신현정 연구실의 핵심 연구축은 세포가 주변의 물리적 환경을 어떻게 감지하고, 그에 따라 형태·이동·힘 생성 양상을 어떻게 바꾸는지를 정량적으로 규명하는 세포역학 연구이다. 연구실은 상피세포, 섬유아세포, 내피세포, 미세아교세포, 근육세포 등 다양한 세포계를 대상으로 세포 단일 수준과 집단 수준에서의 역학적 거동을 분석하며, 세포가 단순한 생화학적 신호뿐 아니라 기질 강성, 전단응력, 인장, 전기장, 경계 조건과 같은 물리 자극에도 민감하게 반응한다는 점을 체계적으로 탐구한다. 이를 통해 발생, 상처 치유, 염증, 암 침습, 조직 재생 등 생물학적 현상의 근본 원리를 기계공학적 관점에서 해석하고자 한다. 이 연구실은 세포 견인력 현미경, 단층 응력 현미경, 고해상도 영상화, 광학 기반 비표지 측정, 미세유체 플랫폼, 미세패터닝 기술 등을 결합하여 세포의 운동성과 힘 분포를 시공간적으로 정밀하게 측정한다. 특히 최근에는 굴절률 기반 traction force microscopy와 같은 비표지 고속 영상 기술을 통해 세포의 3차원 형상과 견인력을 동시에 계측하고, 세포 간 응력 전달과 경계 형성, 집단 이동, unjamming 전환 같은 복합 현상을 정량화하고 있다. 이러한 접근은 단순 관찰을 넘어 세포의 내부 장력과 외부 기계환경 사이의 상호작용을 수치화하는 데 강점을 가진다. 이 연구는 기초 생물학의 이해를 심화하는 데 그치지 않고, 질환 진단과 재생의학 응용으로도 이어진다. 예를 들어 상처 폐쇄 과정에서의 섬유아세포 수축 메커니즘, 전기 자극에 따른 상피세포 응력 재배열, 근육 재생 과정의 세포 이질성 분석 등은 치료 전략 설계에 직접적인 단서를 제공한다. 궁극적으로 연구실은 세포의 모양, 이동, 힘이라는 물리적 지표를 새로운 바이오마커로 확장하여, 질병 상태를 더 민감하게 해석하고 정밀한 세포 제어 기술로 연결하는 mechanobiology 기반 의공학 플랫폼을 구축하고 있다.

연구실은 질환이 발생하고 진행되는 조직 미세환경을 공학적으로 재현하여, 세포가 병적 환경에서 어떻게 활성화·분화·침습·재생 반응을 보이는지 규명하는 연구를 활발히 수행하고 있다. 특히 교모세포종, 췌장암, 유방암, 난소암, 흉터 형성, 외상성 뇌손상 및 뇌졸중 모델 등 다양한 질환 맥락에서 세포역학적 인자가 병태생리에 미치는 영향을 분석한다. 이러한 연구는 기존의 분자생물학 중심 접근에서 놓치기 쉬운 기질 강성, 섬유 네트워크 밀도, 경계 형상, 장력 손실, 전기 자극 등의 물리 변수를 핵심 조절자로 다룬다는 점에서 차별성이 크다. 이를 위해 연구실은 2차원 배양을 넘어 3차원 종양 모델, tumoroid, spheroid, 오가노이드, 뇌졸중 ex vivo/in vitro 모델, 보형물 이식환경 모사 시스템 등 실제 조직과 유사한 실험 플랫폼을 구축한다. 암 연관 섬유아세포의 활성화, 교모세포종의 침습, 미세아교세포의 노화 관련 운동 변화, 전기 자극에 대한 신경세포 및 성상세포의 반응, 피부 상처에서의 장력 저하와 흉터 형성 등은 모두 미세환경의 물리적 특성과 밀접하게 연결되어 있으며, 연구실은 이를 영상화와 역학 측정을 통해 정밀하게 추적한다. 이러한 플랫폼은 치료 반응 예측, 항침습 전략 발굴, 조직 재생 촉진 메커니즘 이해에 매우 유용하다. 이 연구의 강점은 질환의 생물학적 복잡성을 정량 가능한 공학 변수로 바꾸어 해석한다는 데 있다. 예를 들어 암세포와 기질세포의 상호작용을 기계적 기억, 세포 이질성, 경계 불안정성, 응력 축적 등의 개념으로 설명함으로써 질환 진행의 새로운 설명 틀을 제시한다. 앞으로 이 연구는 정밀의료, 맞춤형 치료, 생체재료 설계, 재생의학용 이식체 평가, 전기 자극 기반 치료 최적화로 확장될 가능성이 크며, 실제 임상 문제 해결과 연결되는 메카노바이올로지 응용 연구로서 높은 잠재력을 가진다.

신현정 연구실은 세포를 손상시키지 않으면서 장시간 정밀 관찰할 수 있는 비표지 바이오이미징과 인공지능 기반 데이터 해석 기술을 결합해 차세대 세포 분석 플랫폼을 개발하고 있다. 세포의 형태, 건조질량 분포, 이동 궤적, 힘 생성, 분화 상태, 활성화 정도와 같은 복합 정보를 비침습적으로 획득하고, 이를 계산 기반으로 통합 해석함으로써 기존 형광 표지 중심 분석의 한계를 극복하고자 한다. 이러한 접근은 살아있는 세포의 동적 상태를 더 자연스럽게 반영하며, 특히 세포 이질성이 큰 암세포나 섬유아세포 집단을 분석하는 데 유리하다. 연구실의 대표적 성과 중 하나는 굴절률 기반 traction force microscopy와 같은 고속·고해상도 비표지 기술의 활용이며, 여기에 하이브리드 학습, 딥러닝, 비지도 군집화, 형태 및 이동 특성 추출 알고리즘을 접목해 세포의 특수형이나 표현형을 자동 분류하는 연구를 수행하고 있다. 관련 특허에서도 확인되듯이, 세포의 시계열 형태 변화와 운동성 정보를 수백 개의 변수로 추출하여 암세포의 예후 판단이나 치료 반응 예측에 활용할 수 있는 분석 장치를 제안하고 있다. 최근에는 신경줄기세포 유도, 내피세포 동적 표현형 분석, 보형물 관련 섬유아세포 분류 등 다양한 응용 주제에서 AI 기반 형태 평가가 진행되고 있다. 이 연구는 세포 분석의 자동화와 정량화를 크게 진전시킬 수 있다. 전통적으로 숙련자의 경험에 의존하던 세포 상태 판독을 데이터 기반 표준화 지표로 바꾸면, 연구 재현성과 임상 번역 가능성이 높아진다. 나아가 비표지 이미징과 AI 분석이 결합되면 장기 배양 모니터링, 줄기세포 품질관리, 종양 미세환경 내 세포 아형 분류, 조직공학용 세포 선별 등 다양한 분야로 확장될 수 있다. 즉, 연구실은 물리 기반 계측과 계산 기반 해석을 통합하여 세포 표현형을 정밀하게 읽어내는 새로운 의공학적 분석 패러다임을 구축하고 있다.