(Master (석사) 학위를 가지신 분에서도 뛰어나신 분은 저희가 Research Staff로 채용 가능합니다. 또한 본인이 원하는 시에는 PhD 과정 진학에 최선을 다해 도움을 드리겠습니다.)
저희 랩에서는 Microbiome, Next-generation sequencing, Machine Learning, Electronic Health Record, 혹은 Image analysis에 전문성을 가지고 있으신 분을 찾고 있습니다.
다른 기관 혹은 연구소와 저희 project들이 다른 점은 저희가 직접 데이터를 생성하고 분석까지 마칠 수 있는 Unique한 환경 (Patient tissue, blood, urine, etc. specimen collection, next-generation sequencing data generation, drug/chemical compound/natural product screening, CRISPR-Cas9/TALENs genome editing, RNAi knockout, 등등을 저희 collaborator들을 통해 직접 수행합니다.) 을 가지고 있다는 점입니다.
1) Microbiome, Circulating tumor cell, cell free tumor DNA, and Drug response for Precision Oncology.
암환자의 microbiome과 약물 반응의 연관성을 연구하는 과제로 저희의 동료가 (surgeon) tumor를 제거하고 동일 환자에서 microbiome, cell free tumor DNA, circulating tumor cell을 얻어 환자 약물 치료의 연관성을 연구하는 과제입니다. 특히 데이터의 생성과 분석을 다른 그룹에 의존하지 않고 experimental design부터 downstream analysis까지 저희 그룹내에서 실시할 수 있다는 장점이 있습니다. 이 연구는 Pfizer Oncology Chief Scientific Officer 겸 Vice President 와 직접 수행을 하고, 또한 University of Texas Southwestern Medical Surgical Oncology group, Genentech, Ken Chen from University of Texas MD Anderson 그룹과 실시하는 공동연구로 저희 연구실에서 lead를 하고 있는 interdisplinary한 연구과제 입니다.
2) CLIA-certified genetic panel based anticancer drugs and novel therapeutic target discovery for Precision Oncology in Lung cancer.
CLIA-certified genetic panel을 이용한 환자의 약물 반응을 예측하는 프로젝트입니다. University of Texas Lung SPORE grant에서 support를 받고 있는 과제로 UT Southwestern Medical Center와 UT MD Anderson Cancer Center에서 공동으로 연구를 진행중에 있습니다.
저희 연구실에서는 Lung cancer에 optimized된 CLIA-certified genetic panel을 만들고 이를 통한 환자의 약물 반응을 예측하는 새로운 Machine Learning 기법을 개발하는 역할을 하고 있습니다. 이 프로젝트는 sequencing data는 Baylor College of Medicine의 Richard Gibbs와 David Wheeler그룹과의 공동 연구를 통해 생성해내고 모든 데이터 처리와 Machine Learning 기법은 저희 연구실과 MD Anderson의 Ken Chen 그룹과의 협업을 통해서 진행하고 있습니다. 또한 약물반응 데이터는 NCI Cancer Target Discovery Network Team으로 참석하고 있어 이를통해 약 200,000개의 chemical compound와 natural product screening을 직접 생성하고 있습니다.
Promising한 therapeutic agent는 Pfizer Oncology CSO&VP 그룹과의 협업을 통해 임상에 적용하는 과제를 진행하고 있습니다. 이 과제 또한 저희 그룹에서 주도적으로 진행하고 있어 모든 data (~300 lung cancer cell lines' whole genome, whole exome, RNA-seq, deep proteomics, drug screening data)를 직접 분석하고 새로운 machine learning 기법을 만들고 직접 임상에서 테스트할 수 있는 기회를 가질 수 있습니다.
3) Electronic Health Record Data, Genomic and Image data integration
저희 그룹에서 근래에 시작한 새로운 프로젝트로서 Electronic Health Record mining을 통한 새로운 machine learning 기법의 개발과 궁극적으로 genomic and image data와의 integration을 통한 새로운 biomarker와 clinical outcome prediction을 목표로 하고 있습니다.
Electronic Health Record의 경우 University of Texas Southwestern Medical Center의 병원에서 직접 data를 collection하고 image (e.g., PET, CT-scan, fMRI)등도 같이 collection을 하고 있습니다. 질병의 경우 암을 포함한 뇌질환, immune-related disease 등등 complex phenotype을 포함하고 있습니다. 또한 IBM at Austin 그룹과의 협업을 통해 IBM에서 생성해내는 image, apps, health record (왓슨 포함) 등을 이용한 새로운 machine learning 기법 개발을 위한 협업을 진행하고 있습니다.
Machine learning, Data Mining, Next generation sequencing, and Big data analysis에 관심이 있고 본인이 개발한 알고리듬과 툴들을 임상에 직접 적용하고 싶으신 분들에게는 아주 좋은 기회가 될 것 이라고 생각이 됩니다. 또한 Pfizer, Genentech, 그리고 IBM health group과의 협업을 통한 프로젝트를 통해 이후 Industry에 경력을 쌓고 싶으신 분에게도 좋은 기회가 될 듯 합니다.
현재 저희 연구실에서는 3명의 박사후 연구원 과정을 찾고 있구요, 1분은 Training fellowship을 통해 5년간 펀드를 지원받고 다른 2분은 4년간 펀드를 지원합니다.
학위는 국내 혹은 미국 무관합니다. 전공은 Computer Science, Statistics, Mathematics, Computational Biology, Bioinformatics 등등 computational approach를 개발하실 수 있는 background를 선호하구요, 다만 연구에 대한 열정이 있으시고 적어도 한편의 peer review publication 혹은 프로젝트를 deliver한 (e.g., github, bioconductor, etc) 분을 원합니다.
> 정보센터 > 취업정보
