최성경 연구실
수리데이터사이언스학과 최성경
최성경 연구실은 한양대학교 ERICA캠퍼스 수리데이터사이언스학과에 소속되어 있으며, 생물정보학과 생물통계, 빅데이터 분석을 기반으로 다양한 생명현상과 질병의 유전적·환경적 요인을 규명하는 데 주력하고 있습니다. 연구실은 유전체, 전사체, 단백질체, 대사체 등 다양한 오믹스 데이터를 통합적으로 분석하여 만성질환 및 복합질환의 원인 규명과 예측모형 개발에 앞장서고 있습니다.
특히, 연구실은 GWAS, WGS, WES 등 첨단 유전체 분석 기법과 자체 개발한 통계적·계산생물학적 방법론을 활용하여 당뇨병, 비만, 천식, 암 등 다양한 질환의 유전적 변이와 생물학적 경로를 심층적으로 탐구합니다. 또한, 유전자-환경 상호작용, 유전자 간 상호작용, 희귀 변이 분석 등 복잡한 유전적 구조를 고려한 연구를 통해 기존 연구의 한계를 극복하고 있습니다.
연구실은 대규모 코호트 및 임상 데이터를 적극적으로 활용하여 실제 한국인 집단에서의 유전적 요인과 환경적 요인의 상호작용을 실증적으로 분석합니다. 이를 통해 질병 예측, 진단, 치료 반응 예측 등 정밀의료 실현을 위한 맞춤형 예측모형을 개발하고, 임상적 활용 가능성을 높이고 있습니다.
또한, 마이크로바이옴 기반 인공지능 질병 예측모형 개발, 차세대 염기서열자료의 통합분석모형 개발 등 다양한 국가 연구과제를 수행하며, 최신 기계학습 및 인공지능 기법을 접목한 바이오데이터마이닝 연구도 활발히 진행하고 있습니다. 연구실은 자체 개발한 소프트웨어와 분석 플랫폼을 통해 국내외 연구자들과의 협력도 활발히 이어가고 있습니다.
이러한 연구 성과는 국내외 유수 학술지에 다수 게재되고 있으며, 다양한 학술대회와 워크숍, 교육 프로그램을 통해 연구 결과를 공유하고 있습니다. 최성경 연구실은 앞으로도 생물정보학과 데이터사이언스의 융합을 통해 생명현상의 복잡성을 해석하고, 정밀의료 및 맞춤형 건강관리 실현에 기여하는 것을 목표로 하고 있습니다.
생물정보학 기반 유전체 및 오믹스 데이터 통합 분석
생물정보학은 대규모 유전체 및 오믹스 데이터를 효과적으로 분석하고 해석하는 데 필수적인 학문입니다. 최성경 연구실은 차세대 염기서열 데이터, 유전체, 전사체, 단백질체, 대사체 등 다양한 오믹스 데이터를 통합적으로 분석하여 질병의 원인 유전자와 생물학적 경로를 규명하는 연구를 수행하고 있습니다. 특히, 희귀 변이, 일반 변이, 유전자 간 상호작용, 유전자-환경 상호작용 등 복잡한 유전적 요인을 통계적·계산생물학적 방법론을 통해 심층적으로 탐구합니다.
연구실에서는 GWAS(Genome-Wide Association Study), WGS(Whole Genome Sequencing), WES(Whole Exome Sequencing) 등 다양한 유전체 연구 방법을 활용하여 당뇨병, 비만, 천식, 간암 등 만성질환 및 복합질환의 유전적 요인을 밝히고 있습니다. 또한, 유전자 발현 데이터와 임상 데이터를 통합 분석하여 질병 예측 및 진단, 치료 반응 예측 모델을 개발하고, 이를 통해 맞춤형 의료의 실현을 목표로 하고 있습니다.
이러한 연구는 단순히 유전자 수준의 분석에 그치지 않고, 유전자 네트워크, 경로 기반 분석, 다중 표현형 분석 등 시스템 생물학적 접근을 통해 질병의 복잡한 생물학적 메커니즘을 규명합니다. 이를 위해 연구실은 자체 개발한 통계 소프트웨어와 분석 플랫폼을 활용하며, 국내외 다양한 코호트 및 임상 데이터를 적극적으로 활용하고 있습니다.
유전자-환경 상호작용 및 예측모형 개발
최성경 연구실은 유전자-환경 상호작용(GxE) 분석을 통해 복합질환의 발생과 진행에 영향을 미치는 다양한 요인을 규명하는 데 주력하고 있습니다. 예를 들어, 흡연, 식이, 운동, 미생물군집 등 환경적 요인과 유전적 요인이 어떻게 상호작용하여 천식, 당뇨병, 비만, 암 등 다양한 질환의 위험을 높이는지 통계적 모델링과 기계학습 기법을 통해 분석합니다.
연구실에서는 GxE 분석을 위한 새로운 통계적 방법론(HisCoM-GxE, HisCoM-GGI 등)을 개발하여, 기존의 단일 SNP 분석을 넘어 유전자 단위, 경로 단위, 네트워크 단위의 상호작용을 효율적으로 탐색합니다. 또한, 대규모 코호트 데이터를 활용하여 실제 한국인 집단에서의 유전자-환경 상호작용을 실증적으로 검증하고, 이를 바탕으로 질병 예측 및 예방 전략을 제시합니다.
이와 더불어, 연구실은 기계학습 및 인공지능 기반의 예측모형 개발에도 집중하고 있습니다. 다양한 오믹스 데이터와 임상정보, 환경정보를 통합하여 질병 위험 예측, 치료 반응 예측, 환자 분류 등 정밀의료 실현을 위한 맞춤형 예측모형을 구축하고 있습니다. 이러한 연구는 미래의 개인 맞춤형 건강관리와 질병 예방, 치료 전략 수립에 중요한 기초 자료를 제공합니다.
1
Identification of Novel Genetic Variants and Food Intake Factors Associated with Type 2 Diabetes in South Korean Adults, Using an Illness-Death Model
최성경
INTERNATIONAL JOURNAL OF MOLECULAR SCIENCES, 2025
2
Genetic determinants of obesity in Korean populations: exploring genome-wide associations and polygenic risk scores
최성경
BRIEFINGS IN BIOINFORMATICS, 2024
3
Identification of differentially expressed mRNA/lncRNA modules in acutely regorafenib-treated sorafenib-resistant Huh7 hepatocellular carcinoma cells
최성경
PLOS ONE, 2024
1
마이크로바이옴 기반 인공지능 질병 예측모형 개발 연구
2
비독립적 표본 기반 차세대 염기서열자료의 통합분석모형 개발 연구