| 초록 |
1. 분석자 서문 2000년대 후반 및 2010년대 초반, 음성 인식과 이미지 인식에서 획기적인 성능을 보인 이후, 이제 딥러닝은 데이터 학습 및 분석과 관련된 대부분의 분야에서 적용되어 괄목할 만한 성과를 보여주고 있다. 이러한 추세는 생물정보학 및 계산생물학 분야도 마찬가지이며, 최근 3~4년간 여러 형태의 딥러닝 모델을 이용하여 유전체 시퀀스 예측, 바이오헬스 이미지 분류, 질병 진단 등 다양한 문제에 적용되어 우수한 성능을 보이고 있다. 본 논문은 계산생물학에서의 기계학습 기법 활용을 위한 프레임워크과 딥러닝을 실제 계산생물학 태스크에 어떻게 적용할 수 있는지 그리고 여러 하이퍼파라미터와 최적화 기법들이 어떠한 의미를 갖는지에 대해 구체적이고 알기 쉽게 잘 정리되어 있다. 개인적으로 기계학습 기반, 특히 딥러닝 기반의 계산생물학 문제를 해결하고자 하는 연구자에게는 많은 도움이 될 수 있는 논문이라 여겨진다[1]. 2. 목차 1. 서론 2. 조절유전체학을 위한 딥러닝 2.1. 조절유전체학에서 초기 신경망 응용 2.2. convolution 설계 2.3. 복수 특징의 동시 예측 방법 및 확장 기법 3. 생물 이미지 분석을 위한 딥러닝 3.1. 픽셀 수준 이미지 분류 응용 3.2. 전체 세포, 세포 군집 및 조직 분석 3.3. 학습 모델 재활용 3.4. CNN의 해석 및 시각화 4. 딥러닝 도구 및 실제 고려 사항 4.1. 데이터 준비 4.2. 모델 설계 4.3. 모델학습 4.4. Overfitting 회피 5. 결론 References 3. 원문정보 Christof Angermueller, Tanel Parnamaa, Leopold Parts, Oliver Stegle/Deep learning for computational biology / Mol Syst Biol. 12(7):878/29 July 2016 ※ 이 자료의 분석은 서울대학교의 김수진님께서 수고해주셨습니다. |
