다중 오믹스는 단일 오믹스 기반의 질병 진단기술의 한계점을 벗어나 유전체, 대사체 등을 함께 다각도로 분석하는 방법입니다. 국내에서 머신러닝을 활용하여 대사증후군 발생을 예측하는 모델을 제안한 연구가 일부 있으나, 현재까지 식사요인,  대사체(metabolites) 지표 및 유전자 변이(SNPs), 임상지표를 통합적으로 활용하여 머신러닝 기반의 대사증후군 예측 알고리즘을 개발한 연구는 제한적입니다. 개인별 대사증후군 발생 예측 모델을 개발하여 개인별 맞춤형 예방이 가능하도록 하고, (건강보험)재정 부담을 줄이고자 합니다.

  기존의 영양학 관점에서는 대사증후군과 식이요인의 독립적인 상호관계를 중심으로 하는 연구가 진행되어 왔습니다. 근래에 들어 개인의 유전형을 고려한 영양유전학(nutrigenetics) 관점에서의 맞춤형 식사 치료 또는 예방법이 필요해지고 있습니다. 본 연구 결과들로부터 식사요인과 유전자 간의 상호작용을 밝혀내고 이를 근거로 개인별로 맞춤 영양의 기반을 마련할 수 있는 과학적인 토대를 제시하고자 합니다. 

  장기적으로는 일반인을 대상으로 하여 유전형 분석을 진행하고 그에 따른 식사 제안을 통해 대사증후군 관련 임상 지표들의 변화를 장기간 추적하여 예방법에 대한 검증하여 축적되고 검증된 연구들을 통해 궁극적으로 한국인의 대사증후군 발생을 낮추고자 하는 목표를 갖고 있습니다.