정재식 연구실

빅데이터융합학과 정재식

빅데이터융합학과의 연구실은 대사체학, 거짓발견율 제어, 딥러닝을 통한 바이오마커 발견, 암의 후성유전학, 유방암 치료 등의 연구 분야에서 활발히 활동하고 있습니다. 특히, 2D-fdr 제어 하에서 오믹스형 빅데이터 분석을 위한 파이프라인 개발, 암 게놈의 후성유전학적 변화 조사, 2차원 가스 크로마토그래피 시간비행 질량분석 기반 대사체학을 위한 대량 정보학, 2단계 2D-fdr 제어 하에서 대사체학 데이터 분석을 위한 통합 플랫폼 개발, 딥러닝 알고리즘을 사용한 바이오마커 발견 및 예측 모델 개발, 유방암 치료의 개인화 등의 프로젝트를 수행해왔습니다. 연구실은 최근 몇 년간 여러 학술지에 논문을 발표하고, 다양한 학회에서 연구 결과를 발표하는 등 학문적 성과를 거두고 있습니다.

Metabolomics

False Discovery Rate Control

Epigenetics in Cancer

대표 연구 분야

연구 영역 전체보기

대사체 분석을 통한 건강한 식습관 전략 개발

대사체학 기반 연구를 통해 일상적인 과일 섭취가 건강에 미치는 영향을 분석하고, 이를 바탕으로 건강한 식습관을 유도하는 전략을 개발합니다. 연구진은 대사체 데이터를 활용하여 식습관과 대사 변화의 상관관계를 규명하고, 개인별 맞춤형 식단을 제안합니다. 이러한 연구는 공중 보건 향상 및 영양학적 관점에서 큰 기여를 할 수 있습니다.

2차원 허위 발견율 제어를 통한 바이오마커 발굴 및 예측 모델 개발

2차원 허위 발견율(2D-FDR)을 제어하는 방법론을 개발하여 바이오마커를 발굴하고 예측 모델을 구축합니다. 이를 통해 다양한 오믹스 데이터 분석의 정밀도를 높이고, 암과 같은 질병의 진단 및 치료에 적용할 수 있는 새로운 바이오마커를 발견합니다. 또한, 딥러닝 알고리즘을 활용하여 예측 모델의 성능을 향상시키고, 개인 맞춤형 치료법을 제안하는 데 기여합니다.

주요 논문

발행물 전체보기

Masculinity level predicts the risk of eating disorders in adolescents: a study based on a Bayesian network

Yuan, Y., Ye, F., Yang, Z., Zhang, Y., Xu, J., Qin, J., Chang, L., Zhao, K., Jeong, J., Jiang, K.

Double truncation method for controlling local false discovery rate in case of spiky null

Kim, S.J., Oh, Y., Lim, J., Park, D., Ramos, M.L., Green, E.D., Jeong, J.

ShinyMetID: An R shiny based package for metabolite identification by mass spectral matching

Oh, Y., Kim, S.J., Kim, S., Jeong, J.

Chemometrics and Intelligent Laboratory Systems, 2023

완료된 프로젝트

프로젝트 전체보기

Individualization of therapy of breast cancer

Department of Defense

2004년 04월 ~ 2012년 03월

Interrogating epigenetic changes in cancer genomes

NIH-NCI

2010년 05월 ~ 2015년 04월

Mass informatics for two dimensional gas chromatography time-of-flight mass spectrometry based metabolomics

NIH-NIGMS

2009년 05월 ~ 2013년 04월