Update README.ko.md

2020/02/28

README.ko.md

@@ -15,13 +15,14 @@ CASP는 이미 알고는 있지만 공개되지 않은, 단백질 구조에 대
 
 단백질 구조 예측은 생화학 분야에서 가장 어려운 문제 중 하나 입니다. 이 문제는 생물학과 화학분야에서 중요한 주제이지만 머신러닝 커뮤니티에서는 생소한 분야입니다.
 이는 두가지 이유때문이라고 추측됩니다. 1. 높은 진입 장벽 2. 표준화의 부재 이 두가지 문제가 해결된다면 단백질 구조 예측은 비전인식, 음성인식과 더불어 머신러닝의 주요 분야가 될 수 있습니다.
-ImageNet이 컴퓨터 비전 기술 발전의 원동력이 되었듯이 ProteinNet은 머신 러닝 분야의 단백질 구조 부분에서 누구든 쉽게 시작 할 수 있도록 표준화된 데이터셋과 트레이닝, 평가, 테스트를 제공 할 것입니다.
+[ImageNet](https://www.image-net.org)이 컴퓨터 비전 기술 발전의 원동력이 되었듯이 ProteinNet은 머신 러닝 분야의 단백질 구조 부분에서 누구든 쉽게 시작 할 수 있도록 표준화된 데이터셋과 트레이닝, 평가, 테스트를 제공 할 것입니다.
 
 
 ## 접근법
 
-CASP 대회는 2년에 한번 열립니다. 이 대회는 최근에 밣혀 졌지만, 아직 공개되지 않은 단백질 서열에 대한 구조를 전세계에 걸쳐 해결하게 됩니다.
-대회 참가자들은 이런 구조들에 대해 블라인드 예측을 하고 정확성을 평가받게 됍니다.
+CASP 대회는 2년에 한번 열립니다. 이 대회에서는 최근에 밣혀 졌지만, 아직 공개되지 않은 단백질 서열에 대한 구조를 전세계 참가자들이 해결하게 됩니다.
+대회 참가자들은 이런 구조들에 대해 블라인드 예측을 하고 정확성을 평가받게 됍니다. 따라서 CASP 구조는 특정 시점에서 얼마나 예측이 잘 되었는가에 대한 표준화된 기준점을 제공합니다. ProteinNet의 기본적인 생각은 CASP 테스트 셋을 사용하여 CASP에 편승하는 것 입니다. Proteinnet은 훈련, 평가용 데이터를 CASP 실험 이전의 조건을 재설정 함으로써 테스트 셋을 보완합니다. 특히 Proteinnet은 사용 가능한 서열과 구조를 시작 전에 제한합니다. 이건 [BLAST](https://blast.ncbi.nlm.nih.gov/Blast.cgi)와 같은 표준 데이터베이스는 히스토리 버전을 유지하지 않으므로 중요합니다.
+우리는 [UniParc](https://www.uniprot.org/uniparc/)의 타임리셋 버전과 [JGI](https://img.jgi.doe.gov/)에서 metagenomic 시퀀스를 사용하는데, MSA를 도출하는 시퀀스 데이터베이스 구축을 위해 이 두가지를 사용합니다.
 
 # 하루 한줄 번역