연구 영역

AI 인사이트

RnDcircle AI가 제공하는 사용자 맞춤 정보

※ 사용자 모드를 변경하여 맞춤형 인사이트를 받아보세요

연구 분야

기술 도입 효과 및 상용화 단계

경제적/시장 적용 및 기대 효과

1
독성발현경로(AOP) 기반 환경독성 연구
  • AOP 프레임워크는 신규 화학물질 개발 초기 단계에서 잠재적 독성을 예측하고 스크리닝하는 데 활용 가능하며, 이는 OECD 등 국제기구에서 인정받는 단계로 상용화 근접성이 높습니다.
  • 제품의 안전성 데이터를 체계적으로 구축하여 국내외 환경규제(예: REACH) 대응에 효과적으로 사용할 수 있습니다.

개발 시간 및 비용을 절감하고, 제품 출시 후 발생할 수 있는 안전성 이슈를 사전에 예방하여 기업의 리스크 관리 능력을 향상시킬 수 있습니다. 이를 통해 지속가능경영(ESG) 경쟁력 확보에 기여할 것으로 기대됩니다.

2
빅데이터 및 인공지능(AI) 기반 독성예측과 차세대 위해성평가(NGRA)
  • AI 기반 독성예측 모델은 수많은 후보물질을 단시간에 평가하는 고속 스크리닝 시스템으로 즉시 적용 가능합니다.
  • 동물실험을 최소화하는 새로운 접근법(NAMs)으로, 화장품, 생활화학제품 등 동물실험 금지 규제가 강화되는 산업군에서 필수적인 기술입니다.

고비용·장시간이 소요되는 동물실험을 대체하여 R&D 비용을 획기적으로 절감하고, '안전성과 지속가능성을 고려한 설계(SSbD)' 기반의 제품 개발을 통해 시장 경쟁 우위를 확보할 수 있습니다. 투자 회수율(ROI)이 높은 유망 기술입니다.

3
후생유전 및 다세대 독성평가 연구
  • 제품의 장기적 안전성과 세대 전이 영향을 평가하는 심층 분석 기술로, 현재는 첨단 연구 단계에 있으나 향후 프리미엄 제품의 안전성 입증 데이터로 활용될 잠재력이 큽니다.
  • 특히 유아용품, 장기 복용 의약품, 식품 첨가물 등 민감 계층 대상 제품의 안전성을 강화하는 데 적용될 수 있습니다.

장기적 관점에서 기업의 사회적 책임(CSR)을 강화하고 브랜드 신뢰도를 제고하는 데 기여합니다. 잠재적 유해성에 대한 미래의 규제 강화 및 법적 분쟁 리스크를 선제적으로 관리하는 효과를 기대할 수 있습니다.

대표 연구 분야

연구실에서 최근에 진행되고 있는 관심 연구 분야

1

독성발현경로(AOP) 기반 환경독성 연구

우리 연구실은 독성발현경로(Adverse Outcome Pathway, AOP) 개념을 중심으로 환경오염물질의 독성 기전 규명과 위해성 평가를 수행하고 있습니다. AOP는 화학물질 노출로부터 분자 수준의 초기 사건(Molecular Initiating Event, MIE)에서 시작해, 일련의 주요 사건(Key Events, KE)을 거쳐 최종적으로 개체나 집단 수준의 부정적 결과(Adverse Outcome, AO)에 이르는 생물학적 경로를 체계적으로 연결하는 프레임워크입니다. 이를 통해 기존의 동물실험 중심의 독성평가에서 벗어나, 분자·세포·생체지표 기반의 예측적 독성평가로의 전환을 이끌고 있습니다. 특히, 우리 연구실은 흡입독성, 후생유전(AOP), 환경성질환, 생활화학제품 혼합물 등 다양한 환경유해물질에 대한 AOP 개발 및 국제 표준화에 주력하고 있습니다. 예를 들어, 폐섬유화, 천식, 만성폐쇄성폐질환(COPD) 등과 관련된 흡입독성 AOP를 개발하고, OECD 및 AOP-Wiki에 등록하여 국제적 활용도를 높이고 있습니다. 또한, 후생유전 기전을 반영한 AOP(에피AOP) 개발을 통해 환경유해물질의 장기·세대전이 독성평가 체계를 구축하고 있습니다. 이러한 연구는 화학물질의 구조와 특성, 생체 내 대사 및 독성기전, 그리고 실제 환경노출 시 발생할 수 있는 건강영향을 통합적으로 이해하고, 과학적 근거에 기반한 규제 및 정책 수립에 기여합니다. 앞으로도 AOP 기반의 독성평가와 위해성 예측 연구를 선도하여, 환경보건 분야의 국제적 표준 정립과 안전한 사회 구현에 앞장설 것입니다.

2

빅데이터 및 인공지능(AI) 기반 독성예측과 차세대 위해성평가(NGRA)

우리 연구실은 빅데이터와 인공지능(AI) 기술을 활용한 독성예측 및 차세대 위해성평가(Next Generation Risk Assessment, NGRA) 연구를 활발히 수행하고 있습니다. 최근 화학물질의 종류와 사용량이 급증함에 따라, 전통적인 동물실험 기반의 독성평가만으로는 모든 물질의 위해성을 신속하고 효율적으로 평가하는 데 한계가 있습니다. 이에 따라, 다양한 독성 데이터베이스(ToxCast, CompTox Chemical Dashboard, eChemPortal 등)와 AI 알고리즘을 결합하여, 화학물질의 구조·물리화학적 특성·생물학적 반응 정보를 통합 분석하고, 독성예측모델을 개발하고 있습니다. 특히, 우리 연구실은 머신러닝, 딥러닝, 그래프 신경망 등 최신 AI 기법을 적용하여, 독성발현경로(AOP) 기반 예측모델, 흡입독성·유전독성·발달독성·신경독성 등 다양한 독성 엔드포인트별 예측모델, 그리고 생활화학제품 혼합물의 누적독성 평가모델을 구축하고 있습니다. 또한, 데이터 부족 및 불균형 문제를 해결하기 위한 데이터 마이닝, 최적의 분자지문 및 알고리즘 조합 탐색, 설명가능한 AI(Explainable AI) 모델 개발 등도 적극적으로 추진하고 있습니다. 이러한 빅데이터·AI 기반 독성예측 연구는 동물실험을 대체·보완하는 새로운 접근법(NAMs)으로서, 규제기관의 의사결정 지원, 신물질 사전위해성 평가, 환경성질환 예측플랫폼 구축 등 다양한 분야에 활용되고 있습니다. 앞으로도 우리 연구실은 데이터사이언스와 환경독성학의 융합을 통해, 미래 지향적이고 과학적인 화학물질 관리체계 구축에 기여할 것입니다.

3

후생유전 및 다세대 독성평가 연구

우리 연구실은 환경유해물질에 의한 후생유전(epigenetics) 변화와 그로 인한 중장기·세대전이 독성영향을 규명하는 연구를 수행하고 있습니다. 후생유전은 DNA 염기서열 변화 없이 유전자 발현을 조절하는 메커니즘으로, 환경오염물질 노출이 유전독성 및 후생유전독성을 유발할 수 있음을 다양한 동물모델과 오믹스(OMICS) 분석을 통해 밝혀왔습니다. 특히, 화학물질의 다세대 노출이 생식·발달·행동 등 다양한 생물학적 현상에 미치는 영향을 정량적으로 평가하고, 후생유전 마커(H3K9, H3K27 등 히스톤 변형, DNA 메틸화 등)의 역할을 심층적으로 분석하고 있습니다. 이와 함께, 고속대량스크리닝, 머신러닝 기반 화학물질 분류, 동물모델을 활용한 장기노출 실험, 후생유전 AOP 개발 등 다각적인 접근법을 적용하여, 환경유해물질의 중장기 및 세대전이 독성평가 및 규제 관리의 과학적 근거를 마련하고 있습니다. 또한, 실제 환경사례(예: 유류오염, 미세플라스틱, 생활화학제품 등)에서의 후생유전 변화와 건강영향을 조사하여, 인체 및 생태계 위해성 평가에 반영하고 있습니다. 이러한 연구는 기존의 단기·단일세대 독성평가의 한계를 극복하고, 환경유해물질의 장기적·세대전이 영향을 반영한 통합위해성평가 체계 구축에 기여합니다. 앞으로도 후생유전 기반 독성평가 연구를 통해, 환경보건 정책 및 규제의 과학적 신뢰성을 높이고, 국민 건강 보호에 앞장설 것입니다.