김재식(University of Pennsylvania) | 정확하고 해석가능한 세포 분석법 (Cytometry) 분석 인공지능 모델 개발 [Cell Rep. Med.] | 웨비나

학술웨비나 개최완료

정확하고 해석가능한 세포 분석법 (Cytometry) 분석 인공지능 모델 개발 [Cell Rep. Med.]

조회2016

2025년 01월 09일 (목) 오전 10시
김재식(University of Pennsylvania)

개요

							Flow or Mass Cytometry을 통해 얻어진 single-cell protein expression 데이터는 감염성 질환, 자가면역, 암, 그리고 치료 후 면역 세포 반응의 역할을 이해하는 데 필수적입니다. 특히 cytometry는 scRNA-seq과 비교해 수백만 개의 세포를 분석할 수 있어 드문 세포 집단을 식별하고 특성화하는 데 유리합니다. 본 발표에서는 single-cell cytometry 데이터를 분석하고 면역 프로파일링을 자동화하기 위해 인공지능 기반의 모델, cytometry masked autoencoder (cyMAE)를 소개합니다. cyMAE는 레이블이 없는 대규모 데이터셋에서 단백질 마커 간의 관계를 사전 학습(self-supervised pre-training)하여 추가적인 세포 정체성 정보 없이도 마커 간의 상호작용을 학습합니다. 이후, 사전 학습된 모델을 다양한 하위 과제에 맞게 미세 조정(fine-tuning)하여 독립적인 데이터셋에서도 복잡한 세포 유형을 정확히 식별하고, 단백질 마커의 중요성을 해석하며, 개인 수준의 정밀 면역 프로파일링을 가능하게 합니다.