BioinformaticsAndMe

월경주기 (Menstrual cycle) Start

BioinformaticsAndMe

월경주기 (Menstrual cycle)

: 월경(Menstruation)은 성숙한 여성의 자궁에서 자궁내막이 피와 함께 배출되는 것 (생리)

월경주기 호르몬

: 월경주기는 황체형성호르몬(FSH)/난포자극호르몬(LH)/에스트로겐/프로게스테론 등 여러 호르몬의 복잡한 상호작용으로 조절됨

: 뇌하수체 호르몬인 FSH 및 LH는 배란을 촉진하며, 에스트로겐 및 프로게스테론을 분비하도록 난소를 자극

: 성호르몬인 에스트로겐(Estrogen) 및 프로게스테론(Progesterone)은 수정이 가능하도록 자궁과 유방을 자극

난소주기 (Ovarian cycle)

1) 난포기(Follicular phase;여포기)

-1차난모세포들은 제1감수분열 전기에서 감수분열을 멈춘 채로 사춘기까지 유지됨

-난포자극호르몬 수치가 증가하며 난소에서 몇 개의 난포 발달이 촉진됨

-이후, 난포자극호르몬 수치가 감소함에 따라 하나의 난포만 계속 발달함

*이 난포에서 에스트로겐 분비

-제1감수분열이 끝난 2차난모세포가 제2감수분열 중기에서 감수분열을 멈춘채로 수란관으로 배출됨

2) 배란기(Ovulatory phase)

-황체형성호르몬 및 난포자극호르몬 수치가 급증함

-황체형성 호르몬은 배란을 자극하며, 배란은 급증 이후 16~32시간이 지난 뒤 발생

-황체형성호르몬은 배란을 자극하며, 급증하는 동안 에스트로겐 수치가 정점에 도달하며 프로게스테론 수치가 증가하기 시작

*에스트로겐: 자궁근과 자궁내막을 성장시킴

*프로게스테론: 자궁내막을 부풀게하고, 태아 성장 환경을 조성

3) 황체기(Leuteal phase)

-난소에 남아 있던 파열된 여포는 콜레스테롤 등 지방이 풍부한 황체로 바뀌면서 비대해짐

-수정이 되지 않으면 난포자극호르몬 농도가 감소하면서 황체가 퇴화함

-배란된 세포는 자궁 내막의 조직들과 함께 질 쪽으로 배출됨 (생리)

#Reference

1) https://www.msdmanuals.com/ko-kr/%ED%99%88/%EC%97%AC%EC%84%B1-%EA%B1%B4%EA%B0%95-%EB%AC%B8%EC%A0%9C/%EC%97%AC%EC%84%B1-%EC%83%9D%EC%8B%9D%EA%B3%84-%EC%83%9D%EB%AC%BC%ED%95%99/%EC%9B%94%EA%B2%BD-%EC%A3%BC%EA%B8%B0

2) https://terms.naver.com/entry.nhn?docId=5842180&cid=63057&categoryId=63057

3) https://ko.wikipedia.org/wiki/%EC%9B%94%EA%B2%BD_%EC%A3%BC%EA%B8%B0

4) https://jdach1.typepad.com/blog/2015/05/progesterone_for_pms.html

월경주기 (Menstrual cycle) End

BioinformaticsAndMe

구글 어시스턴트(Google Assistant) Start

BioinformaticsAndMe

구글 어시스턴트(Google Assistant)

#Reference

1) https://www.youtube.com/watch?v=wMWdo8cVZ_U

2) https://namu.wiki/w/%EA%B5%AC%EA%B8%80%20%EC%96%B4%EC%8B%9C%EC%8A%A4%ED%84%B4%ED%8A%B8

3) https://www.maketecheasier.com/turn-off-ok-google-assistant-android/

4) https://www.youtube.com/watch?v=_GdvyWH5q2U

구글 어시스턴트(Google Assistant) End

BioinformaticsAndMe

진핵생물 vs 진정세균 vs 고세균 Start

BioinformaticsAndMe

Living organisms

: 생물체는 3가지의 분류 도메인으로 나뉨

1) Eukarya(진핵생물) - 막으로 둘러싸인 핵이 존재 (동물/식물/원생생물/진균)

2) Eubacteria(진정세균) - 핵이 없고, 일반적인 박테리아 (대장균/황색포도상구균)

3) Archaea(고세균) - 핵이 없고, 극한 환경에 사는 박테리리아 (호염성세균/호열성세균/메탄생성균)

Eubacteria(진정세균)의 특징

: 소기관들이 없으며, DNA는 세포질에 녹아 있음

: 펩티도글리칸(Peptidoglycan)과 지질 다당류로 구성된 세포벽을 가짐

: 대장균/녹세균/남세균 등 대다수의 세균들이 포함

: 세대가 짧고 돌연변이가 많음

: 환경에 대한 높은 적응력으로 진화 속도가 빠름

: 리소자임, 페니실린과 같은 저해제에 민감

*그람음성균(Gram negative bacteria) - 그람 염색이 안되는 세균으로, 얇은 펩티도글리칸 층 및 지질단백질/지질당의 외부막으로 구성

*그람양성균(Gram positive bacteria) - 그람 염색이 되는 세균으로, 두꺼운 세포벽의 펩티도글리칸 층으로 구성

3. Archaea(고세균)의 특징

: 소기관들이 없으며, DNA는 세포질에 녹아 있음

: 슈도펩티도글리칸(Pseudo peptidoglycan)과 지질 다당류로 구성된 세포벽을 가짐

: 진정세균보다 진핵생물에 더 유사함

: 리소자임, 페니실린과 같은 저해제에 내성을 가짐

: 심해열수구/염전/염호/화산온천 등 극한 환경에서 서식

ㄱ)호염성세균(Halophiles) - 고농도 염 지대의 세균

ㄴ)메탄생성균(Methanogens) - 혐기성 환경에서 메테인을 생성하는 세균

ㄷ)호열성세균(Thermophiles) - 심해열수구/온천과 같은 뜨거운 환경의 세균

ㄹ)호냉성세균(Psychrophiles) - 18℃ 이하에서 생장하는 세균

#Reference

1) https://ib.bioninja.com.au/standard-level/topic-5-evolution-and-biodi/53-classification-of-biodiv/archaea-vs-eubacteria.html

2) http://www.old-ib.bioninja.com.au/options/option-f-microbes-and-biote/f1-diversity-of-microbes.html

3) http://study.zum.com/book/14863

4) https://terms.naver.com/entry.nhn?docId=376000&cid=50328&categoryId=50328

5) https://terms.naver.com/entry.nhn?docId=375999&cid=50317&categoryId=50317

6) https://slideplayer.com/slide/14064864/

7) http://study.zum.com/book/15205

진핵생물 vs 진정세균 vs 고세균 End

BioinformaticsAndMe

[R] ChIP-seq 분석 Start

BioinformaticsAndMe

ChIP-seq

: ChIP-seq(ChIP-sequencing)은 Chromatin ImmunoPrecipitation sequencing의 약자로, DNA에 결합하는 단백질 분석에 사용되는 방법

: 특정 단백질과 결합된 DNA를 면역침강방법으로 분리하여 해당 서열을 확인

*Microarray로 서열 확인 → ChIP-chip

*NGS로 서열 확인 → ChIP-seq

: ChIP-seq은 전사인자 또는 염색질관련단백질들이 Phenotype(주로 발현)에 미치는 기작을 연구하기 위해 사용

: 'ChIPseeker'는 ChIP-seq 분석을 간단하게 수행할 수 있는 R 패키지로 높은 인용수를 보임

1. 패키지 설치 및 로딩

#ChIPseeker 설치
source("https://bioconductor.org/biocLite.R")
biocLite("ChIPseeker")
biocLite("clusterProfiler")

library(ChIPseeker)
library(clusterProfiler)
library(TxDb.Hsapiens.UCSC.hg19.knownGene)
txdb <- TxDb.Hsapiens.UCSC.hg19.knownGene

2. ChIP profiling

1) 분석에 사용될 예제 샘플들 확인
files <- getSampleFiles()
peak <- readPeakFile(files[[4]])
peak

2) ChIP peaks coverage plot
covplot(peak, weightCol="V5")
covplot(peak, weightCol="V5", chrs=c("chr17", "chr18"), xlim=c(4.5e7, 5e7))

3) Transcription Start Site(TSS)의 ChIP peak 결과를 heatmap으로 보여주기
promoter <- getPromoters(TxDb=txdb, upstream=3000, downstream=3000)
tagMatrix <- getTagMatrix(peak, windows=promoter)
tagHeatmap(tagMatrix, xlim=c(-3000, 3000), color="red")

3. Peak annotation

1) ChIP-seq peak에 annotation 하기 (파이 차트)
peakAnno <- annotatePeak(files[[4]], tssRegion=c(-3000, 3000), TxDb=txdb, annoDb="org.Hs.eg.db")
plotAnnoPie(peakAnno)

2) TSS에 결합하는 Transcription Factor(TF)의 상대적 위치 그리기
plotDistToTSS(peakAnno)

4. Functional enrichment analysis

1) Peak 부분에 대한 생물학적 패스웨이 분석 시각화
source("https://bioconductor.org/biocLite.R")
biocLite("ReactomePA")
library(ReactomePA)

pathway1 <- enrichPathway(as.data.frame(peakAnno)$geneId)
dotplot(pathway1)

5. ChIP peak data set comparison 

1) 여러 데이터 셋의 ChIP peak 결과를 동시 비교 시각화
promoter <- getPromoters(TxDb=txdb, upstream=3000, downstream=3000)
tagMatrixList <- lapply(files, getTagMatrix, windows=promoter)

2) 여러 데이터 셋의 ChIP peak annotation 결과를 동시 비교 시각화
peakAnnoList <- lapply(files, annotatePeak, TxDb=txdb, tssRegion=c(-3000, 3000), verbose=FALSE)
genes = lapply(peakAnnoList, function(i) as.data.frame(i)$geneId)
names(genes) = sub("_", "\n", names(genes))
compKEGG <- compareCluster(geneCluster=genes, fun="enrichKEGG", pvalueCutoff=0.05, pAdjustMethod="BH")
plot(compKEGG, showCategory=15, title="KEGG Pathway Enrichment Analysis")

6. Data Mining with ChIP seq data 

1) GEO(Gene Expression Omnibus)의 ChIP 데이터 수집
getGEOspecies()
getGEOgenomeVersion()
hg19 <- getGEOInfo(genome="hg19", simplify=TRUE)

2) GEO ChIP 데이터 다운로드
downloadGEObedFiles(genome="hg19", destDir="hg19")
gsm <- hg19$gsm[sample(nrow(hg19), 10)]
downloadGSMbedFiles(gsm, destDir="hg19")

#Reference

1) https://en.wikipedia.org/wiki/ChIP-sequencing

2) https://www.insilicogen.com/blog/tag/CHIP-Seq

3) https://www.ncbi.nlm.nih.gov/pubmed/25765347

4) http://bioconductor.org/packages/devel/bioc/vignettes/ChIPseeker/inst/doc/ChIPseeker.html

[R] ChIP-seq 분석 End

BioinformaticsAndMe

중심극한정리 (Central limit theorem) Start

BioinformaticsAndMe

중심극한정리 (Central limit theorem)

: 중심극한정리는 표본크기(n)가 증가함에 따라, 평균의 표본 분포가 정규 분포에 근사한다는 이론

*정규분포는 종모양의 분포를 보임

: 따라서, 표본크기가 증가할수록 '표본의 평균과 표준편차'가 '모집단의 평균과 표준편차'에 가까워짐

*표본크기가 클수록 모수(Population parameter) 예측이 정확해짐

: 중심극한정리가 성립하기 위해서, 표본크기(Sample size)가 최소 30 이상이여야 함

중심극한정리의 중요성

: 중심극한정리는 모집단 분포에 상관없이 표본크기가 증가함에 따라, 표본분포가 점점 정규분포에 수렴한다는 사실을 알려줌

: 따라서, 샘플링되는 표본크기가 증가함에 따라, Sampling error는 점차 감소함

*Sampling error(표준오차;표집오차) - '모집단의 모수'와 '표본의 표본통계량' 사이의 차이

#Reference

1) https://www.simplypsychology.org/central-limit-theorem.html

2) McLeod, S. A. (2019, May 20). What a p-value Tells You About Statistical significance. Simply Psychology.

3) https://www.simplypsychology.org/p-value.html

4) https://www.youtube.com/watch?time_continue=461&v=JNm3M9cqWyc&feature=emb_title

중심극한정리 (Central limit theorem) End

BioinformaticsAndMe

[Python] PyMongo 설치 Start

BioinformaticsAndMe

파이썬 PyMongo

: 파이썬에서는 DBMS(DataBase Management System)을 간단한 명령어로 운용할 수 있음

: 파이썬의 PyMongo 패키지로 NoSQL 데이터베이스인 MongoDB에 접근함

*MongoDB는 JSON 형태로 데이터를 저장하므로, DB를 유연하게 확장 가능

*https://www.mongodb.com

: 파이썬 PIP을 사용하여, PyMongo를 설치함

# 파이썬 PIP 경로에서 아래 커맨드를 입력
C:\Users\Your Name\AppData\Local\Programs\Python\Python36-32\Scripts>python -m pip install pymongo

: MongoDB 드라이버가 다운되고 설치됨

PyMongo 설치 확인

: pymongo의 성공적인 설치 확인을 위해, pymongo 로딩을 테스트

# pymongo 라이브러리 로딩
import pymongo
특별한 에러가 발생하지 않는다면,
pymongo 모듈이 정상적으로 설치됐고,
MongoDB를 사용할 준비가 된 것.

#Reference

1) https://www.w3schools.com/python/python_mongodb_getstarted.asp

2) https://www.mongodb.com

3) https://www.youtube.com/watch?v=P1Qbf3A_E6U

[Python] PyMongo 설치 End

BioinformaticsAndMe

2020연세대의과대학_데이터사이언스워크샵.pdf

#2020 데이터 사이언스 워크샵 프로그램 홈페이지

http://wiki.tgilab.org/datascience/doku.php/welcome

전사인자 (Transcription factor) Start

BioinformaticsAndMe

1. 전사인자 (Transcription Factor;TF)

: 전사인자는 타겟 유전자 근처의 DNA에 결합하여, 타겟 유전자를 키고 끄는 스위치 역할의 단백질

: 대부분의 유전자 앞부분에는 RNA 합성효소가 결합할 수 있는 Promoter(프로모터) 구간이 존재

: 전사인자들은 프로모터의 전사인자결합서열(Transcription Factor Binding Site;TFBS)에 붙어 RNA 합성효소 결합을 조절함

: 특이적으로 결합하는 전사인자들로 인해, 각 세포에 따라 특정 유전자들의 발현이 유도됨

2. 일반 전사인자 (General Transcription Factor;GTF)

: TATA box에 결합하는 근거리 전사인자로, 전사 과정에서 RNA 합성효소와 복합체를 이룸

: 전사복합체로는 TATA 결합 단백질인 TFIIA/TFIIB/TFIID/TFIIE/TFIIF/TFIIH 등이 존재

*TFIID

-TBP(TATA binding protein)는 TATA 박스의 작은 홈에 붙어서, 큰 홈 쪽으로 DNA를 꺾이게 함

-TAF(TBP-associated factor)는 TBP의 결합을 도와줌

3. 전사 활성인자 (Activator)

: Activator는 유전자의 전사를 증폭시키는 단백질

: 활성인자가 특정 유전자의 Binding site에 결합함 (Activator site)

: Activator는 대부분 Enhancer 또는 Promoter에 결합

4. 전사 억제인자 (Repressor)

: Repressor는 유전자의 전사를 억제하는 단백질

: 억제인자가 특정 유전자의 Binding site에 결합함 (Repressor site)

: Repressor는 대부분 Silencer 또는 Promoter에 결합

#Reference

1) https://www.khanacademy.org/science/biology/gene-regulation/gene-regulation-in-eukaryotes/a/eukaryotic-transcription-factors

2) https://ko.wikipedia.org/wiki/%EC%A0%84%EC%82%AC%EC%9D%B8%EC%9E%90

3) https://www.researchgate.net/figure/Simplified-diagram-of-TFIID-in-RNA-polymerase-II-transcription-TBP-within-the-protein_fig4_37987258

4) https://ko.wikipedia.org/wiki/%ED%99%9C%EC%84%B1%EC%9D%B8%EC%9E%90

5) https://en.wikipedia.org/wiki/Enhancer_(genetics)

전사인자 (Transcription factor) End

BioinformaticsAndMe

가족성 고콜레스테롤혈증 (Familial Hypercholesterolemia)

 Start

BioinformaticsAndMe

1. 가족성 고콜레스테롤혈증 (Familial Hypercholesterolemia;FH)

: 가족성 고콜레스테롤혈증(FH)은 저밀도지단백질 콜레스테롤(LDL-C)이 높은 상염색체 우성 유전 질환

: 유전성 질환으로 부모로부터 유전되며, 높은 콜레스테롤로 인하여 심장질환과 사망률에 영향을 줌

: 핀란드/레바논/독일/폴란드/러시아/프랑스/캐나다인 등에게 평균 이상의 발병률을 보임

 

 

#Reference

1) https://debuglies.com/2019/01/02/familial-hypercholesterolemia-fh-pcsk9-inhibitors-a-very-promising-class-of-drugs-for-the-management-of-such-patients/

2) http://www.cdc.go.kr/CDC/cms/content/mobile/59/13859_view.html

3) http://health.cdc.go.kr/health/mobileweb/content/group_view.jsp?CID=FDDEE4547A

4) http://www.heartpatientalliance.ca/general-information/types-of-cardiovascular-disease/what-is-fh/

가족성 고콜레스테롤혈증 (Familial Hypercholesterolemia)

 End

BioinformaticsAndMe

가짜얼굴 (This person does not exist) Start

BioinformaticsAndMe

This person does not exist

#Reference

1) https://thispersondoesnotexist.com/

2) https://en.wikipedia.org/wiki/StyleGAN

3) https://news.joins.com/article/23393808

4) https://editoy.com/posts/2960

가짜얼굴 (This person does not exist) End

BioinformaticsAndMe