. 이러한 툴에는 DeepVariant 가 있다. 본 연구에서는 DeepVariant 와 같이 딥러닝을 이용해서 염기서열 내의 돌연변이를 찾되, CNN을 사용하는 DeepVariant 와는 다른 딥러닝 모델인 RNN과 트랜스포머(Transformer) 모델을 이용해서 돌연변이 발생 위치를 탐지하고 비교해본다.
목차
I. 서 론 1II. 본론 21. 데이터 전처리 22. RNN 기반의 GRU 모델 53. 트랜스포머 모델 74. 실험 10III. 결론 12IV. 참고 문헌 13V. ABSTRACT 14
최근 본 자료
댓글(0)
0