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.

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.