설명
· 유전체 연구의 궁극적 목적은 중 하나는 유전체 biomarker를 사용하여 특정 환자의 임상적 현상을 예측하는 회귀모형을 만드는 것이다. 이 때 실험으로 얻은 유전체 biomarker의 수는 매우 많아서 일반적인 회귀분석 방법을 사용할 수 없고, 실제로 환자의 임상 현상과 연관있는 작은 수의 유전체 biomarker만을 사용한 예측 모형을 찾아내기에 적합한 방법을 선택하여 사용해야 한다. 10강에서는 환자의 수명 변수를 예측하는 모형을 적합하기 위한 방법으로 gradient lasso방법을 선택하여 실제 microarray data에 적용하고 이 방법으로 적합된 모형을 validation하는 과정을 살펴본다.
강사소개
강의자 : 정신호
· 서울대학교 졸업
· 서울대학교 석사
· University of Wisconsin-Madison. Ph.D.
· Mayo Medical/Graduate School. Assistant Professor
· 한림대학교 조교수
· University of Wisconsin-Madison Visiting Assistant Professor
· Indiana University (IU) School of Medicine Associate Professor
· IU School of Public Health Adjunct Faculty
· Duke University Associate Professor
· 성균관대학교 교수
· IU Cancer Center Biostatistics Core Director
· American College of Surgeons Oncology Group Acting Group Statistician
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.