1. Clinical Genomics/Cancer Genomics
Based on genomics data generated by Next-Generation Sequencing machine, we identified causal variants for therapy and prevention in cancers such as high-grade serous ovarian carcinoma, glioblastoma and hepatobiliary tract cancer.
(NGS sequencing machine을 통해 생산되는 환자들의 genomics 데이터들을 생산하고 분석하여 질환의 원인변이를 찾는 연구를 수행합니다. High-grade Serous Carcinoma (Ovarian cancer)와 Glioblastoma 그리고 진행성 간담도암과 같은 난치성 암의 면역치료방법들을 연구합니다.)
2. Cellular Senescence based on Systems Biology (e.g. Functional networks)
Cellular senescence is one of the key biological processes associated to cancer progression and metastasis.
(암을 조절하는 생물학 메커니즘 중에는 세포의 죽음을 조절하는 방법들이 중요하게 대두되어서 많은 연구가 진행되고 있습니다. 가장 잘 알려진 Apoptosis 뿐만 아니라 Necroptosis, Pyroptosis 그리고 Ferroptosis 까지 많은 방법들이 밝혀졌는데, 세포의 노화 (Cellular senescence) 과정도 암의 발생과 진행 그리고 전이 과정에 매우 밀접한 과정으로 암의 치료법을 발굴하는 데 중요한 역할을 할 것이라 생각하고 연구를 수행하고 있습니다. 노화의 과정을 밝히기 위해서 Functional network와 같은 omics 데이터를 통합분석하여 문제를 해결하는 연구를 수행합니다. )
3. Statistical Learning/Machine Learning/Deep Learning
임상적 데이터, genomics 데이터 그리고 Systems biology 데이터는 단순한 통계 분석만으로 데이터를 이해하고 분석하기 어렵기 때문에, 통계적 학습방법이나 기계학습방법, 데이터마이닝과 같은 방법을 통해 생물학 데이터를 이해하고 분석하여, 질환이나 생물학적 문제를 해결하는 연구를 하고 있습니다. 최근 임상 이미지 데이터에 딥러닝 방법이 효과적으로 적용됨에 따라, 병리학 이미지 데이터에서 딥러닝 방법을 적용하는 연구도 시도하고 있습니다.