안재균 연구실
컴퓨터공학부 안재균
안재균 연구실은 컴퓨터공학과 생명과학의 융합을 통해 생물정보처리 및 바이오의료 데이터 분석 분야에서 선도적인 연구를 수행하고 있습니다. 본 연구실은 유전체, 전사체, 단백질체 등 다양한 생물학적 데이터의 대규모 분석을 위한 알고리즘과 소프트웨어를 개발하며, 이를 통해 질병의 분자적 기전 규명과 바이오마커 발굴에 기여하고 있습니다.
특히, 네트워크 기반 분석, 기계학습, 딥러닝 등 첨단 정보기술을 활용하여 암, 간암, 알츠하이머병 등 다양한 질병의 예후 예측, 약물 반응성 분석, 신약 후보 물질 탐색 등 실질적인 의료 문제 해결에 집중하고 있습니다. 최근에는 심층신경망, 그래프 신경망, 생성적 적대 신경망(GAN), 강화학습 등 최신 인공지능 기술을 접목하여, 환자 맞춤형 예측 모델과 신약 개발 플랫폼을 구축하고 있습니다.
본 연구실은 다양한 국내외 연구 프로젝트와 협력 연구를 통해 실제 임상 데이터와의 연계를 강화하고, 연구 결과의 실용성과 확장성을 높이고 있습니다. 클라우드 기반 분석 도구 및 웹 애플리케이션 개발을 통해 연구자들이 대용량 생물학적 데이터를 효율적으로 처리할 수 있도록 지원하는 것도 중요한 연구 방향 중 하나입니다.
안재균 연구실은 앞으로도 생물정보학과 인공지능의 융합을 통해 정밀의료, 맞춤형 치료, 신약 개발 등 미래 바이오헬스 산업의 혁신을 선도할 계획입니다. 이를 위해 최신 기술 트렌드와 실제 의료 현장의 요구를 반영한 창의적이고 실용적인 연구를 지속적으로 추진할 것입니다.
궁극적으로 본 연구실은 생명현상의 복잡성을 정보기술로 해석하고, 이를 바탕으로 인류 건강 증진과 질병 극복에 기여하는 것을 목표로 하고 있습니다.
Gene Network Analysis
Drug Resistance
Cancer Prognosis
생물정보처리 및 유전체 데이터 분석
생물정보처리는 생명과학과 정보기술이 융합된 학문 분야로, 대규모 유전체, 전사체, 단백질체 등 다양한 생물학적 데이터를 효과적으로 분석하고 해석하는 기술을 개발하는 데 중점을 둡니다. 본 연구실은 차세대 시퀀싱(NGS) 데이터의 정렬, 변이 탐지, 유전자 발현 분석 등 다양한 유전체 데이터 분석 기법을 연구하고 있습니다. 이를 통해 암, 알츠하이머병 등 다양한 질병의 분자적 기전을 규명하고, 질병 예측 및 진단에 활용할 수 있는 바이오마커를 발굴하고 있습니다.
특히, 네트워크 기반의 분석 방법론을 활용하여 유전자 간의 상호작용, 단백질-단백질 상호작용 네트워크, 유전자 발현 네트워크 등을 구축하고, 이를 통해 질병 관련 유전자 및 기능적 모듈을 효과적으로 탐색합니다. 이러한 네트워크 분석은 질병의 복잡한 생물학적 경로를 이해하고, 새로운 치료 표적을 제시하는 데 중요한 역할을 합니다. 또한, 클라우드 기반 분석 도구 및 웹 애플리케이션 개발을 통해 연구자들이 대용량 생물학적 데이터를 효율적으로 처리할 수 있도록 지원하고 있습니다.
이와 같은 연구는 생명과학 및 의학 분야의 다양한 문제 해결에 기여할 뿐만 아니라, 정밀의료 및 맞춤형 치료 전략 개발에도 중요한 기반을 제공합니다. 앞으로도 본 연구실은 최신 생물정보학 기술을 바탕으로, 복잡한 생명현상의 이해와 질병 극복을 위한 혁신적인 연구를 지속적으로 수행할 계획입니다.
딥러닝 및 기계학습 기반 바이오의료 데이터 해석
본 연구실은 딥러닝과 기계학습 기술을 활용하여 바이오의료 데이터를 정밀하게 해석하는 연구에 집중하고 있습니다. 암 환자의 유전체 및 임상 데이터를 바탕으로 심층신경망, 그래프 신경망, 생성적 적대 신경망(GAN) 등 다양한 인공지능 모델을 개발하여, 환자 맞춤형 예후 예측, 약물 반응성 예측, 신규 바이오마커 발굴 등에 적용하고 있습니다. 예를 들어, 환자 특이적 암 유발 유전자 정보를 심층신경망에 적용하여 암 환자의 예후를 예측하거나, GAN을 활용해 데이터 증강을 통해 예측 정확도를 높이는 연구를 수행하고 있습니다.
또한, 강화학습과 변분 오토인코더(VAE) 등 최신 기계학습 기법을 활용하여 신약 후보 물질의 분자 구조를 생성하거나, 약물-단백질 상호작용을 예측하는 등 신약 개발 분야에도 적극적으로 기여하고 있습니다. 이러한 연구는 복잡한 바이오의료 데이터의 패턴을 효과적으로 학습하고, 기존의 분석 방법으로는 발견하기 어려운 새로운 지식을 도출하는 데 큰 강점을 가지고 있습니다.
이와 더불어, 본 연구실은 실제 임상 데이터와의 연계를 통해 연구 결과의 실용성을 높이고, 정밀의료 실현을 위한 다양한 협력 연구도 활발히 진행하고 있습니다. 앞으로도 인공지능 기반 바이오의료 데이터 해석 기술을 고도화하여, 환자 맞춤형 치료와 신약 개발 등 의료 혁신에 기여할 수 있는 연구를 지속할 예정입니다.
1
PathNetDRP: a?novel biomarker discovery framework using pathway and?protein?protein interaction networks for?immune checkpoint inhibitor response prediction
안재균
BMC BIOINFORMATICS, 202505
2
Mol-AIR: Molecular Reinforcement Learning with Adaptive Intrinsic Rewards for Goal-Directed Molecular Generation
안재균
Journal of Chemical Information and Modeling, 202502
3
Comparative Analysis of Atezolizumab Plus Bevacizumab and Hepatic Artery Infusion Chemotherapy in Unresectable Hepatocellular Carcinoma: A Multicenter, Propensity Score Study
안재균
Cancers, 202309
1
딥러닝을 이용한 간암 표적항암제 내성기전 규명 및 이를 극복할 새로운 표적항암제 탐색
2
네트워크 기반 기계학습을 이용한 약물의 새로운 용도 예측 기법 연구