이 연구실은 생물 관련 데이터를 통합적으로 해석하기 위한 생물정보학 알고리즘 개발을 핵심 축으로 삼고 있다. 특히 유전체, 전사체, 후성유전체, 단일세포 데이터처럼 서로 형식과 해상도가 다른 바이오 데이터를 연결해 질병의 원인과 생물학적 기전을 정밀하게 이해하는 데 초점을 둔다. 단순한 데이터 축적을 넘어, 이질적인 생명과학 데이터를 하나의 계산 프레임워크 안에서 해석 가능한 지식으로 변환하는 것이 연구의 중요한 목표이다. 구체적으로는 암과 퇴행성 뇌질환 같은 복잡 질환에서 환자별 분자적 차이를 포착하기 위해 멀티오믹스 통합 분석, 바이오마커 탐색, 표적 유전자 발굴, 개체 수준 예후 예측 기술을 발전시키고 있다. 단일세포 RNA 및 ATAC 데이터와 같은 고차원 정보를 활용하여 종양 세포의 이질성, 미세환경, 세포 상태 전이를 학습하고, 이를 통해 기존의 평균적 분석으로는 놓치기 쉬운 치료 반응성과 질환 진행 신호를 찾아낸다. 이러한 접근은 개인 맞춤형 정밀의료 구현에 직접적으로 연결된다. 또한 연구실은 통합 알고리즘을 실제 진단과 치료 의사결정에 연결하는 응용 지향적 연구도 수행한다. 알츠하이머병 관련 DNA 메틸화 진단·예측 마커 특허는 후성유전학 데이터를 활용해 임상적으로 사용 가능한 바이오마커를 개발하려는 방향을 보여준다. 결국 이 연구는 방대한 생물 데이터를 정량적으로 분석하는 데서 그치지 않고, 질환 조기 진단, 환자 분류, 치료 표적 발굴, 신약 개발 지원까지 이어지는 데이터 기반 바이오의료 혁신을 지향한다.

이 연구실은 인공지능을 활용해 암과 주요 난치성 질환의 원인 규명, 치료제 추천, 신약 후보 발굴을 지원하는 지능형 시스템 개발을 활발히 수행하고 있다. 연구 방향은 단순 예측 모델 개발이 아니라, 환자의 유전변이와 멀티오믹스 특성을 반영하여 치료 표적과 약물 반응을 함께 고려하는 정밀의료형 AI 구축에 가깝다. 특히 분자유전학적 원인이 불명확한 악성 종양 환자를 대상으로 한 맞춤형 분석 시스템 개발 과제는 이 연구실의 대표적 응용 분야를 잘 보여준다. 최근에는 단일세포 수준의 암 이질성과 종양 미세환경을 반영하는 대규모 파운데이션 모델, 단백질-약물 상호작용 예측, 약물 생성 AI 등 차세대 기술로 연구 범위를 확장하고 있다. 이는 기존의 통계적 바이오마커 탐색을 넘어, AI가 환자별 질병 메커니즘을 구조적으로 이해하고 치료 전략을 제안하는 방향으로 발전하고 있음을 의미한다. 나아가 데이터 레이크, 지능형 플랫폼, 대규모 스크리닝 기반과 같은 인프라 연구도 병행하여 실제 바이오헬스 산업과 임상 연구에 활용 가능한 생태계를 구축하고 있다. 이러한 연구는 향후 의료 AI가 단순 보조도구가 아니라 의사과학자와 연구자를 지원하는 협력형 시스템으로 진화하는 데 중요한 기반이 된다. 연구실은 혁신신약 연구단, 바이오헬스 플랫폼 구축, AI-혁신신약 관련 프로젝트를 통해 질환 데이터 해석에서 약물 설계와 검증까지 이어지는 전주기 연구를 지향한다. 결과적으로 이 분야의 연구는 환자 맞춤형 치료, 신약 개발 비용 절감, 치료 성공률 향상, 의료 의사결정의 정밀도 제고에 기여할 수 있다.

연구실의 논문 성과를 보면 다발성골수종을 중심으로 한 암 면역치료 연구가 중요한 축을 이루고 있다. 특히 수지상세포 기반 백신, 종양연관항원 로딩, 세포독성 T세포 유도, 면역억제 미세환경 극복 전략 등은 질환 생물학과 면역반응을 정밀하게 연결하는 주제이다. 이는 생물정보학과 인공지능 중심 연구와 별개가 아니라, 실제 임상 적용이 가능한 표적과 기전을 발굴하는 바이오의료 응용 연구로 이해할 수 있다. 세부적으로는 SSX4, MAGE-A3, CTAG2 같은 암-고환 항원을 발굴해 한국인 다발성골수종 환자에서의 면역치료 표적으로 제시하고, 세포질 전달 펩타이드가 융합된 재조합 종양항원을 수지상세포에 로딩하여 강력한 골수종 특이적 CTL을 생성하는 전략을 제안하였다. 또한 나노입자를 활용해 종양항원의 면역원성을 높이고 수지상세포의 Th1 편향을 강화하는 연구, lenalidomide 및 PD-1 차단제와 병용하여 항종양 면역을 증진하는 동물모델 연구도 수행하였다. 이러한 연구는 기초면역학, 종양학, 바이오소재, 면역치료를 통합하는 융합적 특성을 갖는다. 이 연구 분야의 의의는 개인별 종양 특성과 면역 상태를 반영한 정밀 면역치료로 확장될 수 있다는 점이다. 앞으로 생물정보학 분석을 통해 환자 특이 항원과 면역 회피 기전을 더 정밀하게 규명하고, AI 기반 표적 예측과 결합하면 차세대 세포치료 및 백신 개발로 이어질 가능성이 크다. 따라서 이 연구실의 면역치료 연구는 데이터 기반 바이오의료와 실험적 암 치료 전략을 연결하는 중요한 응용 플랫폼이라고 볼 수 있다.

이 연구실은 바이오·의료 데이터 분석뿐 아니라 자연어처리와 텍스트 마이닝 기술도 중요한 연구 축으로 발전시켜 왔다. 특히 생의학 문헌에서 개체명 정규화, 화학물질-단백질 상호작용 추출, 허브-화합물 관계 추출 같은 과제는 구조화되지 않은 텍스트로부터 지식을 자동 추출하는 대표적인 응용이다. 이런 연구는 방대한 논문과 임상 문서 속 정보를 데이터베이스화하고, 후속 생물정보학 분석과 지식그래프 구축의 기반을 제공한다. 관련 프로젝트와 학술발표를 보면 사전학습 언어모델의 성능 향상, 적은 데이터 환경에서의 데이터 증대, 모델 압축, 신뢰도 개선, 도메인 지식 전달 등 자연어처리의 핵심 문제를 꾸준히 다뤄 왔다. 이는 단순히 범용 언어모델을 사용하는 수준을 넘어, 바이오메디컬 도메인의 특수성을 반영한 모델링 역량을 보유하고 있음을 시사한다. 생의학 분야는 전문용어, 약어, 동의어, 빠르게 변화하는 개체명 체계가 많기 때문에, 개체명 정규화와 지식 연결 기술은 특히 중요하다. 이러한 텍스트 기반 연구는 궁극적으로 바이오 지식의 자동 축적과 임상·연구 현장의 의사결정 지원에 기여한다. 논문, 특허, 보고서, 임상 기록 등 비정형 정보를 정규화하고 분석하면, 질병 기전 탐색, 약물 재창출 후보 발굴, 바이오마커 연관성 정리, 연구 동향 분석까지 가능해진다. 따라서 연구실의 자연어처리 연구는 생물정보학과 인공지능을 연결하는 핵심 인터페이스로서, 데이터 통합과 지식 생성의 효율을 크게 높이는 역할을 한다.