화학적, 물리적 다양한 특성을 보유한 고분자와 무기물을 포함한 고분자-하이브리드 소재를 합성 제조하여 생물학적 분자 및 세포에 시험할 것이다. 생화학적 반응에 적합한 화합물과 기계적 물성이 뛰어난 소재에 전기적 특성 및 반응 응력 등 modulative한 특성가지 겸비한 다기능성 소재를 개발할 것이다. 이러한 소재에 세포를 배양하여 세포활성을 관찰하고 다양한 자극에 따른 소재-세포 연계성을 분석할 것이다. 세포는 생명체의 기본 단위로 모든 생화학적 반응이 일어나고 유전체가 만들어지고 조합되는 생물학적 공장과도 같은 곳이지만 체외에서 배양될 때, 배양되는 표면이나 스캐폴드(지지체) 및 배양액 등 주변 환경에 따라 매우 다른 형태의 발달이 가능하여 다변화되는 복잡한 연구 소재이다. 그러므로 세포들을 다둘 때, 이들의 특징적 벡터를 정의하여 객관화 하고 데이터를 체계화하는 것이 복잡 다변화하는 세포를 이해하는 데 도움이 될 것이다. 이러한 요구에 따라 본 연구에서는 세포 배양 최적화(실험적) 연구와 연구결과의 체계적 DB화를 시도하여 머신 딥러닝(machine deep-learning)을 이용한 세포 분류 (통계적)연구를 수행하고자 한다. 주요 연구내용은 다양한 유기, 무기 화합물의 하이브리드 소재를 세포 배양 표면 또는 스캐폴드로 사용하여 소재의 폭넓은 화학적, 물리적 특성의 영향을 다룰 수 있는 플랫폼 개발과 이를 통해 얻은 실험결과의 수집과 체계적 분류를 머신 딥러닝을 이용하여 효율적으로 학습할 수 있는 분석 솔루션 개발이다. 세포배양 최적화 소재 개발을 위해서는 생체적합성 등의 생체소재의 기본적 성질을 만족할 뿐만아니라 다공성 및 패턴화, 입체구조, 기계적 탄성 변화와 전기적 자극 등 다변적 특성 조절을 할 수 있는 유/무기 하이브리드 소재의 세포 칩/스캐폴드를 개발할 것이며, 딥러닝 프로세스를 도입한 세포 분석 솔루션은 (1)데이터 전처리와 (2)객체의 특징 벡터 정의, (3)딥러닝(CNN) 모델정의 및 학습 파이프라인을 구축하고 (5)테스팅 및 정확도 향상의 연구내용을 가지고 수행할 계획이다. 본 연구 기간인 3년 안에 완벽한 머신 딥러닝 프로그램을 완성하기는 힘들 수 있으나 DB형성과 기초적인 분류 프로그래밍을 시도하면 차후 공동연구나 집단연구로 확대할 수 있고 타 연구 그룹 간에도 연구결과 공유와 분석이 가능해지는 발판이 될 수 있을 것이다.