초록 열기/닫기 버튼

본 논문에서는 질환과의 연관성이 높은 SNP를 선정하고 질환 예측율 향상을 위해 확률 모델인 시뮬레이티드 어닐링 기술과 의사결정트리를 이용하였다. SA의 문제점인 시간 복잡도를 해결하기 위하여 빠른 휴리스틱 알고리즘에서 제공하는 SNP 조합에서 시작하여, 새로운 SNP 조합을 만들기 위한 효율적인 변환 규칙을 적용하였다. 연구 결과 효율적인 SA를 이용했을 때 기존의 특징선택 알고리즘에서 제시하는 SNP 조합과 다른 더 향상된 예측율을 보이는 새로운 SNP 조합을 얻을 수 있었다.


We applied simulated annealing algorithm and decision tree to find SNP sets relevant to a disease and predict the disease risk. For time complexity problem of SA, we construct an initial SNP set by fast heuristic algorithm and applied efficient transition rules to obtain new SNP sets. The experiment results show that we can obtain new SNP sets with the improved prediction performance compared to others by traditional feature selection algorithms.