Graduate Research Opportunities
M.S.-Ph.D. integrated and Ph.D. opportunities in computational genomics and evolutionary medicine at GIST.
계산유전체 및 진화의학 연구실(Computational Genomics & Evolutionary Medicine Lab, PI: 정현수)에서는 GIST 생명과학과를 통해 진학할 석·박사통합과정 및 박사과정 대학원생을 모집합니다.
우리 연구실은 유전체 구조와 후성유전체 조절이 인간 진화, 노화 및 질환에 미치는 영향을 연구합니다. 100% dry lab으로, long-read sequencing과 single-cell multi-omics를 포함한 대규모 유전체·후성유전체 데이터를 분석하고 종 간 비교를 수행합니다. 통계적 모델링과 머신러닝·AI를 활용하며, 새로운 computational methods와 bioinformatics analysis tools를 개발합니다.
Research directions
1. Genome structure and primate genome evolution
Long-read sequencing과 telomere-to-telomere genome assembly를 활용하여 기존 reference genome으로 분석하기 어려웠던 복잡한 유전체 영역을 연구합니다. Segmental duplication, structural variation, centromere 및 반복서열이 개인과 종 사이에서 어떻게 달라지는지, 이러한 변화가 인간 진화와 질환에 어떤 영향을 미치는지 분석합니다.
연구 주제 예시: population-scale structural variation, human pangenome, ape genome comparison, duplicated gene evolution, complex genomic region annotation
Representative papers: Jeong et al., Nature Genetics, 2025; Yoo et al., Nature, 2025; Makova et al., Nature, 2024; Mao et al., Cell, 2024.
2. Comparative epigenomics and human-specific gene regulation
인간과 비인간 영장류의 세포 유형별 후성유전체를 비교하여 인간 계통에서 변화한 유전자 조절 기전을 연구합니다. DNA methylation과 gene expression을 함께 분석하여 이러한 변화가 뇌 발달과 기능, 신경정신질환 관련 유전자 조절에 미치는 영향을 규명합니다.
연구 주제 예시: human-specific regulatory elements, cell-type-specific epigenomic evolution, comparative brain genomics, neurological disease-associated regulatory variation
Representative papers: Jeong et al., Nature Communications, 2021; Mendizabal et al., Genome Biology, 2019.
3. Single-cell epigenomics of aging and disease
Single-cell DNA methylation, chromatin accessibility, transcriptome 및 3D genome data를 통합하여 세포 유형별 노화 과정을 연구합니다. 노화와 질환이 진행되는 동안 세포 정체성과 유전자 조절이 어떻게 변화하는지 분석하고, 여러 조직과 종에서 공통적으로 나타나는 epigenetic aging signature를 탐색합니다.
연구 주제 예시: epigenetic aging, cell identity loss, chronic disease-associated repair states, cross-species aging, single-cell multi-omics integration
Representative papers: Jeong et al., Nature Aging, accepted, 2026; Jeong et al., GeroScience, 2024.
4. Machine learning and bioinformatics method development
복잡한 유전체 및 후성유전체 데이터에서 구조변이, 세포 유형별 조절 변화, 종 간 차이를 정량화하는 계산 방법을 개발합니다. Single-cell DNA methylation data를 이용해 세포 계통과 clonal structure를 추론하는 lineage-tracing methods를 개발하고, 이를 노화와 cancer evolution 연구에 적용합니다.
연구 질문에 따라 머신러닝과 AI를 활용하여 대규모 데이터의 패턴을 찾고 서로 다른 데이터 유형을 통합하며, 개발한 방법을 재현 가능한 bioinformatics analysis tools로 구현합니다.
Representative papers: Jeong et al., Nature Aging, accepted, 2026; Jeong et al., Nature Genetics, 2025; Jeong et al., Nucleic Acids Research, 2016; Jeong et al., Scientific Reports, 2019.
Training and mentoring
대학원생은 연구 과정에서 다음과 같은 역량을 갖추게 됩니다.
- Linux와 high-performance computing 환경에서의 재현 가능한 분석
- Python 및 R을 이용한 대규모 유전체 데이터 분석
- Long-read genome과 structural variation 분석
- Single-cell 및 multi-omics 데이터 통합
- 유전체 연구를 위한 통계적 모델링과 머신러닝
- Bioinformatics workflow와 분석 도구 개발
정기적인 개별 미팅과 랩 미팅에서 연구 설계, 분석 결과의 해석 및 논문 작성 과정을 논의합니다. 연구 성과를 국제 학회와 논문으로 발표하는 것을 목표로 하며, 희망 진로에 맞춘 상담도 함께 진행합니다.
Who should apply?
다음과 같은 지원자를 환영합니다.
- 유전체학, 진화, 후성유전체, 노화 또는 질환 생물학에 관심이 있는 학생
- 대규모 생물학 데이터를 이용해 명확한 연구 질문을 해결하고 싶은 학생
- 생명과학과 컴퓨터과학, 통계학 또는 AI의 접점에 관심이 있는 학생
- 새로운 분석 방법이나 생물정보학 도구를 개발하고 싶은 학생
생명과학, 생명공학, 의학, 컴퓨터과학, 통계학, 수학, AI 및 관련 전공 지원자가 지원할 수 있습니다. 프로그래밍과 생물정보학 경험이 있으면 도움이 되지만 필수는 아닙니다. 모든 프로젝트가 데이터 분석과 방법 개발을 중심으로 진행되므로, 대학원 과정에서 프로그래밍과 정량적 분석 역량을 적극적으로 익히려는 의지가 필요합니다.
Available positions
- Positions3 M.S.-Ph.D. integrated or Ph.D. students
- DepartmentDepartment of Life Sciences, GIST
- AreasComputational genomics, bioinformatics, evolutionary genomics, epigenomics, and machine learning for genomics
How to apply
관심 있는 지원자는 다음 자료를 이메일로 보내주세요.
- CV
- 성적표
- 관심 있는 연구 주제와 지원 동기를 설명한 간단한 글
- 관련 수업, 연구, 프로그래밍 또는 데이터 분석 경험
- 희망 입학 시기
- GitHub 또는 이전 연구·분석 자료가 있는 경우 선택적으로 첨부
지원 내용을 검토한 뒤 개별 면담을 통해 관심 연구 분야, 가능한 프로젝트 및 GIST 대학원 지원 절차를 논의합니다.
Email about graduate research