Research
Cheminformatics / AI-based de novo drug design
1. CADD (computer-aided drug design)을 위한 심층 생성 모델
신약 후보물질 발굴을 목적으로 하는 딥러닝 기반의 CADD 기술 연구
SMILES, SELFIES 등 저분자 화합물을 설계하는 생성형 AI를 개발
2. 약물 민감도 예측과 약물 타겟 식별을 위한 딥러닝 모델
표적 세포에 대한 약물의 반응성(IC50, LD50, pKd 등) 예측 모델을 연구
약물이 치료 목적으로 쓰일 수 있는 질병을 식별하는 약물재창출 연구
3. 목표 지향 분자구조 최적화를 위한 강화학습 알고리즘
SBDD (구조 기반 약물 디자인) 또는 LBDD (리간드 기반 약물 디자인) 등 목표하는 물리화학적/약리학적 성질을 개선시키기 위한 최적화 기법을 연구
특정 성질을 만족하는 분자구조를 집중 생성할 수 있도록 생성형 AI를 튜닝하는 강화학습 기법을 연구
Bioinformatics / Computational Biology
1. 다양한 OMICs 데이터를 통합하기 위한 알고리즘과 전략
유전체(genome), 전사체(transcriptome) 등 다양한 HTS(high-throughput sequencing) 데이터를 통합 분석하는 방법을 연구
2. 암 환자 예후를 예측하기 위한 바이오마커 식별 및 분류 알고리즘
암세포의 차세대 염기서열(next generation sequencing; NGS) 정보를 분석하여, 진단(diagnosis) 및 예후(prognosis)에 관련된 유전자 바이오마커(biomarker)를 식별하기 위한 데이터마이닝 기법을 연구
3. 암 유전체를 조사하기 위한 설명가능한 기계학습 모델
유전자형(genotype)와 표현형(phenotype)의 관계를 조사하고, 유의미한 정보를 제공할 수 있는 설명가능한 인공지능(explainable AI; XAI)를 연구
Data Engineering
1. 고차원 OMICs 데이터를 다루기 위한 데이터 변환 기법
수만 개의 유전자 정보를 가진 오믹스 데이터의 차원의 저주(curse of dimensionality) 문제를 완화하기 위한 데이터 전처리 기법을 연구
유전자 네트워크 정보를 활용하여, 목적에 알맞는 새로운 데이터 표현법을 개발하는 연구
2. 클래스 불균형 데이터 문제 해결을 위한 데이터 증강
희귀암과 같이 특정 질병들에서 발생하는 클래스 불균형(class imbalance) 문제를 해결하기 위한 데이터 증강(data augmentation) 기법을 연구