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.