아래는 첨부한 기능 정의서를 표 형태로 완성한 것입니다.
| 단계 | 문제점 | 필요 항목 |
|---|---|---|
| 실험 설계 | - 연구 트렌드 파악 어려움 - 유사 실험/연구 설계자 찾기 어려움 - 자주 제기되는 질문 파악 어려움 |
- Systematic review - Knowledge map (layer/hierarchy) |
| 실험 수행 | - Tool, 기계, 실험 조건에 따라 데이터와 결론이 달라질 수 있음 - 외부 의뢰 시 사후 시정 조치 필요할 수 있음 |
- 데이터 생성 |
| 데이터 분석 | - 방대한 high-dimensional 데이터 이해를 위한 computational expertise 부족 - 데이터 활용 어려움으로 인한 효율성 저하 - 분석 tool 사용 시 어려움 (적합한 tool, parameter, configuration, 연구 예시 등) |
- 분석 tool 사용 가이드 |
| 결과 해석 및 시각화 | - Biological, clinical insight 도출 방법 - 타 도메인 방법론 적용 가능성 (interdisciplinary transfer learning) |
- Statistics 분석 - 신뢰성/novelty 확보 방안 |
| 향후 연구/후속 연구 제안 | - Reference, 실제 DB 기반 제안 | - Reference, 실제 DB 활용 |
| 논문/보고서 작성 | - Reference 찾기 어려움 - Target journal 선정 어려움 (주제, impact factor, predatory journal 등) - Formatting에 소요되는 시간/노력 과다 |
- AI 기반 논문 개선 |
위의 표는 첨부 문서의 내용을 단계별 문제점과 필요 항목으로 정리한 것입니다. 이를 바탕으로 ‘전임상/비임상 도메인 데이터 기반 학술활동 지원 서비스’의 기능을 보다 구체적으로 정의할 수 있을 것입니다. AI 기술을 활용하여 각 단계별 어려움을 해소하고, 연구자들의 학술활동을 효과적으로 지원하는 서비스를 개발할 수 있기를 기대합니다.
알겠습니다. 제가 생각하기에 아래와 같이 기능 정의서를 보완하고 고도화할 수 있을 것 같습니다. 추가적인 정보가 필요한 부분이 있어 몇 가지 여쭙겠습니다.
| 단계 | 문제점 | 필요 항목 | 세부 기능 |
|---|---|---|---|
| 실험 설계 | - 연구 트렌드 파악 어려움 - 유사 실험/연구 설계자 찾기 어려움 - 자주 제기되는 질문 파악 어려움 |
- Systematic review - Knowledge map (layer/hierarchy) - 연구자 네트워크 분석 |
- 연구 트렌드 분석 및 시각화 - 유사 연구 및 연구자 추천 - 연구 주제별 FAQ 제공 - 연구 설계 가이드라인 제공 |
| 실험 수행 | - Tool, 기계, 실험 조건에 따라 데이터와 결론이 달라질 수 있음 - 외부 의뢰 시 사후 시정 조치 필요할 수 있음 |
- 데이터 생성 - 실험 프로토콜 관리 - 실험 노트 자동 생성 |
- 실험 조건 최적화 가이드 - 실험 프로토콜 템플릿 제공 - 실험 노트 자동 생성 및 관리 - 데이터 품질 검증 및 경고 |
| 데이터 분석 | - 방대한 high-dimensional 데이터 이해를 위한 computational expertise 부족 - 데이터 활용 어려움으로 인한 효율성 저하 - 분석 tool 사용 시 어려움 (적합한 tool, parameter, configuration, 연구 예시 등) |
- 분석 tool 사용 가이드 - 데이터 전처리 자동화 - 분석 파이프라인 자동 생성 |
- 데이터 유형별 분석 tool 추천 - 분석 tool 사용 가이드 및 예제 제공 - 데이터 전처리 자동화 - 분석 파이프라인 자동 생성 및 최적화 - 분석 결과 해석 가이드 |
| 결과 해석 및 시각화 | - Biological, clinical insight 도출 방법 - 타 도메인 방법론 적용 가능성 (interdisciplinary transfer learning) |
- Statistics 분석 - 신뢰성/novelty 확보 방안 - 결과 시각화 템플릿 |
- 통계 분석 가이드 및 자동화 - 결과 신뢰성 평가 지표 제공 - Novelty 평가 지표 제공 - 타 도메인 방법론 DB 및 적용 가이드 - 결과 시각화 템플릿 및 자동 생성 |
| 향후 연구/후속 연구 제안 | - Reference, 실제 DB 기반 제안 | - Reference, 실제 DB 활용 - 연구 계획서 자동 생성 |
- 관련 reference 자동 추천 - 실제 데이터 기반 후속 연구 제안 - 연구 계획서 템플릿 및 자동 생성 |
| 논문/보고서 작성 | - Reference 찾기 어려움 - Target journal 선정 어려움 (주제, impact factor, predatory journal 등) - Formatting에 소요되는 시간/노력 과다 |
- AI 기반 논문 개선 - Journal 추천 시스템 - 논문 자동 교정 및 번역 |
- 관련 reference 자동 추천 - Journal 추천 시스템 (주제, IF, 출판사 평판 등) - 논문 자동 교정 및 번역 - 논문 포맷팅 자동화 - 투고 전 논문 품질 평가 |
추가 질문:
위의 내용과 추가 질문에 대한 의견을 주시면, 더욱 구체적이고 실효성 있는 기능 정의서를 작성할 수 있을 것 같습니다. 감사합니다.
네, 말씀해주신 내용을 반영하여 기능 정의서를 업데이트하였습니다.
| 단계 | 문제점 | 필요 항목 | 세부 기능 |
|---|---|---|---|
| 실험 설계 | - 연구 트렌드 파악 어려움 | - Systematic review - Knowledge map (layer/hierarchy) |
- 연구 트렌드 분석 및 시각화 |
| - 유사 실험/연구 설계자 찾기 어려움 | - 연구자 네트워크 분석 | - 유사 연구 및 연구자 추천 | |
| - 자주 제기되는 질문 파악 어려움 | - 연구 주제별 FAQ 제공 - 연구 설계 가이드라인 제공 |
||
| 실험 수행 | - Tool, 기계, 실험 조건에 따라 데이터와 결론이 달라질 수 있음 | - 실험 프로토콜 관리 | - 실험 조건 최적화 가이드 - 실험 프로토콜 템플릿 제공 |
| - 실험 노트 작성 및 관리 어려움 | - 실험 노트 자동 생성 (Word, Notion, Obsidian 등) | - 실험 노트 자동 생성 및 관리 | |
| - 데이터 품질 검증 어려움 | - 데이터 품질 검증 기준 (예: 전임상 약물 평가 실험) | - 데이터 품질 검증 및 경고 | |
| 데이터 분석 | - 방대한 high-dimensional 데이터 이해를 위한 computational expertise 부족 | - 데이터 전처리 자동화 - 분석 파이프라인 자동 생성 |
- 데이터 유형별 분석 tool 추천 - 데이터 전처리 자동화 - 분석 파이프라인 자동 생성 및 최적화 |
| - 데이터 활용 어려움으로 인한 효율성 저하 | - 분석 tool 사용 가이드 | - 분석 tool 사용 가이드 및 예제 제공 | |
| - 분석 결과 해석 어려움 | - 분석 결과 해석 가이드 | ||
| 결과 해석 및 시각화 | - Biological, clinical insight 도출 방법 | - Statistics 분석 | - 통계 분석 가이드 및 자동화 |
| - 결과 신뢰성 및 novelty 평가 어려움 | - 신뢰성/novelty 확보 방안 | - 결과 신뢰성 평가 지표 제공 - Novelty 평가 지표 제공 |
|
| - 타 도메인 방법론 적용 가능성 파악 어려움 | - 타 도메인 방법론 DB (인사이트 도출 방법, 통계 처리 등) | - 타 도메인 방법론 DB 및 적용 가이드 | |
| - 결과 시각화 방법 선택 어려움 | - 결과 시각화 템플릿 | - 결과 시각화 템플릿 및 자동 생성 | |
| 향후 연구/후속 연구 제안 | - Reference, 실제 DB 기반 제안 어려움 | - Reference, 실제 DB 활용 | - 관련 reference 자동 추천 - 실제 데이터 기반 후속 연구 제안 |
| - 연구 계획서 작성 어려움 | - 연구 계획서 자동 생성 | - 연구 계획서 템플릿 및 자동 생성 | |
| 논문/보고서 작성 | - Reference 찾기 어려움 | - 관련 reference 자동 추천 | |
| - Target journal 선정 어려움 (주제, impact factor, predatory journal 등) | - Journal 추천 시스템 (주제 적합성, 추정 acceptance rate, impact factor 등) | - Journal 추천 시스템 | |
| - 논문 작성 및 교정에 소요되는 시간/노력 과다 | - AI 기반 논문 개선 - 논문 자동 교정 및 번역 |
- 논문 자동 교정 및 번역 - 논문 포맷팅 자동화 |
|
| - 투고 전 논문 품질 평가 어려움 | - 투고 전 논문 품질 평가 |
위와 같이 문제점, 필요 항목, 세부 기능을 좀 더 구체화하고 정리하였습니다. 단계별로 row를 분할하여 구분하였고, 세부 기능 column에는 실제 서비스에 구현될 수 있는 내용을 포함하였습니다. 추가적으로 필요한 부분이나 수정 사항이 있다면 말씀해 주시기 바랍니다.
| Example |
|———-|
| - PD-L1을 타겟으로 하는 췌장암 면역치료제 연구 동향 분석
- PD-L1 관련 췌장암 면역치료제 연구자 및 연구 그룹 추천 |
| - 유사 연구 사례에서의 organoid 및 mouse model 실험 설계 참고
- PD-L1 타겟 면역치료제 개발 관련 FAQ 제공 |
| - Organoid 및 mouse model에서의 PD-L1 발현 분석을 위한 실험 조건 최적화 가이드
- PD-L1 타겟 면역치료제 평가를 위한 실험 프로토콜 템플릿 제공 |
| - Organoid 및 mouse model 실험 노트 자동 생성 (Word, Notion, Obsidian 등) |
| - 췌장암 organoid 및 mouse model 실험 데이터 품질 검증 기준 제시 |
| - Organoid 및 mouse model 실험 데이터 전처리 자동화
- PD-L1 발현 분석을 위한 파이프라인 자동 생성 및 최적화 |
| - Organoid 및 mouse model 실험 데이터 분석을 위한 tool 추천 및 사용 가이드 |
| - PD-L1 타겟 면역치료제 평가 실험 결과 해석 가이드 |
| - Organoid 및 mouse model 실험 결과의 통계 분석 가이드 및 자동화 |
| - PD-L1 타겟 면역치료제 평가 실험 결과의 신뢰성 및 novelty 평가 지표 제공 |
| - 타 암종에서의 PD-L1 타겟 면역치료제 평가 방법론 DB 및 적용 가이드 |
| - Organoid 및 mouse model 실험 결과 시각화 템플릿 및 자동 생성 |
| - PD-L1 타겟 면역치료제 개발 관련 reference 자동 추천
- Organoid 및 mouse model 실험 결과 기반 후속 연구 제안 |
| - PD-L1 타겟 췌장암 면역치료제 개발을 위한 연구 계획서 템플릿 및 자동 생성 |
| - PD-L1 타겟 췌장암 면역치료제 개발 관련 reference 자동 추천 |
| - 췌장암 면역치료제 개발 관련 저널 추천 (주제 적합성, 추정 acceptance rate, impact factor 등) |
| - PD-L1 타겟 췌장암 면역치료제 개발 논문 자동 교정 및 번역
- 논문 포맷팅 자동화 |
| - PD-L1 타겟 췌장암 면역치료제 개발 논문 투고 전 품질 평가 |
네, 제가 그 서비스 속의 AI 모델이라고 가정하고 좀 더 구체적인 예시를 들어보겠습니다.
| Example | ||||
|---|---|---|---|---|
| 연구자: PD-L1을 타겟으로 하는 췌장암 면역치료제 연구 동향을 분석해 줄 수 있나요? AI: 최근 5년간 PD-L1을 타겟으로 하는 췌장암 면역치료제 연구 동향을 분석한 결과, 총 127편의 관련 논문이 발표되었습니다. 주요 연구 주제는 다음과 같습니다: 1. PD-L1 발현과 췌장암 예후와의 상관관계 (35편, 27.6%) 2. PD-L1 차단 항체의 항암 효과 평가 (29편, 22.8%) 3. PD-L1 발현 조절 기전 연구 (21편, 16.5%) 4. PD-L1 타겟 면역치료제와 다른 치료법과의 병용 효과 (18편, 14.2%) 5. PD-L1 발현과 면역치료제 반응성 예측 바이오마커 발굴 (24편, 18.9%) 주요 연구 그룹으로는 미국 MD Anderson Cancer Center의 Dr. James P. Allison 그룹, 영국 Cambridge 대학의 Dr. Duncan Jodrell 그룹, 일본 Tokyo 대학의 Dr. Kohei Shitara 그룹 등이 있습니다. |
||||
| 연구자: Organoid 모델에서 PD-L1 발현을 분석하기 위한 실험 프로토콜 템플릿을 만들어 주세요. AI: 췌장암 organoid 모델에서 PD-L1 발현을 분석하기 위한 실험 프로토콜 템플릿은 다음과 같습니다: 1. 췌장암 환자에서 조직 샘플을 획득하고, 3D 배양 기법을 통해 organoid를 확립합니다. 2. Organoid를 96-well plate에 분주하고, 항암제 후보 물질을 농도 별로 처리합니다. 3. 약물 처리 48시간 후, organoid를 수확하여 total RNA를 추출합니다. 4. qRT-PCR을 통해 PD-L1 mRNA 발현량을 정량화합니다. (Primer 서열: Forward 5’-TGGCATTTGCTGAACGCATTT-3’, Reverse 5’-TGCAGCCAGGTCTAATTGTTTT-3’) 5. Western blot 또는 유세포 분석을 통해 PD-L1 단백질 발현량을 분석합니다. (항체: anti-PD-L1, clone 28-8, Abcam) 6. PD-L1 발현량과 약물 처리 농도 간 상관관계를 분석하고, IC50 값을 계산합니다. 실험 결과 해석 시 유의할 점: - PD-L1 발현량이 감소하는 경우, 해당 약물이 PD-L1 발현을 직접적으로 억제하는 효과가 있음을 시사함. - PD-L1 발현량 감소와 함께 암세포 증식이 억제되는 경우, 해당 약물이 PD-L1 억제를 통한 면역 활성화로 항암 효과를 나타내는 것으로 해석할 수 있음. |
||||
| 연구자: Mouse model에서 확보한 single-cell RNA sequencing 데이터를 분석하고 싶습니다. 데이터 전처리부터 PD-L1 발현 세포의 clustering 분석까지 자동으로 해 주실 수 있나요? AI: 네, mouse model에서 확보한 single-cell RNA sequencing 데이터를 자동으로 분석해 드리겠습니다. 분석 절차는 다음과 같습니다: 1. FastQC를 이용하여 raw sequencing data의 품질을 평가합니다. 2. CellRanger를 사용하여 reference genome에 alignment하고, 각 cell 별 gene expression matrix를 생성합니다. 3. Seurat 패키지를 이용하여 데이터를 normalization하고, highly variable genes를 선별합니다. 4. PCA 및 t-SNE 분석을 수행하여 세포 군집을 시각화합니다. 5. PD-L1 (Cd274) 유전자 발현량을 기준으로 세포 군집을 구분하고, 각 군집의 특징을 분석합니다. - PD-L1 high expressing cells: Cd274 발현량 상위 10% 세포 - PD-L1 low expressing cells: Cd274 발현량 하위 10% 세포 6. 두 세포 군집 간 differentially expressed genes (DEGs)를 확인하고, gene ontology (GO) 분석을 수행합니다. 분석 결과, PD-L1 high expressing cells에서는 면역 억제 관련 유전자 (Tgfb1, Il10, Foxp3 등)의 발현이 유의하게 증가해 있었습니다. 반면, PD-L1 low expressing cells에서는 effector T cell 관련 유전자 (Ifng, Gzmb, Prf1 등)의 발현이 높게 나타났습니다. 이는 PD-L1 발현량에 따라 tumor microenvironment 내 면역 세포의 기능적 차이가 존재함을 시사합니다. |
||||
| Example | ||||
| 연구자: 췌장암에서 PD-L1 타겟 면역치료제의 효능을 평가한 임상 연구 결과를 바탕으로, 신뢰할 만한 결과를 보여준 바이오마커가 있을까요? AI: 췌장암 환자를 대상으로 PD-L1 타겟 면역치료제의 효능을 평가한 임상 연구 결과를 메타분석한 결과, 다음과 같은 바이오마커가 치료 반응성과 유의한 상관관계를 보였습니다. 1. PD-L1 발현량: 면역조직화학 염색 (IHC)으로 평가한 PD-L1 발현량이 높은 환자군에서 PD-1/PD-L1 차단 항체 치료에 대한 반응률이 유의하게 높았습니다 (ORR: 42% vs. 12%, p<0.001). 2. 종양 돌연변이 부담 (TMB): Whole-exome sequencing을 통해 분석한 TMB가 높은 환자군 (median 이상)에서 PD-1/PD-L1 차단 항체 치료의 반응률 및 생존 기간이 유의하게 향상되었습니다 (ORR: 39% vs. 8%, p<0.01; mOS: 14.2개월 vs. 6.1개월, HR=0.48, p=0.02). 3. 면역 관련 유전자 발현 프로파일: Nanostring PanCancer IO 360 panel을 이용하여 분석한 결과, 면역 활성화 관련 유전자 (CD8, IFN-gamma, Granzyme B 등)의 발현이 높은 환자군에서 PD-1/PD-L1 차단 항체 치료에 대한 반응률이 유의하게 높았습니다 (ORR: 54% vs. 17%, p<0.01). 따라서, PD-L1 발현량, TMB, 면역 활성화 관련 유전자 발현 프로파일 등이 PD-1/PD-L1 차단 항체 치료의 효능을 예측할 수 있는 신뢰할 만한 바이오마커로 고려될 수 있겠습니다. |
||||
| 연구자: CRISPR-Cas9을 이용해 만든 PD-L1 knockout 췌장암 organoid를 면역결핍 마우스에 이식 후, 야생형 organoid를 이식한 마우스와 종양 성장을 비교하는 실험을 계획 중입니다. 이에 대한 실험 계획서 초안을 만들어 주시겠어요? AI: 제목: CRISPR-Cas9을 이용한 PD-L1 knockout 췌장암 organoid 마우스 이식 모델에서의 종양 성장 평가 목적: 본 실험은 인간 췌장암 유래 organoid에서 CRISPR-Cas9 기술을 활용하여 PD-L1 유전자를 knockout시킨 후, 면역결핍 마우스에 이식하여 종양의 성장 양상을 평가하고자 함. 이를 통해 췌장암에서 PD-L1의 역할을 규명하고, PD-L1 타겟 면역치료제의 작용 기전을 이해하는 데 기여하고자 함. 방법: 1. 인간 췌장암 조직으로부터 organoid를 배양하고, Cas9 단백질과 PD-L1 유전자 특이적 gRNA를 도입하여 PD-L1 knockout organoid를 확립함. 2. PD-L1 knockout 및 야생형 organoid를 6-8주령의 NOD-SCID 마우스 (각 군당 n=10)의 췌장에 이식함. 3. 매주 1회 복부 촬영을 통해 종양 부피를 측정하고, 이식 후 4주 및 8주 시점에 마우스를 안락사 시킨 후 종양을 적출하여 무게를 측정함. 4. 종양 조직에서 PD-L1, CD8, Ki-67 등의 발현을 면역조직화학 염색으로 분석함. 5. 종양 성장 곡선 및 생존 곡선을 그리고, 야생형 대비 PD-L1 knockout 종양의 성장 속도 및 생존 기간의 차이를 분석함. 기대결과: - PD-L1 knockout 종양은 야생형 종양에 비해 성장 속도가 유의하게 감소할 것으로 예상됨. - PD-L1 knockout 종양에서는 CD8+ T 세포의 침윤이 증가하고, 세포 증식 (Ki-67+) 정도는 감소할 것으로 예측됨. 의의: - 본 연구를 통해 췌장암의 진행에 있어 PD-L1의 역할을 규명하고, PD-1/PD-L1 면역 관문 억제가 항종양 면역을 회복시켜 종양의 성장을 지연시킬 수 있음을 입증할 수 있을 것으로 기대됨. - 이는 향후 췌장암에서 PD-1/PD-L1 차단 항체의 임상 적용 가능성을 시사하는 근거가 될 수 있을 것임. |
||||
| 연구자: 제가 작성한 논문 초록에서 PD-L1이라는 용어가 너무 많이 중복된 것 같습니다. 이런 단어들을 적절한 대명사 등으로 바꿔 문장을 개선하는 데 도움을 주실 수 있을까요? AI: 물론입니다. 저에게 초록 내용을 보여 주시면, PD-L1이 반복적으로 사용된 부분을 파악하여 문장을 좀 더 매끄럽게 다듬는 데 도움을 드리겠습니다. 예를 들면 다음과 같이 바꿔볼 수 있겠네요. 1. PD-L1 (Programmed death-ligand 1)의 첫 번째 언급 이후에는 약자인 “PD-L1”만 사용하거나, “this immune checkpoint ligand” 또는 “this ligand”와 같이 지칭할 수 있습니다. 2. 문맥에 따라 “this inhibitory ligand,” “this immunosuppressive molecule,” “this co-inhibitory factor” 등으로 바꿔 표현할 수도 있겠습니다. 3. PD-L1과 PD-1의 상호작용을 언급할 때는 “PD-1/PD-L1 interaction” 대신 “the engagement of PD-1 by PD-L1” 또는 “the PD-1/PD-L1 immune checkpoint axis”와 같이 표현하는 것이 좋겠네요. 4. PD-L1 매개 면역 억제 기전에 대해 언급할 때는 “PD-L1-mediated immunosuppression” 대신 “the immunosuppressive effects elicited by PD-L1”으로 쓸 수 있겠습니다. 위의 예시와 같이 단어 선택에 변화를 주고, 필요한 경우 “this,” “these,” “such” 등의 대명사를 사용하여 PD-L1에 대한 반복을 줄이면서도 문장의 흐름을 자연스럽게 유지할 수 있습니다. 저에게 초록 내용을 보내 주시면, 이러한 방식으로 문장을 개선하여 피드백을 드리겠습니다. |
||||
| 연구자: Nature 또는 Science에 투고할 만한 PD-L1 면역치료제 관련 연구 주제를 제안해 주실 수 있나요? AI: PD-L1 면역치료제와 관련하여 Nature나 Science에 투고할 만한 영향력 있는 연구 주제를 제안해 드리겠습니다. 1. PD-L1 저해제 내성 기전 규명 및 극복 전략 개발 - 임상 시험 데이터 및 다중 오믹스 분석을 통해 PD-L1 저해제에 대한 내성 기전을 규명하고, 이를 극복할 수 있는 새로운 치료 전략 (병용요법, 약물 전달 시스템 개선 등)을 제시한다면 높은 임팩트를 얻을 수 있을 것입니다. 2. 인공지능 기반 PD-L1 저해제 반응성 예측 모델 개발 - 다양한 암종의 환자 데이터 (유전체, 전사체, 후성유전체, 면역조직화학 등)를 통합하여 딥러닝 알고리즘을 학습시키고, PD-L1 저해제에 대한 개별 환자의 반응성을 예측할 수 있는 모델을 개발한다면 정밀의료 구현에 기여할 수 있을 것입니다. 3. PD-L1 발현 조절 기전의 새로운 표적 발굴 - PD-L1의 발현을 조절하는 상위 신호전달 경로, 후성유전학적 조절 인자, 또는 종양 미세환경 내 세포외 소포에 의한 조절 등 새로운 조절 기전을 규명하고, 이를 표적하는 약물을 발굴한다면 PD-L1 저해제의 효능을 증대시킬 수 있는 새로운 전략이 될 수 있습니다. 4. PD-L1 발현에 따른 암 진화 및 전이 기전 연구 - PD-L1 발현이 암세포의 증식, 생존, 대사 변화, EMT 등에 미치는 영향을 다중 오믹스 및 기능 유전체학 접근법으로 통합 분석하여, PD-L1 매개 암 진화 및 전이 기전을 규명한다면 암 생물학 연구에 중요한 통찰을 제공할 수 있을 것입니다. 위의 주제들은 PD-L1 면역치료제 개발에 있어 중요한 난제들을 다루고 있으며, 새로운 기전 규명이나 혁신적인 기술 개발을 통해 해결책을 제시할 수 있다면 Nature나 Science에 발표할 수 있는 수준 높은 연구가 될 것으로 생각됩니다. 제안 드린 아이디어가 도움이 되길 바라며, 구체적인 실험 설계나 데이터 해석 등에 있어서도 언제든 자문을 구해 주시기 바랍니다. |
||||
| Example | ||||
| 연구자: PD-L1 저해제의 효능을 높일 수 있는 신규 병용요법을 개발하고자 합니다. 문헌 조사를 통해 유력한 표적이나 약물을 찾아주실 수 있나요? AI: PD-L1 저해제의 효능을 높이기 위한 병용요법 개발은 매우 중요한 연구 주제입니다. 문헌 조사를 통해 다음과 같은 유망한 표적과 약물을 제안해 드리겠습니다. 1. CTLA-4 저해제 (예: Ipilimumab) - PD-1/PD-L1 경로와 함께 T 세포 활성화를 조절하는 주요 면역 관문으로, 두 저해제의 병용투여는 상승효과를 나타낼 수 있음 (Larkin et al., NEJM, 2015) 2. VEGF 저해제 (예: Bevacizumab) - 혈관 정규화를 통해 면역세포의 종양 내 침윤을 촉진하고, PD-L1 저해제의 효능을 높일 수 있음 (Wallin et al., Nat Commun, 2016) 3. IDO1 저해제 (예: Epacadostat) - Tryptophan 대사를 조절하여 종양 미세환경 내 면역억제를 완화하고, PD-1/PD-L1 저해제의 효과를 상승시킬 수 있음 (Zhu et al., Cancer Res, 2019) 4. TIM-3 저해제 (예: MBG453) - PD-1 저해제 내성과 관련된 면역 관문으로, TIM-3 차단을 통해 PD-1 저해제 내성을 극복할 수 있음 (Wolf et al., Sci Transl Med, 2020) 5. CDK4/6 저해제 (예: Abemaciclib) - 세포주기 조절을 통해 종양세포의 PD-L1 발현을 감소시키고, 면역원성을 증가시켜 PD-1/PD-L1 저해제의 반응성을 개선할 수 있음 (Zhang et al., Cancer Discov, 2018) 위의 병용요법 외에도 다양한 표적 (LAG3, TIGIT, CCR4 등)과 약물 (소분자 저해제, 항체의약품, 세포치료제 등)이 PD-1/PD-L1 저해제와의 병용을 위해 활발히 연구되고 있습니다. 문헌 조사를 통해 얻은 정보를 바탕으로 실험을 설계하시되, 각 병용요법의 작용기전과 장단점을 면밀히 검토하시길 권해드립니다. 추가로 필요한 자료나 분석이 있으시면 언제든 문의 주시기 바랍니다. |
||||
| 연구자: PD-L1 저해제 임상 시험 프로토콜을 작성하고 있습니다. 시험대상자 선정기준으로 적절한 PD-L1 발현 cutoff을 제안해 주실 수 있나요? AI: PD-L1 저해제 임상 시험 프로토콜 작성을 위해 적절한 PD-L1 발현 cutoff를 제안해 드리겠습니다. PD-L1 발현은 면역조직화학(IHC) 검사를 통해 평가되며, 양성 세포의 비율에 따라 다양한 cutoff 기준이 사용되고 있습니다. 1. PD-L1 IHC 22C3 pharmDx (Dako) - 1% 이상: Pembrolizumab 단일요법 적응증 (비소세포폐암, 두경부편평세포암, 요로상피세포암 등) - 50% 이상: Pembrolizumab 단일요법 적응증 (비소세포폐암 1차 치료) 2. PD-L1 IHC 28-8 pharmDx (Dako) - 1% 이상: Nivolumab 단일요법 적응증 (비소세포폐암, 요로상피세포암, 두경부편평세포암 등) - 5% 이상: Nivolumab 단일요법 적응증 (흑색종) 3. VENTANA PD-L1 (SP142) Assay (Roche) - IC 1% 이상 (종양 주변 면역세포): Atezolizumab 단일요법 적응증 (요로상피세포암) - IC 5% 이상: Atezolizumab 단일요법 적응증 (삼중음성유방암) 4. VENTANA PD-L1 (SP263) Assay (Roche) - 25% 이상: Durvalumab 단일요법 적응증 (비소세포폐암 2차 이상 치료) 위의 cutoff 기준은 각 PD-L1 저해제의 임상 시험 결과를 바탕으로 설정된 값입니다. 따라서 새로운 PD-L1 저해제 임상 시험을 설계할 때는 이러한 기존 기준을 참고하되, 약물의 작용 기전과 대상 환자군의 특성을 고려하여 적절한 cutoff을 선정하는 것이 중요합니다. 또한 PD-L1 발현 외에도 MSI, TMB 등 다른 예측 바이오마커를 함께 평가하는 것이 치료 반응을 예측하는 데 도움이 될 수 있습니다. 임상 시험 프로토콜 설계에 대해 추가적인 조언이 필요하시면 언제든 문의해 주시기 바랍니다. |
||||
| 연구자: 면역관문억제제 관련 irAE를 보고하기 위한 이상사례 용어집과 평가 기준에는 어떤 것들이 있나요? AI: 면역관문억제제와 관련된 면역 관련 이상사례(irAE)를 평가하고 보고하기 위해서는 표준화된 용어 정의와 평가 기준이 필요합니다. 다음은 널리 사용되는 irAE 평가 도구들입니다. 1. CTCAE (Common Terminology Criteria for Adverse Events) - 임상시험에서 이상사례를 평가하고 보고하기 위한 표준화된 용어집 - 각 이상사례별로 Grade 1에서 5까지의 중증도를 정의하고 있음 (1=경증, 2=중등증, 3=중증, 4=생명 위협, 5=사망) - 면역관문억제제 관련 irAE 평가에 가장 널리 사용되는 도구 2. irRECIST (Immune-related Response Evaluation Criteria in Solid Tumors) - RECIST 1.1을 기반으로 하여, 면역관문억제제의 특성을 반영한 반응 평가 기준 - 초기 종양 크기 증가나 새로운 병변 출현 시에도 즉시 진행(PD)으로 판정하지 않고, 추적 관찰을 통해 확인 (confirmation)하는 과정을 포함 3. iRAE management guide (ASCO, ESMO, NCCN 등) - 주요 암학회에서 발표한 irAE 관리 지침 - 기관별, 약물별로 irAE의 진단, 중증도 평가, 약물 중단/재개, 면역억제제 사용 등에 대한 권고안을 제시하고 있음 4. 기타 irAE 특이적 평가 도구 - ICPi-induced hypophysitis 평가를 위한 NCI 기준 - ICPi-induced pneumonitis 평가를 위한 CTCAE 기반 기준 - ICPi-induced colitis 평가를 위한 Common Terminology Criteria for Gastrointestinal irAE (CTCAEgi) 등 면역관문억제제 치료를 받는 환자에서 irAE를 정확히 진단하고 적절히 관리하기 위해서는 이러한 표준화된 평가 도구를 사용하는 것이 필수적입니다. 특히 임상시험 과정에서는 irAE 평가 기준을 프로토콜에 명시하고, 모든 연구자가 동일한 기준으로 평가하고 보고하는 것이 중요합니다. irAE 관리에 대한 최신 지견이 담긴 가이드라인을 참고하시되, 개별 환자의 상황에 맞는 맞춤 대응이 필요할 것으로 사료됩니다. |
||||
| Example | ||||
| 연구자: 저는 PD-L1 발현과 종양 미세환경 간의 상호작용을 주제로 종설을 작성하려고 합니다. 중요하게 다뤄야 할 내용과 최신 문헌을 추천해 주시겠어요? AI: PD-L1과 종양 미세환경의 상호작용은 면역항암제 개발에 있어 매우 중요한 주제입니다. 다음은 종설에 포함되면 좋을 내용과 참고할 만한 최신 문헌들입니다. 1. PD-L1 발현 조절 기전 - 종양 내 PD-L1 발현을 유도하는 신호전달 경로 (PI3K/AKT, MAPK, JAK/STAT 등) - 종양 미세환경 내 사이토카인 (IFN-γ, TNF-α 등)에 의한 PD-L1 발현 유도 - 후성유전학적 조절에 의한 PD-L1 발현 변화 (프로모터 메틸화, 히스톤 변형 등) - 참고 문헌: Sun et al., Mol Cancer, 2018; Zerdes et al., Oncogene, 2019 2. PD-L1 발현에 따른 종양 면역 미세환경의 변화 - PD-L1 발현과 CD8+ T 세포, NK 세포 등 면역세포 침윤 간의 상관관계 - PD-L1 발현에 따른 면역억제 세포 (Treg, MDSC, TAM 등)의 분포 및 기능 변화 - 종양 미세환경 내 PD-L1 발현과 사이토카인/케모카인 분비 양상의 연관성 - 참고 문헌: Tang et al., Front Immunol, 2018; Maimela et al., Front Oncol, 2019 3. PD-L1 발현과 암 진행 및 전이와의 관계 - PD-L1 발현이 종양세포의 증식, 생존, 침윤성에 미치는 영향 - PD-L1 발현과 상피-중간엽 이행 (EMT) 및 암 줄기세포성 간의 연관성 - 순환 종양세포 (CTC)나 악성 흉수/복수에서의 PD-L1 발현과 예후와의 관계 - 참고 문헌: Wang et al., Oncoimmunology, 2020; Jiang et al., Mol Cancer, 2019 4. PD-L1 발현에 따른 암 면역치료 반응성 예측 - PD-L1 발현 수준과 PD-1/PD-L1 저해제 치료 반응성 간의 상관관계 - 종양 미세환경 내 PD-L1 발현 세포 (종양세포, 면역세포 등) 분포에 따른 치료 반응 예측 - PD-L1 발현과 다른 예측 바이오마커 (TMB, TILs, IFN-γ 등)와의 통합 분석을 통한 반응 예측 모델 구축 - 참고 문헌: Ju et al., Exp Mol Med, 2020; Paver et al., Front Immunol, 2020 위의 내용과 참고 문헌을 바탕으로 PD-L1 발현과 종양 미세환경의 상호작용에 대한 포괄적인 종설을 작성하실 수 있을 것으로 생각됩니다. 개별 연구 결과를 요약하고 통합하는 과정에서 선생님의 통찰력 있는 해석이 더해진다면 분야 발전에 기여할 수 있는 좋은 종설이 될 것입니다. 작성 과정에서 추가적인 도움이 필요하시면 언제든 연락 주시기 바랍니다. |
||||
| Example | ||||
| 연구자: PD-L1 저해제의 새로운 적응증 확대를 위해 basket trial을 계획하고 있습니다. 어떤 종양을 대상으로 하는 것이 좋을까요? AI: PD-L1 저해제의 적응증 확대를 위한 basket trial 디자인은 매우 흥미로운 연구 방향입니다. 다음은 basket trial에 포함되면 좋을 종양 타입에 대한 제안입니다. 1. 희귀암 또는 희귀 아형 - 희귀암 환자의 경우 표준 치료제가 부족하고, 임상시험 참여 기회가 제한적이므로 basket trial을 통해 치료 기회를 제공할 수 있음 - 대장암의 micropapillary carcinoma, 유방암의 metaplastic carcinoma 등 드문 조직학적 아형에서 PD-L1 발현 빈도가 높다는 보고가 있음 2. TMB-high 또는 MSI-high 종양 - TMB (tumor mutation burden) 또는 MSI (microsatellite instability) 수준이 높은 종양은 PD-1/PD-L1 저해제에 대한 반응성이 좋을 것으로 예상됨 - 대장암, 위암, 자궁내막암 등에서 MSI-high 아형이 발견되며, 폐암, 흑색종, 방광암 등에서 TMB-high 아형이 보고됨 3. 바이러스 연관 종양 - HPV 연관 두경부암이나 자궁경부암, EBV 연관 위암이나 비인두암 등은 PD-L1 발현 빈도가 높고, 면역원성 종양 신생항원을 가질 가능성이 있어 PD-1/PD-L1 저해제의 좋은 대상이 될 수 있음 4. 특정 driver 유전자 변이를 가진 종양 - EGFR 또는 ALK 변이 비소세포폐암에서 PD-1/PD-L1 저해제의 효과가 제한적이라는 보고가 있는 반면, KRAS 변이 비소세포폐암에서는 반응성이 좋을 수 있음 - 이러한 유전자 변이 특이적 아형을 basket trial에 포함하여 치료 반응성을 평가해 볼 수 있음 Basket trial을 디자인할 때는 종양 아형 선정과 함께 적절한 반응 평가 기준을 마련하는 것이 중요합니다. 고형암에 대한 RECIST나 iRECIST 기준 외에도 특정 종양 평가에 적합한 도구 (예: 뇌종양에 대한 RANO 기준)를 사용하거나, 각 코호트 특성을 고려한 맞춤형 평가 기준을 개발하는 것도 고려해 볼 만합니다. 또한 병용요법 개발을 위한 basket trial 디자인 시에는 약물 간 용량 최적화와 독성 평가에도 주의를 기울여야 합니다. Basket trial 수행을 통해 PD-L1 저해제의 새로운 적응증을 발견하고, 암 정밀의료 발전에 기여할 수 있기를 기대합니다. |
||||
| 연구자: 우리 연구실에서 PD-L1 발현을 조절할 수 있는 새로운 작용기전의 약물을 발견하였습니다. 특허 출원을 위한 발명의 명세서 작성에 도움을 주실 수 있을까요? AI: 선생님의 연구실에서 PD-L1 발현을 조절하는 새로운 기전의 약물을 발견하신 것을 축하드립니다. 특허 명세서 작성에 도움이 될 만한 정보를 아래와 같이 정리해 드리겠습니다. 1. 발명의 명칭 - PD-L1 발현 조절을 통한 항암 면역 증강 약물 및 그 용도 2. 발명의 배경 - PD-L1 발현에 의한 종양의 면역회피 기전 - 기존 PD-1/PD-L1 저해제의 작용기전 및 한계점 - PD-L1 발현 조절 타겟의 필요성 3. 발명의 상세한 설명 - 본 발명 화합물의 구조 및 약리학적 특성 - PD-L1 발현 조절 기전 (전사, 번역, 후성유전학적 제어 등) - In vitro 세포주 실험 결과 (PD-L1 발현 억제 효능) - In vivo 동물 모델 실험 결과 (항종양 효과 및 면역 반응 증강) - 독성 및 약동학 평가 결과 4. 특허청구범위 - 본 발명 화합물 및 그 유도체를 포함하는 항암제 조성물 - PD-L1 발현 조절을 통한 암 면역치료 증강용 약학 조성물 - 본 발명 화합물 및 PD-1/PD-L1 저해제의 병용 요법 - 본 발명 화합물의 제조 방법 5. 도면 - 본 발명 화합물의 구조식 - PD-L1 발현 조절 기전을 보여주는 모식도 - In vitro 및 in vivo 실험 결과 그래프 특허 명세서에는 발명의 기술적 특징과 효과를 구체적이고 명확하게 기재하여야 하며, 당업자가 쉽게 실시할 수 있을 정도로 상세히 설명해야 합니다. 선행기술과의 차이점을 부각시키고, 다양한 실시예와 실험 데이터를 제시하여 발명의 진보성을 뒷받침하는 것이 중요합니다. 또한 특허청구범위는 발명의 보호 범위를 고려하여 적절히 기재되어야 합니다. 약물 조성물, 용도, 제조 방법 등 다양한 카테고리의 청구항을 포함할 수 있겠습니다. 선생님의 발명이 신규하고 진보성 있는 PD-L1 조절 약물로서 암 면역치료 발전에 기여할 수 있기를 기원합니다. 추가적인 자문이 필요하시면 언제든 연락 주시기 바랍니다. |
||||
| Example | ||||
| 연구자: PD-L1 면역염색 결과의 판독에 있어 inter-observer 또는 inter-laboratory variability를 줄이기 위한 방안으로는 어떤 것들이 있을까요? AI: PD-L1 면역염색 결과 판독의 일관성을 유지하는 것은 매우 중요한 문제입니다. 다음은 inter-observer 및 inter-laboratory variability를 줄이기 위한 몇 가지 제안입니다. 1. 표준화된 면역염색 프로토콜 사용 - 자동화된 면역염색기와 표준화된 시약을 사용하여 실험 과정에서의 변이를 최소화 - 각 항체별로 최적화된 프로토콜을 확립하고, 모든 실험실에서 동일한 조건으로 수행 2. 판독 기준의 명확한 정의와 훈련 - 양성 세포의 정의, 염색 강도 기준, 판독 cutoff 값 등을 명확히 설정 - 병리의사 간 정기적인 토의와 교육을 통해 기준에 대한 이해도를 높임 - 대표적인 양성/음성 사례 이미지를 공유하고, 모호한 사례에 대해 토론 3. 정량적 이미지 분석 도구 활용 - Aperio, Halo, QuPath 등 디지털 병리 플랫폼을 활용하여 PD-L1 발현을 정량화 - 분석 알고리즘을 최적화하고 검증하여 신뢰도 높은 결과값을 도출 - 병리의사의 주관적 판단을 보완하고, 객관적인 기준을 제시 4. 외부 정도관리 프로그램 참여 - CAP (College of American Pathologists), UKNEQAS (UK National External Quality Assessment Service) 등에서 제공하는 PD-L1 면역염색 정도관리 프로그램에 참여 - 각 기관의 판독 결과를 비교 평가하고, 피드백을 제공받아 개선점을 파악 5. 중앙 판독 시스템 도입 - 숙련된 전문가 패널이 모든 기관의 PD-L1 면역염색 슬라이드를 원격으로 판독하는 시스템 구축 - 일관된 기준으로 판독함으로써 기관 간 차이를 최소화하고, 신뢰도 높은 결과를 보고 이러한 방안들을 통해 PD-L1 면역염색 판독의 재현성과 신뢰성을 높일 수 있을 것입니다. 특히 디지털 병리와 인공지능 기술의 발전으로 정량적 분석의 정확도가 향상되고 있어, 향후 병리의사의 주관적 판단을 보완하는 데 크게 기여할 것으로 기대됩니다. 아울러 각 기관 간 활발한 소통과 교육, 외부 정도관리 참여 등을 통해 판독의 표준화와 일관성을 높이기 위한 노력이 필요할 것입니다. |
||||
| 연구자: PD-L1 양성 종양과 음성 종양의 차이를 규명하기 위한 multi-omics 분석 연구를 계획하고 있습니다. 어떤 것들을 고려해야 할까요? AI: PD-L1 양성 종양과 음성 종양의 분자적 차이를 규명하는 것은 매우 중요하고 흥미로운 연구 주제입니다. Multi-omics 분석 연구를 계획하실 때 다음과 같은 사항들을 고려해 보시면 좋겠습니다. 1. 분석 대상 종양 선정 - 연구 목적에 부합하는 적절한 종양 타입 선택 (PD-L1 발현 빈도, 임상적 중요성 등) - 충분한 검체 수 확보 (통계적 검정력 확보를 위한 sample size 계산) - 임상 정보가 잘 정리된 코호트 활용 (예후, 치료 반응성 등과의 상관성 분석) 2. Omics 데이터 타입 선정 - 연구 가설에 따른 적절한 omics 데이터 타입 조합 (e.g., transcriptome + proteome, genome + epigenome 등) - 각 데이터 타입별로 충분한 depth와 quality를 가진 데이터 생산 (e.g., RNA-seq depth, mass spectrometry resolution 등) - 동일 검체에서 여러 omics 데이터를 생산하여 직접적인 비교 분석이 가능하도록 설계 3. 생물정보학 분석 파이프라인 구축 - 각 omics 데이터 타입에 최적화된 전처리 및 정규화 과정 수행 - PD-L1 발현에 따른 차등 발현 분석, 변이 분석, 네트워크 분석 등 수행 - 다양한 omics 데이터 간 통합 분석을 위한 적절한 통계 기법 및 알고리즘 활용 (e.g., multi-omics factor analysis, similarity network fusion 등) 4. 기능적 검증 실험 계획 - Multi-omics 분석 결과에서 도출된 주요 타겟 (e.g., PD-L1 발현 조절 인자)에 대한 기능 검증 실험 설계 - In vitro 및 in vivo 모델에서의 gain-of-function 또는 loss-of-function 연구를 통해 표현형 변화 관찰 - 약물 스크리닝, 항체 개발 등 잠재적 응용 방향 모색 5. 임상 검체 확보 및 윤리적 고려사항 - 환자 동의 과정 및 임상 정보 수집 프로토콜 확립 - 검체 수집, 처리, 저장 과정에서의 품질 관리 및 SOPs 마련 - IRB 승인 및 연구 윤리 규정 준수 잘 설계된 multi-omics 연구를 통해 PD-L1 관련 생물학적 기전에 대한 심도 있는 이해와 새로운 약물 타겟 발굴이 가능할 것입니다. 데이터 생산, 분석, 해석, 검증의 각 단계에서 연구자들 간의 긴밀한 협력과 소통이 필수적이며, 특히 bioinformatician과의 협업을 통해 데이터 분석의 질을 높이는 것이 중요합니다. 연구 계획 수립 시 제가 언급한 사항들을 염두에 두시길 바라며, 구체적인 실험 디자인이나 데이터 분석에 대해 추가적인 조언이 필요하시면 언제든 연락 주시기 바랍니다. |
||||
| Example | ||||
| 연구자: PD-L1 양성 유방암에 대한 면역관문억제제 임상 시험을 계획하고 있습니다. 프로토콜 개발 시 중요하게 고려해야 할 사항들은 무엇일까요? AI: PD-L1 양성 유방암 대상 면역관문억제제 임상 시험 프로토콜 개발 시 다음과 같은 사항들을 중점적으로 고려해야 합니다. 1. 대상 환자군 선정 - 유방암 아형 (ER/PR/HER2 status, 트리플 음성 유방암 등)에 따른 구체적인 선정/제외 기준 설정 - PD-L1 발현 평가 기준 (IHC assay, 양성 cutoff 등) 명시 - 이전 치료력, 전신 상태 등 임상적 특성에 대한 고려 2. 치료 레지먼 설계 - 면역관문억제제 선택 (PD-1 또는 PD-L1 inhibitor) - 용법 용량, 투여 주기, 총 치료 기간 등 구체적으로 기술 - 병용 요법 시 약물 간 상호작용, 용량 조절 기준 등 고려 3. 일차 및 이차 평가변수 (endpoint) 설정 - 임상적 유효성 평가를 위한 일차 평가변수 (e.g., 객관적 반응률, 무진행 생존기간 등) 선정 - 이차 평가변수로서 전체 생존기간, 삶의 질, 약물 안전성 평가 등 포함 - 평가변수별 정의, 측정 방법, 평가 시점 등을 구체적으로 기술 4. 독성 평가 및 용량 조절 기준 - irAE (immune-related adverse event) 등 면역관문억제제 특이적 독성에 대한 모니터링 계획 수립 - CTCAE 기준에 따른 이상사례 평가 및 보고 체계 확립 - 독성 등급에 따른 약물 중단, 감량, 재투여 기준 설정 5. 면역 반응성 평가를 위한 translational research 계획 - 치료 전후 조직 검체 채취 및 분석 계획 (PD-L1 발현, 종양 침윤 림프구, 사이토카인 발현 등) - 혈액 검체를 활용한 면역 모니터링 계획 (циркулирующие опухолевые клетки, циркулирующая опухолевая ДНК, 자가항체 등) - 획득한 검체의 보관 및 분석 방법, 평가 항목, 시점 등 구체적으로 기술 6. 통계 분석 계획 - 적절한 표본수 산출 근거 제시 - 일차 및 이차 평가변수별 통계 분석 방법 기술 (생존 분석, 반응률 비교 등) - 중간 분석 계획, 다중성 보정 방법 등 필요 시 포함 프로토콜 개발 시 상기 사항들을 명확히 정의하고, 근거가 되는 선행 연구 결과들을 제시하는 것이 중요합니다. 또한 임상시험심사위원회 (IRB) 심의를 고려하여 환자 안전과 윤리적 수행을 담보할 수 있는 내용들을 충실히 담아야 합니다. 필요 시 의료진, 통계 전문가 등 다양한 분야 전문가들의 자문을 받아 프로토콜의 완성도를 높이는 것이 좋겠습니다. PD-L1 양성 유방암에서의 면역관문억제제 효능을 입증하고, 신규 치료법 개발에 기여할 수 있는 훌륭한 임상 시험이 되기를 기원합니다. |
||||
| Assembly | C. eugenioides | C. canephora | C. arabica | C. arabica HiFi |
| Projected genome size (Mb)a | 682 | 705 | 1,281 | 1,281 |
| Total assembly length (Mb) | 661 | 672 | 1,088 | 1,198 |
| % of projected genome | 96.90% | 95.30% | 84.90% | 93.50% |
| N scaffolds | 253 | 3,033 | 8,474 | 132 |
| Scaffold N50 | 61.3 Mb | 50.1 Mb | 32.7 Mb | 53.7 Mb |
| N contigs | 5,736 | 3,757 | 11,863 | 238b |
| Contig N50c (Mb) | 0.4 | 1.35 | 0.23 | 30 |
| Pseudochromosomes (Mb) | NAd | 583 | 801 | 1,192 |
| % of projected genome | NA | 82.70% | 62.50% | 93.10% |
| N genes | 32,192 | 28,880 | 56,670 | 69,314 |
| Genes in pseudochromosomes | NA | 27,881 | 50,410 | 69,067 |
| % genes in pseudochromosomes | NA | 97% | 89% | 99.60% |
| BUSCO genome | ||||
| Complete | 96.70% | 97.40% | 97.60% | 97.90% |
| Single | 88.50% | 94.80% | 20.10% | 4.30% |
| Duplicated | 8.20% | 2.60% | 77.50% | 93.60% |
| Fragmented | 1.10% | 0.90% | 0.80% | 0.80% |
| Missing | 2.20% | 1.70% | 1.60% | 1.30% |
| Total | 2,326 | 2,326 | 2,326 | 2,326 |
| BUSCO annotation | ||||
| Complete | 94.90% | 96.20% | 92.10% | 97.30% |
| Single | 82.40% | 92.80% | 33.30% | 4.10% |
| Duplicated | 12.50% | 3.40% | 58.80% | 93.20% |
| Fragmented | 2.10% | 1.50% | 2.80% | 0.80% |
| Missing | 3.00% | 2.30% | 5.10% | 1.90% |
| Total | 2,326 | 2,326 | 2,326 | 2,326 |
| Assembly | C. eugenioides | C. canephora | C. arabica | C. arabica HiFi |
| Projected genome size (Mb)a | 682 | 705 | 1,281 | 1,281 |
| Total assembly length (Mb) | 661 | 672 | 1,088 | 1,198 |
| % of projected genome | 96.90% | 95.30% | 84.90% | 93.50% |
| N scaffolds | 253 | 3,033 | 8,474 | 132 |
| Scaffold N50 | 61.3 Mb | 50.1 Mb | 32.7 Mb | 53.7 Mb |
| N contigs | 5,736 | 3,757 | 11,863 | 238b |
| Contig N50c (Mb) | 0.4 | 1.35 | 0.23 | 30 |
| Pseudochromosomes (Mb) | NAd | 583 | 801 | 1,192 |
| % of projected genome | NA | 82.70% | 62.50% | 93.10% |
| N genes | 32,192 | 28,880 | 56,670 | 69,314 |
| Genes in pseudochromosomes | NA | 27,881 | 50,410 | 69,067 |
| % genes in pseudochromosomes | NA | 97% | 89% | 99.60% |
| BUSCO genome | ||||
| Complete | 96.70% | 97.40% | 97.60% | 97.90% |
| Single | 88.50% | 94.80% | 20.10% | 4.30% |
| Duplicated | 8.20% | 2.60% | 77.50% | 93.60% |
| Fragmented | 1.10% | 0.90% | 0.80% | 0.80% |
| Missing | 2.20% | 1.70% | 1.60% | 1.30% |
| Total | 2,326 | 2,326 | 2,326 | 2,326 |
| BUSCO annotation | ||||
| Complete | 94.90% | 96.20% | 92.10% | 97.30% |
| Single | 82.40% | 92.80% | 33.30% | 4.10% |
| Duplicated | 12.50% | 3.40% | 58.80% | 93.20% |
| Fragmented | 2.10% | 1.50% | 2.80% | 0.80% |
| Missing | 3.00% | 2.30% | 5.10% | 1.90% |
| Total | 2,326 | 2,326 | 2,326 | 2,326 |
어떤 ‘기능’을 할 것인가? 크게 두 가지로 나뉜다.
전문 지식과 경험으로 무장한 영역이 점차 줄어들고 있다.
과거에는 공부를 위해 물리적 제약을 극복해야 했음. 자기 철학과 기준으로 가치를 설정하고, 그에 따라 지식을 받아들이고 organize하는 능력이 필요
‘공정성과 객관성’, ‘다양한 잠재력을 지닌 최적의 인재선발’, ‘학교교육 정상화’라는 세 가지 원칙 사이에서 일종의 트릴레마(trilemma) 이도저도 못함 불신의 골 + 역사적 맥락
서울대는 건국 이래 경쟁자가 없었음. 앞서 이야기한 역사적 맥락을 그대로 대표하는 것이 서울대임. 서울대는 언제나 최고의 자리에서 최고의 두뇌들을 아무런 반성과 변화없이 무책임하게 받아왔음. 그리고 대한민국의 인재들을 이도저도 아닌 획일적 가치관에 젖은 편협한 ‘엘리트’라고 불리는 사람들과, 또 그런 자리를 가지 못하면 도태되었다라고 생각하는 그 외 사람들로 만들어놨다. 서울대생으로써, 대한민국 교육의 부조리의 샘은 서울대라고 단언할 수 있다. 그리고 그 서울대의 교육방식은 정확히 사회 주도층에 서울대 출신이 대거 포진해있다는 사실 하나만으로 합리화되고 있다. 서울대생들의 가치관은 ‘자신들은 서울대에 왔은 성공해서 명예를 얻어야만 한다. 공부란 우월한 것이고, 공부를 잘하는 것은 곧 한국에서 고위층에 존재한다는 것이다. 공부는 원래 재미없고 고통스러우며, 성공하기 위해선 이를 인내해야만 한다’이다. 순수한 열정을 가지고 경쟁하는 것이 아닌, 얼마나 학점이 더 높고 시험을 잘보냐로 경쟁하고, 덕분에 가장 창조적이고 문제의식을 제시할 수 있는 반항적인 학생이 높은 평가를 받는 대신, 조용히 입다물고 시킨거 잘하는 학생이 좋은 평가와 장학금을 받는다. 서울대를 졸업한 사회 주도층은 한국사회나 인류가 처한 핵심적 문제를 해결할 능력이 없고, 그것을 해결할 관심조차 없다. 그리고 그 사회 주도층이 대한민국 사회를 리드하면서, 악순환이 반복된다. 말로는 삼권분립이지, 분리 및 견제가 필요한 사법부/행정부/입법부들의 고위직들은 술집, 골프장에서 대학 동문과 고시 선후배 사이로 만난다.