Modeling of Molecular Characteristics Based on Bio-inspired Ant Colony Optimization in Long-range Nanonetworks

Ika Dewi Binti Saiful Bahri 금오공과대학교 2014 국내석사

최근 분자동역학(MD) 시뮬레이션은 많은 복잡한 문제를 해결하기 위한 중요한 도구가 되고 있고, 현대 과학의 성장은 분자 통신안의 실험과 시뮬레이션 연구 둘 다 향상시킨다. 분자운동을 위한 MD의 응용은 분자의 특성에 대한 이해의 형성을 도왔다. 본 연구의 목적은 분자의 특성을 조사하고 여러 가지 MD 알고리즘(구체적으로 Verlet 그리고 Beeman’s 알고리즘)을 사용한 개미집단최적화(ACO) 기반 분자통신의 성능을 평가하는 것이다. 본 논문은 소스 노드로 가는 최적의 경로를 찾기 위한 타켓을 위해 ACO를 사용한 생체모방 분자통신 알고리즘을 제안한다. 타켓 노드는 소스로부터 개미 및 페로몬과 유사한 확산 분자를 사용하여 소스로 가는 다음 최적의 노드를 찾는 것을 시도한다. 분자의 위치 및 속도는 MD 시뮬레이션의 상태를 결정한다. 도착시간 및 소스의 경로를 따라 분자와 접촉한 수는 다양한 시간 단계의 성능 측정으로 평가된다. 시뮬레이션 결과는 Beeman’s 알고리즘이 Verlet 알고리즘보다 더 긴 이동시간을 사용하는 것을 보여준다. 하지만 상반관계로 Beeman’s 알고리즘은 더 높은 정확도와 정밀도를 가진다. 삼차원 시뮬레이션으로 이 연구를 확장하기 위해서, 간단한 알고리즘과 짧은 이동시간 때문에 Verlet 알고리즘을 선택했다. 본 연구는 시뮬레이션 결과에 기초하고, 시간 단계의 크기는 분자통신에서 주요한 요소로 결론지었다. 마지막으로 밀도 라우팅 프로토콜은 분자통신에서 한 지점에서 다른 지점으로 어떻게 분자가 이동하는지와 같은 다른 접근으로서 소개되어진다. 기존에 ACO는 타겟에 가까이 도착한 분자의 가속과 힘을 고려하여 경로는 찾는 것 이었다. 반면 다른 방법에서는, 타겟 주변 분자의 밀도는 개미의 경로를 결정한다. 성능 측정으로, 도착 시간 및 타겟이 소스로 가는 동안 분자와 접촉한 수로 평가된다

Development of single-chain variable fragments (scFv) antibody for detection and neutralization against marine viruses

Rini, Ika Agus Sungkyunkwan University 2026 국내박사

인수공통감염 사례는 다른 종으로부터 유래한 바이러스가 인간 사이에서 증폭·전파되는 또 하나의 요인이 된다. 인수공통감염에서 핵심 사건은 동물 바이러스가 최초의 인간 숙주에서 복제를 시작하는 순간이다. COVID-19 팬데믹 이후 인수공통감염 사례는 크게 증가했으며, 해양 포유류에까지 영향을 미치고 있다. 수중 환경은 바이러스 확산에 매우 취약하며, 해양 포유류에서의 집단 감염도 빈번히 발생한다. 그러나 현장에서 적합한 검출 시스템의 한계로 인해 해양 바이러스의 탐지는 상당히 어려운 편이다. 더불어 포유류를 표적하는 해양 바이러스에 대한 항바이러스 물질 개발 역시 제한적이다. 이러한 상황에서 단일사슬 가변 단편(single-chain variable fragment, scFv)은 바이러스 검출과 중화 기능을 겸할 수 있는 기술로 주목받고 있다. 크기가 큰 IgG와 달리, VH(Variable Heavy)와 VL(Variable Light) 도메인으로 구성된 scFv는 작고 E. coli 시스템에서 쉽게 생산될 수 있다. 이러한 장점 덕분에 scFv는 해양 바이러스의 검출 및 중화 시스템으로 개발될 가능성을 갖는다. 본 연구에서는 scFv를 이용하여 해양 바이러스 검출 시스템을 구축하고, 항바이러스 활성을 통해 감염을 억제할 수 있는 중화 항체로서의 기능을 개발하고자 하였다. ScFv는 바이오패닝을 통해 선별되었으며, 이후 in silico 및 in vitro 시스템을 활용해 최적의 후보를 가려냈다. 그 결과 항항돌고래 라브도바이러스(HPRV) 항원을 검출하기 위한 scFv 기반 해양 바이러스 검출 시스템을 성공적으로 구축했으며, 실험적·전산적으로 검증을 완료하였다. 또한, scFv는 A형 간염바이러스(HAV)에 대한 중화 항체로도 개발되었다. 비록 바이러스에 대해 약 50%의 억제 효과만 보였지만, 시너지 처리 (synergistic treatment)를 통해 억제력을 강화 할 수였다. RNA 가수분해 활성을 가진 scFv인 3D8을 병용하자 HAV에 대한 억제 효과가 60% 향상되었다. 그러나 두 종류의 scFv를 함께 사용하면 세포 생물학적 영향이 발생 할 수 있으므로, 단일 scFv 자체의 억제 기능을 더욱 강화할 필요가 있다. 이를 위해 중화 scFv와 RNA 가수분해 scFv를 조합한 엔지니어링이 수행되었다. In vitro 및 in silico 선택 결과, 이중 도메인 VL이 HAV에 대해 더 우수한 활성을 보였다. 엔지니어링된 scFv(e-scFv)를 사용한 처리에서는 바이러스 RNA와 단백질 발현 모두에서 최대 80%까지 억제 효과가 나타났다. 이는 e-scFv가 세포 침투 능력과 RNA 가수분해 활성을 동시에 갖추었기 때문이다. 따라서 e-scFv는 수직적·수평적 효과를 동시에 제공하는 시너지 치료 전략에서 매우 유망한 결과를 보여준다. 비록 in vitro 분석에서 좋은 억제 효과가 확인되었지만, HAV 치료에 대한 보다 신뢰할 만한 데이터를 얻기 위해서는 in vivo 검증이 필요하다. 본 연구에서 개발된 e-scFv는 scFv 기반 항바이러스 연구의 중요한 돌파구가 될 수 있다. 이 연구에서 HAV 억제 메커니즘은 부착 차단과 유전체 방출 차단을 통해 이루어진다. Zoonotic cases become another factor for spreading viruses from another species until amplification from human to human. The key event in zoonosis is when an animal virus begins to replicate in the first human subject. There have been numerous zoonotic cases that have spread globally, and since the COVID-19 pandemic, these cases have increased, even impacting marine mammals. Aquatic environments are very vulnerable to the spread of viruses, and outbreaks frequently occur among marine mammals. The detection system for marine viruses is quite challenging due to the limitations of suitable detection systems in the field. Furthermore, the development of antiviral compounds against marine viruses that target mammals remains restricted. One technology with the ability to act as a detection and antivirus or neutralizing system is single-chain variable fragments (scFv). Unlike IgG, which is large, scFv, consisting of Variable Heavy (VH) chain and Variable Light (VL) chain domains, is small and easily produced in an Escherichia coli system. Given the advantages of scFv, this technology can be developed as a detection and neutralization system for marine viruses. Therefore, the aim of this study is the development of single-chain variable fragments (scFv) of antibodies for detection systems and antiviral activity against marine viruses. ScFv was selected through biopanning, which was then screened using in silico and in vitro systems to choose the best candidates. A marine virus detection system using scFv was successfully developed for the detection of harbor porpoise rhabdovirus (HPRV) antigen and was experimentally and computationally validated. Furthermore, scFv has also been developed as a neutralizing antibody against hepatitis A virus (HAV). In this study, the neutralizing antibody F11 demonstrated a 50% inhibition rate against HAV in vitro. However, a synergistic treatment that combines F11 with the RNA-hydrolyzing scFv (3D8) resulted in slightly greater inhibition of HAV, achieving up to 60%. Another approach to improving antiviral activity involves rearranging the domains of antibodies. This method could boost the activity, functionality, and stability of the single-chain variable fragment (scFv). Integrating the domain from a neutralizing scFv with that of the RNA-hydrolyzing scFv (3D8) could enhance the functionality of engineered scFvs. In silico selection engineered scFv double domain VL showed better characteristics compared to other designs. In vitro evaluation using engineered scFv double domain VL could inhibit the virus by up to 80% in regarding both viral RNA and protein expression. The engineered scFv exhibits a distinct mode of action due to the combination of VL domains. The neutralizing scFv domain attaches to the virus, while the RNA-hydrolyzing scFv prevents the release of the genome from any virus that evades neutralization through hydrophobic interactions involving the VL domain. Consequently, e-scFv demonstrates promising results for synergistic treatment, offering both vertical and horizontal effects. Although it has shown effective inhibitory results in in vitro analyses, e-scFv requires further testing in vivo to yield more comprehensive data regarding its efficacy against HAV. In this study, e-scFv presents a potential breakthrough in scFv-based antiviral research. The inhibition mechanism against HAV discussed in this study involves blocking virus attachment and hindering genome release.

한국과 인도네시아 인성 교과 교육과 생활문화 비교 연구 : 두 나라의 교육과정 비교를 중심으로

Ika, Kusumawati 진주교육대학교 2017 국내석사

한국과 인도네시아의 바른 생활과 도덕 교과와 판짜실라 도덕과 종교에 대한 것을 살펴보았다. 한국과 인도네시아의 도덕(바른생활 포함) 교과에 나타난 인성 교육과 관련된 내용은 같은 점도 있지만, 다른 점이 상당히 많다. 같은 점은 정직하게 살기, 공중도덕이나 규칙, 및 법을 지키기, 생명체를 존중하기 등이고, 다른 점은 자신과의 관계에서는 한국은 개인적으로 몸과 마음의 건강, 감정 조절하기 등인데 반해 인도네시아에서는 종교, 부족에 관한 내용을 배운다. 다종교국가이고 다민족국가이어서 서로 이해하는 교육이 필요해서 그렇다고 볼 수 있다. 타인과의 관계에서는 한국에서는 서로 이해하고, 우애하며, 봉사하는 생활을 지도하는 데 반해 인도네시아에서는 집과 학교가 달라도 이해하고 행동하며 한 나라 한 나라를 이해하고 또 각 언어 하나하나의 의미를 알아 언어가 서로 달라도 소통하기를 원하는 지도를 하고 있다. 사회 공동체와의 관계에서는 한국이 통일 의지를 갖고, 타문화 이해하기 등 한국의 분단된 현실, 다문화 사회의 현실 등의 내용인데 반해 인도네시아에서는 여러 부족이 하나로 되고, 중앙 정부에 협력하는 태도를 갖는 것을 지도 내용으로 하고 있다. 여러 부족이 모여 이루진 인도네시아 나라의 특성을 잘 반영하고 있다. 자연 초월과의 관계에서는 한국에서는 마음을 다스리기 등이 있는데, 인도네시아에서는 풍부한 자연자원 때문인지 생명체 존중은 물론 환경에 대한 세계화 영향 알기 등을 지도하도록 하였다. 그런데 인도네시아에는 한국 학교 교육에는 없는 종교 교육이 있다. 여러 종교를 믿고 있는 사람들이 자기 종교에 따라 생활해 가고 있고, 또 각 종교별로 종교 교육도 실시하고 있다. 그러나 그 교과의 지도 내용들을 보면 기본적으로 인간의 생활과 관련된 내용들이 제시되어 있어 올바른 생활을 해 갈 것을 지도하고 있다. 즉 바른 인성을 가지고 사람과 사람 사이에서 바르게 살아갈 것을 지도하고 있는 것이다. 마치 한국이 유교가 오늘날까지 한국인의 생활 방식에 영향을 미치고 있는 것과 같이 인도네시아에서는 종교 교육이 바른 인성을 가지고 생활해 가도록 지도하고 있는 것이다. 인도네시아와는 달리 한국의 교육은 종교 교육은 없고, 지식 교육에 치중함으로써 학생들을 서열화 하고, 경쟁만 시키는 교육을 하고 있다. 그러나 인도네시아는 도덕 교육 및 종교 교육을 시켜 가정, 학교, 사회생활을 바람직한 방향으로 해 가도록 하고 있다. 그래서 한국도 인도네시아의 종교교육과 한국의 지식교육을 접목한 제도를 도입하면 좋겠다. 종교는 지식을 전달하면서도 마음을 잡을 수 있는 좋은 교육 도구인 것이기 때문이다.

A Topic Refinement Method using GPT and Coherence Filtering

Widiastuti, Ika 이화여자대학교 대학원 2025 국내박사

주제 모델링은 대규모 텍스트 데이터 내에 존재하는 잠재적 패턴을 식별하기 위해 다양한 분야에서 널리 활용된다. 이는 학술 연구, 소셜 미디어 분석, 시장 조사, 의료 등 방대한 비정형 코퍼스의 해석을 필요로 하는 영역에서 중요한 역할을 수행한다. 전통적인 주제 모델링 알고리즘은 고차원적 패턴을 효과적으로 발견하는 데 강점을 지니나, 의미 있는 해석을 위해 요구되는 맥락적 뉘앙스를 충분히 반영하는 데 어려움을 겪는다. 이러한 한계는 특히 노이즈가 많고 비공식적인 소셜 미디어 데이터에서 두드러지며, 기존 모델들은 일관성과 해석 가능성이 결여된 주제를 생성하는 경향이 있다. 결과적으로, 이러한 문제는 일관성 있고 신뢰할 수 있는 통찰이 요구되는 실제 응용 분야에서 주제 모델링의 실용성을 제한한다. 이러한 한계의 주요 원인 중 하나는 주제 단어 분포 내에 의미적으로 관련이 없거나 개념적으로 일치하지 않는 단어들이 포함되는 데 있다. 잠재 디리클레 할당(Latent Dirichlet Allocation, LDA)과 같은 알고리즘은 단어의 공출현 통계에 주로 의존하며, 보다 심층적인 의미 관계를 고려하지 않기 때문에, 개념적으로 일관성이 결여되거나 관련성이 낮은 용어가 주제에 포함될 수 있다. 이러한 불일치는 주제의 일관성을 저하시킬 뿐만 아니라, 감성 분석, 트렌드 탐지, 의사결정 지원과 같은 후속 작업에 모호성을 유발한다. 따라서 의미적 불일치를 해결하는 것은 특히 노이즈가 많은 데이터 환경에서 주제 모델링 결과의 품질과 실용성을 향상시키는 데 필수적이다. 본 연구에서는 주제 일관성과 해석 가능성을 향상시키기 위한 새로운 주제 정제 프레임워크인 TR-GPT-CF를 제안한다. 이 방법은 주제 모델링 이후 단계에서 작동하며, 주제의 전체적인 주제 구조와 의미적으로 부합하지 않는 단어, 즉 의미적 불일치 단어를 식별하여 WordNet과 GPT 모델을 활용해 맥락에 적합한 대체어로 치환하는 데 중점을 둔다. 구체적으로, LDA나 BERTopic과 같은 기본 주제 모델을 통해 주제를 추출한 후, 각 주제 단어와 주제 중심어 간의 코사인 유사도를 기반으로 Z-점수 필터링을 적용하여 의미적 불일치 단어를 탐지한다. 이후 주제 내 가장 대표적인 단어를 기준으로 대체 후보어를 생성하며, 이 중 주제 일관성 점수가 가장 높은 후보를 선택하여 불일치 단어를 대체한다. TR-GPT-CF의 효과성을 평가하기 위하여, 다양한 언어적 복잡성과 노이즈 수준을 갖는 여러 데이터셋에 TR-GPT-CF 프레임워크를 적용하였다. 평가에 사용된 데이터셋으로는 AGNews, SMS 스팸, Yahoo Answers, TagMyNews, 20Newsgroups, Kaggle의 과학 연구 논문 데이터, 기술 및 학술·과학 분야의 YouTube 댓글, 그리고 과학 관련 트윗(TweetPap 데이터셋) 등이 포함된다. 주제는 정제 이전에 LDA, NMF, BERTopic, G-BAT 등 네 가지 주제 모델링 알고리즘을 활용하여 추출하였다. 이러한 포괄적인 실험 설계는 반구조화된 텍스트 환경과 비공식적이며 자유로운 텍스트 환경 모두에서 본 프레임워크의 적응성과 견고성을 종합적으로 검증하는 데 목적이 있다. 연구 결과 모든 데이터셋과 주제 모델링 방법에서 TR-GPT-CF가 일관성 점수를 지속적으로 향상시키는 것으로 확인되었다. 특히 언어 복잡성이 낮은 데이터셋에서 뛰어난 효과를 보였으며, 반구조화된 소셜 미디어 콘텐츠에서도 뛰어난 효과를 나타내었다. 더욱이, 의미 정보(WordNet)와 맥락 정보(GPT)를 결합한 하이브리드 접근 방식은 도메인 지식과 언어 인식이 요구되는 복잡한 데이터셋에서 가장 유의미한 발전을 보여주었다. 이러한 결과는 TR-GPT-CF가 기존의 수동 정제 방법에 비해 효율적인 자동화 대안으로 활용될 수 있음을 시사한다. 관찰된 성과는 체계적인 주제 모델링 후 정제 과정을 통해 이루어졌으며, 이 과정에서는 어휘적 자원인 WordNet과 생성적 언어 모델인 GPT를 활용하여 맥락적으로 부적합하거나 의미적으로 불일치하는 단어를 식별하고 적절히 대체한다. 의미적 정확성과 맥락적 유창성을 결합한TR-GPT-CF는 주제 단어 분포의 일관성과 해석 가능성을 동시에 향상시키며, 다양한 응용 분야에서 주제 모델링 효과를 증진시키는 데 유용한 도구임을 입증하였다. Topic modeling is widely used across various domains to identify latent patterns within large volumes of textual data. It plays a vital role in fields such as academic research, social media analysis, market research, and healthcare, where it facilitates the interpretation of massive, unstructured corpora. Although traditional topic modeling algorithms are effective at uncovering high-level patterns, they often struggle to capture the contextual nuances necessary for meaningful interpretation. This limitation is particularly evident in noisy and informal social media data, where conventional models frequently produce topics that lack coherence and interpretability, ultimately limiting their utility in real-world applications that require consistent and reliable insights. A primary cause of this limitation is the inclusion of semantically unrelated or misaligned words within topic word distributions. Algorithms such as Latent Dirichlet Allocation (LDA) rely heavily on word co-occurrence statistic without considering deeper semantic relationships, resulting in topics that may contain conceptually inconsistent or irrelevant terms. These inconsistencies degrade topic coherence and introduce ambiguity into downstream task such as sentiment analysis, trend detection, and decision-making. Addressing semantic misalignment is therefore essential for improving the quality and practical utility of topic modeling outputs, especially in noisy data environments. This dissertation proposes TR-GPT-CF, a novel topic refinement framework aimed at enhancing topic coherence and interpretability. The proposed method operates in the post-modeling stage and focuses on identifying semantically misaligned words—defined as terms that do not align with the overall thematic structure of the topic—and replacing them with contextually appropriate alternatives generated using WordNet and GPT models. The process begins by extracting topics using base models such as LDA or BERTopic. Misaligned words are then identified through Z-score filtering based on cosine similarity between each topic word and the topic centroid. The most representative word in the topic is used to guide the generation of replacement candidates, and the candidates that yields the highest coherence score is selected to replace the misaligned word. To evaluate the effectiveness of TR-GPT-CF, the framework was applied across diverse sets of datasets exhibiting varying levels of linguistic complexity and noise. These included AGNews, SMS Spam, Yahoo Answers, TagMyNews, 20Newsgroups, Science Articles (Kaggle’s Research Articles), YouTube comments from the Technology and Academic-Scientific domains, and science-related tweets (TweetPap dataset). Topics were initially extracted using four topic modeling algorithms—LDA, NMF, BERTopic, and G-BAT—prior to refinement. This comprehensive experimental setup was designed to assess the adaptability and robustness of the framework in both semi-structured and highly informal textual environments. Across the evaluated datasets and topic modeling methods, TR-GPT-CF consistently demonstrated consistent improvements in topic coherence. The framework was particularly effective in handling noisy or less structured data, where initial topic quality was lower. The hybrid strategy that integrating semantic precision from WordNet with contextual generation from GPT, frequently yielded the highest improvements, escpecially in scenarios requiring both lexical alignment and contextual relevance. These findings highlight the potential of TR-GPT-CF as a scalable and automated refinement method, offering practical support in improving topic interpretability without extensive manual intervention. The observed gains are achieved through a systematic post-modeling refinement process that identifies and replaces contextually inconsistent or semantically misaligned word using lexical (WordNet) and generative (GPT) resource. By combining semantic precision with contextual fluency, TR-GPT-CF enhances the coherence and interpretability of topic word distributions, making it valuable tool for improving topic modeling performance in diverse applications.

A unified account of the syntax of valence in Javanese

Nurhayani, Ika ProQuest Dissertations & Theses Cornell University 2014 해외박사(DDOD)

This dissertation proposes a unified account of the syntax of valence in Javanese which includes applicative, passive and adversative passive. The three valence-changing processes have been commonly analyzed as separate phenomena in the previous frameworks. The dissertation shows that independent analyses on the syntax of valence by Baker (1988), Marantz (1993), and Pylkkanen (2002) on applicative, Kratzer (1996) and Collins (2005) on passive, and Kubo (1992) and Pylkkanen (2000) on adversative passive are problematic for Javanese. First, the frameworks cannot provide sufficient argument heads for all of the three functions of suffix -ake: benefactive, instrumental, and theme. Second, they cannot explain the three positions of the passive agent: preverbal, postverbal and in a PP at the end of sentence. Third, they cannot explain the fact that Javanese adversative passive has no possessor raising construction. I propose that the problems can be solved with a unified account of the syntax of valence of Javanese. This is done by incorporating the frameworks of Bowers (2010) on applicative and passive, Merchant (2013) on passive, and Aldridge (2011) on ergativity. Based on Bowers (2010), the three functions of suffix -ake can be accommodated at separate argument heads. Moreover, based on the same framework, the agent can be originated at the agent head at the bottom of the derivation, and then raised to the preverbal and the postverbal positions due to the ergative features at the positions. Lastly, the adversative passive is defined as a combination of passivization with a specific adversative passive ke- merged at the Spec of Voice and the applicative suffix -an merged at the Affectee head.