Full metadata record
| DC Field | Value | Language |
|---|---|---|
| dc.contributor.advisor | Kim, Min Soo | - |
| dc.contributor.author | Jin, Su Hyoen | - |
| dc.date.accessioned | 2017-05-10T08:54:09Z | - |
| dc.date.available | 2017-01-18T00:00:00Z | - |
| dc.date.issued | 2017 | - |
| dc.identifier.uri | http://dgist.dcollection.net/jsp/common/DcLoOrgPer.jsp?sItemId=000002329752 | en_US |
| dc.identifier.uri | http://hdl.handle.net/20.500.11750/1524 | - |
| dc.description.abstract | Data modeling is important to understand and obtain the information from the data. Diverse designs can be developed for finding hidden information. Existing research in proteomics is limited in data modeling since only analysis of Protein–protein interaction (PPI) network is usually conducted. Here, we present a new approach for finding rules and bases to understand mechanisms of protein function. We build the multilayer network for integrating bottom-up proteomics data which is named TLP network. TLP network contains diverse biological information including the peptide expression data, and PTMs as well as Protein–protein interactions (PPIs). TLP network is expected to answer a wide range of questions in proteomics research area. ⓒ 2017 DGIST |
- |
| dc.description.tableofcontents | 1. Modification 1 -- 1.1 Difficulty to identify the Differentially Expressed Proteins 1 -- 1.2 Data integration to find rules from big data 2 -- 2. Introduction 4 -- 2.1 Bioinformatics 4 -- 2.2 Proteomics 4 -- 2.3 Post-translational modification (PTM) 5 -- 2.4 Bottom-up proteomics 6 -- 2.5 Peptide identification 7 -- 2.6 Quantitative proteomics 9 -- 2.7 Proteomics data repositories 11 -- 2.8 Network analysis 12 -- 3. Three Layer proteomics (TLP) network 13 -- 3.1 Data collection 13 -- 3.2 Process of peptide identification 14 -- 3.3 Process of peptide quantification 16 -- 3.4 Network architecture 18 -- 3.5 Example of graph construction proces 25 -- 3.6 Network size 28 -- 4. Analysis of TLP network 31 -- 5. Conclusion 35 -- REFERENCE 36 |
- |
| dc.format.extent | 39 | - |
| dc.language | eng | - |
| dc.publisher | DGIST | - |
| dc.subject | Bioinformatics | - |
| dc.subject | Proteomics | - |
| dc.subject | Multilayer network | - |
| dc.title | A multilayer networks analysis for mining quantification rules from big proteomics data | - |
| dc.title.alternative | 빅 데이터에 기반하여 단백질체학 데이터에서의 수량화 규칙을 찾기 위한 다층 네트워크 구축과 분석 | - |
| dc.type | Thesis | - |
| dc.identifier.doi | 10.22677/thesis.2329752 | - |
| dc.description.alternativeAbstract | 데이터를 어떻게 모델링 하느냐는 데이터를 이해하고 그 안의 정보를 찾아내고자 할 때 중요한 역할을 한다. 그리고 내재된 정보를 찾아내기 위해서는 다양한 디자인이 가능하다. 현재 단백질체학의 연구들은 주로 단백질-단백질 상호작용에 관한 네트워크만에 관심을 가지며 데이터 모델링 측면에서 한계를 보이고 있다. 이 논문에서 우리는 단백질의 기능 메커니즘을 이해하기 위한 새로운 접근법을 제안하고자 한다. 우리는 TLP 네트워크라고 명명된 단백질체학 데이터를 통합하기 위한 다층 네트워크를 만들었다. TLP 네트워크는 단백질-단백질 상호작용 뿐아니라 펩타이드 발현, 단백질 변형을 포함하는 다양한 생물학 정보를 담고 있다. 새로운 데이터 모델인 TLP 네트워크를 통하여 단백질체학에서의 여러가지 중요한 질문들에 대한 답을 찾을 수 있을 것으로 예상된다. ⓒ 2017 DGIST |
- |
| dc.description.degree | Master | - |
| dc.contributor.department | Information and Communication Engineering | - |
| dc.contributor.coadvisor | Hwang, Dae Hee | - |
| dc.date.awarded | 2017. 2 | - |
| dc.publisher.location | Daegu | - |
| dc.description.database | dCollection | - |
| dc.date.accepted | 2017-01-18 | - |
| dc.contributor.alternativeDepartment | 대학원 정보통신융합공학전공 | - |
| dc.contributor.affiliatedAuthor | Jin, Su Hyoen | - |
| dc.contributor.affiliatedAuthor | Kim, Min Soo | - |
| dc.contributor.affiliatedAuthor | Hwang, Dae Hee | - |
| dc.contributor.alternativeName | 진수현 | - |
| dc.contributor.alternativeName | 김민수 | - |
| dc.contributor.alternativeName | 황대희 | - |
- Files in This Item:
-
기타 데이터 / 3.31 MB / Adobe PDF
download
- Appears in Collections:
- Department of Electrical Engineering and Computer Science Theses Master
Items in Repository are protected by copyright, with all rights reserved, unless otherwise indicated.