Category Archives: 고급 바이오정보학

 

설명

· 복제수변이(Copy number variation)란 개체에 따라 복제수가 다른 DNA조각이나 유전자로, 일반적으로 50 base-pair이상의 염기들로 이루어진 유전자 서열을 나타낸다. 또한 단일염기다형성(Single nucleotide polymorphism)은 DNA 염기서열에서 하나의 염기서열(A,T,G,C)의 차이를 보이는 유전적 변화 또는 변이이다. 본 단원에서는 복제수변이와 단일염기다형성의 생물학적 개념을 비교하여 설명할 것이다. 또한 복제수변이를 탐색하는 분석알고리즘을 이해하고, 이를 바탕으로 질환과 복제수변인사이의 연관관계를 분석하는 통계분석방법을 학습할 것이다.

 

강사소개

강의자 : 원성호

· 서울대학교 생물교육과 졸업

· 서울대학교 계산통계학과 이학석사

· Case Western Reserve University,Department of Epidemiology and Biostatistics,School of Public Health 이학박사 · Harvard School of Public Health Post Dr. · 중앙대학교 응용통계학과 조교수

· 서울대학교 보건대학원 부임

 

과목소개

· 건강빅데이터 시대의 후기 유전체 시대를 주도할 학문으로서 바이오정보학의 현황과 구체적인 유전체 연구 방법론을 소개한다.

· 유의한 유전체 탐색을 위한 통계적 방법으로 군집분석과 분류모형, 연과성을 기초로한 Penalized logit model, SNS 분석방법인 Network Analysis를 유전체 자료에 적용한다.

· 유의한 Biomarker를 찾는 FWER과 FDR 방법을 소개하고 유전자료를 이용한 예측과 예측모형의 평가 및 이를 이용한 치료 이해, 태아의 선천성기형이나 암을 조기진단하는 방법과 유전체 자료의 시각화 방법인 Matrix Visualization의 방법을 설명한다.

 

설명

· 유전체 네트워크 정보를 이용하여 각종 질병이나 표현형적 특성에 영향을 줄 수 있는 유전자들을 찾아내는 통계 모형에 대해 학습한다. 표현형(phenotype)에 연관이 있는 유전체를 찾아내는 genetic association study에 대한 기본 지식과 통계 분석 모형들에 대해 배우며, 표본의 수보다 유전체의 수가 훨씬 더 많을 경우 활용되는 regularization을 이용한 penalized likelihood모형들에 대해서도 학습한다.

 

강사소개

강의자 : 선호근

· 중앙대학교 경제학과(응용통계학 전공) 졸업

· University of Michigan, Ann Arbor, USA. M.A. in Applied Statistics · University of Michigan, Ann Arbor, USA. Ph.D. in Statistics · Graduate Student Instructor Department of Statistics, University of Michigan · Postdoctoral Researcher Center for Clinical Epidemiology and Biostatistics Perelman School of Medicine University of Pennsylvania, Philadelphia

· 부산대학교 통계학과 조교수

 

과목소개

· 건강빅데이터 시대의 후기 유전체 시대를 주도할 학문으로서 바이오정보학의 현황과 구체적인 유전체 연구 방법론을 소개한다.

· 유의한 유전체 탐색을 위한 통계적 방법으로 군집분석과 분류모형, 연과성을 기초로한 Penalized logit model, SNS 분석방법인 Network Analysis를 유전체 자료에 적용한다.

· 유의한 Biomarker를 찾는 FWER과 FDR 방법을 소개하고 유전자료를 이용한 예측과 예측모형의 평가 및 이를 이용한 치료 이해, 태아의 선천성기형이나 암을 조기진단하는 방법과 유전체 자료의 시각화 방법인 Matrix Visualization의 방법을 설명한다.

 

설명

· 유전체 데이터를 가지고 유전체 네트워크를 추론하는 통계적 분석 방법에 대해서 소개한다. Microarray gene expression 데이터를 이용하여 유전체들 간의 상호관계를 분석하며 어떤 유전체들이 서로 서로 연결되어 있는지 통계학적으로 추론하는 문제이다. 주로 사용되고 있는 통계모형인 Gaussian graphical model에 대해 소개하고 표본 수 보다 유전체의 수가 많을 경우 활용되는 regularization 방법에 대해서도 설명한다.

 

강사소개

강의자 : 선호근

· 중앙대학교 경제학과(응용통계학 전공) 졸업

· University of Michigan, Ann Arbor, USA. M.A. in Applied Statistics · University of Michigan, Ann Arbor, USA. Ph.D. in Statistics · Graduate Student Instructor Department of Statistics, University of Michigan · Postdoctoral Researcher Center for Clinical Epidemiology and Biostatistics Perelman School of Medicine University of Pennsylvania, Philadelphia

· 부산대학교 통계학과 조교수

 

과목소개

· 건강빅데이터 시대의 후기 유전체 시대를 주도할 학문으로서 바이오정보학의 현황과 구체적인 유전체 연구 방법론을 소개한다.

· 유의한 유전체 탐색을 위한 통계적 방법으로 군집분석과 분류모형, 연과성을 기초로한 Penalized logit model, SNS 분석방법인 Network Analysis를 유전체 자료에 적용한다.

· 유의한 Biomarker를 찾는 FWER과 FDR 방법을 소개하고 유전자료를 이용한 예측과 예측모형의 평가 및 이를 이용한 치료 이해, 태아의 선천성기형이나 암을 조기진단하는 방법과 유전체 자료의 시각화 방법인 Matrix Visualization의 방법을 설명한다.