삶의 의미를 찾아서

BeautifulSoup로 HTML 파싱 끝내기

2013-05-22T13:34:03Z

[출처] http://www.dreamy.pe.kr/zbxe/CodeClip/163266

HTML 파싱할 일이 생겼는데,
그동안은 그냥그냥 필요한 내용만 crummy에서 짬짬히 보다가,
BeautifulSoup을 한국말로 잘 정리한 사이트를 찾았다.

susukang98님의 블로그 : http://susukang98.springnote.com/pages/333771

예를 들자면, BeautifulSoup을 이용해서 특정 홈피의 내용 중, 어느 부분은 읽는다면 다음과 같이 간단하게 끝낼수 있을 것이다.
(사실 정규식을 잘 쓴다면 필요없을 것이다...)

from BeautifulSoup import BeautifulSoup
import urllib2
 
url = 'http://블라블라'
handle = urllib2.urlopen(url)
data = handle.read()
soup = BeautifulSoup(data)
article = str( soup('div', {'class':'article',}) ) #div내의 article class 추출
print article.decode('utf8')

위 예제 프로그램은 본문에서 div 내의 article 클래스만을 추출하는 예제이다. (ex. 티스토리)

자세한 내용은 다시 찾기 귀차니즘으로 인해, 수수깡님이 스크랩한 내용을 아래에 copy&paste 해 놓겠다.

-----------------------------------------------------------------------------------

Beautiful Soup (2.1.1)

http://www.crummy.com/software/BeautifulSoup/

웹을 가지고 놀기 위해서는 먼저 웹의 언어인 HTML을 잘 구사할 수 있어야 한다.

세상에는 프로그래머가 HTML을 잘 말하고 잘 알아듣기 위해 사용하는 HTML 파서가

무수히 많다. 그중에서 사용하기 쉬운 파서를 하나 고르자면 Beautiful Soup을 들

수 있다. Beautiful Soup은 파이선으로 작성되었으며, 동적 스크립트언어의 장점을

잘 활용한다.

#import urllib
#html_source = urllib.urlopen('http://www.naver.com').read()
html_source = '''

'''

from BeautifulSoup import BeautifulSoup
soup = BeautifulSoup(html_source)

# 태그 이름을 변수 이름으로 사용할 수 있다.
print soup.html.head.title
# 결과:

# 계층구조의 중간단계를 생략할 수 있다.
print soup.title
# 결과:

# 태그 안에 다른 태그가 없는 경우 string 속성으로 태그 내용을 얻을 수 있다.
print soup.title.string
# 결과: 페이지 제목

# 같은 이름의 태그가 여러개 있다면 제일 먼저 나오는 태그를 알려준다.
# dictionary 문법을 사용하여 태그의 속성만 얻을 수도 있다.
print soup.p
# 결과:

첫번째 단락

print soup.p['class']
# 결과: layout

# 없는 태그를 지칭하면 (BeautifulSoup.) Null 객체를 반환한다.
print soup.body.title
# 결과: Null

# soup('p') 은 첫번째 뿐아니라 모든 p 태그 목록을 반환한다.
# 두번째 아규먼트로 태그의 속성을 제한할 수도 있다.
print soup('p')[0]
# 결과:

첫번째 단락

print soup('img', { 'name': 'main', })
# 결과: []
print soup('p', 'layout')
# soup('p', { 'class': 'layout' }) 과 같다. CSS 분류를 쉽게 지정할 수 있다.

# parent 속성은 계층구조상 한칸 위에 있는 태그를 지칭하고, 반대로 contents

# 속성은 계층구조상 한칸 아래에 있는 태그 목록을 반환한다.
# nextSibling 와 previousSibling 은 계층구조상 같은 위치에 있는 바로 앞뒤 태그를

# 지칭한다. 예제에서 첫번째 p 태그의 nextSibling 은 두번째 p 태그가 아니라

# 첫번째 p 태그와 두번째 p 태그 사이 영역이고, 이 영역에는 줄바꿈 문자 하나만 있다.
# 이는 soup('p').parent.contents 로 확인할 수 있다.
# next 와 previous 는 계층구조와 무관하게 HTML 소스에서 태그 바로 앞뒤에 위치하는

# 태그를 지칭한다. 마지막으로 태그 이름은 name 속성에 저장된다.
print soup('p')[0].nextSibling
# 결과: \n
print soup('p')[0].next
# 결과: 첫번째 단락

print soup('p')[0].next.name
# 결과: b
# 앞에서 본 string 속성은 태그 안에 다른 태그가 없는 경우에는 contents[0] 과 같고,
# 다른 태그가 있다면 Null 이다.

print len(soup('p')) # len(soup('p').contents) 와 같다.
for x in soup('p'): # for x in soup('p').contents: 와 같다.

pass

## fetch(name, attrs, recursive, limit) 함수
# 다양한 조건을 가지고 원하는 태그를 찾는 함수로, 앞의 예들은 이 함수의 축약형이다.

# tag.fetch(...) = tag(...)
# name과 attrs는 각각 태그 이름과 태그 속성을 나타내는데 다양한 방법으로 지시할 수 있다.

#
# * 문자열: fetch('img'), 모든 img 태그 목록
# * 목록: fetch(['object', 'applet!', 'embed']), 모든 object/applet!/embed 태그 목록
# * dictionary: fetch('div', { 'class': 'sidebar', 'name': 'menu' })
# * 정규표현식: fetch('div', { 'name': re.compile('list.*') }),

# name 속성이 "list"로 시작하는 모든 div 태그 목록
# * 함수: 원하는 조건인 경우 참을 반환하는 함수를 사용하여 복잡한 조건을 지시할 수 있다.

#
# recursive와 limit는 계층구조상 현재 태그 아래를 계속 찾아들어갈지, 만약 그렇다면

# 어느정도까지 들어갈지를 정한다. 기본적으로 현재 태그 아래로 끝까지 들어가면서

# 태그를 찾는다.

#
# fetch() 를 기준삼아 first(), fetchText(), firstText(), findNextSibling(),

# findPreviousSibling(), fetchNextSibling(), fetchPreviousSibling(),
# findNext(), findPrevious(), fetchNext(), fetchPrevious(), findParent(),
# fetchParent() 와 같은 함수가 있다. fetch*/*Text() 함수는 태그가 아닌 태그 안의

# 문자를 찾거나 가져오고, *Next*/*Previous*/*Parent() 함수는 현재 태그에서

# 계층구조상 아래로 내려가지 않고 대신 앞뒤 혹은 위로 이동하며 조건에 맞는 태그를

# 찾는다. 각 함수의 자세한 정보는 설명서를 참고하라.
def need_thumbnail(x):
# 가로나 세로가 60 보다 큰 img 태그라면 True, 아니면 False

if x.name == 'img':

return x.get('height', 0) > 60 or x.get('width', 0) > 60

return False
print soup.ul(need_thumbnail) # = soup.ul.fetch(need_thumbnail)
print soup.p.findNextSibling('p') # 두번째 p 태그

# 다음과 같이 HTML 소스를 수정할 수도 있다. 단, 이때는 앞에서 본 string 같은
# 축약형을 사용할 수 없고 contents 목록을 직접 수정해야 한다. 그후 prettify()

# 함수로 수정한 HTML 소스를 계층구조에 따라 들여쓰기하여 출력한다.
print soup
soup.title.contents[0] = '제목 수정'
soup.p['class'] = 'menu'
soup('p')[1].contents = ['두번째 단락 생략',]

del soup.body.contents[5]
print soup.prettify()

현재 Beautiful Soup은 두가지 문제가 있는데, 하나는 속도이고 다른 하나는 한글처리다.

Beautiful Soup은 빠른 속도를 위해 최적화하여 설계되지 않았기때문에 복잡한 HTML

소스를 처리할 때 속도가 느려진다. 이런 경우에는 자주 참조하는 태그의 공통분모를

미리 변수에 저장해두고 이 변수를 기준으로 태그들을 참조하는 식으로 부담을 덜 수 있다.

    soup('div', { 'name': 'toolbar' })[0].table('tr')[0]('td')[2].ul('li')[0]
    soup('div', { 'name': 'toolbar' })[0].table('tr')[0]('td')[2].ul('li')[1]
    soup('div', { 'name': 'toolbar' })[0].table('tr')[0]('td')[2].ul('li')[2]
    soup('div', { 'name': 'toolbar' })[0].table('tr')[0]('td')[2].ul('li')[3]
->
    ulist = soup('div', { 'name': 'toolbar' })[0].table('tr')[0]('td')[2].ul
    ulist('li')[0]
    ulist('li')[1]
    ulist('li')[2]
    ulist('li')[3]

한글처리에서는 태그의 속성값에 한글이 있는 경우 태그 속성값을 전부 무시해 버린다.
정확히는 파이선 표준 라이브러리의 sgmllib의 문제인데, BeautifulSoup.py 파일의
from sgmllib import SGMLParser, SGMLParseError
줄을
from hack_sgmllib import SGMLParser, SGMLParseError
으로 수정하고, 표준 라이브러리의 sgmllib.py 파일의 복사본을 BeautifulSoup.py 와

동일한 디렉토리에 hack_sgmllib.py 란 이름으로 저장한다. 그리고 attrfind 정규표현식에서

[-a-zA-Z0-9./,:;+*%?!&$_#=~\'"@] 부분을 [^ >] 로 수정한다. 깔끔한 방법은

아니지만 어쨌든 한글 태그 속성을 인식하게 된다.

Python BeautifulSoup에서 NESTABLE_TAGS / Self Closing Tag 정규식 치환

2013-05-22T13:32:27Z

[출처] http://proy.tistory.com/261

파이썬의 XML파싱 라이브러리 BeautifulSoup는 요런 태그에서 동작하지 않는다.

<data>

</data>

(같은 이름이 중첩되어 있음)

이걸 가능하게 하기 위해서 BeautifulSoup는 NESTABLE_TAGS라는 predefined set of tags를 제공한다. 다음과 같이 사용하면 된다.

class Nestable(BeautifulStoneSoup):

NESTABLE_TAGS={

'data' : ['data']

}

근데 이건 추가적으로 알게 된 내용이고, 나의 원래 문제는 저걸 설정해놓으면

<data... />

를

<data><data></data></data>로 만들어버린다는 데에 있었다.

3.2.1버전에서 저런 오동작을 하는데, 전 버전에서는 안 그런 것 같다.(직접 확인 X)

으 이걸 알기 어려웠던게

NESTABLE이 도대체 뭘 말하는지 내가 어떻게 알아 ㅡㅡ '(새가)둥지를 지을 수 있는' 태그냐 ㅡㅡ

하지만 위를 알고도 문제는 해결되지 않았는데 어떤 태그 a가

<a... />

<a>

</a>

이렇게 모두 존재할 수 있어서였다. NESTABLE에 a를 설정하면

<a.../>

<a.../>가

<a><a></a></a>로 바뀌고,

SELF_CLOSING에 a를 설정하면

<a>

</a>

</a>가

<a></a>

<a></a>로 바뀌어버린다.(둘 다 설정해도 하나의 문제가 나온다)

이게 stackoverflow에서도 해결책이 없더라. 원래 beautifulsoup가 지원 안한다고.(공식 문서에 shortcoming이라고 나와있다 ㅋㅋ) 그냥 다른 라이브러리를 쓰래는데 그럴 순 없고

정규식으로 self closing을 다 바꿔버렸다. 그 코드는..

import re

reg = re.compile(r"""<([\w\-_]+)((?:[^'">]|'[^']*'|"[^"]*")*)/\s*>""")

replacedStr = reg.sub(r'<\1\2></\1>', originalStr)

BeautifulSoup을 이용한 HTML parsing example

2013-05-22T13:32:05Z

[출처] http://manime.tistory.com/146

Beautiful Soup을 이용하여
HTML Parsing 후 
원하는 필드를 얻어오는 예제

view plaincopy to clipboardprint?
import urllib2  
from bs4 import BeautifulSoup  
import re  
  
urls = [("Facebook", "https://itunes.apple.com/us/app/facebook/id284882215?mt=8"),  
        ("Skype",    "https://itunes.apple.com/us/app/skype/id304878510?mt=8")]  
for name, url in urls:  
    print "Progran: %s   Latest Version: " % name,  
    response = urllib2.urlopen(url)  
    html_string = response.read()  
  
    soup = BeautifulSoup(html_string)  
    for li in soup.find_all('li'):  
        s = li.find('span')  
        if not (s and s.string):  
            continue  
        if s.string.strip() == 'Version:':  
            m = re.search('<\/span>(.*)<\/li>', str(li))  
            if m:  
                print m.group(1)  

#-*- coding: cp949 -*-
import urllib
from bs4 import BeautifulSoup
html = urllib.urlopen('http://comic.naver.com/webtoon/weekday.nhn')
soup = BeautifulSoup(html, "lxml")
titles = soup.find_all("a", "title")
 
for title in titles:
    print 'title:{0:10s} link:{1:20s}\n'.format(title['title'].encode('utf-8'), title['href'].encode('utf-8'))

urllib을 이용해서 naver 웹툰의 html 파일을 갖어와서 lxml 파서를 이용해서 BeautifulSoup 객체로 변환시킨뒤 원하는 요소를 갖어오는 코드입니다. 파서는 파이썬에 기본적으로 들어있는 html.parser을 쓸 수 있고, lxml 파서를 사용할 수 도 있습니다. lxml 파서가 기본 파서보다는 더 좋은듯 합니다.

[파이썬] 윈도에서 BeautifulSoup4 사용하기

2013-05-22T13:31:34Z

[출처] http://cyramdiray.blogspot.kr/2012/12/beautifulsoup4.html

BeautifulSoup은 파이썬에서 HTML을 파싱하기 위하여 많이 사용하는 툴입니다.http://www.crummy.com/software/BeautifulSoup/ 여기에서 다운받을 수 있고요 현재 최신 버전은 4.1.3입니다.

파이썬 소스코드를 다운받아 이클립스에서 열어보니 다음 라인에 빨간x가 쳐져 있었습니다.

1	`from` `BeautifulSoup` `import` `BeautifulSoup`

BeautifulSoup이 라이브러리에 없어서 읽어올 수 없기 때문입니다.
4.1.3 버전을 받아서 압축을 풀고 (tar.gzip파일이라 윈도에서 풀어놓으려면 웬만한 압축 프로그램으로는 두 번 풀어야 합니다) 명령창에서 setup.py 파일이 있는 폴더로 들어가서
python setup.py install
명령을 입력합니다. 뭔가 막 돌아가면서 조금 기다리면 설치가 완료됩니다.

아니, 그런데 빨간x는 계속 나와 있습니다. 인터넷을 뒤져보면, BeautifulSoup.py 파일이%PYTHON_HOME%\Lib\site-packages\ 폴더 아래에 있어야 한다고 하는데, beautifulsoup4-4.1.3-py2.7.egg-info라는 파일만 있지 BeautifulSoup.py라는 파일은 여기에도 없고, setup.py를 실행했던 압축을 풀어둔 폴더에도 없습니다. (제 파이썬 버전은 2.7입니다)

진짜 문제점은 뭐였을까요? site-packages 폴더 안에 bs4라는 폴더가 있다면 인스톨이 제대로 된 것이 맞습니다. 그럼 BeautifulSoup.py는? 그건 BeautifulSoup 3 버전을 인스톨했을 때 생기는 파일입니다.
문제점은 바로 BeautifulSoup의 임포트 구문이 바뀐 것입니다.
위의 파이썬 코드를 변경하여 다음과 같이 바꿔주세요.

1	`from` `bs4` `import` `BeautifulSoup`

자, 이제 빨간x표는 사라지고 최신의 BeautifulSoup을 사용할 수 있게 되었습니다.

제거방법

위에서 언급했듯이 "python setup.py uninstall"로는 지울 수 없고 라이브러리가 설치되는 곳에 가서 직접 지워주면 된다.

보통 %PYTHONPATH%\Lib\site-packages 밑에 설치가 된다.(%PYTHONPATH%는 파이선 루트를 의미)

나의 경우는 2.7버전을 이용해서 아래의 경로인데, site-packages 밑에 BeautifulSoup 로 시작하는 파일만 지워주면 된다.

[출처] BeautifulSoup - HTML/XML Parser|작성자 연이아빠

=========================================================================================================

Beautiful Soap :

Python용 HTML,XML파서, 형식을 지키지 않는 웹페이지에 대해서도 강인하다.

Download:

http://www.crummy.com/software/BeautifulSoup/

설치:

파일하나로 되어있어서 경로추가하거나 작업 중인 경로 안에 넣으면 설치 끝

예제:

#--coding=utf-8--

import urllib2

from BeautifulSoup import BeautifulSoup

soup = BeautifulSoup(urllib2.urlopen("http://google.com"))

links = soup('a') #이 웹페이지의 링크

print links[0]

print links[1]

print links[2]

print links[3]

print links[4]

print links[5]

print links[5].contents[0]

예제결과:

도서

ExplorEnz: the primary source of the IUBMB enzyme list

2013-05-22T13:27:35Z

Nucleic Acids Res. 2009 Jan;37(Database issue):D593-7. doi: 10.1093/nar/gkn582. Epub 2008 Sep 6.

McDonald AG, Boyce S, Tipton KF.

Source

School of Biochemistry and Immunology, Trinity College, Dublin 2, Ireland. amcdonld@tcd.ie

Abstract

ExplorEnz is the MySQL database that is used for the curation and dissemination of the International Union of Biochemistry and Molecular Biology (IUBMB) Enzyme Nomenclature. A simple web-based query interface is provided, along with an advanced search engine for more complex Boolean queries. The WWW front-end is accessible at http://www.enzyme-database.org, from where downloads of the database as SQL and XML are also available. An associated form-based curatorial application has been developed to facilitate the curation of enzyme data as well as the internal and public review processes that occur before an enzyme entry is made official. Suggestions for new enzyme entries, or modifications to existing ones, can be made using the forms provided at http://www.enzyme-database.org/forms.php.

(a) The default search interface of ExplorEnz, which shows an example of a search within the EC-number field for sub-subclass 1.3.3.−. (b) An example of ExplorEnz output, showing the first two enzyme entries returned for the query shown in (a).

Pathway projector: web-based zoomable pathway browser using KEGG atlas and Google Maps API

2013-05-22T10:19:49Z

PLoS One. 2009 Nov 11;4(11):e7710. doi: 10.1371/journal.pone.0007710.

Kono N, Arakawa K, Ogawa R, Kido N, Oshita K, Ikegami K, Tamaki S, Tomita M.

Source

Institute for Advanced Biosciences, Keio University, Fujisawa, Japan.

Abstract

BACKGROUND:

Biochemical pathways provide an essential context for understanding comprehensive experimental data and the systematic workings of a cell. Therefore, the availability of online pathway browsers will facilitate post-genomic research, just as genome browsers have contributed to genomics. Many pathway maps have been provided online as part of public pathway databases. Most of these maps, however, function as the gateway interface to a specific database, and the comprehensiveness of their represented entities, data mapping capabilities, and user interfaces are not always sufficient for generic usage.

METHODOLOGY/PRINCIPAL FINDINGS:

We have identified five central requirements for a pathway browser: (1) availability of large integrated maps showing genes, enzymes, and metabolites; (2) comprehensive search features and data access; (3) data mapping for transcriptomic, proteomic, and metabolomic experiments, as well as the ability to edit and annotate pathway maps; (4) easy exchange ofpathway data; and (5) intuitive user experience without the requirement for installation and regular maintenance. According to these requirements, we have evaluated existing pathway databases and tools and implemented a web-based pathway browser named PathwayProjector as a solution.

CONCLUSIONS/SIGNIFICANCE:

Pathway Projector provides integrated pathway maps that are based upon the KEGG Atlas, with the addition of nodes for genes and enzymes, and is implemented as a scalable, zoomable map utilizing the Google Maps API. Users can search pathway-related data using keywords, molecular weights, nucleotide sequences, and amino acid sequences, or as possible routes between compounds. In addition, experimental data from transcriptomic, proteomic, and metabolomic analyses can be readily mapped.Pathway Projector is freely available for academic users at (http://www.g-language.org/PathwayProjector/).

User interface.

(a) Organism selection tab lists all available organism-specific pathways, which are opened as new tabs upon selection. (b) The information window is opened by clicking on the entities represented in the map or on the markers that are shown as search results. This window shows detailed information about the selected entity, including names, images of structures, and molecular weight, and provides links to external databases. Furthermore, the selection of two metabolites as starting and ending compounds through this window results in the computation of possible paths between the two selected compounds. The result of path search is displayed in the right-most result panel and as highlighted lines on the map. (c) Data mapping, sequence similarity searches, and pathway reconstructions based on sequence data, are available in a pop-up window that can be invoked from the “Tools” button. (d) The search box located in the top-right corner automatically interprets the given query type and searches accordingly based on keywords, molecular mass, or identifiers. (e) This panel displays the search results as a list. Users can locate the entities by opening an information window, which automatically moves the map to show the selected object in the center. Links to downloadable pathway images and editing and annotation palettes are located above the search results.

MetaNetX.org: a website and repository for accessing, analysing and manipulating metabolic networks

2013-05-22T00:52:31Z

Bioinformatics. 2013 Mar 15;29(6):815-6. doi: 10.1093/bioinformatics/btt036. Epub 2013 Jan 28.

Ganter M, Bernard T, Moretti S, Stelling J, Pagni M.

Source

Department of Biosystems Science and Engineering, SIB Swiss Institute of Bioinformatics, ETH Zurich, 4058 Basel, Switzerland.

Abstract

MetaNetX.org is a website for accessing, analysing and manipulating genome-scale metabolic networks (GSMs) as well as biochemical pathways. It consistently integrates data from various public resources and makes the data accessible in a standardized format using a common namespace. Currently, it provides access to hundreds of GSMs and pathways that can be interactively compared (two or more), analysed (e.g. detection of dead-end metabolites and reactions, flux balance analysis or simulation of reaction and gene knockouts), manipulated and exported. Users can also upload their own metabolic models, choose to automatically map them into the common namespace and subsequently make use of the website's functionality.

Main features of MetaNetX.org. (a) Flowchart illustrating the structure of MetaNetX.org: the website with its common namespace and user workspace connects the repository of publicly available GSMs or user-defined GSMs/reaction sets with the tools section, as well as the view and export functions that enable the users to interactively analyse their results inside or outside of MetaNetX.org. (b) Interactive applet viewer showing the network neighbourhood of ethanol across several compartments in a selected Escherichia coli model. (c) Comparison of three selected E. coli models (top) using the MetaNetX.org workspace: present (+) or absent (−) reactions (bottom)

Reconstructing the metabolic network of a bacterium from its genome

2013-05-22T00:51:58Z

Trends Microbiol. 2005 Nov;13(11):550-8. Epub 2005 Sep 19.

Francke C, Siezen RJ, Teusink B.

Source

Wageningen Centre for Food Sciences, PO Box 557, 6700 AN Wageningen, the Netherlands. c.francke@cmbi.ru.nl

Abstract

The prospect of understanding the relationship between the genome and the physiology of an organism is an important incentive to reconstruct metabolic networks. The first steps in the process can be automated and it does not take much effort to obtain an initialmetabolic reconstruction from a genome sequence. However, such a reconstruction is certainly not flawless and correction of the many imperfections is laborious. It requires the combined analysis of the available information on protein sequence, phylogeny, gene-context and co-occurrence but is also aided by high-throughput experimental data. Simultaneously, the reconstructed network provides the opportunity to visualize the "omics" data within a relevant biological functional context and thus aids the interpretation of those data.

Figure 1. Flow chart of the metabolic reconstruction process. (a) Automatic assignment of molecular function on the basis of sequence homology and domain profiles. (b) When a specific metabolic activity is defined for the protein, an association is made with the corresponding reaction. (c) In case the molecular function is not specified, the assigned reaction is inconsistent with the metabolic context, or when specific reactions are needed to close gaps in pathways, comparative genomics approaches are applied to put the protein into a context that might provide information on the molecular function. (d) Pathway analysis of the metabolic reconstruction leads to predictions of missing reactions in certain pathways and metabolic capacities that can be checked with experimental data.

Software applications for flux balance analysis

2013-05-22T00:50:56Z

Brief Bioinform. 2012 Nov 5. [Epub ahead of print]

Lakshmanan M, Koh G, Chung BK, Lee DY.

Abstract

Flux balance analysis (FBA) is a widely used computational method for characterizing and engineering intrinsic cellular metabolism. The increasing number of its successful applications and growing popularity are possibly attributable to the availability of specific software tools for FBA. Each tool has its unique features and limitations with respect to operational environment, user-interface and supported analysis algorithms. Presented herein is an in-depth evaluation of currently available FBA applications, focusing mainly on usability, functionality, graphical representation and inter-operability. Overall, most of the applications are able to perform basic features of model creation and FBA simulation. COBRA toolbox, OptFlux and FASIMU are versatile to support advanced in silico algorithms to identify environmental and genetic targets for strain design. SurreyFBA, WEbcoli, Acorn, FAME, GEMSiRV and MetaFluxNet are the distinct tools which provide the user friendly interfaces in model handling. In terms of software architecture, FBA-SimVis and OptFlux have the flexible environments as they enable the plug-in/add-on feature to aid prospective functional extensions. Notably, an increasing trend towards the implementation of more tailored e-services such as central model repository and assistance to collaborative efforts was observed among the web-based applications with the help of advanced web-technologies. Furthermore, most recent applications such as the Model SEED, FAME, MetaFlux and MicrobesFlux have even included several routines to facilitate the reconstruction of genome-scale metabolic models. Finally, a brief discussion on the future directions of FBA applications was made for the benefit of potential tool developers.

Figure 1

Timeline and development of FBA software. Timeline showing the launch of FBA software tools and the milestones of key features implemented in them. Software tools are classified into any one of the three categories: stand-alone, web-based and toolbox-based. Milestones are grouped into three classes: advancements in web-technologies, supports for genome-scale model reconstruction and algorithm implementation. The vertical bars at the background denote the number of available software at the end of each year (Note: If the software has an corresponding published journal article or patent associated with them, then the date of publication is considered as the launch date of the software).

sybil - Efficient Constrained Based Modelling in R

2013-05-21T17:35:46Z

[출처] http://cran.r-project.org/web/packages/sybil/index.html

The package sybil is a Systems Biology Library for R, implementing algorithms for constraint based analyses of metabolic networks (e.g. flux-balance analysis (FBA), minimization of metabolic adjustment (MOMA), regulatory on/off minimization (ROOM), robustness analysis and flux variability analysis).

Version:	1.1.14
Depends:	R (≥ 2.14.2), Matrix, methods, lattice
Suggests:	glpkAPI (≥ 1.2.1), cplexAPI (≥ 1.2.4), clpAPI (≥ 1.2.0), lpSolveAPI (≥ 5.5.2.0), parallel, grid
Published:	2013-04-15
Author:	Gabriel Gelius-Dietrich [aut, cre], C. Jonathan Fritzemeier [ctb], Rajen Piernikarczyk [ctb], Marc Andre Daxer [ctb], Benjamin Braasch [ctb], Abdelmoneim Desouki [ctb]
Maintainer:	Gabriel Gelius-Dietrich <geliudie at uni-duesseldorf.de>
License:	GPL-3
NeedsCompilation:	no
CRAN checks:	sybil results

Downloads:

Package source:	sybil_1.1.14.tar.gz
MacOS X binary:	sybil_1.1.14.tgz
Windows binary:	sybil_1.1.14.zip
Reference manual:	sybil.pdf
Vignettes:	sybil – Efficient Constrained Based Modelling in R
News/ChangeLog:	NEWS
Old sources:	sybil archive

Reverse dependencies:

Reverse depends:	RSeed, sybilDynFBA, sybilSBML
Reverse suggests:	abcdeFBA

GEMSiRV: a software platform for GEnome-scale metabolic model simulation, reconstruction and visualization

2013-05-21T17:30:09Z

Bioinformatics. 2012 Jul 1;28(13):1752-8. doi: 10.1093/bioinformatics/bts267. Epub 2012 May 4.

Liao YC, Tsai MH, Chen FC, Hsiung CA.

Source

Division of Biostatistics and Bioinformatics, Institute of Population Health Sciences, National Health Research Institutes, Zhunan 350, Taiwan, R.O.C.

Abstract

MOTIVATION:

Genome-scale metabolic network models have become an indispensable part of the increasingly important field of systems biology. Metabolic systems biology studies usually include three major components-network model construction, objective- and experiment-guided model editing and visualization, and simulation studies based mainly on flux balance analyses. Bioinformatics tools are required to facilitate these complicated analyses. Although some of the required functions have been served separately by existing tools, a free software resource that simultaneously serves the needs of the three major components is not yet available.

RESULTS:

Here we present a software platform, GEMSiRV (GEnome-scale Metabolic model Simulation, Reconstruction and Visualization), to provide functionalities of easy metabolic network drafting and editing, amenable network visualization for experimental data integration and flux balance analysis tools for simulation studies. GEMSiRV comes with downloadable, ready-to-use public-domain metabolic models, reference metabolite/reaction databases and metabolic network maps, all of which can be input into GEMSiRV as the starting materials for network construction or simulation analyses. Furthermore, all of the GEMSiRV-generated metabolic models and analysis results, including projects in progress, can be easily exchanged in the research community. GEMSiRV is a powerful integrative resource that may facilitate the development of systems biology studies.

AVAILABILITY:

The software is freely available on the web at http://sb.nhri.org.tw/GEMSiRV.

A dark/gray box indicates a feature has been fully/partly implemented in a software tool.

Fig. 1.

A schematic overview of GEMSiRV. GEMSiRV includes three major modules (simulation, reconstruction and visualization). Each module contains several different functions that support metabolic network studies

플래시 무비 (SWF) 다운로드 하는 방법

2013-05-21T17:26:04Z

[출처] http://wonderfuldays.tistory.com/299

웹서핑을 하다보면 굉장히 재미있는 플래시 무비를 발견할 때가 있습니다. 하지만 플래쉬무비는 마우스 우클릭을 한다고 해도 아무 정보도 나오지 않죠. 그래서 소장하기도 참 어렵습니다.그럼 포기해야 할까요?

하지만 굉장히 좋은 방법이 있습니다.

지금부터 그 방법에 대해 차근 차근 설명해 드리겠습니다. 예상했겠지만 아주 쉽습니다.

우선 파이어폭스(fire Fox)라는 웹브라우져를 다운로드 합니다. 아주 유명한 브라우져이지만 브라우져라는 단어에 대해 생소하신분들이 많을텐데 보통은 윈도우에 기본으로 깔려있는 인터넷 익스플로러를 사용하기 마련이죠. 하지만 사용자마다 사용하는 스타일이 달라서 업체들이 제공하는 브라우져도 다양합니다. 대표적으로 구글의 크롬, 애플의 사파리 그리고 MOzilla의 파이어폭스 일명 불여시죠

http://www.mozilla.or.kr/ko/

우선 공식 홈페이지에 가서 파이어폭스를 깔아줍니다. 비단 플래시 무비를 다운로드하기 위해서가 아니라 한번 깔아두면 유용하게 쓰이니 설치하셔도 무방합니다.

아까도 말했듯이 플래시 무비를 다운로드 하려면 몇가지 준비과정이 있습니다

첫번째 , 파이어 폭스를 설치한다

두번째, 파이어 폭스를 설치하시고 실행하시면 맨 좌측 상단에 Fire Fox라는 탭을 눌러 부가기능이라는 메뉴를 클릭하여 진입합니다!

세번째 , 부가기능탭에 진입하시면 우측 상단에 검색창이 뜹니다, 그곳에 FLASH라고 적고 검색합니다

익명의 게놈 개인신원 확인 잇따라, 프라이버시 경고음

2013-05-20T10:12:42Z

[출처] http://scienceon.hani.co.kr/100153

미국 연구팀, 게놈 연구의 자발적 참여자 신원 역추적 결과 발표

» 출처 / NHGRI“우리는 디옥시리보핵산(DNA)의 구조를 제창하고자 한다. 이 구조는 상당한 생물학적 흥미를 일으킬 만한 진기한 특징을 지니고 있다”는 문장으로 시작하는 제임스 왓슨과 프랜시스 크릭의 1953년 한 쪽짜리 논문이 발표된 지 올해는 60년 되는 해이다. 지난달엔 60돌을 기념하는 행사와 글들이 여러 곳에서 이어졌다.

디엔에이의 이중나선 구조 발견 이후에 숨가쁘게 이어진 분자생물학의 흐름에서 한 가지 특징을 꼽으면, 디엔에이 정보를 다루는 기술은 정보 기술과 더불어 나란히 발전해왔다는 점이다. 그러다보니 정보화가 강조된 시대에 두 영역에서 여러 은유 표현에서 ‘정보’는 겹치는 말로 자주 사용돼 왔다. 사실 말뿐이 아니라 현실에서 생물정보학이라는 학문 분야도 생겨났다. 특히 1990년 시작해 2003년 완성된 인간 게놈(유전체) 프로젝트(HGP)는 엄청난 양의 염기서열 정보를 해독하고 저장하고 분석할 수 있는 토대를 마련했다. 이젠 빠르게 발전하는 염기서열 해독과 분석 기술이 개인 유전체 전체를 빠르고도 값싸게 해독해 개인의 건강과 의료에 활용하는 개인별 게놈 정보의 시대를 앞당기고 있다. 컴퓨터를 대중화한 것이 개인용 컴퓨터(PC, 퍼스널 컴퓨터)였다면, 유전체의 대중화는 개인별 유전체(PG, 퍼스널 게놈)라는 말에 함축돼 있다.

활발한 개인 게놈 연구, '프라이버시 미비' 드러나

정보화 시대에 개인 정보가 유출되는 프라이버시 문제가 떠오르듯이, 최근에는 유전체 연구 분야에서도 프라이버시가 현실 쟁점으로 떠올라 주목받고 있다. 익명으로 공개된 유전체 염기서열 정보를 역추적 해보니, 익명의 유전체 주인이 누구인지 식별할 수 있었다는 연구자들의 보고가 잇따라 발표됐기 때문이다. 모두 개인의 유전체 정보를 대량으로 모아 인간 유전 질환과 환경 영향에 관한 연구 기초를 마련하겠다는 개인 유전체 프로젝트(PGP: Personal Genome Project)의 많은 익명 참여자를 대상으로 한 신원 추적 연구에서 나타난 결과이다.

지난 1월 미국 화이트헤드 생명의학연구소의 생물정보학 연구자 야니브 엘리흐(Yaniv Erlich) 박사 등은 연구용으로 공개된 유전체 정보와 다른 일반 정보를 교차 검색하는 방식으로 유전체 연구에 자기 유전체를 제공한 자발적 참여자들의 신원을 식별할 수 있었다는 연구 보고서를 과학저널 <사이언스>에 발표했다.

다음은 이들의 논문 초록 일부이다. “신원 표시 없이 염기서열 데이터를 공유하는 것은 유전체학 연구에서 일반적 관행이다. 우리 연구팀은 ‘와이(Y)염색체의 짧은 반복염기서열(Y-STRs)’을 추적하고 또 유전 계통도 데이터베이스를 검색하는 방식으로 퍼스널 게놈에서 (참여자의) 성씨를 복원할 수 있었음을 보고한다. 이런 성씨 정보를 (참여자의) 나이나 거주지 같은 다른 유형의 메타-데이터와 조합하면 검색 대상의 신원을 찾아낼 수 있다. 이런 기법의 핵심 특징은 자유롭고 공개돼 접근할 수 있는 인터넷 자원에 전적으로 의존할 수 있다는 것이다.” 이들은 유전체 기증자의 신원을 비교적 높은 확률로 추적할 수 있었다고 전했다.

이들의 논문은 발표 당시에 별달리 조명받지 못했다가, 과학저널 <네이처>가 최근호에서 연구자 엘리흐의 인물과 이 논문을 다룬 기획기사를 보도하면서 뒤늦게 주목받고 있다. 이 기사에서 엘리흐 박사는 게놈 연구에 기증된 익명의 참여자 신원이 식별될 수 있음을 발견하고는 이런 내용을 발표할지 많은 고민을 했다고 한다. 그러나 그는 이런 공개 발표가 ‘시스템의 결점을 세상에 알려 경고하고, 연구자를 정직하게 만들며, 궁극적으로 과학을 강화하는 데 기여할 것’으로 믿었다고 말했다.

이어 또 다른 연구자들이 퍼스널 게놈 프로젝트(PGP)에 참여해 자기 유전체를 연구용으로 기증한 익명의 참여자를 대상으로 신원을 추적했더니 그 신원을 찾아낼 수 있다는 연구결과를 발표했다. 이번에는 생물정보학 전문가가 아니라 미국 하버드대학에서 프라이버시를 연구하는 라타냐 스위니(Latanya Sweeney) 교수 연구팀이었다. 이들이 유전체 제공자들의 신원을 확인하는 데 쓴 기법은 사실 너무 단순하고 고전적인 것이었다. 어쩌면 이런 단순한 교차 검색으로도 신원 확인이 가능하다는 점에서 유전체 개인 정보의 관리가 그동안 허술했음을 보여준다는 점에서 더욱 눈에 띈다.

지난달에 열린 디엔에이 구조 발견 60년 기념 학술회장에서 미국 하버드대학 스위니 교수 연구팀은 연구용으로 제공한 게놈 정보에 붙은 간단한 성별, 출생일, 우편번호의 조각 정보들을 바탕으로 인터넷에 공개된 유권자 명단 같은 정보 자료와 교차 검색했더니 579명 대상자 가운데 241명이나 되는 사람의 신원을 거의 정확히 식별할 수 있었다고 밝혔다. 이런 결과를 실제 신원 정보와 비교해보니 신원 일치의 정확도는 84-97 퍼센트에 달했다고 이들은 보고했다. 이들의 보고서는 ‘데이터 프라이버시 랩(dataprivacylab.org)’에 공개됐으며, 같은 내용의 논문이 공개 학술 데이터베이스인 아카이브(arXiv.org)에 발표했다. 　

엘리흐가 보여주었듯이 지루하게 나열된 염기서열의 조각 정보도 검색 소프트웨어를 거치면 그것이 공개된 어느 유전체 전체 정보의 일부인지 식별할 수 있다. 거기에 기입된 나이, 성별 같은 기본 정보들은 더 많은 인터넷 정보의 바다에서 공개된 다른 데이터들과 교차검색을 하면, 그 유전체의 주인이 누구인지 상당히 높은 확률로 식별하는 게 가능하다는 것이다.

이는 곧바로 유전체 프라이버시의 문제로 불거졌다. 어찌보면, 개인 유전체 정보의 관리를 좀 더 철저히 하고 정보접근 제한을 강화하는 방식으로 이번에 드러난 프라이버시 문제를 해결할 수 있을 것이다. 그런데도 과학자들이 논문 보고를 통해 경고음을 내고, 여러 언론매체가 유전체 프라이버시에 관해 관심을 기울이는 것은, 유전자 정보에는 개인 생활에 큰 영향을 끼칠 수 있는 생물학적 정보가 많이 담겨 있기 때문이다. 유전자 정보는 직장, 보험, 대인관계에 영향을 끼칠 수 있다.

이런 연구 보고는 유전체 연구의 자발적 참여자의 참여율에 어느 정도 영향을 주고 개인 유전체 정보의 프라이버시를 강조해온 연구자들을 불편하게 만들 수 있지만 현실에서 당장 떠들썩한 사회 문제를 일으킬 만한 이슈는 아직 아니다. 하지만 그런 유전체 정보가 점점 많이 쓰일 미래 사회를 생각하면 문제를 일으킬 잠재력을 지니고 있기에, 유전체학자건, 언론매체이건, 프라이버시 연구자이건 모두 다 민감하게 반응하는 것이다. 문제를 인식하고 대책을 마련하는 데에도 연구개발 못잖은 수준의 관심과 노력이 필요하다.

천재의 유전자는 뭐가 다른가? - 중국 BGI 「천재 유전자 탐색 프로젝트」 착수

2013-05-20T10:11:49Z

1970년대에 실시된 수학 영재 연구(SMPY: Study of Mathematically Precocious Youth)에 등록된 미국의 청소년들은 수학 및 언어추론 능력이 상위 1%에 속하는 `똑똑이 중의 똑똑이`들이었다. 이제 세계 최대의 유전체 시퀀싱 설비를 보유하고 있는 중국 BGI(舊 베이징 유전학 연구소)의 과학자들은 SMPY의 데이터를 이용하여 `특별한 지능에 기여하는 DNA`를 찾아내기 위한 연구에 착수했다. 실패와 논란으로 얼룩진 이 연구분야(인간의 지능을 결정하는 유전자 발견)에 뛰어든 BGI의 연구진은 "영재 1,600명의 유전체를 샅샅이 뒤져, 세계 최초로 인간의 지능과 관련된 유전자 변이(genetic variants)를 찾아내고야 말겠다"는 야심 찬 포부를 갖고 있다.

2012년 8월에 시작되어 이제 몇 개월 후면 데이터 분석에 들어갈 예정인 이 「천재 유전자 프로젝트」는 `우생학적 발상`이라는 격렬한 비난에 시달려 왔으며, 일부 차분한 사회과학자들로부터는 "시급한 사회적 이슈를 팽개치고 사소한 일에 시간을 낭비한다"는 비아냥을 들어 왔다. 그러나 일부 유전학자들은 색다른 관점에서 이 프로젝트를 비판해 왔는데, 그들이 내세우는 이유는 "샘플의 크기가 너무 작을 뿐만 아니라, 지능(intelligence)이라는 개념이 너무 복잡하여, 흥미로운 결과를 얻기가 힘들 것"이라는 것이다.

천재의 유전자를 찾아내려는 초기의 대규모 연구들은 실패를 거듭했다. 그러나 BGI 산하 인지유전체학 그룹(Cognitive Genomics group)의 과학자들은 이번 프로젝트가 `똑똑이 중의 똑똑이`들을 표본으로 삼은 만큼, 뭔가 가시적인 성과가 나올 것이라는 희망을 품고 있다. "인구집단에서 무작위로 추출된 사람들 대신 특출한 사람들의 DNA를 분석하면, 통계학적 유의성이 엄청나게 증가할 것이다. 나는 이번 연구가 승산이 있다고 생각한다"고 미시건 주립대학의 스테펜 서 박사(이론물리학)는 말했다. (서 박사는 BGI의 과학고문이자, 이번 프로젝트의 리더 중 한 명이다.)

그러나 일부 전문가들의 시선은 여전히 냉랭하다. "BGI 연구자들이 이번 연구에서 유용한 데이터를 얻을 것이라고 생각한다면, 그건 큰 오산"이라고 매사추세츠 종합병원의 대니얼 맥아더 박사(유전학)는 말했다. 그는 「천재 유전자 프로젝트」에 체질적으로 거부감을 나타내는 일부 비판자들과는 달리, 원칙적으로 `지능에 관한 연구`를 반대하지는 않는다. "지능을 연구하면 인지기능을 이해하거나, 인지기능에 영향을 미치는 질병을 이해하는 데 큰 도움이 된다. 그러나 문제는 연구의 방법론과 실현 가능성"이라고 맥아더 박사는 말했다.

지능에 영향을 미치는 유전적 요인은 실질적이면서도 매우 신비롭다(참고논문 1). 쌍둥이들을 대상으로 실시된 연구에 의하면, 유전적 요인이 성인의 지능(IQ)을 설명할 수 있는 비율은 50% 이상이라고 한다. 나아가 지능은 학문적 성과나 소득과도 밀접한 상관관계가 있는 것으로 알려져 있다. 그런데 지금껏 유전학자들에 의해 수백 개의 「발달장애(developmental difficulties) 관련 유전자(즉, 유전자의 염기서열에 하나라도 이상이 발생할 경우 발달장애를 초래하는 유전자)」가 발견되었음에도 불구하고, 정작 지능의 편차에 관여하는 유전자는 오리무중에 휩싸여 있다. 이에 많은 이들은 "신장(heights)과 마찬가지로, 지능은 수천 개의 유전자 변이가 누적되어 생성되며, 수천 개의 작은 효과들이 결합하여 인간의 지적 능력에 영향을 미친다"고 여기고 있다.

지금까지 지능관련 돌연변이(intelligence-linked variants)를 찾아내려는 연구들은 - 설사 대규모의 잘 설계된 연구라 할지라도 - 아무런 결과도 얻지 못하거나 위양성(false positives) 결과를 도출해 왔다(참고논문 2). 2010년 런던 킹스 칼리지의 로버트 플로민 박사(행동유전학)가 이끄는 연구진은 7,900명의 어린이들을 대상으로 35만 개 이상의 SNP(single nucleotide polymirphism)를 검사했음에도 불구하고, 지능관련 돌연변이를 찾아내는데 실패했다(참고논문 3). 그 후 플로민 박사는 전략을 수정하여 `슈퍼 엘리트`만을 집중적으로 연구해 왔다. 그는 SMPY에 지원한 영재 중에서 2,000명을 선별했는데, 그들의 평균 IQ는 150 이상으로 역대 노벨상 수상자들의 평균 IQ를 능가하며, 일반인들의 평균 IQ(100)보다 3σ가 높은 수준이다.

BGI 역시 플로민 박사와 동일한 전략에 입각하여, `독똑이 중의 똑똑이`를 연구대상에 포함시키려고 백방으로 노력하던 중, 플로민 박사에 관한 소식을 듣고 그와 접촉한 끝에, 아예 공동연구팀을 구성하기로 합의했다. 이에 플로민 박사는 SMPY 지원자 1,600명의 DNA 샘플을 BGI에 제공하고, BGI는 웹사이트를 통해 500명 이상의 영재들을 추가로 선발했는데, 선발기준은 국제 과학/수학 올림피아드 입상, IQ, 일류대학 학위 등이었다. "우리는 최고의 엘리트들을 선발했다. 일찍이 이렇게 우수한 인재들로 구성된 표본은 없었다"고 서 박사는 말했다.

BGI는 영재들의 유전체를 저범위(low coverage: 개별 DNA 염기를 평균 4~5회씩 검토하는 방법)로 검색하면서, 4,000명 이상의 대조군과 비교하고 있다. (연구진은 장차 대조군의 수를 10,000명으로 늘리는 것을 목표로 하고 있는데, 이들은 무작위로 추출된 영국인들로서 일반인들의 IQ 분포와 동일한 분포를 가진다.) BGI는 상업적 소프트웨어를 이용하여 1차적으로 영재들의 공통적인 SNP를 찾아낸 다음 2차적으로 희귀한 SNP에 눈을 돌릴 예정이며, 상이한 DNA 분절(DNA segment)의 갯수(number of copies) 차이도 확인해 볼 계획을 갖고 있다.

플로민 박사는 이번 연구의 성공 가능성을 낙관하고 있다. "나는 이번 연구에서 많은 것들을 발견하기보다는 하나라도 확실한 것을 발견하기를 바란다"고 그는 말했다. 그러나 맥아더 박사는 `정신분열증에 관한 연구`를 예로 들며 회의적인 반응을 보였다. "정신분열증 관련 유전자를 찾아내려는 연구자들은 이번 연구와 비슷한 크기의 표본을 선정하여, 고위험군과 중위험군의 DNA를 비교한 바 있지만, 아무런 결과도 얻지 못했다. 지능을 결정하는 유전자의 수가 정신분열증이나 신장과 비슷하다고 가정한다면, 적어도 10,000명의 실험군과 10,000명의 대조군이 필요하다"고 맥아더 박사는 말했다. 그러나 플로민 박사는 이번 연구의 표본인 `슈퍼 엘리트`들을 `고성능 스포츠카`에 비유하며, "특출한 사람들만을 모아놓은 만큼, 표본수가 작아도 천재 유전자를 찾아내는 데는 문제가 없다"고 맞서고 있다.

플로민 박사와 서 박사는 각각 목표가 다르지만, 공통의 과제를 해결하기 위해 분투하고 있다. 서 박사는 `아인슈타인이나 호킹과 같은 불세출의 천재들이 범인(凡人)들과 다른 점`을 찾는 것이 목표인 반면, 프로민 박사는 - 좀 더 포괄적인 관점에서 - 인간의 지능에 영향을 미치는 유전자를 찾는 것이 목표다. 그럴 경우 인간의 지능을 조기에 예측하고, 학습장애의 위험이 있는 어린이들에게 의학적 도움을 줄 수 있기 때문이다.

이번 연구에 대해 일부 극단론자들은 신랄한 비난을 퍼붓고 있다. 지난 3월 미국의 예술/문화 잡지인 <VICE>에 실린 "중국, 천재 아기들을 만들려고 한다(China is Engineering Genius Babies)"는 제목의 기사에서는, 이번 연구를 「국가 주도의 유전자 조작 프로젝트」라고 매도하며, 부모들로 하여금 배아의 IQ를 예측하여 똑똑한 아이들만을 선택적으로 출산하게 하는 결과를 초래할 것이라고 경고했다. 그러나 플로민 박사는 유전자 정보의 중립성을 강조하며, "유전자 정보를 교육에 이용하려는 시도에는 아무런 문제가 없다. 나의 관심은 유전자 정보를 이용하여 학습장애를 초기에 예측·치료하는 데 있을 뿐"이라고 재차 주장했다.

그러나 영국 셰필드 대학교의 폴 마틴 박사(사회학)와 같은 전문가들은 "유전학자들이 아직도 천재의 유전적 특징 따위나 찾고 있는 현상을 놀라운 시선으로 바라보고 있다. "대부분의 교육학 연구들이 사회적 요인을 강조하고 있는 오늘날, 아직도 유전적 요인을 추적한다는 것은 시대착오적인 발상"이라고 그는 말했다. 한편 `이번 연구가 언제쯤 결론을 도출할지`, 또는 `과연 결론을 도출할 수나 있을지`에 대해서도 논란이 가중되고 있다. 현재 BGI는 50%의 작업 진행률을 보이고 있지만, 연구결과가 언제쯤 발표될 수 있을지는 불투명한 실정이다. 서 박사에 의하면, 현재의 시퀀싱 기술을 감안할 때 결론이 도출되려면 1년 이상의 시간이 소요될 것이라고 한다. 그러나 현재 비약적으로 발달하고 있는 시퀀싱 기술을 감안하면, 시간이 앞당겨질 수도 있을 것으로 보인다.

그러나 상당수의 과학자들은 유전체 시퀀싱 기술의 비약적인 발달을 인정하면서도, `DNA를 이용하여 인간의 지능을 예측하는 것은 시기상조`라며 손을 내젓고 있다. "DNA를 분석하여 인간의 지능을 예측한다는 것은 아직 공상에 불과하다. 인간의 신장을 예로 들면, 수십 만 명의 사람들에 대한 샘플이 축적되어 있지만, 이를 토대로 신생아의 신장을 예측한 결과를 들여다 보면 그리 신통치 않다. IQ의 경우도 마찬가지며, 이러한 상황은 당분간 지속될 것으로 보인다"고 호주 퀸즐랜드 대학의 피터 비셔 박사(유전학)는 말했다.

※ 참고논문
1. Deary, I. J., Johnson, W. & Houlihan, L. M. Hum. Genet. 126, 215?232 (2009).
2. Chabris, C. F. et al. Psychol. Sci. 23, 1314?1323 (2012).
3. Davis, O. S. et al. Behav. Genet. 40, 759?767 (2010).

genious.JPG

출처 : http://www.nature.com/news/chinese-project-probes-the-genetics-of-genius-1.12985

EcoGene 3.0.

2013-05-15T17:46:49Z

Nucleic Acids Res. 2013 Jan;41(Database issue):D613-24. doi: 10.1093/nar/gks1235. Epub 2012 Nov 28.

Zhou J, Rudd KE.

Source

Department of Biochemistry and Molecular Biology, The Miller School of Medicine, University of Miami, Miami, FL 33143, USA.

Abstract

EcoGene (http://ecogene.org) is a database and website devoted to continuously improving the structural and functional annotation of Escherichia coli K-12, one of the most well understood model organisms, represented by the MG1655(Seq) genome sequence and annotations. Major improvements to EcoGene in the past decade include (i) graphic presentations of genome map features; (ii) ability to design Boolean queries and Venn diagrams from EcoArray, EcoTopics or user-provided GeneSets; (iii) the genome-wide clone and deletion primer design tool, PrimerPairs; (iv) sequence searches using a customized EcoBLAST; (v) a Cross Reference table of synonymous gene and protein identifiers; (vi) proteome-wide indexing with GO terms; (vii) EcoTools access to >2000 complete bacterial genomes in EcoGene-RefSeq; (viii) establishment of a MySql relational database; and (ix) use of web content management systems. The biomedical literature is surveyed daily to provide citation and gene function updates. As of September 2012, the review of 37 397 abstracts and articles led to creation of 98 425 PubMed-Gene links and 5415 PubMed-Topic links. Annotation updates to Genbank U00096 are transmitted from EcoGene to NCBI. Experimental verifications include confirmation of a CTG start codon, pseudogene restoration and quality assurance of the Keio strain collection.

Figure 1.

The main GenePage tab of the EcoGene 3.0 GenePage for lacZ. The main areas of interest are circled and described in the text.