메뉴 바로가기 본문 바로가기 하단 바로가기

Korea Bioinformation Center

국내 생명연구자원정보의 총괄관리와 생명정보 분야의 전문연구를 위한 범부처 국가센터
추천 검색어

KOBIC 소식

국가통합바이오빅데이터구축사업 유전체·오믹스 데이터 생산기관 성과교류회 개최(세종, ’25.11.18~19)

국가통합바이오빅데이터구축사업 유전체·오믹스 데이터 생산기관 성과교류회 개최(세종, ’25.11.18~19) 새글 KOBIC은 11월 18일~19일간 세종에서 국가통합바이오빅데이터구축사업 유전체·오믹스 데이터 생산기관 성과교류회를 개최하였습니다. KOBIC과 함께 유전체 등 오믹스 데이터 생산·분석 과제를 수행하는 유전체와 오믹스 데이터 생산 분석 전문기관들의 금년 성과와 향후 계획을 공유하며 과제 추진에 필요한 사안들에 대한 다양한 의견을 듣는 자리를 마련하였습니다. 한국생명공학연구원 권석윤 원장의 환영사에 이어 국가통합바이오빅데이터구축사업단 백롱민 단장의 축사로 행사가 시작되었고, 국립보건연구원 주요 인사들을 포함하여 유전체, 오믹스 데이터 생산 분석 전문기관 관계자 100여명이 참석하였습니다. 2025-11-20

KOBIC 공지

24 2025.11
2025년 K-BDS 플랫폼 만족도 설문조사 안내새글 바이오 데이터 스테이션(K-BDS) 플랫폼 사용자를 대상으로, 개선 사항을 파악하고 향후 개발 방향을 설정하고자 서비스 만족도 조사를 진행하고자 합니다.(예상 소요시간 10분 이내) 설문에 응답해주신 분들께 소정의 기프티콘이 답례로 제공될 예정입니다.(선착순 200명)바쁘시더라도 잠시 시간을 내시어 적극적인 참여를 부탁 드립니다.감사합니다. □ 설문조사 기간 : 2025년 11월 24일(월요일) ~ 28일(금요일)□ 설문조사 링크 : https://www.surveys.kr/KBDS2025/?ResType=DED017CD2C□ 설문조사 QR코드 :

최신 연구 등록 정보

BioProject 비공개 개별 살아 있는 세포의 자성 이동(magnetophoresis) 및 시공간적 조작
  • Project IDKAP241881
  • NTIS 과제번호

공개 분석 파이프라인

Single-Cell-RNA-Sequencing-Pipeline

Whole Genome Sequencing Somatic Variant Analysis Pipeline

Bio-Express Somatic WGS Pipeline은 전장 유전체 시퀀싱 데이터로부터 체세포 변이를 검출하기 위한 모듈식 분석 파이프라인입니다. 이 파이프라인은 raw FASTQ 파일을 입력 데이터로 사용하고, 종양-정상 쌍 분석을 기반으로 하는 포괄적인 체세포 변이 호출 결과와 품질 평가 및 시각화를 제공합니다. FastQC를 통한 시퀀싱 품질 평가 후, Cutadapt로 어댑터 제거 및 품질 트리밍을 수행하고, BWA-MEM2 정렬 도구를 사용하여 참조 유전체 서열에 매핑하여 BAM 형식의 정렬 파일을 생성합니다. 이후 GATK 파이프라인을 통해 중복 제거, 매핑 품질 평가, 그리고 저품질 read에 대한 필터링을 수행하며 모든 페어 정보가 일치하는지 확인합니다. SAMtools를 활용한 좌표 기준 정렬과 GATK MarkDuplicates를 통한 PCR 중복 제거를 거쳐, GATK BaseRecalibrator와 ApplyBQSR을 사용하여 알려진 변이 사이트 정보를 공변량으로 활용한 염기 품질 점수 재보정을 수행합니다. 재보정이 완료된 BAM 파일에 대해 먼저 포괄적인 품질 관리 및 샘플 검증 단계를 수행합니다. Somalier를 통한 샘플 관계 검증, SNPmatch를 활용한 변이-SNP마커 통합 분석을 통한 샘플 정체성 확인, VerifyBamID2를 통한 샘플 오염도 평가, 그리고 Mosdepth를 사용한 커버리지 분석을 통해 시퀀싱 데이터의 품질과 신뢰성을 종합적으로 평가합니다. 이어서 종양-정상 쌍 분석 단계로 진입하며, Conpair를 통한 Normal-Tumor 페어 적합성 검증과 교차 개체 오염 수준 추정을 수행합니다. 그 다음 Strelka2와 Mutect2를 통한 단일 염기 변이 및 삽입/결손 변이 검출을 병행하여 체세포 변이의 민감도와 특이도를 극대화합니다. 마지막으로 TINC를 통한 종양 순도 분석과 Manta를 사용한 구조 변이 호출, Canvas를 이용한 복제수 변이 분석으로 포괄적인 체세포 유전체 변화를 정량화하여 암 유전체학 연구와 정밀 의학에 필수적인 정보를 제공합니다. > 기본 참조 게놈: hg38 [중요] 샘플 유형 식별 방법: - 종양 조직 샘플: FASTQ 파일명에 "_T" 포함 필수 - 정상 조직 샘플: FASTQ 파일명에 "_N" 포함 필수 (예시) patient001_T_R1.fastq.gz # 종양 샘플, Read 1 patient001_T_R2.fastq.gz # 종양 샘플, Read 2 patient001_N_R1.fastq.gz # 정상 샘플, Read 1 patient001_N_R2.fastq.gz # 정상 샘플, Read 2
#wgs
#whole-genome sequencing
#somatic mutation
#tumor-normal pair analysis
#cancer genomics
#precision medicine

Single-Cell-RNA-Sequencing-Pipeline

Whole Genome Sequencing Germline Variant Analysis Pipeline

Bio-Express Germline WGS Pipeline은 전장 유전체 시퀀싱 데이터로부터 생식세포 변이를 검출하기 위한 모듈식 분석 파이프라인입니다. 이 파이프라인은 raw FASTQ 파일을 입력으로 사용하고, 개체 유전체 분석을 기반으로 허눈 포괄적인 생식세포 변이 호출 결과와 품질 평가 및 시각화를 제공합니다. FastQC를 통한 시퀀싱 품질 평가 후, Cutadapt로 어댑터 제거 및 품질 트리밍을 수행하고, BWA-MEM2 정렬 도구를 사용하여 참조 유전체 서열에 매핑하여 BAM 형식의 정렬 파일을 생성합니다. 이후 GATK 파이프라인을 통해 중복 제거, 매핑 품질 평가, 그리고 저품질 read 필터링을 수행하며 모든 페어 정보가 일치하는지 확인합니다. SAMtools를 활용한 좌표 기준 정렬과 GATK MarkDuplicates를 통한 PCR 중복 제거를 거쳐, GATK BaseRecalibrator와 ApplyBQSR을 사용하여 알려진 변이 사이트 정보를 공변량으로 활용한 염기 품질 점수 재보정을 수행합니다. 재보정이 완료된 BAM 파일에 대해 먼저 포괄적인 품질 관리 및 샘플 검증 단계를 수행합니다. Somalier를 통한 샘플 관계 검증, VerifyBamID2를 통한 샘플 오염도 평가, 그리고 Mosdepth를 사용한 커버리지 분석을 통해 시퀀싱 데이터의 품질과 신뢰성을 종합적으로 평가합니다. 이어서 GATK HaplotypeCaller를 이용한 GVCF 파일 생성 및 GenotypeGVCFs를 활용한 표준 VCF 형태의 생식세포 SNV/Indel 변이 탐지를 실행합니다. 후속적으로 BCFtools를 적용한 종합적인 변이 통계 해석을 진행하며, Manta 도구를 통해 구조적 변이를 검출합니다. > 기본 참조 게놈: hg38
#wgs
#whole-genome sequencing
#germline mutation
#individual genomic analysis

Single-Cell-RNA-Sequencing-Pipeline

ChIP-seq Analysis Pipeline

Bio-Express ChIP-seq Analysis Pipeline은 크로마틴 면역침전 시퀀싱(Chromatin Immunoprecipitation Sequencing) 데이터로부터 단백질-DNA 결합 부위를 검출하기 위한 모듈식 분석 파이프라인입니다. 이 파이프라인은 raw FASTQ 파일을 입력으로 사용하고, 전사인자 결합 사이트, 히스톤 변형 영역, 크로마틴 구조 분석을 기반으로 하는 포괄적인 후성유전학적 결합 부위 호출 결과와 품질 평가 및 시각화를 제공합니다. FastQC를 통한 시퀀싱 품질 평가 후, FASTX-Toolkit을 사용하여 저품질 염기 필터링을 진행하고, Bowtie2 정렬 도구를 사용하여 참조 유전체 서열에 매핑하여 SAM 형식의 정렬 파일을 생성합니다. 이후 전처리가 완료된 정렬 파일을 활용하여 후성유전학적 신호 분석 단계로 진입합니다. MACS2(Model-based Analysis of ChIP-Seq)를 통한 통계적으로 유의한 피크 호출을 수행하여 단백질-DNA 결합 부위를 정확히 식별하고, narrowPeak 형식으로 고해상도 결합 영역을 제공합니다. 최종적으로 Homer를 활용한 포괄적인 후속 분석 단계를 수행합니다. annotatePeaks 기능을 통해 검출된 피크의 게놈 위치 주석과 주변 유전자 정보를 제공하고, makeUCSCfile을 사용하여 UCSC 게놈 브라우저와 호환되는 bedGraph 형식의 시각화 파일을 생성하여 크로마틴 면역침전 신호의 게놈 전체 분포 패턴을 직관적으로 확인할 수 있습니다. > 기본 참조 게놈: hg38 [중요] 샘플 유형 식별 방법: - 컨트롤 파일: "CONTROL_"로 시작 필수 (자동 식별을 위한 필수 접두사) - 처리/ChIP 파일: 특별한 파일명 규칙 없음 (예시) CONTROL_input_R1.fastq.gz # 유효한 컨트롤, Read 1 CONTROL_input_R2.fastq.gz # 유효한 컨트롤, Read 2 ChIP_H3K4me3_R1.fastq.gz # 유효한 처리군, Read 1 ChIP_H3K4me3_R2.fastq.gz # 유효한 처리군, Read 2
#chip-seq
#protein-dna binding
#epigenomics
#tfbs
#transcription factor binding sites
#histone modification
#chromatin structure

Single-Cell-RNA-Sequencing-Pipeline

Single-cell RNA Sequencing Pipeline

Single-cell RNA sequencing pipeline은 10X Genomics의 Cell Ranger, python 패키지인 Scanpy를 이용하여 단일 세포 수준의 유전자 발현 데이터를 분석하기 위한 파이프라인입니다. 본 파이프라인은 raw sequencing data(FASTQ 파일)과 함께 각 library가 유래한 샘플의 정보를 함께 입력받습니다. 이후 count matrix 생성, data preprocessing, normalize and scaling, dimension reduction and clustering, annotation, differential gene expression analysis 및 functional analysis 등을 수행합니다. 결과물로 cell-by-gene expression matrix 및 이로부터 파생된 분석 결과 테이블, 시각화한 그래프 등을 얻을 수 있습니다.
Single-cell RNA-seq
Scanpy
Cell ranger
CellTypist
gProfiler

Single-Cell-RNA-Sequencing-Pipeline

Bacterial Pathogen Analysis pipeline

박테리아의 유전체 어셈블리(genome assembly)가 완료된 후에도, 해당 샘플의 정확한 분류학적 위치를 파악하거나 항생제 내성 및 병원성 유전자의 존재 여부를 확인하기 위해서는 따로 후속 분석이 필요합니다. 이 파이프라인은 GTDB-Tk, MLST, ABRicate의 세 가지 도구를 사용해 이러한 기능을 제공하고 있습니다. 세 프로그램 모두 어셈블리가 완료된 유전체 서열 정보를 FASTA 형식의 파일로 입력받아 분석을 시작합니다. 종 동정(Species Identification) 분석은 GTDB-Tk를 사용하여 수행됩니다. 이 도구는 입력된 유전체 서열을 GTDB에 존재하는 방대한 박테리아 서열 정보와 비교 분석하여, 해당 샘플에 대한 종 수준의 분류학적 정보(Taxonomy)를 출력합니다. 이후 MLST 도구를 사용해 종 수준보다 하위 분류군인 균주(Strain) 정보를 확인할 수 있습니다. 해당 도구는 유전체 전체 서열이 아닌, 하우스키핑 유전자(house-keeping gene) 서열만을 활용하여 분류를 수행합니다. 마지막으로 ABRicate를 사용하여 박테리아 유전체 서열 내에 존재하는 항생제 내성 유전자 및 병원성 유전자에 대한 정보를 확인합니다. 이를 위해 CARD, ResFinder, NCBI AMRFinderPlus, VFDB 등 다양한 전문 데이터베이스의 서열 정보를 이용할 수 있습니다. 이러한 단계별 분석을 통해 단순한 서열 정로부터 taxonomy, 임상적 특성을 포괄적으로 파악할 수 있습니다.
#Bacteria
#Pathogen analysis
#speceis identification

Single-Cell-RNA-Sequencing-Pipeline

Bacterial Assembly pipeline

Bacterial Genome Assembly Pipeline은 bacterial WGS 데이터를 기반으로 QC부터 annotation까지 원스텝으로 분석을 수행할 수 있는 자동화 파이프라인입니다. 해당 Pipeline은 ZGA라는 프로그램을 기반으로 수행되며, read QC, read processing, de novo assembly, genome polishing, assembly QC, annotation 단계로 구성되어 있습니다. 또한, 분석자가 시각점과 끝나는 단계를 지정해서 분석을 수행할 수 있는 장점도 존재합니다. 파이프라인의 초기 단계(Read QC, read processing)에서는 실험 데이터의 품질 평가와 정제가 이루어집니다. fastp를 사용하여 실험 데이터의 품질을 검사하고 평가하며, BBtools의 BBDuk을 활용하여 시퀀싱 어댑터 및 낮은 품질의 리드를 효과적으로 정제합니다. 또한, BBtools의 BBMerge 단계에서 각 paired-reads를 미리 overlap하여 assembly의 효율을 증가시킵니다. 마지막으로 사용자의 선택에 따라 Mash를 사용하여 예상되는 genome size를 예측할 수 있습니다. 두 번째 단계(de novo assembly, genome polishing)에서는 Unicycler, SPAdes, Flye라는 3개의 assembly tool 중에서 하나를 선정하여 de novo assembly를 수행합니다. 그 후, 각 assembly tool에 내장된 기능을 바탕으로 assembled sequence를 polishing하여 genome의 품질을 향상시킵니다. 이어지는 단계(Assembly QC, annotation)에서는 checkM을 이용하여 genome completeness, contamination, heterogeneity를 확인하여 assembled genome의 품질을 확인합니다. 마지막으로 Bakta를 이용하여 assembled genome에 대한 annotation을 수행하는 것으로 Bacterial Genome Assembly Pipeline은 종료됩니다. 전체적으로, 최상위 입력 데이터인 fastq 형식의 bacteria WGS raw data로부터 시작하여 QC, de novo assembly, assembly QC, annotation까지 분석하실 수 있습니다.
#Bacteria
#assembly
#de novo assembly

Single-Cell-RNA-Sequencing-Pipeline

Metagenome Assembled Genome Analysis pipeline

MAG(Metagenome-Assembled Genome) 분석 파이프라인은 복합 미생물 군집의 시퀀싱 데이터를 이용하여 배양되지 않은 미생물의 유전체를 복원하고, 이를 계통학적 및 기능적으로 분석하기 위한 통합 분석 절차입니다. 이 파이프라인은 원시 시퀀싱 데이터로부터 품질 관리(QC), 어셈블리(assembly), binning, 품질 평가(QC of bins), 계통 분류(taxonomic classification) 및 기능 주석(annotation) 단계로 구성됩니다. 우선 품질 과정 단계를 통해 시퀀싱 데이터의 품질을 확인하고 저품질 리드 및 숙주 서열을 필터링하여 제거합니다. 이후 MEGAHIT를 이용해 정제된 리드로부터 contig를 조립하고, metaQUAST로 어셈블리 품질을 평가합니다. 어셈블리된 contig는 MetaBAT2, MaxBin2, CONCOCT를 이용해 유사한 염기 조성과 커버리지 패턴을 기준으로 유전체 단위(bin)으로 분류됩니다. 그 후 DAS Tool을 이용하여 각 도구의 binning 결과를 통합함으로써 중복을 제거하고 완전도와 정확도를 향상시킨 MAG 세트를 확보합니다. 생성된 MAG에 대해서는 CheckM2를 통해 완전도와 오염도를 평가하고 GTDB-Tk로 계통 분류를 수행합니다. 마지막으로 Prokka를 이용해 예측된 유전자에 대한 기능 주석을 수행합니다. 본 파이프라인은 시료별(single-sample)로 독립 수행되며, MAG 확보와 기능적 해석을 위한 절차로 활용됩니다.
#MAG

Single-Cell-RNA-Sequencing-Pipeline

Transcriptomic Alternative Splicing Analysis Pipeline

RNA-seq Analysis Pipeline은 RNA-Seq 데이터를 처리하고 유전자 발현에 대한 통계적 분석을 수행하는 것을 목표로 합니다. 이 파이프라인은 유전자의 발현 수준을 이해하고 해석하기 위해 실험 데이터의 품질을 평가하고 정제하며, 정렬, 발현 수준 계산, 통계적 분석, 결과 시각화로 구성되어 있습니다.파이프라인의 초기 단계에서는 실험 데이터의 품질 평가와 정제가 이루어집니다. FastQC를 사용하여 실험 데이터의 품질을 검사하고 평가하며, Cutadapt를 활용하여 시퀀싱 어댑터 및 낮은 품질의 리드를 효과적으로 정제합니다.다음으로, STAR 2를 이용하여 리드를 정확하게 유전체에 정렬하고, 각 유전자의 발현 위치를 정밀하게 파악합니다. 그 후, Rsubread 라이브러리의 FeatureCounts를 활용하여 정렬된 리드를 각 유전자에 할당하여 발현 수준을 정량화하고 Count Matrix를 생성합니다.이어지는 단계에서는 R 기반의 edgeR과 limma를 사용하여 발현 수준의 통계적 차이를 식별하고 각 유전자의 발현 변동을 분석합니다. 이 과정에서 control과 test 샘플에는 각각 최소 두 개 이상의 생물학적 복제 샘플이 포함되어야 통계적 분석이 가능하다는 점에 유의해야 합니다. 복제가 없는 경우 잔차 유도가 0이 되어 분석이 실패하거나 결과가 신뢰성을 잃을 수 있습니다. 또한, R 기반의 fgsea를 활용하여 gene set 간의 풍부도를 평가하고, 다양한 시각화 도구를 활용하여 효과적으로 표현합니다. 마지막으로, fgsea의 결과 파일을 이용하여 여러 R 패키지를 통해 데이터 시각화, 그래픽 생성 등 실험 결과를 자세히 분석하고 시각화합니다.전체적으로, 최상위 입력 데이터인 fastq 형식의 RNA-seq raw data로부터 시작하여 품질 보고서인 fastqc.report.html을 생성하고, MA plot, correlation plot, network, volcano plot, heatmap 등의 다양한 시각화 자료를 통해 유전자 발현 및 풍부도를 시각적으로 확인할 수 있습니다. Bio-Express RNA-seq Alternative-splicing Pipeline (이하 AS)은 유전자 발현의 전사체 수준에서 크게 5가지 type의 splicing 양상을 확인할 수 있다.Alternative splicing은 하나의 유전자를 구성하는 복수의 exon (coding region)간의 조합에 따라 여러 transcripts (isoforms)가 생성되며, 이에 따라 하나의 유전자라도 서로 다른 구조를 갖는 단백질이 만들어짐에 따라 기능이 다른 유전자로써 역할을 하게된다. 이러한 메커니즘을 통해 단백질의 폭넓은 capacity 를 확보할 수 있으며, 다양한 분자적 역할이 가능하다. (출처: From Wikipedia, the free encyclopedia) 기본적인 5가지 형태의 이벤트는 아래와 같다. 1. SE (Exon skipping cassette exon) 2. MXE (Mutually exclusive exons) 3. A5SS (Alternative donor site) 4. A3SS (Alternative acceptor site) 5. RI (Intron retention) AS 분석 파이프라인은 아래와 같은 흐름으로 진행됨. 1. Quality Control, 시퀀싱 품질 관리 (by FastQC) 2. Trimming, 아답터 및 low quality 제거 (by Cutadapt, Trimmomatic) 3. Mapping, 레퍼런스 alignment (by STAR, HISAT2) 4. AS detection, 선택적 스플라이싱 탐색 (by rMATs) 5. Visualization, AS 결과 시각화 (by ggsashimi)
#RNA-seq
#Alternative-splicing
#transcriptome
KOBICian's Story
프로필사진
[81호] 아시아 생명정보의 도약: 제22회 CJK(China-Japan-Korea) 생명정보 심포지엄 참석기 김혜린
2025년 11월, KOBIC 대표단을 포함한 한·중·일 생명정보 전문가들이 중국 상하이 푸단대학교 한단캠퍼스에서 개최된 제22회 CJK(China-Japan-Korea) Bioinformatics Symposium을 위해 한자리에 모였습니다. 1905년에 설립된 푸단대학교는 베이징대·칭화대와 함께 중국을 대표하는 연구 중심 대학으로, 경제의 심장부인 상하이에 위치하고 있습니다. 실제로 거닐어 본 상하이는 뉴욕을 떠올리게 할 만큼 초고층 스카이라인과 서양식 역사 건물들이 공존하는 도시였고, 거리와 공기도 예상보다 매우 깨끗하고 활기에 차 있었습니다. 특히 도시를 다니는 차량의 대부분이 전기차여서 더욱 놀라웠습니다. Shanghai Society for Bioinformatics가 주관하고, China National Center for Bioinformation(CNCB, 중국), National Institute of Genetics(NIG, 일본), Korea Bioinformation Center(KOBIC, 한국)이 공동으로 참여한 이번 행사는 ABC(Asia Bioinformatics Consotium) 시리즈의 22번째 행사로, 20여 년이라는 긴 시간 동안 세 국가 간의 생명정보학 협력 및 연구 네트워크 강화를 이끌어 오면서 생명분야 데이터 과학 협력의 상징적 플랫폼으로 자리 잡아왔습니다. 특히 이번 심포지엄은 Shanghai Society for Bioinformatics Annual Conference와 병행 개최되어 기초 연구부터 AI 응용 바이오정보학까지 폭넓은 범위를 다룰 수 있었습니다. “AI-driven Omics, Clinical Integration, and Cross-border Data Standards”라는 핵심 주제 아래, 세 나라의 연구자들은 최신 AI 기반 오믹스 해석기술, 데이터 표준화, 그리고 정밀의학 응용 전략을 공유하고 데이터로 연결되는 생명과학 협력 생태계 구축이라는 공동의 목표를 제시하고자 하였습니다. 이번 회의는 최신 AI 기술을 활용한 차세대 생명정보 응용 사례를 집중적으로 다루었습니다. 특히, 개회 세션의 기조강연에서는 CJK 3국의 연구 방향이 AI, 데이터 융합, 표준화라는 세 가지 공통된 키워드를 중심으로 수렴하고 있음을 상징적으로 보여주었습니다. 현지 참여자를 위해 중국어로 발표가 이루어졌지만 AI를 이용한 실시간 번역(자막)이 제공되기도 하였습니다. Xi’an Jiaotong University의 Kai Ye 교수는 유전체 데이터를 이미지로 변환하여 딥러닝 모델로 해석하는 혁신적인 분석 패러다임인 ‘Seq2Image’라는 접근법을 소개하며 복잡한 생물학적 정보 해석의 효율성과 정확도를 획기적으로 높일 수 있는 가능성을 열었습니다. 한국 측 연자로 나선 서울대학교 황대희 교수는 오믹스와 임상 데이터를 성공적으로 통합하여 구축한 정밀의학 모델 구축 사례를 발표하며 AI가 의료현장에 미치는 실제적이고 구체적인 영향을 시연했습니다. 이러한 유전체 및 영상 데이터를 융합 분석하는 방법론은 향후 한국 내 생명정보 분석 플랫폼 고도화 사업 추진 시 구체적으로 활용될 수 있으며, 정밀의학 데이터 연계 연구를 위한 국내 병원 및 연구기관 협업에 국제 사례를 제시할 자료가 될 것입니다. 심포지엄의 또 다른 주제는 국제적인 데이터 상호운용성 확보를 위한 협력 체계 구축이었습니다. 일본 NIG의 Masanori Arita 교수는 국제 시퀀싱 프로젝트의 성과를 공유하며, 데이터베이스 간 상호운용성과 메타데이터 표준화의 중요성을 역설했습니다. 각국이 보유한 방대한 생명정보 데이터를 효율적으로 연계하고 활용하기 위해서는 통일된 데이터 처리 및 공유 체계가 필수적입니다. 이러한 표준화 없이는 연구 결과의 재현성을 확보하기 어렵고, 범국가적인 공동 연구 역시 그 잠재력을 발휘하기 어렵습니다. 이에 CJK 3국은 상호보완적 연구 역량을 극대화하고, 아시아 바이오 데이터의 국제적 신뢰도를 높이는 데 뜻을 모았습니다. 이번 학술행사에서는 Young Scholar Session을 통해 학문 후속 세대의 성장을 지원하는 역할도 충실히 수행했습니다. 한국 측에서는 KOBIC의 추천을 받은 대학원생과 박사후연구원들이 단일세포 오믹스 분석, RNA 구조 예측, 인공지능 기반 유전자 조절 네트워크 모델링 등 국내 연구 역량을 대표하는 최신 연구 주제를 발표하며 활발히 교류했습니다. 이 세션은 단순한 학술 발표를 넘어 차세대 연구자 간 국제 협력 네트워크를 형성하는 출발점이 되어 앞으로 아시아, 나아가서는 세계를 선도하는 미래 생명정보학자 양성에 기여할 수 있을 것입니다. KOBIC은 이번 출장 결과를 바탕으로 단기적으로는 학회에서 얻은 최신 동향을 공유하여 내부 역량을 강화하고, 중장기적으로 아시아 협력 체계 구축을 위한 실무 협의 근거로 활용할 것입니다. 특히, AI의 바이오 데이터 활용 공동 연구 등에서 이번에 구축된 협력 네트워크를 적극적으로 활용함으로써 연구 지원의 효율을 극대화하고, 한국 생명정보학의 국제적 위상을 더욱 강화하는데 핵심 동력이 될 것입니다.
Bio-Express 사용방법 바로가기

바이오익스프레스 서비스는 동적 컨테이너 기반 자동화된 워크플로우 분석 플랫폼과 고속 데이터 전송 서비스를 통해 과학 분야의 빅데이터 분석을 가능하게 하는 국내 유일의 클라우드 기반 통합 데이터 분석 서비스입니다.

다운로드

환경에 맞는 OS용 워크벤치 및 고속전송 서비스를
다운로드 해주세요.
- CLOSHA : 클라우드 기반 대용량 유전체 분석 플랫폼 - GBOX : 대용량 데이터 고속 전송 서비스 - SFTP : 보안 (SSH) 프로토콜 기반 데이터 전송 서비스
Download Bio-Express

6,739명

누적 사용자

96,238건

누적 건수
국가바이오데이터스테이션 데이터 활용 바로가기

바이오 연구 데이터란 생명과학 분야의 국가 R&D 사업을 통해 생산된 모든 종류의 데이터를 의미하며, 이러한 데이터를 활용한 혁신 연구 방식이 각광받으면서 R&D 혁신을 견인하는 핵심요소로 부각되고 있습니다. 이를 위하여 부처·사업·연구자별 흩어져 있는 데이터를 통합 수집·제공하는 국가바이오데이터스테이션을 구축하여 데이터 기반 바이오 연구 환경을 조성하려 합니다.

데이터별 등록 현황

  • 2,485건

    바이오프로젝트

  • 164,601건

    바이오샘플

  • 2,396,952건

    등록된 데이터

바이오 프로젝트 등록 현황

등록 누적 건수(건)
국가 바이오 빅데이터 사업 사업소개 바로가기

정밀의료의 근간이 되는 바이오 빅데이터는 사후적 치료 중심에서 개인 맞춤형 치료·예방의료로 전환됨에 따라 중요도가 커지고 있습니다. 특히 선점 효과가 큰 바이오 산업의 경우 선제적 투자가 필요하며, 주요국들은 대규모 바이오 빅데이터를 구축하고 있습니다. 이에 따라 국가적으로 미래 의료 선도를 위한 국가 바이오 빅데이터를 구축하기 위해 본 사업이 시행되었습니다. 정밀의료 시대의 중심인 '바이오 빅데이터'를 국가차원에서 수집-저장-활용 할 수 있는 기반을 조성하고, 신산업 촉진 및 건강한 삶의 증진에 기여하고자 합니다.

임상정보 수집

16개 희귀질환 협력기관을 지정 운영하여 희귀질환자 모집 후 임상정보 수집

데이터 분석

수집된 희귀질환자의 검체를 자원 제작 기관으로 운송 후 유전체 데이터 생산ㆍ분석

데이터 공유

수집된 임상정보 및 유전체 데이터는 3개의 기관에서 컨소시엄을 구성해 공유

데이터 활용

분석한 데이터는 희귀질환자 상담 및 진료 ㆍ연구 활동 등에 활용

유전체 데이터 25,000
변이분석 데이터 25,000
임상 정보 25,000
코호트 7
감염병 연구정보포털 소개 바로가기

감염병 연구정보포털(Infectious Disease Data Portal)은 전 세계 감염병 바이러스의 연구데이터를 통합 제공하는 포털 서비스 입니다. 빠르게 변화하는 상황에서 감염병을 이해하고 치료법과 백신을 개발하기 위해 데이터와 결과를 조화롭게 공유하기 위해 KOBIC은 전세계 감염병의 연구정보데이터를 통합하여 제공하고 있습니다.

시퀀스 대시보드

88,386 국내 유전체 서열
1,354 국내 단백질 서열
19,685,177 국외 유전체 서열
35,837,682 국외 단백질 서열
19,764,289 코로나 유전체 서열
35,333,179 코로나 단백질 서열
바이러스

감염병 개요, 입자 및 유전체 구조, 생활사, 역학, 변이 등 바이러스에 대한 통합 정보를 제공

데이터

전세계에서 수집한 염기서열 및 단백질 서열, 단백질 구조를 품질분석하여 제공

통계

바이러스 데이터의 발병 시기, 지역, 변이 등 다양한 통계 서비스

분석도구

간단한 웹 기반의 감염병 표준 염기서열 BLAST 서비스

교육지원

  • 042-879-8582
  • bkbaik@kribb.re.kr

[종료] 제 52회 차세대 생명정보학 교육 워크샵 - Oxford Nanopore Technologies : Introduction to applications and analysis workflow

  • 일시25. 08. 28(목) 13:00 ~ 25. 08. 28(목) 17:00
  • 장소한국생명공학연구원 KOBIC동 3층 교육실

[종료]제 51회 차세대 생명정보학 교육 워크샵 - 고해상도 공간 전사체 분석 워크샵

  • 일시25. 07. 17(목) 12:30 ~ 25. 07. 17(목) 17:30
  • 장소한국생명공학연구원 KOBIC동 3층 교육실

교육지원 누적 실적(건)

연구지원

국내 생명과학 연구의 활성화를 위하여 생명정보학 전문지식 습득 및 전산자원이 필요한 연구자 여러분들께 다양한 생명정보학 관련 연구를 지원합니다.

  • 042-879-8544
  • swhwang@kribb.re.kr

KOBIC 온라인 교육

바로가기
  • 042-879-8582
  • bkbaik@kribb.re.kr