최근 확인한 콘텐츠
데이터가 존재하지 않습니다.
Hwang H.S.,An T.J.,Lee Y.J.,Lee E.S.,Lim H.B.,Lee J.H.
2021 / Korean Journal of Medicinal Crop Science
정혜리, 최준경, 이봉우, 이보미, 강윤주, 이정희, 김지은, 남문, 박영훈, 박민우, 박기림, 조성환
2020 / 한국육종학회지
데이터가 존재하지 않습니다.
loading...
본 연구는 GBS 기반 여교잡에서 회복률 계산의 정확도를 높이기 위해 염색체 도식화와 imputation 방법을 활용하였다. k-NN 알고리즘을 사용하여 결측 데이터를 보완하고, 저품질 SNP를 교정하여 다중 교배종에서 마커 선택 과정을 개선하였다. 토마토 BC1F1 및 BC2F1 집단을 대상으로 한 결과, 본 방법은 회복률 추정 정확도를 향상시키고 육종 프로그램에서 효율적인 개체 선발을 가능하게 한다.
Genetic mapping and marker assisted selection : basics, practice and benefits
Genetic mapping and marker assisted selection : basics, practice and benefits
Molecular marker systems in plant breeding and crop improvement
Association mapping in plants
Genomics protocols
The handbook of plant genome mapping : genetic and physical mapping
A statistical approach to genetic epidemiology : concepts and applications
Legumes and oilseed crops, I
Algorithms in bioinformatics : First International Workshop, WABI 2001, Aarhus, Denmark, August 28-31, 2001 proceedings
Handbook of statistical genetics
Principles of statistical genomics
Genomics of plant genetic resources.
Statistics in human genetics and molecular biology
Marker-assisted plant breeding : principles and practices
Pharmacogenomics : methods and applications
Oil crop genomics
Genetic mapping and DNA sequencing
Korean Journal of Agricultural Science
박기림; 장현아; 조성환; 박영훈; 오상근; 남문Journal of Crop Science and Biotechnology
Varnika Bhatia; Amit AlokJournal of Plant Biotechnology
정유진; 강권규; 김종희; 서훈교; 김명권; 노일섭한국육종학회지
김지은; 조성환; 이봉우; 김상미; 이보미; 이정희원예과학기술지
김동현, 정유진, 김종희, 김희경, 남기홍, 이효주, 김명권, 노일섭, 강권규Molecular Breeding
Jeong, Hyeon-Seok; Jang, Siyoung; Han, Koeun; Kwon, Jin-Kyung; Kang, Byoung-CheorlHorticulture Research
Tong H.,Nankar A.N.,Liu J.,Todorova V.,Ganeva D.,Grozeva S.,Tringovska I.,Pasev G.,Radeva-Ivanova V.,Gechev T.,Kostova D.,Nikoloski Z.Journal of Plant Biotechnology
Ill-Sup Nou; Yu Jin Jung; Myong-Kwon Kim; Jong Hee Kim; Kwon Kyoo Kang; Hoon Kyo SeoHorticultural Science and Technology
Ki Hong Nam; Dong Hyun Kim; Myong-Kwon Kim; Hyo Ju Lee; Yu Jin Jung; Kwon Kyoo Kang; Ill-Sup Nou; Jong Hee Kim; Hee Kyoung KimPlant Genome
Orchard C.J.,Cooperstone J.L.,Gas-Pascual E.,Andrade M.C.,Abud G.,Schwartz S.J.,Francis D.M.Journal of Crop Science and Biotechnology
Varnika Bhatia, Amit AlokMolecular Breeding
Guo Z.,Wang H.,Tao J.,Ren Y.,Xu C.,Wu K.,Zou C.,Zhang J.,Xu Y.Plant Journal
Chetelat R.T.,Qin X.,Tan M.,Burkart-Waco D.,Moritama Y.,Huo X.,Wills T.,Pertuzé R.Molecular Breeding: New Strategies in Plant Improvement
Nazzicari, Nelson; Biscarini, Filippo; Cozzi, Paolo; Brummer, E. Charles; Annicchiarico, PaoloProceedings of the Indian National Science Academy
Rajendran, A.; Bishnoi, P.; Ramlal, A.; Ranjan, S.; Noru, R.S.R.; Rajarajan, K.; Harika, A.; Jayasri, V.; Kala, S.; Raju, D.Euphytica
de Souza E.O.,Môro G.V.,Rodrigues G.B.,Schuster I.Molecular genetics and genomics : MGG
Nyouma A; Bell JM; Jacob F; Riou V; Manez A; Pomiès V; Domonhedo H; Arifiyanto D; Cochard B; Durand-Gasselin T; Cros DCritical Reviews in Plant Sciences
Tiwari J.K.,Yerasu S.R.,Rai N.,Singh D.P.,Singh A.K.,Karkute S.G.,Singh P.M.,Behera T.K.TAG. Theoretical and applied genetics. Theoretische und angewandte Genetik
Chen W; Chen H; Zheng T; Yu R; Terzaghi WB; Li Z; Deng XW; Xu J; He HHeredity
Ratcliffe B; El-Dien OG; Klápště J; Porth I; Chen C; Jaquish B; El-Kassaby YA전선 / 대학원
최근의 작물 품종 개발을 위하여 여러 종류의 DNA마커가 광범위하게 이용되고 있다. 본 강좌에서는 작물을 개량하기 위한 분자마커의 종류, 유전적 다양성 측정, 분자유전자지도 작성, 질적 및 양적 형질 유전자 분석, DNA 마커의 간접선발 이용, 여교잡에서의 DNA 마커의 이용, microarray 시스템을 이용한 분자 유전자지도 제작 및 품종 개발 이용 등에 대하여 이해를 도모하고자 하며, 실제적인 자료 분석을 통하여 종합적으로 DNA 마커를 이용한 작물의 품종 개발 기술 습득을 하는데 본 강좌의 목적이 있음.전선 / 대학원
계산이론은 컴퓨터공학의 기초학문이며, 중요한 문제에 대한 효율적인 알고리즘들을 소개하고, 그런 알고리즘의 복잡도 분석을 다룬다. 이 교과목에서는 먼저 알고리즘의 성능을 분석하는 기법, 특히 amortized analysis에 대해 배운다. 그리고, 계산이론 분야에서 중요한 알고리즘과 그 응용에 대해 배운다. 구체적으로, (스트링 매칭, 2차원 패턴 매칭, 근사 매칭, suffix trees, 데이터 압축 문제에 대한) 스트링 알고리즘과 bioinformatics에의 응용, (선택 문제, 다항식 확인 문제에 대한) randomized 알고리즘과 그 영향, (페이지 교체 문제, k 서버 문제에 대한) online 알고리즘과 금융문제(일방향 거래와 portfolio 선택 문제)에의 응용을 배운다.전선 / 대학원
분자 수준 (DNA, RNA, proteins, epigenome) 생물정보 데이터 분석에 사용된 기계학습 기법을 구체적 문제와 함께 학습하는 과목이다. 생물정보학에 거의 모든 기계학습 기법이 사용 되고 있는데, 본 과목에서 다루는 기법은 dynamic programming, ML, MAP, (generalized) hidden Markov model (HMM), Gibbs sampling, Dirichlet mixture, expectation maximization, (graph) convolutional neural network, (graph) embedding, (Baysian) autoencoder 등이다.전선 / 대학원
본 교과목은 데이터사이언스 대학원의 ABC(AI model/algorithm, Big data, Computing) 교육 과정 중 컴퓨팅(C) 분야 첫번째 강좌이다. 본 교과목의 전반부는 C++ 언어 프로그래밍과 C++ 기반 객체 지향 프로그래밍으로 이루어져 있다. (1) C++ 언어의 기초 문법, 클래스의 개념과 사용법, template과 중요한 라이브러리를 학습하고, (2) abstraction, inheritance, polymorphism 등 객체 지향 프로그래밍의 원리를 습득한 뒤, (3) 예제들을 통해 클래스 기반 객체 지향 프로그래밍을 C++ 언어를 사용하여 직접 구현 할 수 있도록 한다. 본 교과목의 후반부는 중급 자료 구조 및 알고리즘과 딥러닝 플랫폼으로 이루어져 있다. (1) 데이터사이언스를 위한 컴퓨팅의 기초 강좌에서 다루지 않은 자료구조 및 정렬 알고리즘 (Quick sort, Radix sort, heap sort), 트리 알고리즘, 그래프 알고리즘 (Dijkstra, Kruskal 등) 등을 습득하고, (2) 배운 자료 구조와 알고리즘들을 C++ 언어를 사용하여 직접 구현 할 수 있도록 한다. 또, (3) Pytorch, TensorFLow 등 널리 사용되는 딥러닝 플랫폼을 학습하고, 동일 학기 수강이 권장되는 머신러닝 및 딥러닝 1(ABC 과정 중 A 분야 첫번째 강좌)에서 배운 딥러닝의 기본 원리들을 직접 구현하고, 이에 더하여 상기 플랫폼을 통해 구현 할 수 있도록 한다.전선 / 대학원
분자 수준 (DNA, RNA, proteins, epigenome) 생물정보 데이터 분석에 사용된 기계학습 기법을 구체적 문제와 함께 학습하는 과목이다. 생물정보학에 거의 모든 기계학습 기법이 사용 되고 있는데, 본 과목에서 다루는 기법은 dynamic programming, ML, MAP, (generalized) hidden Markov model (HMM), Gibbs sampling, Dirichlet mixture, expectation maximization, (graph) convolutional neural network, (graph) embedding, (Baysian) autoencoder 등이다.전선 / 대학원
고급 확률 그래프 모형(PGM)은 많은 수의 변수가 상호작용하는 복잡한 도메인에 대한 확률 분포를 표현하는 효과적인 방법이다. 따라서 확률 그래프 모형은 의료진단, 이미지 및 음성인식, 스포츠통계, 생물정보학 등과 같은 다양한 분야에 적용되는 머신러닝 방법들의 핵심적인 역할을 한다. 이 강의는 방향성 그래프를 이용하는 베이지안 네트워크; 무방향성 그래프를 사용하는 마르코프 네트워크의 이론적 성질과 학습 방법 그리고 실제 적용 사례를 설명한다.공통 / 대학원
본 강좌는 대학원생을 위한 생명정보학 교과목으로 (1) 기본 통계 및 가설검증 방법(hypothesis testing, multiple testing correction, Bayesian 통계 등), (2) 다변량 통계 기반 데이터 시각화 및 회귀분석(주성분분석, 다변량 회귀분석, 주요 변수 추출 등), (3) 오믹스 데이터 기본 분석(데이터 전처리 및 정규화, 매핑, 발현/활성 차이 유전자/단백질 선별), (4) 타겟 분자 예측(마이크로RNA, 전사인자 타겟 예측 등), (5) 인공지능/기계학습 기법, (6) 생체네트워크 모델링 및 분석, (7) 바이오 데이터 리소스 및 활용(지놈브라우져, 유전자변이, 단백질 수식화, 유전자/단백질 발현양, 유전자-질환 관련성 등의 다양한 데이터베이스 및 활용) 등의 생물학 연구에 있어서 유용한 기본 데이터 분석 및 리소스 활용 방법들을 학습한다. 학습한 방법들을 적용할 수 있는 텀프로젝트 과제를 부여한다. 이 텀프로젝트에서는 각자 가지고 있는 생물학적 문제에 학습한 방법을 올바르게 적용했는가를 평가한다.전선 / 대학원
본 강좌는 대학원생을 위한 고급 계산생물학 교과목으로 (1) 데이터 전처리 및 정규화(RT-PCR/western blotting data normalization), (2) 기본 통계 및 가설검증 방법(hypothesis testing, multiple testing correction, Bayesian 통계 등), (3) 다변량 통계 기반 데이터 시각화 및 회귀분석(주성분분석, 다변량 회귀분석, 주요 변수 추출 등), (4) 오믹스 데이터 기본 분석(데이터 정규화, 매핑, 발현/활성 차이 유전자/단백질 선별), (5) 타겟 분자 예측(마이크로RNA, 전사인자 타겟 예측 등), (6) 다양한 바이오리소스 및 활용방법(지놈브라우져, 다양한 데이터베이스 및 활용, 생체네트워크 모델링 및 메커니즘 예측) 등의 생물학 연구에 있어서 유용한 기본 분석 및 리소스 활용 방법들을 학습한다. 학습한 방법들을 적용할 수 있는 텀프로젝트 과제를 부여한다. 이 텀프로젝트에서는 각자 가지고 있는 생물학적 문제에 학습한 방법을 올바르게 적용했는가를 평가한다.전선 / 대학원
본 스튜디오는 인공지능(AI)을 조경의 핵심 설계 도구로 활용하는 것을 목표로 하는 실습 중심의 스튜디오이다. 지난 2년간 진행한 세미나 주제인「조경과 AI」에서 다루었던 이론적 논의를 확장하여, 실제 설계 프로세스 속에서 AI의 잠재력과 한계를 탐구한다. 본 수업은 인간이 직관적으로 해결하기 어려웠던 형태적·공간적 문제를 인공지능을 통해 분석하고 생성하는 과정을 실험하며, 프롬프트 설계(Prompt Design)와 룰 베이스 설계(Rule-Based Design)와 같은 개념을 핵심 학습 주제로 다룬다. 수강생들은 2차원 이미지로부터 3차원 형상을 추출하고, 형태의 특징을 기반으로 기능과 프로그램을 부여하는 과정에서 다양한 AI 도구를 활용한다. 이를 통해 인공지능을 단순한 도구가 아닌 공동 설계자(co-designer)로 이해하며, 디지털 생성 기술을 통해 새로운 형태, 패턴, 그리고 공간 경험을 제안한다. 최종적으로 AI를 활용한 설계 프로토타입 혹은 실험적 디자인 아틀라스를 제작하여, 미래 조경·도시설계의 가능성을 탐구한다.전선 / 대학원
본 과정은 유전적 분석을 활용한 인과성 추론 및 공개자료 활용방법에 대해 다룹니다. 유전적 무작위 배정이란, 위험요인과 결과변수간 인과적 관련성을 유전 정보를 활용하여 평가하는 방법입니다. 대규모 전장 유전체 관련성 분석 결과가 이용 가능해지면서, 역학의 주요 연구방법으로 활용되고 있습니다. 본 과정은 실습을 통해 분석 방법을 구체적으로 다룰 것이며, 공개 자료에 대한 소개와 활용 방법을 소개할 예정입니다. 본 과목의 수강은 선수 과목(역학원론, 유전체역학) 이수와 R 프로그래밍 언어에 대한 이해가 요구됩니다.전선 / 대학원
신약 개발을 위한 과정에서 단백질 구조의 필요성은 날로 증대되고 있으며 단백질 데이터 은행 (Protein Data Bank, PDB)에 등재된 단백질 삼차 구조는 이미 십만 개를 넘어섰다. 본 과목에서는 단백질의 구조에 기반하여 신약 개발을 위한 구조 가시화, 구조 분석, 모델링 (modeling), 리간드 도킹 (ligand docking), 가상 검색 (virtual screening), 분자 동역학 시뮬레이션 (molecular dynamics simulation) 등을 강의한다.전선 / 대학원
본 강좌는 대학원생을 위한 고급 계산생물학 교과목으로 (1) 데이터 전처리 및 정규화(RT-PCR/western blotting data normalization), (2) 기본 통계 및 가설검증 방법(hypothesis testing, multiple testing correction, Bayesian 통계 등), (3) 다변량 통계 기반 데이터 시각화 및 회귀분석(주성분분석, 다변량 회귀분석, 주요 변수 추출 등), (4) 오믹스 데이터 기본 분석(데이터 정규화, 매핑, 발현/활성 차이 유전자/단백질 선별), (5) 타겟 분자 예측(마이크로RNA 타겟 예측 등), (6) 다양한 바이오리소스 및 활용 방법(지놈브라우져, 다양한 데이터베이스 및 활용, 생체네트워크 모델링 및 메커니즘 예측) 등의 생물학 연구에 있어서 유용한 기본 분석 및 리소스 활용 방법들을 학습한다. (7) 단백질 예측 (단백질 서열의 특성을 예측하는 in-silico 방법). 학습한 방법들을 적용할 수 있는 텀프로젝트 과제를 부여한다. 이 텀프로젝트에서는 각자 가지고 있는 생물학적 문제에 학습한 방법을 올바르게 적용했는가를 평가한다.전선 / 대학원
본 과목에서는 고차원 데이터의 저차원 표현을 학습하기 위한 기하학적 방법을 소개한다. 미분 기하학의 기초(구체적 주제는 리만 다양체 및 Lie 그룹, 텐서, 커넥션 및 fiber 번들 포함)를 다룬 후, 고차원 데이터에 대한 기존 기계 학습 알고리즘(예: 매니폴드 러닝, 메트릭 러닝)의 기하학적 일반화 방법을 개발하여, 대칭적 구조가 존재하는 고차원 비유클리디언 데이터 문제에 적용한다. 위와 같은 방법을 구현하기 위한 효율적인 계산 알고리즘도 소개한다. 후반부에는 Ito 확률 미분 방정식의 관점에서 강화 학습과 확률 최적 제어 간의 관계를 고찰하여, 고차원 비유클리디언 데이터 강화 학습 문제에 적용 가능한 기하학적 방법도 개발한다.전선 / 대학원
유전체, 단백질체, 대사체 및 표현체 등을 포함한 빅데이터와 이를 이용한 연구 기법은 가설의 수립과 높은 정확도의 검증 결과를 통해 생물학적 현상을 이해하는 주요한 방법으로 자리잡고 있다. 이 강의는 생물학 연구에 유용한 다양한 오픈 소스의 빅데이터와 분석 기법을 살펴보는 것을 내용으로 한다. 문헌분석, 빅데이터의 구조, 빅데이터의 분석 등 빅데이터 기반 생물학 연구 기법의 일반론과 함께, 대사성 표현형 및 암질환 연구 등에 대한 활용 방법을 살펴봄으로써 생물학 빅데이터에 대한 이해를 높이고 앞으로 관련 학문을 전공하고자 하는 학생들에게 이론 및 실천적 지식과 전망을 제시한다.전필 / 학사
첨단융합학부 학생의 전공탐색을 위한 과목으로, 융합데이터과학의 핵심 개념과 다양한 응용 분야를 소개하여 향후 전공선택에 필요한 필수적인 정보를 제공한다. 특히, 융합데이터과학 분야에서 진행되는 첨단연구와 연구의 실제 응용 사례를 직접 체험하여, 자신의 전공 적성을 좀 더 구체적으로 알아보고 설계할 수 있는 기회를 제공한다.전선 / 대학원
유전자칩과 단백질칩 등의 바이오칩 기술과 정보학은 후기 유전체 시대를 이끌어 갈 핵심기술이다. 본 강좌는 바이오칩 제작의 기초원리와 자료구조에서 이미지분석, 정규화, 필터링, 누락값추론, 매핑, 통계학적 발현량 분석, 클러스터 분석, 유전자발현 조절 네트워크 분석, 바이오칩 자료의 표준화 및 데이터베이스 구축에 대해 논한다.전선 / 학사
Gauss 소거법, Cholesky 분해, Householder와 Gram-Schmidt 해법, 데이터 맞춤, 비선형 최소자승법, 심플렉스 해법, 행렬의 분할, Jacobi와 Seidel 반복법, 이완해법, 유한차분법, ADI 해법, 켤레 그래디언트 해법 등을 다룬다.전선 / 학사
본 과정에서는 머신러닝의 기초를 수업한다. 수업 초반에는 머신러닝의 기초가 되는 확률, 선형대수, 최적화, 신호처리를 간단히 리뷰한다. 중반부에서는 대표적인 머신러닝 문제인 Classification, regression, clustering을 소개하고 예시를 통하여 개념을 학습한다. 후반부에서는 스마트 제조를 위한 센싱, 공간정보구축, 로보틱스 적용의 실습을 조별로 진행한다. 독립전원으로 구동가능한 미니PC 상에 리눅스를 운용하고, ROS SLAM 등 로보틱스와 공간지능 관련 소프트웨어를 배운다. 마지막으로는 실제 센서를 함께 구동하고 직접 데이터를 취득한 후, 수업에서 학습한 머신러닝 알고리즘을 적용해보기 위한 실습을 수행한다.전선 / 대학원
한 지역에 대한 체계적이고 종합적인 이해는 본래 지리학이 추구해 온 목표였다. 이러한 목표를 이루기 위한 방법은 시대별, 지역별로 다소 상이한 형태를 띠며 발전해 왔다. 본 과목에서는 지역연구의 방법론이 전체 지리학의 발전과정 속에서 어떻게 변모해 왔는가를 고찰하고 각각의 방법론들이 지니는 장단점들을 파악해 봄으로써 지역연구의 새로운 방법론을 모색해 보는 데 주안점을 둔다.전선 / 대학원
최근 보건 분야에서도, 제약 산업의 신약 개발 프로세스와 바이오인포메틱스 산업군에 대한 지식과 필요성이 그 어느 때 보다 높아 임상 디자인과 관련되는 통계 방법에 대한 필요성이 증대되고 있다.이에 임상시험 관련 내용과 이를 위한 통계분석 기법에 대한 강의를 개설하고자 한다. : 본 강의는 보건대학원 학생들을 위해 전통적인 통계학의 방법 뿐만 아니라 실제 업무 현장에서 이슈가 되고 있는 통계적 주제에 대해서도 다루는 강의이다. 강의 주제는 크게 3개의 주제로 나뉘며 <1. 전통적인 통개학 개론 2. R을 이용한 추정, 검정 및 기술 통계적 내용에 대한 구현 3. 보건의료 산업현장에서 이슈가 되고 있는 실무적인 내용에 대한 개론>이 그 3개의 주제이다.