생체 내에서 질병 발생은 다양한 요인들의 복합적인 작용에 의해 발생한다. 하지만, 대부분의 질병 관련 원인을 발견하고자하는 연구들에서는 여러 요인들의 다양한 조합들을 복합적으로 고려하여 분석하기에는 한계가 있는 경우가 많다. 단 하나의 질병 관련 요인들을 찾는 것데 그치고 있다. 본 연구에서는 유전체 정보과 임상 정보를 이용하여 질병 분류 모델 기반 인자 조합들의 진화적 학습 방법을 제안한다. 이 방법을 이용하여 본 연구에서는 질병 관련 주요 인자를 찾고, 이를 시각화할 수 있는 시스템을 만드는 것을 목적으로 한다. 본 연구를 통해 정확도 높은 당뇨병 환자군 분류 모델을 만들고, 당뇨병 발생에 중요한 영향을 미치는 인자들의 조합을 찾을 수 있었다. 또한 생뭍학적인 분석을 통해 본 연구에서 찾은 인자들의 조합이 실제로도 당뇨병 발생에 영향을 미치는 인자가 될 수 있음을 확인하고, 특히 각 인자들이 하나씩 존재할 때보다. 조합으로 존재할 경우 당뇨병 발생 가능성이 높아질 수 있음을 확인할 수 있었다.
Most diseases are caused by complex processes of various factors. Although previous researches have tried to identify the causes of the disease, there are still lots of limitations to clarify the complex factors. Here, we present a disease classification model based on an evolutionary learning approach of combinatorial features using the data sets from the genetics and cohort studies. We implemented a system for finding the combinatorial risk factors and visualizing the results. Our results show that the proposed method not only improves classification accuracy but also identifies biologically meaningful sets of risk factors.
