이 연구 주제는 다양한 생물종의 유전체와 전사체 데이터를 계산적으로 분석하여 진화, 적응, 기능 유전자의 특성을 해석하는 데 초점을 둔다. 연구실의 주요 논문과 발표 이력을 보면 식물의 유전체 중복과 이배체화 과정, 해양 연체동물과 갑각류의 미토콘드리아 유전체, 물벼룩과 같은 수서생물의 전사체 반응 등 폭넓은 생물군을 대상으로 대규모 염기서열 정보를 다루고 있다. 이러한 연구는 개별 종의 유전적 특징을 밝히는 수준을 넘어, 종 간 비교를 통해 생명현상의 공통 원리와 분화 메커니즘을 이해하는 데 기여한다. 연구 방법 측면에서는 차세대염기서열분석 데이터 처리, 유전체 조립 및 주석, orthology 분석, 유전자 발현 비교, 경로 분석, 계통유전학적 해석 등이 핵심을 이룬다. 특히 전사체 기반으로 환경 스트레스, 포식자 유도 반응, 장기 가소성 같은 생물학적 현상을 분자 수준에서 설명하려는 접근이 두드러진다. 이러한 계산생물학적 분석은 단순한 데이터 정리를 넘어, 어떤 유전자군이 특정 생태적 상황에서 활성화되는지, 종 특이적 적응과 보존된 반응 경로가 무엇인지 규명하는 데 중요한 역할을 한다. 앞으로 이 연구는 멀티오믹스 통합, 고해상도 비교유전체, 비모델 생물의 유전정보 확보와 결합되면서 더욱 확장될 가능성이 크다. 특히 생물다양성 보전, 생태계 변화 예측, 환경 스트레스에 대한 생물 반응 모델링 등 실질적 응용이 기대된다. 연구실의 축적된 생물정보학 역량은 전통 분류학과 현대 유전체학을 연결하는 기반 기술로서, 향후 생명과학 전반의 데이터 기반 연구를 선도할 수 있는 중요한 자산이다.

이 연구 주제는 생물다양성 자료를 디지털화하고, 종 동정 및 분류를 위한 유전정보 기반 체계를 구축하는 데 중점을 둔다. 연구실의 학술 활동에서는 한국 조류, 해양 무척추동물, 어류, 플랑크톤, 물범 등 매우 다양한 분류군에 대해 DNA 바코딩과 분자계통학을 적용한 사례가 반복적으로 나타난다. 이는 형태 기반 동정만으로는 한계가 있는 종 구분 문제를 해결하고, 국내 생물자원 관리와 생물다양성 데이터베이스 구축에 기여하려는 장기적 연구 방향을 보여준다. 구체적으로는 미토콘드리아 COI 유전자, 16S rRNA, 28S rRNA, 미토콘드리아 단백질 코딩 유전자 등을 활용한 종 식별과 계통관계 분석이 핵심 방법이다. 연구실은 단순히 염기서열을 얻는 데 그치지 않고, 이를 데이터베이스화하고 생물다양성 정보 검색 체계와 연결하며, 표본 정보와 유전정보를 통합하는 정보학적 접근을 병행해 왔다. 또한 환경 DNA, 메타바코딩, 표본 디지털화와의 연계 연구도 활발하여, 현장 조사부터 데이터 분석과 정보 관리까지 이어지는 통합 파이프라인을 지향하는 특징이 있다. 이 연구는 생물자원 보전, 외래종 및 멸종위기종 관리, 법생물학, 환경 모니터링 등 다양한 사회적 수요와 직접 연결된다. 특히 국가 단위 생물다양성 인프라 구축, 국제 생물거래 감시, 생태계 변화 감지에 필요한 정확한 종 식별 기술의 중요성이 커지는 상황에서 그 활용성이 높다. 연구실은 생물다양성 정보학을 통해 생명과학 데이터를 체계화하고, 생물종 식별의 정밀도와 확장성을 높이는 방향으로 연구를 발전시키고 있다.

이 연구 주제는 수서생물을 중심으로 환경 변화, 오염물질, 포식자 신호 등에 대한 생물학적 반응을 유전체 및 전사체 수준에서 해석하는 데 초점을 둔다. 대표적으로 한국 유리물벼룩의 포식자 유도 적응을 이해하기 위한 유전체 연구 과제가 수행되고 있으며, 관련 학술발표에서도 물벼룩의 표현형 가소성, 생애사 형질 변화, 카이로몬 반응이 지속적으로 다루어지고 있다. 또한 미세플라스틱, 메틸수은 등 환경 유해인자가 윤충류와 물벼룩에 미치는 독성 효과를 전사체와 생리반응을 결합해 분석한 연구도 두드러진다. 이 분야의 핵심은 생태학과 분자생물학, 생물정보학을 결합하는 융합적 접근이다. 개체 수준에서는 생존, 번식, 섭식, 배출, 표현형 변화 등을 측정하고, 분자 수준에서는 유전자 발현 변화, 독성 경로, 면역 반응, 스트레스 관련 조절 인자를 탐색한다. 나아가 멀티오믹스와 기계학습을 결합하여 특정 환경 요인을 예측하거나, 반응 패턴을 분류하는 방향으로 연구가 진화하고 있다. 이는 전통적인 생태독성평가를 넘어 생물체 내부의 분자 메커니즘까지 정밀하게 파악하려는 시도라 할 수 있다. 이 연구는 환경오염의 생물학적 영향을 조기에 감지하고, 생태계 건강성을 평가하는 데 중요한 과학적 근거를 제공한다. 특히 기후변화, 미세플라스틱 확산, 복합오염 문제와 같은 현대 환경 이슈에 대응하기 위해서는 개체군 적응과 분자 반응을 함께 이해하는 연구가 필수적이다. 연구실은 수서생물 모델을 활용하여 적응과 독성 반응의 분자 기반을 밝힘으로써, 환경위해성 평가와 생태계 보전 전략 수립에 기여하고 있다.

최근 연구실의 중요한 확장 분야는 인공지능과 기계학습을 활용한 생물 데이터 자동 분석이다. 학회 발표 목록을 보면 생물 표본 디지털화, 멸종위기종 및 외래종 이미지 분류, 해양생물과 거북류의 자동 식별, 생물다양성 모니터링을 위한 환경 DNA 메타바코딩 분석 등에서 딥러닝과 머신러닝 기법이 활발히 적용되고 있다. 이는 전통적 생물정보학을 넘어 영상 데이터와 대규모 생태 데이터를 함께 다루는 연구 방향으로의 발전을 보여준다. 구체적인 방법으로는 이미지 분류를 위한 딥러닝 모델, 객체 탐지 기반 종 식별, XGBoost와 같은 지도학습 모델, 비지도학습 기반 메타바코딩 데이터 해석, 생성적 적대 신경망을 활용한 생물 이미지 생성 및 데이터 보강 등이 활용된다. 이러한 기술은 형태 기반 분류의 자동화뿐 아니라, 환경 DNA에서 얻은 복잡한 서열 데이터로부터 종 조성과 환경 정보를 추론하는 데도 응용된다. 결국 연구실은 생물 표본, 유전정보, 환경정보를 통합적으로 해석하는 데이터 중심 생명과학 연구를 추진하고 있다. 이 연구는 생물다양성 감시의 효율성과 정확성을 크게 높일 수 있다는 점에서 실용적 가치가 높다. 인력이 많이 필요한 종 동정 과정을 자동화하고, 넓은 지역의 생태 모니터링을 신속하게 수행할 수 있으며, 멸종위기종 보호와 불법 야생생물 거래 관리에도 활용 가능하다. 앞으로는 AI와 멀티오믹스, 현장 센서, 디지털 표본 자원까지 통합하는 방향으로 발전하면서, 스마트 생태 모니터링과 차세대 생물다양성 관리 체계를 구현하는 기반이 될 것으로 기대된다.