[담당업무]
- 약물 처리 전후의 단백질·유전자 발현 데이터를 정리·정규화하고, 반복 사용 가능한 분석 파이프라인 개발

- 단백질 간 상호작용 및 생물학적 경로 정보를 활용해 네트워크를 구축하고, 표적물질과의 "거리"를 분석해 약물의 영향 범위 파악

- 약물이 실제로 작용하는 경로(작용기전)와 예상치 못한 부수 효과를 찾아내는 정량 분석 알고리즘 개발

- 저해제 처리, 유전자 조작 등 여러 대조군 데이터를 함께 분석해 "약물 때문에 생긴 변화"와 "다른 원인으로 생긴 변화"를 구분

- 순열검정, 부트스트랩 등 통계적 방법으로 분석 결과의 신뢰도 검증

- 여러 약물·용량·시점의 데이터를 통합해 공통 패턴과 약물별 고유 반응을 구분해내는 분석

- 필요시 이미지 데이터 등 다른 유형의 데이터와 통합 분석하는 방법으로 확장

- 분석 코드를 체계적으로 관리·문서화하고, 연구 결과를 논문 또는 실제 제품 수준으로 완성

[자격요건]

- 생명정보학, 전산생물학, 시스템생물학, 통계학, 컴퓨터공학, 생물학 등 관련 전공 박사 학위 이상

- 박사 학위 취득 후 관련 분야 경력 2년 이상자 (필수)

- 단백질체학·전사체학 등 대규모 생체 데이터를 직접 분석·전처리해본 경험

- Python 기반 데이터 분석 역량 (NumPy, pandas, SciPy, scikit-learn 등)

- 통계적 가설검정, 순열검정/부트스트랩, 다변량 분석 등 정량 분석 방법을 실제로 적용해본 경험

- 단백질 상호작용 네트워크, 생물학적 경로 분석, 그래프 분석 중 하나 이상을 연구나 프로젝트에 적용해본 경험

- 생물학적 질문을 계산 문제로 바꿔서 풀고, 그 결과를 다시 생물학적 의미로 해석할 수 있는 역량

- 기존 논문이나 공개 코드를 그대로 따라 하는 수준을 넘어, 새로운 데이터에 맞게 분석 방법을 직접 개발할 수 있는 역량

- 문제 정의 → 분석 설계 → 구현 → 검증 → 논문/보고서 작성까지 연구 프로젝트를 독립적으로 이끌어본 경험

[우대사항]

- LC-MS/MS 기반 단백질 정량 데이터 분석 경험 및 결측치·배치효과·정규화 처리에 대한 실무 이해

- 시스템생물학, 네트워크생물학, 네트워크의학, 시스템약리학 또는 신약 작용기전 연구 경험

- 저해제 처리, 유전자 넉다운/녹아웃 등 대조군 실험 데이터를 활용한 분석 경험

- NMF, 클러스터링, 행렬분해 등 비지도학습(패턴을 스스로 찾아내는 분석) 경험

- 그래프 알고리즘 또는 그래프 딥러닝(GNN)을 생물학적 네트워크에 적용해본 경험

- 시계열, 단일세포, 이미징 등 동적 데이터와 오믹스 데이터를 연계해본 경험

- Git, Docker/Conda 등을 활용한 재현 가능한 연구용 소프트웨어 개발 경험

- 논문 작성, 학회 발표, 오픈소스 기여 등 연구 성과를 대외적으로 알린 경험

[업무방식]

- 질문에 가장 적합한 통계·네트워크·머신러닝·딥러닝 방법을 그때그때 선택합니다

- 실험(습식) 결과와 계산 분석을 빠르게 주고받으며 가설을 세우고 검증합니다

- 기존 방법을 그대로 쓰기보다, 데이터와 실험 설계에 맞는 새로운 분석 방법을 개발합니다

- 코드 구현만 담당하는 역할에 머무르지 않고, 연구 질문과 분석 전략을 함께 정합니다

- 연구 결과가 논문과 실제 신약 개발 분석 제품, 두 가지로 모두 이어지는 것을 목표로 합니다