Temporal and multi-omics pattern mining for COVID-19 severity and progression prediction
연구 내용
COVID-19 환자의 진행 상태와 중증도 차이를 다중오믹스·시계열 데이터에서 패턴으로 찾아내는 연구
본 연구는 감염 환자의 임상 상태 변화와 면역·유전체 관련 신호의 관계를 시계열 패턴과 다중오믹스 통합 관점에서 모델링합니다. 질병 진행에 따라 달라지는 사이토카인 면역 반응을 파악하고, SARS-CoV-2 변이의 밀집 구간과 환자 중증도 간 상관을 탐색하여 면역 기능 관련 유전자 조절 축을 도출합니다. 또한 deterioration과 recovery 구간처럼 특정 구간에서만 국소적으로 유사한 발현 패턴을 검출하는 알고리즘을 적용해 사건 주변의 반응 유전자 클러스터를 분리합니다. 전자건강기록 기반으로는 Seq2Seq 딥러닝 구조를 활용해 중증도 분류의 연산 모델을 구축합니다.
관련 연구 성과
관련 논문
4편
관련 특허
0건
관련 프로젝트
3건
연구 흐름
초기에는 COVID-19에서 임상 상태가 악화·회복되는 흐름과 면역 반응의 변화를 연결하는 분석을 수행했습니다. 이후 환자 중증도와 연관되는 SARS-CoV-2 유전체 변이 핫스팟을 찾아, 다중오믹스 코호트에서 중증 그룹 차이를 분해하는 방향으로 연구를 확장했습니다. 이어서 악화와 회복이 나타나는 구간을 기준으로 발현 패턴이 국소적으로 유사해지는 유전자 클러스터를 검출하는 시계열 분석 기법을 개발하여 사건 중심의 해석 가능성을 높였습니다. 최근에는 전자건강기록을 입력으로 하는 Seq2Seq 기반 중증도 예측 모델을 통해 임상 데이터 연계를 강화하고 있습니다.
활용 가능성
활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.
관련 논문
구분
제목
Disease progression associated cytokines in COVID-19 patients with deteriorating and recovering health conditions
Identification of severity related mutation hotspots in SARS-CoV-2 using a density-based clustering approach
LOCOS: A cosine based local gene expression pattern finding algorithm on time-series data
Seq2Seq Deep Learning Architecture Based COVID-19 Infected Patient Severity Prediction Using Electronic Health Records
관련 프로젝트
구분
제목
코로나19 멀티오믹스 통합분석 및 예후 예측 모델 개발
인공지능 감염자 중증도 분류정보 시스템 개발
인공지능 감염자 중증도 분류정보 시스템 개발