최근 확인한 콘텐츠
데이터가 존재하지 않습니다.
우현심, 이선민, 허정두, 이민성, 김영수, 김대욱
2018 / 한국자원식물학회지
이재용, 박미라
2019 / Journal of The Korean Data Analysis Society
데이터가 존재하지 않습니다.
loading...
본 연구는 질병과 표현형 간의 연관성을 평가하기 위해 공간 무작위성 개념을 활용하는 방법을 제시합니다. 표현형 값의 분포를 기반으로 질병 진단 여부에 따라 켜거나 끄는 방식으로, 질병과 표현형 간의 연관성이 없다면 두 분포가 일치할 것이고, 연관성이 있다면 차이를 보일 것이라는 가설을 세웠습니다. 제시된 방법은 이러한 분포 차이를 정량화하여 통계적 유의성을 추정합니다.
Handbook on analyzing human genetic data
Advanced analysis of gene expression microarray data
Textbook of epidemiology
Epidemiology and geography : principles, methods and tools of spatial analysis
Molecular epidemiology : applications in cancer and other human diseases
Basic concepts of probability and statistics in the law
Epidmiologyical research methods
Statistical methods for rates and proportions
Word frequency distributions
Biostatistical methods
Stochastic processes on a lattice and Gibbs measures
A handbook of applied statistics in pharmacology
Genetic variation and human disease : principles and evolutionary approaches
Molecular epidemiology of microorganisms : methods and protocols
Statistical methods
An Introduction to statistical science in agriculture
Statistics in human genetics
Statistical methods in agriculture and experimental biology
Canadian Journal of Statistics
Sun, J.; Oualkacha, K.; Greenwood, C.M.T.; Lakhal-Chaieb, L.Spine deformity
Yee A; Song YQ; Chan D; Cheung KMJournal of The Korean Data Analysis Society
이재용, 박미라Nature Genetics
Chris Wallace; John A. Todd; James LileyNature genetics
Liley J; Todd JA; Wallace CNature genetics
Dahl A; Iotchkova V; Baud A; Johansson Å; Gyllensten U; Soranzo N; Mott R; Kranis A; Marchini JJAMA-JOURNAL OF THE AMERICAN MEDICAL ASSOCIATION
Bastarache, Lisa; Denny, Joshua C.; Roden, Dan M.Current genetic medicine reports
Pendergrass SA; Ritchie MDGenetics
Bilow M; Crespo F; Pan Z; Eskin E; Eyheramendy SBioinformatics
Nguyen N.D.,Jin T.,Wang D.International Journal of Cartography
Andrienko, G.; Andrienko, N.; Kureshi, I.; Lee, K.; Smith, I.; Staykova, T.Bioinformatics (Oxford, England)
Cao CC; Sun XBioinformatics (Oxford, England)
Marttinen P; Pirinen M; Sarin AP; Gillberg J; Kettunen J; Surakka I; Kangas AJ; Soininen P; O'Reilly P; Kaakinen M; Kähönen M; Lehtimäki T; Ala-Korpela M; Raitakari OT; Salomaa V; Järvelin MR; Ripatti S; Kaski SCurrent Otorhinolaryngology Reports
Woodson, B. TuckerEPMA Journal
Wang, W.; Russell, A.; Yan, Y.American journal of human genetics
Greene D; Richardson S; Turro EBiometrics
David O.,Le Rouzic A.,Dillmann C.Bioinformatics (Oxford, England)
Wei C; Lu QJournal of The Korean Data Analysis Society
박미라; 이재용; 진서훈Bioinformatics (Oxford, England)
Gurinovich A; Bae H; Farrell JJ; Andersen SL; Monti S; Puca A; Atzmon G; Barzilai N; Perls TT; Sebastiani P전선 / 학사
통계학의 모든 분야를 기초적인 수준에서 소개하고 연습을 통하여 의학연구와 관련된 통계적 문제의 해결능력을 배양하게 한다. 기본적인 확률분포, 추정과 검정의 원리를 소개하고 이를 적용한다. 의학자료분석과 관련성이 많은 회귀분석, 분류된 자료의 분석, 분산분석 등을 중심으로 통계의 전반적인 분야를 다룬다.전선 / 대학원
인과추론은 데이터로부터 인과적 결론을 도출하는데 필요한 논리적 조건과 분석과정을 탐색하는 새로운 양적방법론적 접근이다. 이 강의는 교육분야 연구자들에게 인과추론의 기본 개념과 최신 연구성과들을 소개하고, 교육연구에 인과추론을 적극적으로 활용할 수 있도록 유도하는 것을 목표로 한다.전선 / 대학원
본 과정은 유전적 분석을 활용한 인과성 추론 및 공개자료 활용방법에 대해 다룹니다. 유전적 무작위 배정이란, 위험요인과 결과변수간 인과적 관련성을 유전 정보를 활용하여 평가하는 방법입니다. 대규모 전장 유전체 관련성 분석 결과가 이용 가능해지면서, 역학의 주요 연구방법으로 활용되고 있습니다. 본 과정은 실습을 통해 분석 방법을 구체적으로 다룰 것이며, 공개 자료에 대한 소개와 활용 방법을 소개할 예정입니다. 본 과목의 수강은 선수 과목(역학원론, 유전체역학) 이수와 R 프로그래밍 언어에 대한 이해가 요구됩니다.전선 / 대학원
한 개체로부터 다른 실험조건하에서나 여러 다른 관측시간에 반복적으로 얻어진 자료를 분석하기위한 통계기법을 다룬다. 연속형의 반복측정자료를 분석하기 위해 다변량정규분포의 가정을 필요로 하는 고전적인 다변량모형을 소개하고 최근에 널리 사용되고 있는 혼합모형을 다룬다. 이산형의 반복측정자료 분석을 위해서는 가중최소제곱법에 근거한 모형과 랜덤화 모형을 다루고 일반화선형모형을 확장한 일반화추정방정식(GEE)모형을 다룬다.전선 / 대학원
유전체 분석기술의 놀라운 발전과 질병 관련성에 대한 이해의 폭이 넓어지면서, 의학 역시 전통적인 경험의학에서 유전체의학으로 이행되고 있다. 유전체의학은 환자의 유전체 정보를 기반으로 질병의 진단, 치료, 예방을 하는 학문이며, 유전체의학의 등장으로 환자 개개인의 유전적 특성에 따른 맞춤의학이 가능하게 되었다. 본 강좌에서는, 인간유전체의 구조와 기능, 분석기술 및 유전체이상과 연관된 질병 등 유전체의학 전반을 살펴보고 향후의 전망을 논의하고자 한다.전선 / 대학원
건강과 질병, 의료이용에 관한 일반인의 행태와 그러한 행태를 보이는 이유 및 결정요인을 이해함으로써, 보건의료에 관한 일련의 과정에서 일반인과 환자가 의료인과 함께 중요한 주체라는 것을 인식하도록 한다. 그리고 이를 통하여 개인 혹은 집단 수준에서 건강증진, 질병예방, 치료의 과정과 이에 관하여 사회정책적으로 고려해야 할 지점을 파악하도록 한다.전필 / 학사
통계학의 모든 분야를 기초적인 수준에서 소개하고 연습을 통하여 의학연구와 관련된 통계적 문제의 해결능력을 배양하게 한다. 기본적인 확률분포, 추정과 검정의 원리를 소개하고 이를 적용한다. 의학자료 분석과 관련성이 많은 회귀분석, 분류된 자료의 분석, 분산분석 등을 중심으로 통계의 전반적인 분야를 다룬다.전선 / 대학원
데이터 과학의 모든 영역은 데이터 수집 및 분석과 관련이 있다. 본 과목은 데이터사이언스를 위한 확률과 통계의 기초적인 토대를 제공한다. 본 과목을 통해 학생들은 확률과 통계가 어떻게 데이터 생성 과정을 설명하고 이를 통해 어떻게 데이터를 분석할 수 있는지 배운다. ▪ Probability ▪ Random Variables ▪ Expectation ▪ Convergence of Random Variables ▪ Statistical Inference ▪ Non-parametric method (such as Bootstrap) ▪ Parametric Inference ▪ Hypothesis test ▪ Bayesian Inference전필 / 대학원
본 과목은 행정 및 정책 연구에 있어서 기초가 되는 방법론적 연구역량의 배양과 양질의 연구를 수행할 수 있는 연구설계의 논리와 유형을 이해하는데 목적이 있다. 여기에는 3가지 하위목표를 상정할 수 있는데, 첫째, 과학적 실증연구의 논리를 살펴보고, 대표적인 연구방법론으로서의 양적 접근법과 질적 접근법 간의 논쟁을 살펴봄으로써, 방법론적 다원주의와 분석적 엄격성을 이해하고자 한다. 특히 각각의 접근법이 보유하는 논리와 절차의 상이성에도 불구하고, 그 평가기준의 공통점이 존재하고 또한 바람직함이 존재하는데, 이를 살펴보고자 한다. 둘째, 정책은 일정 목적을 달성하기 위한 수단으로 구성되는 것이 일반적이며 따라서 적절한 인과추론의 논리가 필수적이다. 이때 인과추론의 적절성은 연구설계의 논리 구조와 이를 위한 가정에 있음을 이해할 필요가 있다. 셋째, 실제 인과추론을 위한 다양한 방법론에 대한 이해와 응용역량의 배양을 도모한다. 이러한 논의는 향후 수강할 양적연구방법과 질적연구방법의 이론적·실무적 토대가 될 것이다.전선 / 대학원
감염병의 유행 양상은 개체 간 상호작용으로 인하여 일반적인 통계모형으로 기술하기 어려워 수학적 모형이나 행위자기반 모형 등의 대안이 활용된다. 나아가, 복잡계 특성을 이해하기 위하여 네트워크 모형 등 새로운 방법들도 적용되고 있다. 비전염성 유행병에도 여러 가지 모형들이 적용될 수 있다. 이 과목은 다음과 같은 주제의 학습으로 역학연구 역량을 기르고자 한다: 1)수학적 모형, 2)행위자기반 모형, 3)복잡계 모형, 4)질병예방관리 적용전선 / 학사
빅 데이터 분석을 위해 익혀야 할 기본적인 확률/통계 개념을 강의한다. 확률의 정의, 조건부 확률, 확률변수와 표본분포, 통계적 추론, 분포에 관한 추론, 이산자료의 분석, 상관분석과 회귀분석, 분산분석 등의 개념을 다룬다.전선 / 대학원
멘델 무작위배정분석 (MR)은 유전체 변이를 도구변수로 활용하여 해당 유전변이가 작용하는 위험요인과 건강-질병현상과의 관련성의 인과성을 평가하고자 하는 분석방법이다. 멘델 무작위배정분석은 유전자의 생물학적 선행성과 자연법칙에 의한 무작위배정의 장점을 활용하여, 무작위배정 임상효과와 같은 인과적 추론이 가능한 장점을 가지고 있다. 최근 멘델무작위 배정분석은 다중오믹스를 활용하여 보다 풍부한 기능적 도구변수를 활용한 분석으로 발전하고 있으며 (다중오믹스 MR), 약물표적의 기능 확인 연구 (약물표적 MR), 등으로 확장되고 있다. 본 과목은 MR 분석에 필요한 다양한 역학적 가정과 해석에서 문제가 될 수 있는 유전적다면발현의 평가방안과 분석에서의 실제 방안등을 포괄한다. - MR의 기본 원리와 주의점: 도구변수의 자격; DAG 상의 분석원리 이해; MR의 기본가정 - MR의 기본분석: 1 sample MR; 2-sample MR; 자료원과 도구변수 확보 및 개발 - MR 결과의 평가와 민감도 분석 방법 - MR의 응용: 다중오믹스 MR 및 약물 표적 MR 역학원론, 유전체역학 1&2, 생물정보학 1-3, 고급통계학 등 과목 선수강 필수전선 / 대학원
원인(cause), 인과관계(causation), 그리고 인과성(causality) 등의 개념은 의학 및 보건분야에 필수적이다. 그러나 대부분의 통계분석 결과는 상관관계를 보여주며, 불행히도 상관관계는 인과관계를 의미하지 않는다. 이 강의는 인과관계를 추론하기 위한 다양한 통계 분석 기법을 소개하여 역학, 보건, 임상 데이터 분석 결과를 합리적으로 이해할 수 있는 지식과 분석 방법론을 소개한다.교양 / 학사
생명과학, 의학, 보건학, 약학 분야에서 얻어지는 자료를 분석하기 위한 기초적인 통계방법들을 다룬다. 자료의 요약 및 시각화, 확률의 이해, 통계추론, 가설검정, 범주형 자료분석, 선형 및 로지스틱 회귀분석, 분산분석, 연구디자인의 이해와 생존분석을 포함하는 다양한 통계방법론을 이해하고 활용하는 방법을 배우게 된다. 실제 연구에 사용되는 자료들이 예제로 이용되어, 수강생들은 자료의 특성을 이해하고 문제해결을 위한 적절한 통계방법을 이해할 수 있다. 더 나아가 실제 연구설계를 할 수 있는 능력도 기르게 된다.전선 / 학사
이 과목의 주 목적은 학생들이 사회구조와 건강에 관한 여러 사안들 사이의 관계를 사회학적으로 인식할 수 있도록 하는데 있다. 이 과목에서는 주로 한국사회에서 건강과 질병, 의료체계가 어떤 사회적 맥락 속에서 조우하고 있는지를 살펴본다. 이를 위해 질병에 대한 개인적 체험과 효과, 의료집단, 의료정책, 의사와 환자 사이의 관계, 사회적 불평등이 질병에 미치는 관계 등이 다루어질 것이다.전선 / 대학원
인체의 구조와 기능의 병태생리학적 현상을 올바르게 이해하기 위해서는 인체를 더 이상 부분이 아닌 전체 시스템으로 이해해야 한다는 이론이 여러 관련 분야에서 등장하고 있다. 본 과목에서는 대용량 데이터 생산에 따라 크게 성장하고 있는 유전체학, 단백체학 등의 바이오정보학과 건강인과 환자의 대규모 코호트 구축을 통한 다각적 환경 요인을 통합한 연구 분야의 소개를 통해 인체의 생리 및 병리 현상들을 시스템적으로 이해할 수 있는 기초 지식과 전망을 제시한다.전필 / 학사
본 강의는 데이터과학의 방법을 사회 자료 통계 분석에 이용하는 능력을 갖출 수 있도록 한다. 기술 및 추론 통계의 기본 방법론을 사회학 연구 설계와 경험 분석의 관점에서 다루고, 프로그래밍 언어 습득을 통해 자료 시각화와 통계 분석을 수행할 수 있는 능력을 함양시킨다.전선 / 학사
디지털헬스케어에서 다루게 될 다양한 인간 질병에 대한 필수 의학 지식과 폭 넓은 이해를 제공한다. 질병과 증상을 표현하는 다양한 의학용어 및 증상과 질병의 관계를 학습함으로써 의료진과의 원활한 소통을 위한 능력을 함양하며, 실제 임상현장에서 진행되는 질병 진단의 원리를 배우고 다양한 실제 사례를 통해 다양한 질환의 표준 진단과정을 익힌다. 또한 진단 후 증상 및 병태생리, 개인별 특성에 기반한 맞춤치료의 과정을 학습하고 정밀의료에 대한 개념을 교육하며 환자 증례를 통해 간접경험을 제공한다.전선 / 대학원
시간과 장소는 사람과 함께 역학의 3요소이지만 상대적으로 덜 주목받아왔다. 2000년부터 2010년까지 주요 역학저널 7종에 실린 논문 중 공간 요소를 제대로 분석한 논문은 약 1%에 지나지 않았다. 최근 지리정보시스템(GIS)의 발전과 소지역 건강정보 제공에 따라 관련 역학 연구가 늘어나고 있다. 본 과목에서는 QGIS 및 R과 같은 오픈소스 소프트웨어를 이용해 건강행동과 질병의 분포를 시각화하고, 시공간상관을 고려한 군집분석과 회귀분석을 수행하며, 지역사회개입의 효과를 평가해보고자 한다.전선 / 대학원
노벨상을 수상한 AlphaFold는 통계 물리 이론에 기반한 확산(Diffusion) 기반 생성 모델을 활용하여 개발되었으며, 이는 최신 의료 인공지능 기술이 고급 확률 모델과 생성・추론 이론에 근거하고 있음을 시사합니다. 본 강의에서는 확산 기반 생성 모델(Diffusion Models)과 그 응용 기법을 포함한 최신 생성 및 추론 인공지능 모델의 핵심 이론을 확률론적 관점에서 체계적으로 탐구합니다. 특히, 확산 모델, 최적 확률 경로, 확률적 보간, 흐름 기반 모델 등의 최신 이론 기반 생성 기법의 데이터 분포 모델링 과정과 최적의 샘플을 생성・변환・복원・추론하는 과정을 심도 있게 분석합니다. 이를 통해 수강생들은 생성 및 추론 인공지능 모델의 확률적 구조와 수학적 원리를 이해하고, 최신 확산 기반 생성 모델 및 그 변형 기법들의 결과를 이론적으로 해석할 수 있는 능력을 갖추는 것을 목표로 합니다. 또한, 이러한 생성 및 추론 모델들이 의료 및 생의학 데이터를 포함한 다양한 도메인에서 어떻게 적용될 수 있는지를 이론적 관점 외 실습적 관점에서도 조망합니다. 궁극적으로, 본 강의는 생성 및 추론 인공지능 분야에서 어떻게 핵심 이론과 의료 분야 응용을 아우르는 전문성을 함양할 수 있도록 체계적인 학습 기회를 제공하는 것을 지향합니다.