모집중 KAIST 공학생물학대학원 시스템 생물학 머신러닝 실험실 신입생 모집NEW

KAIST 공학생물학대학원 시스템 생물학 머신러닝 실험실(SBML, PI: 김동혁)에서 AI 기반 시스템생물학 연구를 함께 이끌어갈 대학원생을 모집합니다. 모집 인원 박사 / 석박통합과정 (○○명) ※ 세부사항 문의 연구실 소개 SBML 연구실은 머신러닝과 시스템생물학을 융합하여 미생물의 전사조절 네트워크 해독, 게놈 스케일 대사 모델 구축, 항균제 내성 연구 등을 수행하는 연구실입니다. 딥러닝 기반 전사체 분석, AI 효소 기능 예측, 머신러닝 기반 단백질 엔지니어링 등 생물학적 문제 해결을 위한 최신 AI 프레임워크를 직접 개발·적용하고 있으며, 대규모 오믹스 데이터로부터의 자동화된 생물학적 발견(automated biological discovery)을 지향합니다. 주요 연구 분야 (AI/ML) Machine Learning for Biological Data - 딥러닝 기반 전사체(transcriptomics) 데이터 분석 - AI 모델을 활용한 효소 기능 예측 - 머신러닝 기반 단백질 엔지니어링 - 대규모 생물학적 데이터셋으로부터의 자동화된 발견 (Systems Biology) Transcriptional Regulatory Network - ChIP-seq, RNA-seq 기반 전사조절네트워크(TRN) 재구성 - 자체 개발 딥러닝 파이프라인 및 고성능 분석 소프트웨어 활용 - 대상 생물: Escherichia coli, Salmonella enterica, Klebsiella spp., Methylobacterium (Modeling) Genome-Scale Metabolic Modeling - 고부가가치 균주(Streptomyces, Vibrio, C1 bacteria 등)의 게놈스케일 대사모델 구축 - 대사공학 및 경로 최적화를 위한 모델 기반 분석 - 오믹스 데이터 통합을 통한 생물학적 발견 (Application) Anti-Microbial Resistance - 시스템 수준의 항균제 내성 메커니즘 규명 - 네트워크 분석을 통한 신규 약물 타겟 발굴 - 내성 진화 예측 및 병용 치료 전략 개발 이런 분을 찾습니다 AI/머신러닝과 생물학의 융합 연구에 관심이 있는 사람 주도적이고 성장 의지가 강한 사람 논문 및 연구 성과에 대한 목표 의식이 있는 사람 우대 역량 Python / Linux 활용 가능자 머신러닝 / 딥러닝 경험자 생물학 관련 전공자 (생명공학, 화학공학, 미생물학, 생물정보학 등) 전형 일정 1차 신입생/편입학 JUN 29 ~ JUL 08 (재) 석·박사통합 JUL 09 ~ JUL 15 ※ 카이스트 입학처 홈페이지 참고: https://admission.kaist.ac.kr/graduate