마이크로 RNA는 유전자 발현에 있어서 중요한 조절자로서 세포소멸, 세포분화, 세포발생, 및 종양
형성과 같은 다양한 생물학적 과정에서 매우 중요한 역할을 한다. 인간의 단백질 코딩 유전자들 중
30% 이상이 아마도 마이크로 RNA에 의해 조절되는 것으로 추정되고 있으며, 각각의 마이크로
RNA는 300-400개의 표적 유전자에 결합하는 것으로 여겨진다. 대략 1,600여개의 인간 마이크로
RNA가 지금까지 밝혀져 있으나, 대규모로 표적 유전자를 규명해내는 실험기법의 부재로 대부분의
마이크로 RNA들의 표적 유전자들이 아직까지 밝혀져 있지 않다. 마이크로 RNA의 표적을 규명하
는 것이 다양한 생물학적 과정에서의 마이크로 RNA 기능을 밝히는데 매우 핵심적인 사안이지만
실험적으로 많은 시간과 비용이 소요된다. 이러한 측면에서 작년에 본 연구팀이 표적 유전자 예측
알고리즘을 개발하였다. 그러나 보다 신뢰도 높은 표적 유전자 및 <마이크로 RNA - 표적 유전자>
상호관계를 예측하기 위해 기개발한 표적 유전자 예측 프로그램의 성능 향상과 충분한 검증 작업이
절실히 필요하여 최적화 작업과 성능개선 작업을 수행하였으며, 민감도와 특이도 측면에서 성능평
가를 수행하였다. 게다가, 새로운 마이크로 RNA의 발굴과 이들의 표적 유전자들에 대한 예측뿐만
아니라 <마이크로 RNA - 표적 유전자> 연관관계를 기반으로 질환관련 전사조절 네트워크를 규명할
수 있는 분석시스템 개발은 마이크로 RNA를 활용한 신약개발과 관련 질병연구에 매우 필요하다.
이러한 맥락에서 마이크로 RNA가 조절하는 표적 유전자를 예측하고 마이크로 RNA, 표적 유전자,
및 질환 간의 상호 관련성에 대한 체계적인 정보를 제공할 수 있는 분석 시스템 및 추론 엔진을 개
발하였다. <마이크로 RNA - 표적 유전자 - 질환> 의 연계 데이터를 확보하기 위해 소스 데이터베
이스로 HMDD, miR2Disease, 및 TarBase 활용하였고, 참조 데이터베이스로 miRBase와 OMIM
등을 이용하였다. 상호연관 정보를 보다 효과적으로 제공하기 위해 가시화 도구도 또한 개발하였다.
개발한 분석 시스템은 마이크로 RNA 관련 질환 연구에 중요한 기반 시스템으로 사용될 수 있을
것이다.