감염성 바이러스 동역학의 정량적 분석 및 예측

바이러스는 스스로 성장하거나 증식할 수 없어 증식을 위해 반드시 숙주 세포의 기작을 활용해야 하며, 이러한 특성 때문에 종종 “가장 단순한 생명체”로 비유되곤 합니다. 그러나 바이러스 감염의 역학은 결코 단순하지 않으며, 기존 연구는 감염의 순간적인 단면만을 관찰하는 데 그치는 경우가 많습니다. 1983년 HIV의 분리를 계기로, 감염 과정을 시간에 따라 통합적으로 이해할 필요성이 제기되었고, 이를 계기로 ‘바이러스 동역학(virus dynamics)’이라는 연구 분야가 발전했습니다. 이 분야는 시계열 바이러스량 데이터를 기반으로 바이러스의 체내 변화를 정량적으로 분석하는 것을 목표로 합니다.

우리 연구 그룹은 바이러스 감염 데이터를 수리과학기술, 특히 수학적 모델링을 중심으로 분석함으로써 감염 메커니즘을 정량적으로 이해하고, 이를 바탕으로 바이러스 감염을 효과적으로 제어할 수 있는 방법에 대해 탐구합니다.

백신 유도 항체 등의 면역 반응 지표의 개인 수준 분석 및 응용

백신이나 치료제에 의해 유도되는 체내 면역 반응은 우리 몸을 다양한 바이러스와 질환으로부터 보호하는 핵심 메커니즘입니다. 특히 최근 국제 사회를 강타한 COVID-19 펜데믹에서 mRNA 백신이 바이러스의 확산을 효과적으로 통제하는 데 성공하면서, 이러한 면역 반응의 중요성이 다시 한 번 강조되었습니다. 그러나 면역이 형성되는 과정은 매우 복잡할 뿐만 아니라, 개인마다 반응의 강도와 패턴이 크게 다릅니다. 평균적인 면역 반응에 대한 연구는 많이 이루어져 있지만, 개인 수준에서 ‘누가 어떤 면역 반응을 보이는가’를 규명하는 연구는 여전히 부족한 것이 현실입니다.

우리 연구 그룹은 면역 반응 지표를 포함한 다양한 체내 바이오마커를 모델 기반 접근법(model-based approach)으로 분석하여, 백신 및 치료제의 효과를 정량적으로 평가하는 연구를 수행하고 있습니다. 이를 바탕으로 차세대 백신 및 치료제 개발을 지원할 수 있는 분석 프레임 워크를 구축하며, 개별 환자의 특성을 반영한 정밀, 개인맞춤 의료 전략을 개발하는 데 주력하고 있습니다. 이러한 연구를 통해 향후 더욱 효과적이고 효율적인 의료 정책 수립과 임상 의사결정 지원으로 이어지는 것을 목표로 합니다.

가상 시나리오 시뮬레이션을 통한 최적의 임상시험 및 방역 대책 탐색

감염자 격리, 사회적 거리두기와 같은 방역 정책이나 적절한 치료제를 찾기 위한 임상시험은 감염병 확산을 억제하는 데 필수적인 요소입니다. 그러나 유행 초기에는 축적된 데이터가 부족하고 정보가 제한적이기 때문에, 이러한 정책이나 시험을 효과적으로 설계하기 어렵습니다. 수학적 모델을 활용한 데이터 분석의 큰 장점 중 하나는, 단순히 과거 데이터를 해석하는 데 그치지 않고, 이를 바탕으로 다양한 가상 시나리오를 제한 없이 시뮬레이션할 수 있다는 점입니다. 이는 현실에서 반복 실험이 어렵거나 불가능한 상황에서 중요한 대안을 제시해 줍니다. 

우리 연구 그룹은 실제 데이터 분석 결과에 기반한 가상 시나리오의 시뮬레이션을 통해, 다양한 방역 전략이 감염병 확산에 미치는 영향을 정량적으로 평가하며, 유의미한 결과를 도출할 수 있는 최적의 임상시험/방역대책의 설계를 탐색합니다. 이러한 "디지털 세계"에서 얻은 통찰을 현실의 정책에 반영함으로써, 감염병 대응 전략의 효과성을 극대화하고자 하는 연구를 수행하고 있습니다.