지난 11일, CLC bio사에서는 Drug discovery를 위한 새로운 솔루션을 릴리즈 하였습니다. 그 이름은 바로 "CLC Drug Discovery Workbench" 입니다. 기존의 Workbench들은 NGS를 비롯한 시퀀싱 데이터의 분석을 촛점으로하여 계속적으로 업그레이드가 되고 있지만, 이전 Molegro사의 합병을 통해 Molegro virtual docker라는 솔루션을 리뉴얼하여 새로운 타입의 Workbench로서 출시 하였습니다.

CLC Drug Discovery Workbench는 이름 그대로 새로운 약물 개발을 위한 스크리닝 도구로서 활용할 수 있습니다. 타겟 단백질과 리간드의 결합 모델을 분석함으로서 interaction 및 docking 분석을 수행하여 단백질의 3D 구조를 확인하고 기존 Workbench의 protein 서열 분석 툴도 포함되어 있어 binding되는 서열 구조도 함께 확인할 수 있다고 합니다.

그럼 CLC Drug Discovery Workbench로 어떻게 분석되는지 살펴 볼까요?













또한 CLC bio는 "CLC Cancer Research Workbench"라는 새로운 Workbench도 곧 출시할 예정입니다.



CLC Cancer Research Workbench는 암 연구에 포커싱된 informatics 솔루션으로 NGS를 기반으로 한 amplicon, exom, whole genome sequencing 데이터를 이용하여 체세포 돌연변이 및 유전적인 질환과 약물반응, 또는 새로운 oncogene 등을 분석할 수 있으며, 돌연변이 관련 reference database를 이용하여 직접 분석한 돌연변이 데이터들과 비교 분석이 가능하도록 설계되었습니다.



그리고 일반 생물학자들도 쉽게 분석할 수 있도록 GUI 형태의 인터페이스를 제공하므로 암과 관련한 모든 연구자분들이 보편적으로 사용할 수 있는 솔루션으로서 자리매김 할 수 있을 것이라 생각됩니다.

올 4월에 릴리즈 될 예정이니 많은 관심 부탁드리며, 구체적인 기능 등은 공식 릴리즈 후에 소식 전해드리도록 하겠습니다.

그 외 생물정보 소프트웨어에 대한 문의사항도 언제나 (주)인실리코젠 마케팅팀(marketing@insilicogen.com)으로 연락주십시오.

감사합니다.

Posted by 人Co

CLC bio사에서 지난 1월에 2013년도 NGS market survey 결과를 발표하였습니다.
NGS 시장 동향을 파악하는데 유용한 자료로 함께 공유하고자 소개해드립니다.
총 231명을 대상으로 NGS 시장조사를 실시한 결과입니다.

- Response rate: 미국이 23.4%로 가장 많은 비중을 차지하고 있습니다.
- Organization type : 2012년도와 비교한 결과 Academic organization은 7.5% 감소, Governmental은 37.5% 증가, Industry는 25.6% 증가하였습니다.


주로 여떤 연구를 수행하는가?
 

Primary application focus
- Basic research : 25.5% (가장 많은 비율을 차지)
- Microbial research : 18.6%
- Bioinformatics : 17.7%

응답자의 86%가 NGS 분석을 수행하고 있으며, 이는 2012년도(73%)보다 증가하였습니다.

2011년도(57%) -> 2012년도(73%) -> 2013년도(86%)

Illumina continues dominance


Illumina의 HiSeq 장비가 가장 많은 부분을 차지하고 있으며, Life Tech의 Ion Torrent PGM 장비가 작년 6위에서 3위로 상승하였습니다.


In-house NGS instruments


각 기관마다 NGS 장비를 얼마나 보유하고 있는지에 대한 통계치를 보여주고 있습니다. 기관의 27.9%가 NGS 장비를 더 구입할 계획을 가지고 있다고 합니다.


Preferred open source tool


UCSC Genome Browser가 여전히 1위를 차지하고 있으며, SAMtools 또한 많이 사용되고 있습니다. 대부분의 open source tool이 증가 추세를 보이고 있음을 확인할 수 있습니다.


Primary application focus


RNA-Seq Expression은 20.1%의 많은 증가율을 보이며 1위를 차지하였습니다.(작년은 whole genome sequencing) De novo sequencing은 작년에 비해 16.7% 증가하여 2위를 차지하였습니다.

해당 내용은 아래의 첨부파일을 통해 다시 보실 수 있습니다.

Annual_Survey_2013.pdf.pdf

작성자 : 브랜드마케팅실 Marketing팀
컨설턴트 송하나

Posted by 人Co

관련기사
고추 매운맛 유전자, 국내 연구진이 밝혀냈다 2014.01.22 티브이데일리
고추 유전체서열 국내 독자 기술로 완성 2014.01.21 정책브리핑
고추 유전체서열 국내 독자 기술로 완성 2014.01.20 아시아투데이
고추 표준 유전체 염기서열 국내 기술로 완성 2014.01.20 연합뉴스
좀 더 맵고 맛있는 고추 나온다 2014.01.20 동아사이언스

논문바로보기
http://www.nature.com/ng/journal/vaop/ncurrent/full/ng.2877.html

'고추' 하면 떠오르는 친근감은 비단 우리나라 뿐만이 아닐 것입니다. 고추는 세계적으로 사랑 받고 있고 영양학적인 가치 또한 우수하여 토마토, 감자와 함께 대표적인 작물 중 하나로 꼽히고 있습니다. 그러나 생물학자들에게는 대중적인 선호도 이외에 토마토, 감자와 함께 고추에서 밝히고자 하는 흥미로운 관심 거리가 있습니다. 서로 닮은 듯 아닌 듯 한 이들 세 작물은 모두 가지과 (Solanaceae)에 속하는 것으로 진화와 육종을 통해 얻어진 공통된 특성과 특이적인 특성을 각각 분자적으로 밝히기에 좋은 모델이 되기 때문인데요, 특히 토마토와 고추의 경우 흥미로운 연구거리가 가득합니다.
첫번째, 토마토의 경우 사과나 바나나와 같이 에틸렌 가스에 의해 후숙성이 촉진되는 climateric fruit 인 반면, 고추는 포도와 같이 후숙성이 촉진 되지 않는 non-climateric fruit으로 같은 가지과 작물로써 서로 비슷한 유전자 세트를 가지면서도 서로 다른 형태의 숙성과정을 거치게 되는 메카니즘은 무엇일까?
두번째, 토마토의 유전체는 약 900Mb정도인데 반해 고추는 약 3Gb에 달하는 거대한 유전체 사이즈를 갖는 이유는 무엇일까?
세번째, 고추의 대중적인 인기의 근간이 되는 매운맛 성분인 캡사이신의 생합성 경로는 어찌 될까? 이 런 모든 질문에 대한 해답이 최근 생물정보 컨설팅 전문기업인 (주)인실리코젠에서도 참여한 서울대 최도일 교수님 연구팀에서 Nature genetics 에 발표한 논문 Genome sequence of the hot pepper provides insights into the evolution of pungency in Capsicum species http://www.nature.com/ng/journal/vaop/ncurrent/full/ng.2877.html 에서 모두 해결되었습니다.


논문에 많은 내용들이 있지만 그 중 후숙성 과실인 토마토와 그렇지 않은 고추와의 과실 숙성 메카니즘의 차이를 보여주는 마지막 메인 figure를 살펴보면, ripening 관련 유전자는 두 종 모두에서 보존되어 있으나 그림에서 보여지는 것과 같이 mRNA상의 발현의 차이로 (group I) 표현형의 차이가 유발된 것으로 나타났습니다. 이 중 주요 유전자는 ethylene이 생성되는 과정에 수반되는 유전자들의 발현이 고추에서 모두 저하되어 ethylene 생성이 저하되고 그로 인해 ethylene에의해 repression되는 CCS(capsanthin-capsorubin synthase)의 발현이 tomato에 비해 월등히 높게 나타나고, 결국 pepper-specific carotenoids인 Capsanthin, capsorubin의 합성이 높아 tomato와는 다른 표현형을 나타냈습니다. 반면, tomato에서는 CCS와 ortholog 관계를 갖는 CYC-B(chromoplast-specific lycopene beta-cyclase) 유전자의 발현이 ripening 과정 동안 ethylene의 높은 합성으로 인해 억제됨을 나타냄으로써 그 메커니즘을 밝혔습니다.


Comparative fruit ripening


이 외에도 고추에 많은 비타민 함량의 메커니즘이라던가, 토마토와 고추의 과실이 물러지는 차이의 원인 메커니즘과 같은 유전체 전문가가 아니더라도 흥미를 가질 만한 많은 내용이 담겨 있습니다. 물론 유전체 전문가(?)의 입장에서도 소중한 정보가 가득합니다. 사실 제가 마지막 figure만을 소개한 이유는 이 하나의 figure를 위해 수행되어야 하는 genome assembly(유전체 서열 완성), gene structure분석(유전자의 서열 및 구조, 유전자 기능, 유전체내 전체 유전자 세트), gene family분석(ortholog, paralog분석) , genome expansion분석( repetitive sequence분석), gene expression 분석(transcription factor분석, RNAseq 분석, pathway 분석), genome variant 분석(SNP, indel 분석), phylogeny 분석과 같은 많은 분석이 수반되어야 하고, 이러한 정보는 supplementary information에서 제공하고 있는 table 54개, figure 49개에 고스란히 담겨져 있음을 알려드리고 싶어서 입니다. 이들 데이터는 마지막 figure와 같은 많은 생물학자들에게 실마리를 제공할 리소스 데이터로 제공이 될 것이기에 그 잠재력이 더욱 큽니다.

Gene structure분석 파이프라인



마지막으로 이번 연구의 가장 큰 성과라면, 순수 국내 연구진의 기술로 이뤄졌다는 점과 생물정보의 학문적 발전입니다. 식물의 유전체에는 유전자 영역 이외에 repeat 영역이 포유류나 균류, 미생물에 비해 매우 많이 존재하기 때문에 실제 유전체 서열을 완성하기에 매우 까다로운 조건을 갖고 있습니다. 단적으로 토마토, 감자의 경우 국제 컨소시엄을 통해 전세계 연구진의 협업에 의해 이뤄진 점만 보더라도 고추 유전체의 완성은 의미가 크다고 할 수 있습니다. 더욱이 유전체 크기가 토마토에 비해 3배이상 커지고 커진 대부분이 repetitive sequence에 해당하는 LTR retrotransposons 임을 감안하면 유전체 서열 어셈블리만 보더라도 많은 노력이 수반됐음을 알 수 있습니다. 실제, 오픈 소스 프로그램(SOAPdenovo, SSPACE, FLAKE)과 상용 프로그램(CLC Assmebly Cell; CLCbio사, 서울대, (주)인실리코젠의 공식 MOU를 통한 지원)이 모두 이용되었으며, 시퀀싱 또한 다양한 플랫폼/디자인으로 여러번의 수정과 시도를 반복하며 현재의 결과를 얻어냈습니다. 뿐만 아니라 유전자 구조 분석 또한 세계적인 수준의 분석이 진행되었으며 genome expansion, gene expression, 진화적론적인 phylogenetic 분석 모두 국내 연구진들의 몰입적인 연구를 수행한 결과라 할수 있습니다.
다시한번, 생물정보 컨설팅을 전문으로 하는 (주)인실리코젠의 입장으로 NGS라는 막강한 도구와 나날이 정신없이 발전하고 있는 생물정보학의 발전을 통해 보다 많은 좋은 소식이 있기를 기대해 봅니다.

Posted by 人Co

안녕하세요! 드디어 2013년이 지나고 2014년이 되었습니다. 벌써(?) 27번째 연말을 맞이하게 된 저는 입사 10개월차 파릇파릇한 신입사원 입니다. 매년 특별한 연말을 보내고 싶은 마음은 굴뚝같지만, 현실은 TV 앞에 앉아있는 저의 모습에 씁쓸해지곤 하는데요. 입사 후 처음으로 해를 넘기게 된 글쓴이에게 연말에 기억에 남는 일을 이야기 하라고 한다면 단연 얼마전에 있었던 (주)인실리코젠에서의 2013년 송년회라고 말 할 것입니다.

2013년이 4일 남은 12월 27일, 일 년 동안 열심히 일한 (주)인실리코젠 식구들이 송년회를 위해서 오전근무를 마치고 사장님의 말씀을 듣기 위해 본사로 모였습니다. 드디어 2014년에 10주년을 맞이하는 (주)인실리코젠, 한 해를 마무리하며 내년에는 더 훌륭한 人Co인이 되기로 결심합니다.

설레는 마음으로 송년회 행사를 위해 본사로 모인 人Co인

사장님 말씀

이번 송년회는 CultureDay도 같이 진행되어 영화 ‘변호인’을 보기 위해 추운 날씨에도 즐거운 마음으로 영화관으로 이동하였습니다. 영화 속 돼지국밥을 맛있게 먹는 ‘송변’(송강호)에게 너무 몰입한 나머지 급격하게 허기진 배를 붙잡고 본격적인 회식 장소로 이동했습니다.

회식자리에 빠지면 섭섭한 고기와 술

드디어 회식 장소에 도착했습니다. 불판에 고기가 슬슬 구워지고, 사장님의 건배사와 함께 본격적인 송년회가 시작되었습니다. 모두들 정말 행복한 표정이죠?



사장님의 건배요청으로 훈훈해진 분위기

송년회의 꽃(?)이라 할 수 있는 미모의 두 사회자입니다. 부끄럽지만 난생 첫 사회를 보게 된 글쓴이(좌)와 송하나 사원(우) 입니다. Descign팀에서 준비해주신 예쁜 머리띠와 요술봉까지 하고 나니 저희가 더 신나서 한동안 셀카 삼매경에 빠졌답니다.


첫 진행에 단단히 얼어있는 두 MC, 걸그룹 걸스데이 만큼의 미모는 아니지만 예쁘게 봐주세요~


셀카삼매경 중인 두 MC

이 날 송년회는 두 개의 코너로 진행 되었답니다. 첫 번째 순서는 좀 더 의미 있고 색다른 연말 행사를 위해 야심 차게 준비한 ‘Goodbye 2013 후원의 밤’ 입니다. 전직원이 기부한 물품을 경매하고, 발생한 수익을 기부하는 아주 훈훈한 코너입니다. 과연 어떤 경매 물품이 나왔을까요?

경매물품들 중 가장 경쟁이 치열했던 것이 바로 아래 그림입니다. 수 많은 경쟁자를 뚫고 신가희 박사님께서 이 멋진 그림의 주인이 되셨답니다. 그 밖에도 많은 물품들의 경매로 모든분들이 잠시 고기먹는것도 잊은채 집중해 주셨습니다. 낙찰 받은 물품을 그 자리에서 선물하는 훈훈한 분위기 까지... 송년의 밤이 깊어 갑니다.

최고가에 낙찰된 그림

경쟁이 치열했던 물품이 있었던 반면, 안타깝지만 그렇지 못한 경우도 있었으니...


짜잔~ 추억의 LP판이 경매에 나왔습니다. 하지만 낙찰자가 없었다는 속상한 후문이.....

원하는 상품을 차지하기 위한 긴장감이 느껴지는 경매 현장입니다. 각자의 번호표를 번쩍 들고 가장 높은 가격을 외치는 사람이 낙찰자가 될 수 있습니다.

사진만 봐도 뜨거운 열기가 느껴지는 인실리코젠 후원의밤!

경매진행을 위해 특별히 섭외된 능력자 MC 두 분이십니다. 환상의 콤비를 자랑하며 매끄럽고 흥미진진하게 경매를 진행 해주셨습니다. 내년 송년회도 부탁 드립니다!

다소곳한 자세로 경매진행 중인 두 흔남 MC,
황선수 사원(좌)과 유승일 사원(우)

후원의 밤에서 발생한 경매수익금은 UN산하기구인 UNICEF(국제연합아동기금) 한국위원회에 기부되었습니다. UNICEF는 1965년 노벨평화상을 수상한 단체로 가난한 국가의 굶주리는 어린이를 위해 긴급 구호, 영양, 예방 접종, 식수 문제 및 환경 개선, 기초 교육 등과 관련된 일을 하고 있습니다. 부디 도움이 되었으면 좋겠습니다!

후원의 밤 순서가 끝나고, 드디어 기다리고 기다리던 빙고게임 순서 입니다. 연차차감 없는 이틀 휴가를 차지하기 위해 글쓴이를 포함한 모든 분들이 열정적으로 게임에 참여했습니다. 무작위로 뽑은 이름이 하나씩 불리워질 때마다 함성과 탄성의 목소리가 절로 터져 나왔습니다.

무작위로 선택된 25명의人Co인의 이름으로 채워진 빙고판!
과연 행운의 주인공이 될 수 있을까요?

드디어 수많은 경쟁자를 뚫고 가장 먼저 빙고를 외친 3명의 주인공이 탄생했습니다. 2014년은 세 분의 해가 될 것 같습니다 :-)

빙고게임의 우승자 세 분의 기념촬영, 부럽습니다!

이것으로 人Co인들이 있기에 성황리에 마무리된 (주)인실리코젠의 송년회였습니다.
연말 특선 영화보다, 연말 시상식 보다 훨씬 특별하고 재미있었던 (주)인실리코젠의 송년회! 내년에도 기대해 봅니다. 올 한 해 원하는 모든 일들이 이루어 지기를 바라며, 한 해 동안 人Co인들의 열정과 체력에 박수를 보냅니다.

작성자 : Data Science Center 김지예

Posted by 人Co

지난 4월, Computational and structural biotechnology 저널에서 Pathway Studio 9.0 외 다양한 생물학적 툴(DAVID, IPA등)을 이용한 파킨슨병 네트워크 뷰가 발표되었습니다[1]. 대표적인 노인성 질환인 파킨슨병은 뇌의 유전적 요인과 환경적인 요인의 상호작용을 인해 발병된다는 가설이 보편적입니다. 그리고, 파킨슨병은 치매 다음으로 흔해서 100명당 1~2명 꼴로 발생하고, 조기 진단이 매우 중요하다고 합니다.

연구팀은 파킨슨병에 관한 네트워크 뷰가 대표적인 신경퇴행성 질환인 치매 (Alzheimer)나 헌팅턴 무도병 (Huntingtun)과 같은 질병등에 광범위한 유전적 네트워크를 형성하는 기반이 될 수 있을 것이라고 발표하였습니다. 또한 분석을 통해 선별된 유전자들이 대표적인 신경퇴행성 질환의 공통적인 메카니즘과 관련이 있음을 확인하였습니다. 따라서 향후 이러한 네트워크 분석을 기반으로 하여 연구가 진행된다면, 파킨슨병과 같은 복잡한 신경 퇴행성 질환을 치료하기 위한 새로운 타겟이 될 수 있을 것이라고 발표하였습니다. 다만, 이러한 네트워크 뷰가 한정적이며, 부분적이어서 신경 퇴행성 질환과 같은 매우 복잡한 생물학적 pathway를 설명하기에는 부족하고, 또한 빙산의 일각에 불가하다고도 덧붙였습니다.

실제로 복잡한 생물학적 경로를 가지고 있는 다양한 질병들의 원인과 치료방법에 관한 수많은 연구가 진행되고 있는 현 시점에서 기존의 공개 정보들을 모아 잘 구성된 분석 프레임(well-made in-silico framework)에 적용한다면, 질병 치료를 위한 자체적인 파이프라인을 구축할 수 있지 않을까 하는 기대로 짤막하게 리뷰 하고자 합니다.

우선 논문에서는 파킨슨병 네트워크 뷰를 형성하기 위해 아래와 같이 워크플로우를 제시하고 있습니다 (그림 1).


그림1.Study Workflow

• Step1. 유전자 발현 데이터 셋 확인 (Identify microarray gene expression datasets): NCBI GEO 데이터 셋에서 diseased/control 상태의 원하는 샘플의 유전자 발현 정보 수집 [2].
  

• Step2. 주요 DEGs 선별(Detection of significantly deferentially expressed genes): 데이터의 일관성을 위해서 동일한 방법으로 pre-preprocessing, normalizing, post-normalizing을 한 데이터를 선별하고, GEO데이터 셋에서 CEL 파일의 raw 데이터를 다운받아 R 프로그램으로 분석. 단, 선별된 모든 데이터들은 RMA(Robust Multi-array Average)[3], eBay(empirical Bayes)[39]통계 처리하여 주요 DEGs를 선별. (p-value<0.05)
  

• Step3. "Seed genes" 생성: 연구팀은 GEO에서 3개의 데이터 셋 (GSE8397 HG-U133A, GSE8397 HG-U133B, GSE20295 HG-U133A)를 선별하여 중복되는 SDEGs들을 제거하고 각 조직별, 그리고, 조직에 상관없이 diseased/control 대비 DEGs 간의 공통 SDEGs 선별. (267개 선별, p<0.01)

• Step4 . 파킨슨병과 관련된 새로운 유전자와 타겟 약물을 확인하기 위해 다양한 신경 퇴화질환 네트워크를 구축: PathwayStudio9.0 ResNet 9.0(2011.10.15 released) DB를 이용하여 신경퇴화 cell process와 관련된 direct interaction(DI), shortest-path(SP), common targets, 다양한 regulator를 분석하고, 분석된 정보로부터 신경퇴화 관련 유전자들과 선별된 267개 SDEGs 상관관계를 분석.

• Step5. GO 분석: DAVID, IPA를 이용해서 GO 분석: Pathway Studio의 Pathway enrichment analysis를 통해 파킨슨병 pathway 분석
  

• Step6. 기계론적 분석: DAVID 분석에서 얻어진 결과를 KEGG와 GO카테고리로 분석해서 공통으로 관련하고 있는 최종 46개의 유전자를 이용하여 질병 네트워크를 통합적으로 분석 [4].

선별된 유전자들 검증하기 위해서 워크 플로우를 통해 선별된 유전자들(267개)과 OMIM DB에 알려진 기존의 파킨슨병 주요 유전자 리스트를 비교한 결과, 누락된 몇몇 유전자들를 제외하고, 선별 유전자들이 기존 파킨슨병 주요 유전자들을 커버하고 있음을 확인하였습니다. 그리고, Pathway Studio외 DAVID, IPA 분석 등으로 최종적으로 46개의 유전자를 선택해서 파킨슨병 네트워크 뷰를 그렸습니다 (그림2).



그림 2. Parkinson's disease regulatory network (blue(17): the genes of potential interest, green(7): miRNA)


특별히 더 주목할 만한 사항은 이러한 분석을 통해 새롭게 17개의 유전자들이 파킨슨병과 관련된 주요 유전자임을 확인할 수 있었다는 것과 이 17개의 유전자들이 질병 메카니즘 조절에 주요 역할을 하는 가장 근접한 pathway에서 발견되었다는 것입니다. 더불어, 기존에 밝혀진 miRNA[5]외에 추가적으로 7개의 microRNA를 더 확인할 수 있었고, 새롭게 밝혀진 miRNA와 mRNA와의 상관관계도 네트워크를 통해 확인할 수 있었다는 것입니다. 그리고, 이렇게 확인된 17개의 유전자들이 파킨슨병 뇌조직 뿐만 아니라, 치매 (Alzheimer), 헌팅턴 무도병 (Huntingtun)의 signal pathway에도 관여하여 모든 신경 퇴행성 질환에 공통적인 메카니즘을 설명하는 근거를 제시하고 있다는 것입니다. 그리고, 결론적으로는 연구팀이 발표한 파킨슨병 네트워크 분석을 통해서 파킨슨병을 촉발하는 분자 메카니즘(신경보호, 질병유발 등)에 관여하는 3개의 유전자(CX3CL1, SEMA6D, ILI2B)를 찾았으며, 최종 선별된 3개의 유전자가 관여하고 있는 신경보호, 질병 유발과 같은 분자 메카니즘의 향후 연구가 새로운 질병 치료를 위한 타겟이 될 수 있다고 제안하였습니다.

물론 이러한 in silico 상의 결론들은 많은 검증 절차가 필요하기 때문에 우리가 추구하는 최상의 결과를 제공하진 않지만, 이러한 분석적 시도는 다른 질병치료를 위한 연구에 적용할 만한 충분한 가치를 가진 듯 하였습니다. 그리고, 블로그 제목처럼 오믹스 정보들과 in silico 테스트가 질병 치료를 위한 해답에 점점 가까워지게 하는 것 같아 보이기 합니다. 빅데이터 시대에 수많은 불치병과 난치병이 이렇게 치료 방법을 찾아 가고 있지 않을까하고.....

모두가 그렇진 않지만, 저를 비롯한 많은 생물학자들은 각자가 가지고 있는 나무들을 모아 숲이 우거지길 기대하며 연구에 주력하는 듯합니다. 그러나, 포스팅한 논문과 같이 먼저 숲이 얼마나 우거져 있는지를 확인하고, 분류한 후, 가장 실한 나무를 찾는 연습과 훈련을 반복해서 더 효율적인 연구 결과를 얻는데 더 많이 주력해야 할 것 같습니다. 그리고, 그 중심에 생물정보가 있는 게 아닌가 하고 이 글을 쓰며 새삼 다시 생각하게 됩니다.

참고문헌

[1] Sreedevi Chandrasekaran a, Danail Bonchev, (2013) A Network View on Parkinson’s Disease, Computational and structural biotechnology J. 7(8)
[2] Groettrup B. Boeckmann M, Strephan C., Marcus K., Grinberg LT, Meyer HE, Park YM (2012) Translational protemics in neurodegenerative diseases-16th HUPO BPP workshop Sep. 5, 2011, Geneva, Switzerland. Proteomics 12: 356-358
[3] Irizarry RA, Hobbs B, Collin F, Beazer-Barclay YD, Antonellis KJ, et al (2003) Explorarion, normalization, and summaries of high density oligonucleotide array probe level data. Biostatistics (Oxford England) 4: 249-264
[4] Kanehisa M. Goto S(2000) KEGG:kyoto encyclopedia of genes and genomes. Nucleic acids research 28:27-30
[5] Mouradian MM (2012) MircoRNAs in Parkinson's disease. Neurobiology of disease 46: 279-284

Posted by 人Co