단일 세포 멀티오믹스 데이터 통합 분석을 위한 기계 학습 방법론 개발

From Course@DGIST
Jump to navigation Jump to search
단일 세포 멀티오믹스 데이터 통합 분석을 위한 기계 학습 방법론 개발
제안자 김종경
자문교원 김종경
연도 2020
타입 A형 과제
코스 프란시스 크릭
매칭여부 No
참여학생수
소개동영상

제안 배경

  • 전통적으로 생물학 연구는 동일한 세포형으로 구성된 세포 개체군은 각 세포의 분자적 특성과 기능이 동일하다는 세포 동질성을 기본 전제로 한다. 이러한 세포 동질성은 세포 개체군의 전체 기능은 각 세포 기능의 단순한 합으로 설명할 수 있다는 가정에 근거하지만 세포 간 상호작용으로 전혀 새로운 기능을 보이는 생체 시스템의 창발적인 특성은 설명할 수 없다.
  • 최근의 분자생물학적 기술의 발달로 단일 세포 수준에서 유전자 발현과 세포 표현형의 측정이 가능해짐에 따라 세포간 분자적 특성과 표현형의 변이가 생체 시스템의 기능에 중요하다는 사실이 계속 밝혀지고 있다. 또한 유전체 핵심 기술인 차세대 염기 서열 분석은 기술적 한계로 인해 단일 세포 유전체 분석에 바로 적용할 수 없지만 최근 단일 세포 유전체 증폭 기술이 개발됨에 따라 단일 세포 수준에서 유전체, 전사체 및 후성유전체 연구가 가능해졌다. 이러한 기술적 진보로 인해 유전체 연구의 패러다임이 기존의 세포 개체군 분석에서 단일 세포 분석으로 급격히 변화하고 있다.
  • 단일 세포 오믹스 기술은 발달, 면역, 종양, 노화, 뇌인지 등의 분야에서 세포간 변이와 기능간의 관계를 규명하기 위한 핵심 기술로 이용되고 있으며 이를 통해 다양한 질병의 발생 원인을 이해하고 개인 맞춤형 질병 예방 및 치료를 위한 정밀 의료의 토대를 마련하고 있다. 또한 하나의 세포에서 두가지 이상의 오믹스 정보 (유전체, 전사체, 후성유전체, 단백체 등)를 함께 분석하는 단일 세포 멀티오믹스 기술도 활발히 개발되고 있다. 기술 발전과 병행하여 단일 세포의 다양한 분자 및 세포 정보를 통합하고 대규모 단일 세포 멀티오믹스 데이터로부터 유용한 생물학적 정보를 효과적으로 추론하기 위하여 기계 학습 방법론 개발이 필수적이다.

과제 목표

단일 세포 멀티오믹스 데이터 (전사체+후성유전체) 통합 분석을 위한 기계학습 방법론 개발

과제 내용

  • 항암제 내성 세포주 모델에서 단일 세포 멀티오믹스 데이터 (scRNA-seq, scATAC-seq) 생산
  • scRNA-seq 분석 파이프라인 구축
  • scATAC-seq 분석 파이프라인 구축
  • scRNA-seq + scATAC-seq 통합 분석을 위한 기계학습 방법론 개발
  • 기존의 단일 세포 멀티오믹스 데이터 통합 분석 방법론과 비교 분석
  • 단일 세포 멀티오믹스 통합 분석을 통한 항암제 내성을 설명하는 세포군 및 핵심 유전자 발굴


참고자료

  • Y. H. Choi, J. K. Kim, Dissecting Cellular Heterogeneity Using Single-Cell RNA Sequencing, Molecules and Cells 42:189-199, 2019

희망학생