단백질 분석에 사용하는 이차원 젤 영상에서 단백질은 반점으로 나타난다. 같은 세포에서 추출한 두 젤 영상을 비교하면 같은 단백질은 비슷한 위치의 반점으로 나타난다. 정상 세포와 암 세포의 젤 영상을 비교하면 달라진 단백질을 알 수 있으므로 이는 신약개발의 중요한 정보가 된다. 젤 영상은 생물학적 실험 방법으로 만들어지므로 반점의 위치가 일정하지 않아 자동으로 정합하기 매우 어렵고, 이 문제는 NP-hard임이 밝혀졌다. NP-hard 문제를 푸는 방법으로 신경회로망이 널리 쓰이므로 그 중 젤 영상 정합에 적당한 홉필드 신경망으로 문제를 해결하였다. 두 젤 영상의 반점의 위치와 거리를 매개변수로 하는 에너지 함수를 정의하였고, 이 에너지 함수가 최소로 되는 두 반점이 같은 단백질이라 판정한다. 에너지 함수는 검토중인 반점뿐만 아니라 이웃한 반점도 함께 검사하도록 하여 단순한 거리 개념만이 아니라 전체 반점의 형태를 반영하도록 하였다.
Proteins in a cell appear as spots in a two dimensional gel image which is used in protein analysis. The spots from the same protein are in near position when comparing two gel images. Finding out the different proteins between a normal tissue and a cancer one is important information in drug development. Automatic matching of gel images is difficult because they are made from biological experimental processes. This matching problem is known to be NP-hard. Neural networks are usually used to solve such NP-hard problems. Hopfield neural network is selected since it is appropriate to solve the gel matching. An energy function with location and distance parameters is defined. The two spots which make the energy function minimum are matching spots and they came from the same protein. The energy function is designed to reflect the topology of spots by examining not only the given spot but also neighborhood spots.
