Recently, network motif (or graphlet) properties have been widely utilized as important topological features of bio-networks. Network motifs are recurrent and statistically significant partial subgraphs or patterns. In this thesis, we analyzed various bio-networks based on topological property of network motifs. In part I, we developed Typed Network Motif Comparison Algorithm (TNMCA) for repositioning drugs using topological properties of given networks. TNMCA is a powerful inference algorithm for multi-level biomedical interaction data as the algorithm depends on the different types of entities and relations. In part II, we propose a new network model incorporating grouped attachment (GA) and apply it to real-world networks. Corresponding networks generated by GA model showed a higher similarity of motif properties with real-world networks compared to corresponding networks generated by existing network models.
최근, 네트워크 모티프(혹은 그래프렛) 특성 연구는 바이오네트워크의 위상학적 특성 분석에 널리 활용되어 왔다. 네트워크 모티프는 반복되고, 통계적으로 의미있는 부분그래프 혹은 패턴으로 정의된다. 본 학위논문에서는 네트워크 모티프의 위상학적 특성 분석을 다양한 바이오네트워크를 대상으로 수행하였다. 파트 I에서는 주어진 네트워크의 위상학적 특성을 통해 약물 재창출을 수행한 Typed Network Motif Comparison Algorithm (TNMCA) 를 소개한다. TNMCA는 각 객체와 관계정보의 유형에 기반하였기에 다수준 생명의학 관계정보에 적용할 수 있는 강력한 추론 알고리즘이다. 파트 II에서는grouped attachment (GA)를 활용한 새 네트워크 모델을 제안하였고, 이를 실제 네트워크에 적용하였다. GA 모델을 통해 생성된 네트워크는 기존의 네트워크 모델들에 비해 실제 네트워크와 더 높은 모티프 특성 유사성을 보였다.
