인간 게놈 프로젝트의 완료 시점이 가까워지면서 의학과 생체정보학에서는 SNP에 관한 많은 성과가 있었다. 2.84millions SNP가 찾아졌으며, 1.42millions SNP가 지도화되었다. 따라서 유전병을 유발하는 생리대사 조절 유전자 중 SNP에 기인된 것을 찾을 필요성이 대두되었다. 이미 SNP를 염기서열데이터에서 찾을 간단한 알고리즘은 개발된 바 있다. 하지만 몇가지 연구들에 따르면 기존의 유사성에 의존하는 알고리즘은 정확히 돌연변이에 기인한 것인지의 여부에 대한 판단이 정확치 않은 것으로 증명됐다.
최근에는 공개 게놈 데이터베이스 양이 기하급수적으로 축적됨에 따라 위의 알고리즘이 발달되어 자동적으로 SNP를 특정사이트의 정보를 바탕으로 찾아 축적하는 새로운 컴퓨터 알고리즘이 개발되었다. 이러한 방향으로 특정사이트 염기서열의 편집을 통한 heterogenity의 측정이 가능하고, 관련된 사이트들을 균일화된 부분집합으로 집단을 만드는 새로운 방법들이 등장하였다. 이와 더불어 조절유전자 부근의 구조적 희미한 일관성을 밝혀낼 수 있었다. 이러한 희미한 일관성은 기존에는 무시되었으며 목적사이트의 인식도를 떨어뜨렸다.
이제는 유전자 사이트들의 패턴 인식방법과 data mining tools를 이용하여 "in silico" 생물학이 심도 있게 접근되면서 게놈 구조, 기능, 다양성에 관한 연구를 가능케 하였다. 결국 소위 "게놈후의 시대" (Post Genome Era)에 접어들면서 생체정보학은 data mining을 포함하였다.
본 연구진에서는 가정형성 알고리즘, 판단력추가, 목적사이트들에서 염기서열들간의 textual, physicochemical, conformational한 면에서 규칙성을 찾아내었다. 방법적인 면에서는 목적유전자 사이트간에 회귀분석적 분석방법과 위치의 규칙성 분석방법간에 결과를 비교분석 한 결과 비슷한 결과를 보였다.
Ponomarenko박사팀은 rSNP_Guide (http://wwwmgs.bionet.nsc.ru/mgs/systems/rsnp)라고 부르는 SNP 탐색 프로그램을 개발하였다. 특징으로는 유전병을 유발하는 돌연변이를 조절유전자가 있는 염기서열에서 찾는다. 둘째로는 위에서 쌓인 정보를 알려지지 않은 단백질과 연관을 지었다. 세 번째로는 가능한 모든 단백질구조를 비교 검색함으로써 이 중 SNP에 의한 유전병 발병 원인의 단백질을 찾아낸다. 넷째로는 이처럼 찾아진 단백질 구조에서 어느 DNA 사이트가 유전병과 관련된 SNP임을 찾는다. 마지막으로는 이렇게 찾아진 결과의 신뢰도를 측정한다. 이렇게 rSNP_Guide는 이미 알려진 SNP에 의한 유전병을 검색 진단하는데 성공하였다. 아울러 지금까지 알려지지 않은 유전병에 관련된 SNP 발견에도 실험적으로 성공적이었다.
Knowledge-Based Systems 15 (2002) 225-233
www.elsevier.com/locate/knosys
출처: www.elsevier.com/locate/knosys
|
