About
본 연구실에서는 NGS (next generation sequencing)를 비롯한 다양한 형태로 생산된 대규모 의생명과학 데이터를 계산학적인 방법으로 분석하여 유전자 발현 등 생체 내 기초 분자생물학적인 기작 연구에서부터 실제 질병 관련 임상 활용 연구에 이르기까지 다양한 분야의 연구를 수행하고 있습니다.
생명과학 관련 전공자 뿐 아니라, 컴퓨터공학이나 통계학 등 다양한 전공을 가진 분들도 모두 환영합니다.
Our lab conducts various research on understanding fundamental molecular biology as well as analyzing large-scale biomedical data generated in various forms, including NGS (next generation sequencing).
We welcome students with a variety of majors, including computer science and statistics, in addition to those majoring in biology.
Cancer Genome/Epigenome & Tumor Microenvironment
본 연구실에서는 Whole-genome/exome sequencing (WGS, WES), RNA sequencing (RNA-seq), Single cell sequencing (sc-seq) 등에 기반한 환자의 Gemline/somatic mutation, Copy number alteration, Gene expression 등을 확인하고, 이를 통합 분석하여 암의 기전과 암 특이적 생물학적 특성을 연구합니다.
또한 DNA methylation, Histone modification 등 후성유전체 정보 분석을 통해 후성 유전학적 인자에 의한 유전자 조절 변화 및 핵심 인자 발굴, 이로 인한 암 등 질병과의 연관성에 대한 연구도 함께 수행합니다.
특히 암 주변 세포들에 대한 분석을 통해, 종양미세환경(tumor microenvironment)과 암 발생 및 전이, 약물 저항성, 암면역 치료 등의 관계도 밝히고자 합니다.
We try to identify and analyze the biological mechanism and characteristics of cancer by integrating Whole-genome/exome sequencing (WGS, WES), RNA sequencing (RNA-seq), single cell sequencing (sc-seq), and so on.
In addition, we carry out research on changes in gene regulation by epigenomic factors, and association with diseases such as cancer through analysis of the epigenomic information.
In particular, through analysis of cells around cancer, we would like to reveal the relationship between tumor microenvironment and cancer development, metastasis, drug resistance, and cancer immunotherapy.
Machine Learning / Deep Learning
Deep neural networks을 비롯한 machine learning 기술은 바이오 데이터 분석에도 유용하게 활용될 수 있습니다. 본 연구실에서는 암 유전체를 비롯한 다양한 의생명과학 문제에서 이러한 기술들을 사용하고 있습니다. Classification과 prediction 문제 뿐 아니라, 진화 연산 기반의 optimization 문제 해결, 확률 모델 및 latent variable 모델 등을 이용한 분자 생물학적 특성 탐색 등 다양한 형태의 machine learning 방법들을 활용하여 생물학적 문제를 해결하고자 노력하고 있습니다.
The utilization of machine learning including deep neural networks can be beneficial for biomedical data analysis. We attempt to resolve lots of biomedical problems using the machine learning techniques.
Transnational Medicine
한 두 가지 인자의 분석만으로 질병의 모든 것을 이해하기는 불가능합니다. 본 연구실에서는 많은 복잡한 인자들의 통합 분석을 통한 개인 맞춤형 치료, 정밀 의학(precision medicine)의 실현을 위한 기반을 만들어가고자 합니다.
기초 의생명과학 연구에서부터 궁극적으로는 임상에 도움이 될 수 있는 연구를 통해 향후 미래 의학 발전에 공헌하고자 합니다.
It is impossible to comprehend everything of diseases, with analysis of one or two factors. The foundation of precision medicine can be realized by the integrated analysis of the many complicated factors.
We carry out not only basic scientific research, but also studies for clinical application. Thus it might be beneficial to future medicine.