Systems ImmunoDynamics Lab

시스템 면역 다이내믹스 연구실

관련기사 바로가기

우리 연구실은 시스템 생물학적 방법론을 통해 면역계의 다이내믹스에 대한 예측 모델을 구축하는 것을 주된 목표로 하고 있다. 이렇게 구축한 모델을 이용하여 비선형 복잡계적 특성을 지닌 면역계를 총체적으로 이해하고 원하는 방향으로 면역계의 반응을 조절할 할 수 있는 치료방침을 제시하고자 한다. 궁극적으로는 면역계의 오작동으로 기인하는 여러 감염질환, 암, 자가면역질환들을 근원적으로 치료하는데 도움을 주고자 한다. 유전자, 세포, 조직, 개체 수준을 아우르는 다계층적(multiscale)이면서도 수많은 분자, 세포들의 상호작용(high-throughput)으로 작동하는 면역계를 현실적으로 기술하는 수리모델(scalable modeling)을 구축하기 위해 다중오믹스 데이터, 임상데이터, 이미지 데이터 등을 포괄하는 방법론을 개발하고, 기계학습, 베이지안통계, 데이터사이언스의 방법론을 전통적 수리모델에 접목하여 궁극적으로 여러 면역질환에 대한 환자맞춤형 치료에 우리가 구축한 모델을 이용하고자 한다.
We seek to construct predictive models describing the dynamical behavior of the immune system via systems biological approaches. Using these models, we wish to better understand complex and nonlinear immune behavior in its entirety. Ultimately, we design therapies to predictably modulate such behavior to the direction we desire to help cure infectious, malignant, and autoimmune diseases occurring due to dysregulations of the immune system. To realize this, we need to incorporate sufficient biological realities of the immune system into the models in two aspects: 1) the multiscale nature spanning across genes, cells, tissues, organs, and organisms/populations and 2) the high-throughput nature consisting of numerous molecular and cellular players with intricate interactions among each other. Therefore, we will develop computational frameworks to encompass data from various sources – multi-omics, clinics, or images using methods from machine learning, Bayesian statistics, and data science within traditional mathematical modeling to be deployable to individualized therapies of immune diseases in the era of ‘precision’ medicine.

Major research field

시스템/전산/수리 생물학, 면역학, 시스템 약리학, 멀티스케일 모델링, 의료 데이터 과학, 생물물리학

Desired field of research

시스템/전산/수리 생물학, 면역학, 시스템 약리학. 멀티스케일 모델링, 의료 데이터 과학, 생물물리학

Research Keywords and Topics

1) Dissect immune homeostasis, balance, and adaptation to treat autoimmunity, cancer, and
infectious diseases.

2) Develop computational frameworks of scalable (high-dimensional and multiscale) and patient-deployable dynamical modeling and integration of data from various biological layers aided by machine learning/AI to construct the in-silico immune system.

Research Publications

A pharmacometric model to predict chemotherapy-induced myelosuppression and associated risk factors in non-small cell lung cancer, Park, K., Kim, Y., Son, M., Chae, D., Park, K., Pharmaceutics (2022).
A simple risk scoring system for predicting the occurrence of aspiration pneumonia after gastric endoscopic submucosal dissection, Park, K., Kim, N. Y., Kim, K. J., Oh, C., Chae, D., Kim, S. Y., Anesthesia & Analgesia (2022).
A local regulatory T cell feedback circuit maintains immunological homeostasis by pruning self-activated T cells., Wong, H. S., Park, K., Gola, A., Baptista, A. P., Miller, C. H., Deep, D., Lou, M., Boyd, L. F., Rudensky, A. Y., Savage, P. A., Altan-Bonnet, G., Tsang, J. S., Germain, R. N., Cell (2021).


  • LA. 생명과학
  • LA07. 융합바이오
  • LA0705. 시스템생물학


  • 건강한 생명사회 지향
  • 021900. 생체정보분석/활용 기술


  • 녹색기술관련 과제 아님
  • 녹색기술관련 과제 아님
  • 999. 녹색기술 관련과제 아님


  • BT 분야
  • 기초/기반기술
  • 020114. 생명현상 및 기능연구