RnDCircle Logo
정인욱 연구실
경북대학교 컴퓨터학부 정인욱 교수
Multi-omics integration
Pathway activity scoring
Machine learning
정인욱 교수 연구실
기본 정보
연구 분야
프로젝트
논문
구성원

정인욱 연구실

경북대학교 컴퓨터학부 정인욱 교수

정인욱 연구실은 multi-omics 기반 전처리와 분석 방법을 설계하고, 시퀀싱·시계열 데이터에서 경로 활성과 조절 신호를 정량화하는 연구를 수행합니다. 특히 샘플 단위 pathway 분석을 위한 enrichment score 산정과 omics Contribution Rate 기반 해석 프레임을 구축하고, 이상치 제거와 잡음 완화로 다운스트림 분석의 안정성을 높입니다. 또한 COVID-19 환자에서 면역 반응 변화, SARS-CoV-2 변이 핫스팟, 전자건강기록을 활용한 중증도 예측 모델을 개발하여 임상 데이터 연계를 강화합니다. 나아가 장기 데이터 동기화와 정렬 문제를 알고리즘 관점에서 다루고, DNA 분석 가속을 위한 인-스토리지 컴퓨팅 및 양자 컴퓨팅 기반 연구를 병행합니다.

Multi-omics integrationPathway activity scoringMachine learningGene expression denoisingLongitudinal data alignment
대표 연구 분야
연구 영역 전체보기
멀티오믹스 기반 유전체 조절 분석 및 경로 활성화 점수화 연구 thumbnail
멀티오믹스 기반 유전체 조절 분석 및 경로 활성화 점수화 연구
Multi-omics and genomic regulation analysis with pathway activity scoring
연구 분야 상세보기
연구 성과 추이
표시된 성과는 수집된 데이터 기준으로 산출되며, 일부 차이가 있을 수 있습니다.

5개년 연도별 논문 게재 수

28총합

5개년 연도별 피인용 수

157총합
주요 논문
5
논문 전체보기
1
article
|
·
인용수 0
·
2025
SynchDP: A correlation based sequence alignment algorithm for synchronizing longitudinal clinical data
Seokhwan Seong, Seunghwan Bae, Jaeyeon Jang, Inuk Jung
IF 6.3 (2025)
Computers in Biology and Medicine
https://doi.org/10.1016/j.compbiomed.2025.110853
Synchronizing
Computer science
Sequence (biology)
Algorithm
Correlation
Data mining
Artificial intelligence
Mathematics
2
review
|
인용수 9
·
2025
A review on multi-omics integration for aiding study design of large scale TCGA cancer datasets
Eonyong Han, Hwijun Kwon, Inuk Jung
IF 3.7 (2025)
BMC Genomics
배경: 고처리량(High-throughput) 시퀀싱 기술의 빠른 발전은 생물학적 맥락 내에서 omics 특징을 상세하고 정확하게 측정할 수 있게 한다. 서로 다른 omics 유형을 통합하면 측정 단위, 표본 수, 특징의 변이에 의해 분석에 어려움이 발생하는 이질적 데이터셋이 만들어진다. 현재 다중-omics 연구 설계(MOSD)에서 적절한 표본 수 및 특징 선택, 전처리와 통합 방식 등 강건한 분석 결과를 위한 의사결정을 내리는 데 필요한 일반화된 지침이 부족하다. 우리는 MOSD에 대해 아홉 가지 중요한 요인—표본 크기, 특징 선택, 전처리 전략, 잡음 특성화, 범주 균형, 범주의 수, 암 아형 조합, omics 조합, 임상적 특징—을 포함하는 제안적 지침을 제시한다. 결과: 제안한 MOSD 지침의 효과를 평가하기 위해, 암 아형을 군집화(clustering)하는 것을 목적으로 다양한 TCGA 암 데이터셋에 대해 10개의 군집화 방법을 사용하여 7개의 벤치마크 테스트를 설계하고 수행하였다. 그 결과, 다음 기준을 준수할 때 암 아형 구별에서 강건한 성능을 보였다: 범주당 26개 이상의 표본, omics 특징의 10% 미만 선택, 3:1 비율 이하의 표본 균형 유지, 잡음 수준 30% 미만 유지. 특징 선택이 특히 중요했으며, 군집화 성능을 34% 향상시켰다. 결론: 본 연구의 결과는 MOSD에 대한 근거 기반 권고를 제공하여 연구자들이 분석 접근법을 최적화하고 암 데이터셋 전반에서 결과의 신뢰성을 향상시킬 수 있음을 시사한다. 제안된 MOSD 프레임워크는 다중-omics 데이터 통합에서 계산적 요인과 생물학적 요인 모두를 다루는 제안적 지침을 제공한다.
https://doi.org/10.1186/s12864-025-11925-y
Omics
Preprocessor
Cluster analysis
Feature selection
Context (archaeology)
Computer science
Data mining
Benchmark (surveying)
Sample size determination
Machine learning
3
article
|
인용수 1
·
2025
Identification of severity related mutation hotspots in SARS-CoV-2 using a density-based clustering approach
Sohyun Youn, Dabin Jeong, Hwijun Kwon, Eonyong Han, Sun Kim, Inuk Jung
IF 6.1 (2025)
BioData Mining
배경: SARS-CoV-2에 대한 면역 반응은 개인마다 크게 달라 환자들 간 중증도 수준이 매우 다양하게 나타난다. COVID-19 환자에서 중증도와 관련된 바이오마커를 탐지하기 위한 다양한 방법이 있으나, 우리는 환자 중증도 수준과 상관하는 SARS-CoV-2 유전체 내의 고변이 구간, 즉 변이 핫스팟을 조사하였다. SARS-CoV-2 변이 핫스팟은 변이 밀도와 다양성이 높은 좌위를 탐색하는 밀도 기반 클러스터링 알고리즘인 Mutclust를 사용하여 GISAID 데이터베이스에서 검색하였다. 결과: Mutclust를 이용하여 SARS-CoV-2 유전체에서 477개의 변이 핫스팟을 검색하였고, 그중 28개가 387명의 감염 환자로 구성된 다중 오믹스 COVID-19 코호트에서 중증도 수준과 유의한 연관성을 보였다. 이어서, 28개의 중증도 관련 변이 핫스팟을 기반으로 환자를 중등증 및 중증 환자군으로 추가 층화하였으며, 이들은 사이토카인 프로파일과 단일세포 RNA-seq 샘플 모두에서 서로 구별되는 사이토카인 및 유전자 발현 수준을 나타냈다. SARS-CoV-2 변이 핫스팟이 인간 유전자에 미치는 영향을 네트워크 전파 분석(network propagation analysis)으로 추가로 조사한 결과, 중증군에 특이적인 두 개의 변이 핫스팟이 NK 세포 활성과 연관됨이 확인되었다. 그중 하나는 변이되지 않은 에피토프에 비해 해당 핫스팟 구간의 바이러스 에피토프와 그 결합 HLA 사이의 친화도를 감소시키는 것으로 나타났다. 결론: NK 세포의 면역학적 기능과 관련된 유전자, 특히 NK 세포 수용체 및 공동활성화 수용체(co-activating receptor) 유전자들이 중증 환자군에서 사이토카인 및 단일세포 수준 모두에서 유의하게 이상 조절되었다. 종합하면, 중증도와 연관된 변이 핫스팟과 그에 연관된 NK 세포 관련 유전자 발현 조절이 확인되었다.
https://doi.org/10.1186/s13040-025-00476-3
Identification (biology)
Cluster analysis
Severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2)
Coronavirus disease 2019 (COVID-19)
Computer science
Mutation
Data mining
Geography
Artificial intelligence
Medicine
최신 정부 과제
27
과제 전체보기
1
2025년 3월-2027년 12월
|112,500,000
양자컴퓨팅 기반 유전체 DNA 정렬을 위한 양자 이득 연구
유전체 지도 염기서열을 완성하기 위한 정렬 과정은 방대한 연산량이 필요한 작업으로 이를 양자컴퓨팅 기술을 이용하여 해결하고자 하며 양자 이득 확보을 목표로 함.
양자 이득
양자 알고리즘
양자 회로
양자 컴퓨터
유전체 DNA 정렬
2
2024년 7월-2027년 4월
|375,000,000
유전체 DNA 염기서열 분석 가속화를 위한 페타스케일 인-스토리지 컴퓨팅 기초연구실
본 기초연구실은 유전체 DNA 염기서열 분석 알고리즘의 성능적 한계를 획기적으로 개선시키기 위해 페타스케일 인-스토리지 컴퓨팅(In-Storage Computing) 기반 DNA 염기서열 분석 가속화 시스템 개발을 최종 목표로 함.
인-스토리지 컴퓨팅
DNA 염기서열 분석
플래시 스토리지
페타스케일
프로세싱-인-메모리
3
2024년 4월-2025년 12월
|236,000,000
시계열 멀티오믹스 통합분석 및 인공지능 활용 연구
○ 시계열 정보를 활용한 멀티오믹스 데이터 통합 분석 파이프라인 고도화○ 정제된 멀티오믹스 데이터를 활용한 검색 가능한 데이터베이스 구축○ 시계열 정보를 활용한 멀티오믹스 데이터의 패턴과 중증도간의 연관성 분석○ 인공지능 기반의 시계열 패턴 분석을 통한 중증도 설명 모델 개발○ 데이터 탐색 및 분석이 가능한 웹 기반의 플랫폼 개발○ 연구결과 검증을 위한 추...
COVID-19
멀티오믹스
예후 예측
인공지능
플랫폼

주식회사 디써클

대표 장재우,이윤구서울특별시 강남구 역삼로 169, 명우빌딩 2층 (TIPS타운 S2)대표 전화 0507-1312-6417이메일 info@rndcircle.io사업자등록번호 458-87-03380호스팅제공자 구글 클라우드 플랫폼(GCP)

© 2026 RnDcircle. All Rights Reserved.