Research

• Goal: Understanding and harnessing plant and insect microbiomes for sustainable agriculture

• Main research areas: AI-driven analysis (dry lab) validated by wet-lab experiments:

1. Seed microbiome: tracking the vertical transmission of tomato and wheat seed microbes across generations

2. Plant–microbe interactions: how seed and root microbes promote plant growth and suppress diseases (Fusarium wilt, Fusarium head blight)

3. Microbe–microbe interactions: mapping cooperation and antagonism with co-occurrence networks to identify keystone strains

4. Bee gut microbiome: responses of bumblebee and honeybee gut microbiota to heat and pesticide stress

5. Bee–microbe interactions: enhancing bee tolerance by feeding defined microbial communities, and microbial transfer via pollination

6. Bacteriophage modeling: predicting phage receptors with AI/LLM and validating them experimentally

7. Defined Microbial Consortium (DMC) design: assembling keystone strains into SynComs to suppress disease and enhance stress tolerance

• 최종목표: 식물과 곤충의 마이크로바이옴을 이해하고 활용하여 지속가능한 농업(sustainable agriculture)을 실현

• 주요 연구 분야: AI로 분석하고, 실험으로 검증합니다

1. 종자 마이크로바이옴: 토마토·밀 종자 속 미생물이 어디서 와서 다음 세대로 어떻게 전달되는지(세대 전이, vertical transmission) 추적

2. 식물–미생물 상호작용: 종자·뿌리 미생물이 생장을 돕고 병을 막는 원리 규명 (시들음병·붉은곰팡이병)

3. 미생물–미생물 상호작용: 미생물끼리 돕고(협력) 억제하는(길항) 관계를 네트워크로 그려 핵심 균주(keystone)를 찾음

4. 벌 장내 마이크로바이옴: 뒤영벌·꿀벌 장내 미생물이 고온·농약 스트레스에 어떻게 반응하는지 분석

5. 벌–미생물 상호작용: 정의된 미생물 군집 급이로 벌의 내성을 높이고, 수분 매개를 통한 미생물 전달 연구

6. 박테리오파지 모델링: 세균을 감염시키는 바이러스(파지)가 어떤 수용체에 붙는지 AI·LLM으로 예측하고 실험으로 검증

7. 미생물군집(DMC) 설계: 분리한 균주 중 핵심 균주를 골라 조합한 인공군집으로 병 억제·내성 효과 검증

완료된 프로젝트: 

• 우장춘프로젝트(작물 홀로바이옴 구명을 통한 작물활성 증대 기술 개발-참여연구원)

• 생애첫연구과제(토마토 종자의 내생 마이크로바이옴 분석 및 활용-과제책임자)

• 교내 연구과제(토마토 종자의 내생 마이크로바이옴 분석-과제책임자)

• 기본과제(토마토 생육기간 내 핵심 종자 마이크로바이옴의 생태적 지위 변동과 토마토 시들음 병에 대한 역할 구명-과제책임자)

진행중인 프로젝트: 

• 농생명 마이크로바이옴 혁신기술 기반 구축 사업(종자 세대전이 마이크로바이옴 건정성 증대 기술 개발-과제 세부 책임자)

• 녹색 융합기술 인재양성 특성화대학원 생물소재트랙 사업단 산학연계프로젝트(식물스트레스 내성 강화 미생물의 실용화 가능성 탐색-연구책임자)

• 대학중점연구소지원사업(작물 마이크로바이옴 상호작용 제어 연구-참여연구원)

연구 방식: AI로 분석하고, 실험으로 검증합니다

Research approach: AI-driven dry-lab analysis validated by hands-on wet-lab experiments

우리 실험실은 빅데이터를 AI·LLM으로 직접 분석하고(Dry lab), 손으로 하는 wet 실험으로 검증합니다. 샘플 채취 → 시퀀싱·데이터 → AI·LLM 분석 → 가설·후보 균주 → Wet 실험 검증 → 논문·특허로 이어지는 연구 사이클 전 과정을 한 실험실에서 배웁니다.

• Dry lab (컴퓨터·AI로 하는 분석): LLM 에이전트 기반 자동화 분석 파이프라인, 머신러닝·딥러닝, 병징 사진 정량화 프로그램, 나노포어 시퀀싱 데이터 분석(WGS·앰플리콘·전사체·메타게놈·MAG), 파지–세균 모델링 파이프라인, Obsidian + SQL 실험 데이터베이스, 실험실 자체 앱 개발, R·Python 데이터 해석·시각화

• Wet lab (실험대에서 손으로 하는 실험): 생장상·온실 식물 재배, 미생물 분리·배양 및 culture collection, SynCom(인공군집) 구성·접종, 무균(gnotobiotic) 식물 실험, 토마토 시들음병·밀 붉은곰팡이병 접종 assay, 벌 급이·생존 실험, 유전자 발현 분석, 이중배양 항균 스크리닝·PGP 검정, LC-MS/MS 대사체, 균주 기탁·특허 출원

• 미래의 인재는 둘 다 잘해야 합니다: 분석만 하는 연구자도, 실험만 하는 연구자도 아닌 AI로 분석하고 실험으로 검증하는 연구자를 키웁니다.