AI-Based Integration of Genomic and Transcriptomic Big Data for Analyzing Virulence Expression Patterns of Major Foodborne Pathogens and Developing a Precision Foodborne Illness Prediction Index
집단연구지원(R&D) · 기초연구실 심화형
2026년
2710110434
과학기술정보통신부
한국연구재단
서울대학교
김희발
17명
2026.07.01 ~ 2027.06.30
2026.07.01 ~ 2029.06.30
5억원
5억원
기초연구
대학
서울특별시 관악구
보건의료 > 의생명과학 > 생물정보학
... 식중독균 3종(E. coli, L. monocytogenes, S. enterica)의 전사체 빅데이터와 배양 환경 변수를 통합 학습하여, '환경 조건에 따른 독성 유전자 발현 및 표현형 예측 AI ... 구축을 최종 목표로 함. 이를 위해 ① SRA 기반 대규모 전사체 DB 구축 및 공백 영역 데이터 생산, ② Deep Learning 기반 독성 조절 네트워크 규명 및 Core Model 개발, ...
(연차목표) 주요 식중독균 전사체-환경 매칭 DB 구축 및 핵심 독성 인자 도출 - 주요 식중독균 전사체 데이터 확보 및 통합 DB 구축 - 전사체 및 유전체 데이터 기반 주요 독성 관련 유전자 후보군 도출 - AI 학습을 위한 전사체 기반 독성 유전자 데이터 구조 구축(연차목표) 독성 발현 예측 AI Core 모델 개발 및 다차원적 검증 - 독성 발현 예측 ...
... enterica의 독성 발현 위험도와 핵심 기여 인자(SHAP 기반)를 함께 제시하는 분석 체계를 구축하여, 고위험 조건을 사전에 식별하고 저장·유통·공정 조건 최적화에 활용함 - 표준화 데이터/모델 자산화 및 재사용: 전사체?환경 통합 DB, 표준 독성 유전자 라이브러리, 재분석·정규화 파이프라인, 모델 학습/보정 절차를 모듈형 표준 자산으로 확립하여 후속 연구에서 반복 구축 비용을 ...