본문 바로가기

STORAGE

[2026 IPA 시리즈 제3편] UMAP까지는 그렸는데, 그 다음이 막혔다면 — scRNA-seq 클러스터를 '조절하는' Upstream Regulator

UMAP은 일종의 “단체 사진”입니다. 수십만 개의 세포를 한 장의 사진처럼 평면 위에 펼쳐 놓으면, 성격이 비슷한 세포들끼리 자연스럽게 무리를 지어 모입니다. 한 장의 사진 속에서 누가 어느 그룹에 속해 있는지, 그룹이 몇 개나 되는지, 누가 누구와 가까이 서 있는지를 한눈에 알아볼 수 있는 것과 같죠. UMAP 이미지(출처: AI 생성 이미지(Nano Banana 2 활용)) 그런데 단체 사진이 말해주지 않는 것도 있습니다. 사진은 “지금 이 사람들이 이렇게 모여 있다”는 결과를 보여줄 뿐, 누가 이 모임을 주도했는지, 각 그룹 안에서 어떤 신호가 오가는지, 무엇이 이들을 이 자리에 불러 모았는지는 설명하지 못합니다. scRNA-seq 분석에서도 비슷한 지점에서 멈춰 서기 쉽습니다. 클러스터는 깔끔..

2026. 7. 30.

STORAGE

[2026 IPA 시리즈 제2편] 수백 개 DEG 중 '진짜'를 찾는 법 — BioProfiler로 바이오마커 후보 좁히기

유전자는 많은데, 어디서부터 봐야 하죠?RNA-seq 분석을 끝내면 통계 필터를 통과한 차등발현 유전자(DEG)가 수십 개에서 수백 개씩 쏟아집니다. 하지만 이 리스트 자체는 “무엇이 변했는가”만 알려줄 뿐입니다. 그 변화가 어떤 생물학적 의미를 갖는지, 어떤 경로와 연결되는지, 나아가 진단·예후·치료 반응과 관련된 바이오마커 후보로 발전할 수 있는지는 별도의 해석이 필요합니다. 그렇다면 실제 연구에서는 수백 개 DEG를 어떻게 바이오마커 후보까지 좁혀갈까요? 어디서부터 시작해야 할까(출처: AI 생성 이미지(Gemini 활용)) 이번 글에서는 신종 과불화화합물(PFAS)인 PFESA-BP2가 간세포암(HCC) 위험에 미치는 영향을 분석한 최근 논문을 따라가 보겠습니다. 연구진이 수백 개 DEG에서..

2026. 7. 22.

STORAGE

질병 바이오마커 후보 발굴을 위한 빅데이터 활용 생물정보 분석 플랫폼

바이오마커는 DNA, RNA, 대사 물질, 단백질 및 단백질 조각 등에서 유래된 분자적 정보로써 질병의 발생 등으로 유발된 신체의 변화를 감지할 수 있는 지표로 정의되어 있습니다. 질병의 발생 및 진행, 치료 방법에 대한 약물 반응성을 객관적으로 측정하고 평가할 수 있어 질병의 조기 발견 및 예후 관찰, 개인별 맞춤 의료 기술 등 폭넓게 이용되고 있으며 1990년대 이후 오믹스 기술의 보급으로 바이오마커 개발 연구가 급증하였습니다. 질병은 결함이 있는 단백질 하나가 아닌 여러 개 이상의 단백질이 복합적으로 관련되어 있을 수 있으므로 유전자 발현(전사체: Transcriptome) 정보를 활용하여 특정 질환과 관련된 세포, 조직에서의 특정 유전자 발현 패턴 변화를 분석하고 정상 세포, 조직의 패턴으로 전환..

2022. 6. 27.