This thesis is about computational biology and focuses on two types of research and development, including biodata-based computer modeling and systematic management strategies for chemical and biomolecular engineering software development. Biodata-based computer modeling relates to the development of DeepMGR, a new deep learning model that predicts the expression levels of genes in Escherichia coli under specific culture conditions. The level of gene expression in a cell can vary significantly depending on culture conditions, and it is very important in terms of the cost of industrial biotechnology to accurately and efficiently understand the gene regulation network of microorganisms under specific culture conditions. For this, DeepMGR uses the protein sequence of a specific gene, the composition of the compound in the medium in which the cell grows, and the carbon source required for metabolic activity as input information, and processes the input information with multiple perceptrons and convolutional neural networks. Moreover, as a second research topic, version control systems, and unit testing are very important technologies in software development. These software engineering technologies should be actively introduced into biochemical engineering-related programs, and as an example, this study applied them to the metabolic modeling program, GMSM. The results will help to derive in-depth knowledge by effectively processing biodata that is accumulating day by day.
본 학위 연구는 컴퓨터 생물학에 대한 것이며, 바이오 데이터 기반 컴퓨터 모델링 및 생명화학공학 소프트웨어 개발의 체계적인 관리 전략 등 두 가지 연구개발에 초점이 맞추어져 있다. 바이오 데이터 기반 컴퓨터 모델링은 특정 배양 조건에서 대장균 세포 내 유전자들의 발현량을 예측하는 새로운 딥러닝 모델인 DeepMGR 개발에 관한 것이다. 세포 내 유전자 발현 수준은 배양 조건에 따라 확연히 달라질 수 있으며, 특정 배양 조건에서 미생물의 유전자 조절 네트워크를 정확하고 효율적으로 이해하는 것은 산업 생명공학의 비용 측면에서 매우 중요하다. 이를 위해서 DeepMGR은 특정 유전자의 단백질 서열, 세포가 자라는 배지의 화합물 조성, 대사 활동에 필요한 탄소원을 입력정보로 활용하며, 다중 퍼셉트론과 합성곱 신경망으로 입력정보를 처리한다. 또한 두 번째 연구 주제로서, 버전 관리 시스템과 단위 테스팅은 소프트웨어 개발에서 매우 중요한 기술들이다. 이들 소프트웨어 공학기술들은 생명화학공학 관련 프로그램들에 적극적으로 도입되어야 하며, 그 일례로서 본 연구에서는 대사모델링 프로그램인 GMSM에 적용하였다. 본 학위 연구의 결과물들은 날로 축적되어 가는 바이오 빅데이터를 효과적으로 처리하여, 심도있는 지식을 도출하는 데에 도움을 줄 것이다.
