5강 Genetic Population Analysis : Penalized Logistic Analysis

 

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.