문화가 아름다운 회사 Insilicogen의 CultureDay!
Insilicogen의 직원님들과 함께 동료애와 친목을 돈독히 할 수 있는 CultureDay를 소개합니다.

1월, 3월, 5월, 7월, 9월, 11월 넷째주 수요일 저녁에 핫이슈 영화를 다 같이 관람하는 날입니다.
물론 맛있는 저녁식사와 함께~
일주일 전, 이슈영화를 꼼꼼히 골라서 여러분들의 의견을 모아 영화를 선정합니다.
CultureDay영화가 공지되면 참석여부를 결정하고 참석희망자를 체크하여
서둘러 좋은 자리로 예매 완료!
넷째주 수요일 저녁이 되면 모두 모여서 맛있는 저녁식사를 하고 흥미진진한 영화도 관람합니다. CultureDay! 너무 매력적이지 않나요?

그럼 지금부터 지난 7월 CultureDay이야기를 담아보겠습니다.

7월에는 기대되는 개봉 영화가 많이 있었습니다.
파괴된사나이, 이끼, 마음이, 인셉션 등등..
영화를 선정하기가 고민스러웠지만 지금까지도 HOT한 영화가 있습니다.
참석희망자분들의 만장일치로 선정된 인셉션!

생각을 훔쳐라 VS. 생각을 지켜라

드림머신이라는 기계로 타인의 꿈과 접속해 생각을 빼낼 수 있는 미래사회. ‘돔 코브’(레오나르도 디카프리오)는 생각을 지키는 특수보안요원이면서 또한 최고의 실력으로 생각을 훔치는 도둑이다. 우연한 사고로 국제적인 수배자가 된 그는 기업간의 전쟁 덕에 모든 것을 되찾을 수 있는 기회를 얻게 된다. 하지만 임무는 머릿속의 정보를 훔쳐내는 것이 아니라, 반대로 머릿속에 정보를 입력시켜야 하는 것! 그는 ‘인셉션’이라 불리는 이 작전을 성공시키기 위해 최강의 팀을 조직한다. 불가능에 가까운 게임, 하지만 반드시 이겨야만 한다!

말 그대로 신비한 꿈의 세계 내용입니다. 생각을 훔칠 수 있는 거대한 전쟁.
인셉션은 드림머신이라는 기계로 타인의 꿈과 접속해 생각을 빼낼 수 있는 미래사회 이야기로 내용은 조금 복잡하고 어렵지만 중간 중간 이해가지 않는 내용이 있어도 집중해서 보면 아주 흥미진진합니다.


의뢰인의 요청에 구성된 팀은 본격적인 작전에 돌입. 의뢰인이 요청한 어느 대기업의 후계자의 기억에 침투하는 작전을 시작합니다. 꿈속에서는 ‘킥’을 통해 현실 세계로 돌아올 수 있는데 여기서 킥이란 높은 곳에서 아래로 떨어지거나 꿈속에서의 죽음 또는 강한 충격을 의미합니다. 이번 꿈은 꿈속의, 꿈속의, 꿈속의, 꿈속의, 꿈속에서의 작전. 영화 후반부에서는 약물로 인해 킥이 제대로 작용하지 않아 위험한 일을 초래하게 됩니다.



작전의 성공여부가 확연히 드러나지 않은 상태에서 처음 작전을 시작하게 된 기내로 돌아와 각각의 멤버는 알 수 없는 표정을 지었고, 현상수배범이었던 침입자는 유유히 미국에 입국하여 그토록 간절히 보고 싶어 하는 아이들을 만납니다. 본인 자신도 아직 꿈인지 현실인지 알 수 없는 마지막 결말부에서 그 답을 알려주는 열쇠 ‘토템’을 돌리고 아이들과 만날 수 있게 됩니다.


토템은 멈추면 현실, 멈추지 않으면 꿈이라는 것을 증명하는데 토템이 위태롭게 흔들리며 끝내 멈추지는 않은 채 영화는 막을 내립니다.



토템은 멈출까요? 계속 돌까요?


가장 성공적인 영화는 엔딩크레딧이 올라간 뒤에도 관객들로 하여금 끊임없이 얘기하게 만드는 영화라고 하는데 그런 점에서 크리스토퍼 놀란 감독은 완벽하게 성공한 것 같습니다.

꿈일까, 현실일까.

열린 결말의 기대 이상, 상상 이상의 작품.

사장님의 적극적인 지원으로 정말 즐겁고 행복했던 CultureDay!
직원을 위한 배려에 감사함을 느끼면서 우리의 인연을 더욱 소중히 하는 계기가 되었습니다.

다음 CultureDay를 기대해보며... ^^

추가로 디자이너들 입장에서 그린 인셉션 포스터를 소개합니다~ 즐거운 눈으로 감상해주세요!


출처:http://www.mymodernmet.com/profiles/blogs/10-fantastic-inception

by Descign team designer 찌:야♥


Posted by Quipu

2010/08/27 16:03 2010/08/27 16:03
, , , , , ,
Response
No Trackback , 2 Comments
RSS :
http://insilicogen.com/blog/rss/response/80

Posted by Quipu

2010/08/26 17:55 2010/08/26 17:55

대한환경위해성보건과학회 워크샵과 함께한 단합대회


 지난 7월 2일~3일, (주)인실리코젠 임직원 모두는 대전 신협 중앙연수원에서 열린 차세대환경보건 및 첨단 위해성 교육프로그램 - 과학자의 열정과 미래 2010에 다녀왔습니다. 본사가 있는 수원에서 대전까지 폭우가 내리는 궂은 날씨 속에 짧지 않은 거리를 이동하여 대전에 도착하였습니다. 학회 일정은 대전 현충원에 잠들어 있는 천안함(天安艦) 용사와 故 한 주호 준위 묘소 참배로 시작되었습니다.

사용자 삽입 이미지
오전에는 성원간 단합을 다지고 협동심을 기르기 위한 체육활동이 있었습니다. 비가 많이 내리는 날씨에도 불구하고 (주)인실리코젠 임직원 모두는 함께 뛰고 함께 즐기고 서로 격려하면서 축구 경기를 하였습니다. 점심식사 후에는 Summer Brain Storm : 과학자의 열정과 미래 - 2010라는 주제로 세미나가 진행되었습니다. 연사들의 말 한 마디 한 마디가 깊은 감동으로 다가왔고 과학자의 열정과 미래라는 주제는 앞으로의 인실리코젠의 미래에 대해 생각해 볼 수 있는 뜻깊은 시간이었습니다.

사용자 삽입 이미지
학회 일정을 마치고 숙소로 돌아온 우리는 잠깐의 휴식을 취하고 각 조별로 준비한 독서경영토론 페차쿠차 발표를 진행하였습니다. 폐차쿠차 발표는 작년 워크샵 이후 두번째 갖는 시간으로 8장의 슬라이드를 20초씩 발표하는 발표 형식입니다. 이번 발표의 주제는 경영의 마음가짐이었습니다. 그동안 경영의 마음가짐이라는 책을 읽고 책의 내용을 모두 이해한 뒤 각자 자기 조만의 경영 모토를 생각해보고 발표하는 시간이었습니다.

사용자 삽입 이미지

파워포인트만을 이용해서 발표자료를 만들었던 작년 워크샵 때와는 달리 파워포인트를 비롯하여 Keynotes Prezi와 같은 다양한 프로그램을 사용해서 만들어 발표자료가 한 층 업그레이드 되었습니다. 이번 독서경영 페차쿠차 발표를 통해서는 한 사람의 꿈은 꿈으로 남지만 만인의 꿈은 현실이 된다는 우리 회사의 경영이념을 공유하고 사람 중심의 기업이라는 비전을 되새기며 꿈에 한 발 다가서는 2010년이 되기를 기원하는 소중한 시간을 가졌습니다.

각 조별 발표와 시상 후에는 성원 간 친교의 시간을 가졌습니다. 2일 간의 짧은 일정이었지만 반복적인 일상에서 벗어나 우리 모두가 한 마음 한 뜻이 되는 시간이었고, 다시 한 번 사람이 좋은 회사, 문화가 아름다운 회사라 는 것을 느낄 수 있는 시간이었습니다.

사용자 삽입 이미지
이번 워크샵은 한 해의 절반이 지나간 지금, 처음에 세웠던 목표와 다짐들을 기억하며 내년을 준비하는 계기가 되었습니다. 열정을 가진 유능한 인재들과 탄탄하게 다져진 팀워크로 공유와 소통을 통한 새로운 가치사슬을 창조하는 (주)인실리코젠이 되겠습니다.






Posted by Quipu

2010/07/09 09:50 2010/07/09 09:50


연재 순서

 1. PathwayStudio 소개
 2. 문헌정보를 활용한 유전자 네트워크 분석
 3. Chip 실험 데이터에서의 유전자 네트워크 분석
 4. Drug 발굴을 위한 지식 데이터베이스 ChemEffect


약물 작용과 효과의 profiling을 위한 ChemEffect Database


 현재 지구상에는 약 800만 종의 화학물질이 존재하고 그 중에서 8만여 종이 상업적으로 생산, 판매되고 있다고 한다. 우리나라에서 사용되는 화학물질의 종류는 약 1만여종으로 매년 증가하고 있다. 이러한 화학물질 가운데 사람의 유전자에 영향을 미치는지 파악하기 위해서는 DNA chip실험을 통한 분석 및 다른 다양한 실험을 통해서 판별이 가능하다.

 약제로 개발되는 화학물질의 경우 인체에 부작용을 일으키는지 여부는 실험을 거치지 않고서는 판별할 수 없다. 최근 들어, 독성유전학이라는 분야가 새로운 연구로 각광을 받고 있으며, 산업 현장 및 일상생활속에서 접하고 있는 중금속이 인체의 유전자에 미치는 영향을 파악하고자 하고 있다.

 AriadneGenomics사 에서는 이러한 화학물질의 특성 및 유전자에 영향을 미치는 지 여부 등을 기존의 논문 정보와 실험 정보등을 통해서 “ChemEffect” 라는 데이터베이스를 구축하여 서비스를 제공하고 있다.

 ChemEffect 데이터베이스는 화학물질인 small molecular가 gene과의 연관관계 및 cellular processes에서의 역할들에 대한 다양한 정보를 담고 있다. 이 정보는 약물의 화학물질에 대해서 독성과 compound 타입에 의한 부작용을 프로파일링 하거나 효소정보를 찾을 때, 독성과 약물 메커니즘 사이의 관계를 결정 지을 때 그리고 대체 물질을 찾을 때 많은 도움이 된다.

사용자 삽입 이미지
그림 1. ChemEffect 데이터베이스의 Small molecule과 protein의 다양한 관계 정보.

ChemEffect 데이터베이스를 이용하면 아래와 같은 문제들을 빠르게 해결할 수 있다.

  • 후보 약물과 관련된 pathway와 연결되어있는 질병을 확인할 때,
  • Target pathway 또는 Target protein에 영향을 미치는 compound를 발견하고자 할 때,
  • Compound에 의해 영향을 받는 Target protein을 찾을 때,
  • Compound와 관련 있는 부작용에 대한 연구를 할 때,
  • 약효, 독성, drug-drug 작용과 같은 잠재적인 결과와 compound 사이의 관계를 설계 할 때,

ChemEffect 데이터베이스의 구성


 ChemEffect는 NLP(Natural Language Processing) 기술을 응용하여 과학문헌 정보에서생물학적인 정보를 추출하는 MedScan과 추출된 정보를 이용하여 다양한 정보들 간의 네트워크를 그래픽적으로 표현할 수 있는 PathwayStudio로 구성되어 있다.

사용자 삽입 이미지
그림 2. ChemEffect 데이터베이스 Component 구성. MedScan을 이용하여 Text 정보를 추출하고 추출된 데이터는 ChemEffect 데이터베이스에 저장된다. 이후 데이터베이스의 데이터들을 활용하여 PathwayStudio에서 는 데이터들 사이의 관계를 그래픽으로 표현하여 하나의 메커니즘으로 생성된다.


ChemEffect 데이터의 구성


 ChemEffect의 데이터는 앞서 말한 것과 같이 MedScan의 텍스트-마이닝 기법을 이용하여 추출된다. Pathway Studio의 기본 데이터베이스인 ResNet Mammalian 데이터베이스와 결합된 ChemEffect에는 NCBI PubMed에 투고된 논문 정보로부터 추출된 Entity, Relations 정보 이외에도 기존에 알려져 있는 Pathway, Ontologies, Annotation 정보들도 함께 포함하고 있어 보다 다양한 정보를 얻을 수 있다.

사용자 삽입 이미지
Table 1. ChemEffect 데이터 구성 표(2.0 version).



ChemEffect 데이터베이스를 활용한 Workflow


 ChemEffect 데이터베이스를 활용해서 1차적으로 보고자 하는 drug 또는 small molecule에 대해 지식 기반의 프로파일링을 수행 할 수 있다. 예를 들어 Sorafenib라는 Small molecule의 1차 검색을 통해서 이 small molecule과 관련 있는(Metabolized by, Directly Inhibits, DownRegulates, UpRegulates) 단백질 정보와 Sorafenib에 의해 Inhibit되고 Activate하는 cell processes에는 어떤 것들이 있는지 프로파일링 정보를 얻을 수 있다. 모든 정보에 대해서는 이를 뒷받침하는 문헌 정보와 링크가 되어 있어 바로 확인이 가능하므로 분석된 데이터에 대한 신뢰성이 상당히 높다고 할 수 있다.

사용자 삽입 이미지
그림 3. Small molecule(Sorafenib)에 대한 knowledge profile 정보.


 더 나아가서는 Drug Discovery를 할 때 다양한 Application에서 ChemEffect 데이터베이스를 사용할 수 있다. In silico 단계에서 Target을 validation 할 때, In vitro 단계의 Lead Optimization, In vivo 단계에서의 Candidate Nomination/Preclinical 이 세 가지 모든 과정을 통합하고 해석하고 마지막으로 최종 결정에 이르기까지 유용하게 응용 될 수 있다.

사용자 삽입 이미지
그림 4. Drug discovery의 세 단계 Application. 각 단계를 통합, 해석, 결정하는 데 있어서 다양한 Application에 ChemEffect 데이터베이스를 사용하여 Drug discovery를 할 수 있다.

Posted by Quipu

2010/06/28 17:39 2010/06/28 17:39


연재 순서

 1. PathwayStudio 소개
 2. 문헌정보를 활용한 유전자 네트워크 분석
 3. Chip 실험 데이터에서의 유전자 네트워크 분석
 4. Drug 발굴을 위한 지식 데이터베이스 ChemEffect


Chip 실험 데이터에서의 유전자 네트워크 분석


 DNA Chip 분석 실험을 통해 유전자의 발현 양상을 분석하는 연구가 이전부터 많이 진행되어 왔다. 특정한 조건하에서 발현을 보이는 유전자가 무엇인지 검토하고 이들 유전자에 대한 다양한 정보를 검토하는 것이 이전의 연구방향이었다. 그러나 Eukaryote유전체에서는 하나의 유전자가 다양한 역할을 수행하기도 하며, 반대로 여러 개의 유전자들이 서로 상호 연관관계를 맺어서 하나의 기능을 수행하기도 한다. 따라서, 이러한 유전자들의 상호 연관관계를 도출하고자 하는 연구가 최근들어서는 중요시되고 있다. 즉 차등발현을 보이는 여러 개의 유전자들을 upstream 단계에서 조절하고 있는 요소가 무엇인지, 또한 여러 개의 유전자들이 공통적으로 타겟을 정하고 있는 질병이나, 유전자들이 무엇인지를 밝히고자 한다. 이번 블로그에서는 PathwayStudio를 이용하여 Chip 실험 데이터에 대한 유전자 네트워크 분석 방법에 대해서 알아보고자 한다.

Data importer

 
 실험 데이터를 분석하기 위해 먼저 실험데이터를 Import 해야 한다. Pathway Studio는 실험 데이터를 매우 쉽게 입력 할 수 있도록 인터페이스가 구성되어 있다. 입력 할 수 있는 형식으로는 Gene expression, Metabolomics, Proteomics가 있다. 입력 할 수 있는 데이터의 포맷도 아래와 같이 다양하게 제공된다.

  • Tab-delemited text(Generic)
  • Microsoft Excel
  • GEO Datasets (GDS in SOFT format)
  • Affymetrix Raw (CEL)
  • Affymetrix CHP
  • Agilent
  • Illumina

 입력할 데이터의 포맷은 DNA Chip 실험 분석을 통해서 얻어진 정보들을 탭 분리형식으로 구성되어진 파일과 엑셀 형식으로 되어 있는 파일을 불러들일 수 있다. 또한 Affymetrix, Agilent, Illumina 사와 같은 기존에 가장 많이 분석에 이용되고 있는 상용화 DNA Chip 정보 포맷도 쉽게 불러들여 분석을 진행 할 수 있다. 탭 분리형식으로 데이터가 저장된 파일을 불러들여 분석을 할 경우 아래와 같이 모두 10가지 단계를 거치게 된다.

 실험 데이터의 형식, 파일 포맷, 그리고 입력할 파일과 최종 저장할 디렉토리를 선택하면 모두 10가지 단계의 입력과정을 거치게 된다. 첫 번째 단계에서 부터 순서대로 실험 데이터의 헤더 설정, 데이터가 시작되는 행의 지정, Probe identity를 표현하는 컬럼 지정, 샘플의 layout 설정, 데이터의 마지막 컬럼 지정, 부가적으로 사용될 annotation으로 컬럼 설정, 샘플 타입, 부가적으로 Probe를 식별하는데 사용하는 Identifier, expression 분석에 사용되는 annotation 컬럼을 선택한다. 마지막 열 번째 단계에서는 반복실험을 수행한 샘플들간의 상호 연관성을 볼 수 있는 sample correlation 단계로 샘플 간에 가까운 상관관계가 있는 것끼리 그룹으로 설정하여 Tree 형태로 보여준다. 여기에서 correlation이 잘못된 경우 분석에서 제외할 샘플을 선별 할 수 있다.

사용자 삽입 이미지
그림 1. Chip 실험 데이터 import step


Result and displays


 모든 입력 단계가 완료되면 아래와 같이 Pathway Studio에 실험데이터가 입력 된 것을 확인할 수 있다. 실험 데이터 뷰어는 크게 5가지 부분으로 나뉜다.

  1. 데이터를 분석하거나 편집할 때 많이 사용하는 기능을 모아 놓은 Toolbar
  2. Probe를 빠르게 검색하여 찾을 수 있는 검색창
  3. Probe ID 컬럼
  4. 발현 차이를 보기 위해 t-test 통계 수치가 계산된 컬럼
  5. 샘플 데이터
사용자 삽입 이미지
그림 2. 실험 데이터 Viewer 인터페이스


Data analysis algorithms


Pathway Studio에서 실험데이터를 분석하는 알고리즘은 크게 세 가지가 있다.

  • Fisher's Exact Test
  • Gene Set Enrichment Analysis
  • Sub-Network Enrichment

 Fisher's Exact Test와 Gene Set Enrichment Analysis는 Enrichment를 분석하는 서로 다른 알고리즘이고 Sub-Network Enrichment는 ResNet에서 사용자가 직접 Gene Set을 설정해 주는 것으로 알려진 Gene Set을 사용하는 앞의 두 알고리즘과는 다르다.

 먼저 Fisher's Exact Test를 수행하기 전에 통계적으로 유의한 유전자 리스트를 확인하기 위해 필터링 과정을 거친다. Toolbar에서 Filter Probes by value를 클릭하면 대화창이 나타난다. 필터링을 적용하고자 하는 샘플을 선택하고 Probe 범위와 P-value cutoff 값을 입력하여 필터링을 수행 한다. 이제 Filter를 통해 나온 데이터들을 이용해서 Fisher's Exact Test를 수행한다. 분석하고자 하는 데이터 컬럼에서 마우스 오른쪽을 눌러 Find Pathway/Groups Enriched with Selected Entities를 선택한다. 대화창이 나타나는데 여기에서 실험 데이터를 대상으로 Fisher's Exact Test를 수행 할 Ontology나 Pathway를 선택한다.

사용자 삽입 이미지

그림 3. Fisher's Exact Test 분석 1) Filter Probes by value 2) Find Pathway/Groups Enriched with Selected Entities

 분석이 완료되면 하단에 P-value를 기준으로 정렬된 분석 결과가 테이블 형태로 나타난다. 결과 테이블에서는 분석할 때 선택한 샘플 유전자들이 어떤 Pathway나 Group에 가장 가깝게 해당되는지 알 수 있다. 아래의 결과 테이블을 예로 들어보면 Fisher's Exact Test를 할 때 선택해준 샘플 데이터가 결과 테이블 첫 번째 행에 있는 ECM degradation 즉, ECM 단백질의 분해에 관여하는 Group에 속한다는 것을 알 수 있다. ECM degradation group에는 14개의 Entity가 있는데 그 중에서 선택한 샘플 데이터와 중복이 되는 것은 3개이고 구체적으로 어떤 유전자가 중복이 되는지 리스트도 함께 보여준다.

사용자 삽입 이미지
그림 4. Fisher's Exact Test 분석 결과 테이블

결과 테이블에서 보고자 하는 Pathway를 오픈하면 Graph view에서 볼 수 있다. 이 Pathway에 있는 Entity들이 입력한 실험 데이터에 있는 유전자들 중에서도 발현이 되고 있는지 보고자 한다면 실험 데이터 viewer의 Toolbar에서 Link 버튼을 이용한다. 발현이 되고 있다면 Entity의 색이 변하는 것을 볼 수 있다.

사용자 삽입 이미지
그림 5. Fisher's Exact Test 분석 결과 Pathway 보기 Link 메뉴를 통해 분석결과 나온 Pathway와 실험 데이터의 유전자들이 서로 link 되어 있는지 확인할 수 있다.

 두 번째 알고리즘인 Gene Set enrichment 분석은 Fisher's Exact Test와 비슷한 분석이지만 실험 데이터에 서열화 방법을 적용하였다는 차이점이 있다. Gene Set enrichment 분석을 할 때에는 Filter를 적용하지 않고 분석을 시작한다. Enrichment 분석 할 알고리즘으로 2가지가 제공되는데 Mann-Whitley Utest와 Kolmogorov-Smirnov가 그것이다. 두 가지 모두 순위척도 자료를 위한 비모수 통계방법으로 두 모집단 사이에 유의한 차이가 있는지를 검정할 때 사용한다.

 Gene Set enrichment 분석도 마찬가지로 분석이 완료되면 그림 3과 같은 결과 테이블을 제공한다. 결과 테이블에서 Fisher's Exact Test와 다른점이 있다면 Median fold change 값을 제공한다는 것이다. 이 값을 통해 측정된 Entity 그룹에 대한 fold change 값의 분포를 알 수 있고, 결과 set에서 더 up regulated 되거나 더 down regulated 되는 그룹을 빠르게 확인 할 수 있도록 정보를 제공해 주고 있다.

 이렇게 분석 결과 나온 pathway는 여러 가지 pathway를 합쳐서 보거나, 공통된 것 또는 공통된 것을 제외한 나머지 부분만을 볼 수도 있다. 또한 실험데이터가 Time-course로 진행된 실험이라면 특정 Entity가 시간에 따라 어떻게 발현이 달라지는지 볼 수 있다. 보고자 하는 Entity를 하나 선택하고 마우스 오른쪽을 클릭하면 Show diagram이 있다. 이것을 클릭하면 그림에서 보는 것과 같이 Line plot 형태로 그려진 diagram이 생성된다. 다시 이 다이어그램을 클릭하고 마우스 오른쪽을 노르면 Show as Heat Map 메뉴가 있는데 이것은 Line plot 형태의 다이어그램을 Heat Map 형태로 바꾸어 볼 수 있는 역할을 한다.

사용자 삽입 이미지
그림 6. Visualizing time-course data on pathway

 Pathway Studio를 통해서 실험데이터 차등발현유전자를 선별하고 여러가지 통계분석을 통해 이 유전자들을 조절하는 상위조절인자를 분석하거나 차등발현유전자들이 공통적으로 작용하고 있는 질병, 세포내 프로세스 등을 알아볼 수 있었다. 앞선 연재에서 설명한 Pathway Studio의 ResNet DB 또는 문헌정보를 활용한 유전자 네트워크 정보와도 비교 분석하면서 데이터를 해석하면 좀 더 의미있는 결과가 도출될 것이다.

Posted by Quipu

2010/06/16 09:23 2010/06/16 09:23


블로그 이미지

Archives

Authors

  1. Quipu

Calendar

«   2010/09   »
      1 2 3 4
5 6 7 8 9 10 11
12 13 14 15 16 17 18
19 20 21 22 23 24 25
26 27 28 29 30    

Site Stats

Total hits:
16869
Today:
42
Yesterday:
41

« Previous : 1 : 2 : 3 : 4 : 5 : ... 16 : Next »