Statistical and machine learning with multi-omics integration for disease prediction and classification
연구 내용
유전체 변이 선택, penalized 및 머신러닝 모델을 적용해 질환을 예측하고, 대사체 및 마이크로바이옴 정보를 통합해 위험 분류 성능을 높이는 연구
본 연구는 코호트 유전체 데이터에서 단일 변이 기반 선택 및 패널라이즈드 회귀를 중심으로 질환 위험 예측 성능을 비교합니다. 이후 지원벡터머신, 랜덤포레스트, 부스팅 등 다양한 머신러닝 방법과 불균형 처리 전략을 함께 평가하여 예측 안정성을 확보합니다. 또한 illness–death 모형과 다중오믹스 통합 설계를 통해 당뇨 상태를 예측·분류하는 프레임을 구축합니다. 마이크로바이옴 기반 인공지능 질병 예측모형 개발 과제를 수행하며 데이터베이스 연동과 시각화까지 포함한 운영형 분석을 지향합니다.
관련 연구 성과
관련 논문
3편
관련 특허
0건
관련 프로젝트
2건
연구 흐름
초기에는 KoGES 천식 데이터에서 penalized 방법과 머신러닝 방법의 예측 성능을 체계적으로 비교하는 연구를 수행하였습니다. 이후 질환의 진행 상태를 고려하는 illness–death 모형으로 T2D 관련 유전 변이와 식이 요인을 함께 해석하는 방향으로 확장되었습니다. 동시에 유전체와 대사체를 결합한 삼분류 분류 모델을 구축하여 Normal glucose tolerance, prediabetes, T2D로 상태를 분리하는 통합 전략을 적용하고 있습니다. 병행하여 마이크로바이옴 기반 인공지능 질병 예측모형 개발 프로젝트로 분석 파이프라인을 강화하고 있습니다.
활용 가능성
활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.
관련 논문
구분
제목
Evaluation of penalized and machine learning methods for asthma disease prediction in the Korean Genome and Epidemiology Study (KoGES)
Identification of Novel Genetic Variants and Food Intake Factors Associated with Type 2 Diabetes in South Korean Adults, Using an Illness–Death Model
Integrated Genomic–Metabolomic Analysis for Tri-Categorical Classification of Type 2 Diabetes Status in the Korean Ansan–Ansung Cohort
관련 프로젝트
구분
제목
마이크로바이옴 기반 인공지능 질병 예측모형 개발 연구
마이크로바이옴 기반 인공지능 질병 예측모형 개발 연구