이 연구 주제는 생명과학, 의학, 공중보건 분야에서 발생하는 복잡한 데이터를 정량적으로 해석하기 위한 생물통계학과 통계적 추론 방법론에 초점을 둔다. 연구실의 이력과 발표 주제를 보면 범주형 자료분석, 이산형 자료의 해석, 혼합모형, 반복측정 자료, 생물학적 동등성시험, 임상 데이터 분석 등 다양한 문제를 통계 이론과 실제 응용의 접점에서 다루어 왔음을 확인할 수 있다. 특히 생명현상은 표본 수가 제한적이거나 변동성이 크고, 자료 구조가 비정규적이기 때문에 고전적 통계기법만으로는 충분하지 않은 경우가 많다. 이에 따라 연구실은 포아송 모형, 다항분포 혼합모형, 중첩 혼합효과모형, 수정 카파 통계량, 준모수 회귀 등 현실 데이터를 더 잘 설명할 수 있는 방법들을 적용하거나 발전시키는 방향의 연구를 수행하는 것으로 보인다. 이러한 접근은 단순한 유의성 검정에 머무르지 않고, 자료 생성 과정의 구조를 모델링하여 더 안정적인 추정과 해석을 가능하게 한다. 또한 실험설계와 결과해석을 함께 고려함으로써, 연구 초기에 발생할 수 있는 편향과 정보 손실을 줄이고 재현성 높은 분석 체계를 구축하는 데 기여한다. 이 연구는 의생명 연구, 독성시험, 임상연구, 유전체 데이터 분석 등 다양한 분야의 기반 방법론으로 작동한다는 점에서 중요하다. 연구실의 성과는 특정 질환이나 단일 실험에 국한되지 않고, 생물학적 질문을 신뢰성 있는 통계적 결론으로 전환하는 공통 프레임워크를 제공한다. 앞으로도 고차원 데이터, 소표본 환경, 복합 의존구조를 가진 자료에 대한 추론 문제를 해결하는 방향으로 확장될 가능성이 크며, 이는 정밀의학과 데이터 기반 보건의료 연구의 핵심 토대가 될 수 있다.

이 연구 주제는 유전독성학, 발암성 평가, 독성물질 관리, 인체 위해성 평가와 관련된 통계 방법의 개발 및 적용을 중심으로 한다. 제공된 저서, 학술발표, 위원회 활동을 보면 에임즈 살모넬라 변이원성 시험, 소핵시험, 염색체 이상 시험, 장기 동물시험, 방사선 민감도 평가, 벤치마크 용량 분석 등 독성학의 핵심 평가 절차에 통계학을 접목해 온 흐름이 뚜렷하다. 독성학 데이터는 과산포, 이산형 반응, 비선형 용량-반응 관계, 낮은 발생빈도 등으로 인해 해석이 어렵기 때문에 정교한 통계모형이 필수적이다. 연구실은 특히 과산포 분석과 적합도 검정, 혼합분포 기반 모델링, 용량-반응 해석, 위해기준 설정에 필요한 정량적 지표 도출에 강점을 가진 것으로 보인다. 벤치마크 용량(BMD/BMDL) 산출과 같은 연구는 단순히 독성 유무를 판정하는 수준을 넘어서, 위해기준을 정책적으로 설정할 수 있는 수치적 근거를 제공한다. 이는 식품의약품안전 관련 위원회 활동과도 연결되며, 통계학이 규제과학과 공공정책에 직접 기여하는 사례라고 볼 수 있다. 이 분야의 의의는 실험 결과를 과학적 근거로 전환해 인체 안전 기준과 환경보건 정책 수립에 활용할 수 있다는 점이다. 정확한 통계분석은 독성물질의 과소평가나 과대평가를 방지하고, 제한된 실험 자원으로도 신뢰도 높은 의사결정을 가능하게 한다. 향후에는 복합 노출, 저농도 장기 노출, 다중 바이오마커 기반 위해성 평가 등 더 복잡한 문제를 다루기 위해 유연한 비선형 모형과 계산통계 기법이 함께 발전할 것으로 예상된다.

이 연구 주제는 마이크로어레이, array-CGH, 유전자 발현 데이터, 유전자군 탐색, 바이오마커 개발 등 생물정보학적 문제를 통계적으로 해결하는 데 초점을 둔다. 학술발표 목록에서는 특이 발현 유전자 탐색, 유전자군 수준의 검정, 결측값 대체, 정규화, 재현성 지표 개발, DNA copy number 변화 탐지, 소표본 기반 암 예후지표 개발 등 유전체 분석 전 과정에 걸친 연구가 확인된다. 이는 생물학적 실험 데이터를 단순히 처리하는 수준이 아니라, 실험설계부터 전처리, 특징 선택, 예측모형 구축까지 통합적으로 접근했음을 보여준다. 유전체 데이터는 변수 수가 매우 많고 표본 수는 적은 고차원 자료이며, 강한 상관구조와 실험자 효과, 플랫폼 차이, 결측치 문제를 동시에 안고 있다. 연구실은 이러한 한계를 극복하기 위해 패널라이즈드 회귀, 특성 부분집합 선택, 다변량 통계량, 준모수적 방법, 재현성 평가 지표 등을 활용한 것으로 보인다. 특히 암 진단 및 예후 예측을 위한 분자 서명 개발은 통계학이 실제 임상 번역 연구에서 어떤 역할을 할 수 있는지를 잘 보여주는 영역이다. 이 연구는 바이오마커 발굴과 정밀의학의 기반을 형성한다는 점에서 중요하다. 통계적으로 견고한 분석 절차가 마련되어야만 실험실 수준의 유전체 신호가 임상적으로 해석 가능한 정보로 전환될 수 있다. 앞으로는 차세대염기서열분석, 멀티오믹스, 경로 기반 분석, 네트워크 생물학과 결합하여 더 복합적인 생체 시스템을 이해하는 방향으로 확대될 수 있으며, 연구실의 생물통계 전통은 이러한 확장에 강한 방법론적 기반을 제공할 수 있다.