Research

Revised JAN 2021

Main Research Theme

Unraveling disease complexity by leveraging big data and machine learning based on concrete biological assumption.

경희대학교 시스템생물정보학 연구실은

오믹스 데이터를 대상으로 생물정보학 및 시스템생물학적 접근법을 적용하여,

알맞게 고안된 생물학적 가정 하에 복잡한 생명현상을 이해하고자 하는 연구들을 수행하고 있습니다.

이는 최신의 기계학습 및 인공지능 등 전산통계학적 접근법을 포함합니다.

위 접근들을 통해 생물학적 난제나 암과 같은 복잡 질환을 해결하기 위한 실마리를 제시하고자 합니다.

Main Research Fields

Current Research Topics

Predicting response of cancer immunotherapy

면역항암치료 기전 및 예후 예측 연구

Science. 362, eaar3593 (2018)

Multi-omics approach for identifying actionable targets in cancer

다중오믹스 상호작용에 기반한 암 치료 타겟 발굴

Trends in Biotechnology. 34, 276-290 (2016)

Kinase phophorylation prediction in cell signalling

인산화 양상 예측에 기반한 세포 신호 전달 연구

Cell Systems. 10, 384-396 (2020)

Discovering resistance mechanism of cancer therapy

항암치료에서 저항성 기전 및 마커 발굴 연구

Nature Reviews Genetics. 20, 404–416 (2019)

Discovering onset mechanism of complex disorder in systems level

복잡질병에 대한 시스템 네트워크 수준의 이해

Nature Reviews Genetics. 12, 56–68 (2011)

Future topics: single cell genomics, epigenetic inheritance , etc..

단일세포 유전체학, 후성유전체 유전 등..