| 1 | 10,000개 이상 유전자 간의 전사조절 네트워크 구축 알고리즘과 이를 이용한 약물반응 원인 유전자 발굴 방법 최정균; 양우진; 김권일, 2017-12-13 |
| 2 | Aberrant transcript usage is associated with homologous recombination deficiency and predicts therapeutic response = 비정형 전사체 발현 패턴을 활용한 상동재조합 결핍 및 약물 반응성 예측link Kang, Hyeon Gu; Choi, Jung Kyoon; et al, 한국과학기술원, 2022 |
| 3 | Cancer prediction with liquid biopsy using cell-free DNA and immune repertoire = 세포유리 디옥시리보핵산과 면역 레퍼토리를 사용한 액체생검 기반 암 진단link Park, Hyunwook; Choi, Jung Kyoon; et al, 한국과학기술원, 2023 |
| 4 | Cloning and characterization of the gene encoding bdellin from Hirudo nipponia = Hirudo nipponia 로부터 분리한 bdellin 유전자의 클로닝과 구조분석link Choi, Jung-Kyoon; 최정균; Kim, Sun-Chang; Kang, Ke-Won; et al, 한국과학기술원, 2000 |
| 5 | Comprehensive identification of mRNA splicing-altering somatic intronic variants in human cancers = mRNA 스플라이싱에 영향을 미치는 암 특이적인 인트론 돌연변이 연구link Jung, Hyunchul; Choi, Jung Kyoon; et al, 한국과학기술원, 2018 |
| 6 | Construction of a deep learning model for predicting cancer prognosis using multi-omics data = 멀티오믹스 데이터를 이용한 암 예후예측 딥러닝 모델 개발link Seo, Ka Young; Choi, Jung Kyoon; et al, 한국과학기술원, 2020 |
| 7 | Detection of selection on the regulation of neural genes in humans = 인간의 신경 유전자 조절에 대한 진화적 선택 양상 발굴 연구link Lee, Kang Seon; Choi, Jung Kyoon; et al, 한국과학기술원, 2018 |
| 8 | DNA 메틸화 변이 및 종양 변이 부담을 이용한 면역항암치료 반응성 예측방법 최정균; 정현철; 조대연 |
| 9 | DNA 메틸화 변이를 이용한 면역항암치료 반응성 예측방법 최정균; 정현철; 조대연 |
| 10 | ENCODE: A Sourcebook of Epigenomes and Chromatin Language 최정균; Maryam Yavartanoo, Genomics & Informatics, v.11, no.1, pp.2 - 6, 2013-03 |
| 11 | Frrs1l 유전자 녹아웃 자폐 스펙트럼 장애 동물모델 및 이의 용도 한진희; 최정균; 김무준 |
| 12 | Functional effects of neoantigen-producing genes on antitumor immune responses = 신생항원 생성 유전자의 기능적 특성이 항암 면역반응에 미치는 영향 연구link Bang, Hyoeun; Choi, Jung Kyoon; et al, 한국과학기술원, 2022 |
| 13 | Functional modeling of noncoding risk variants based on convolutional neural networks = 컨볼루션 신경망 기반의 비코딩 질환위험 변이들의 기능적 모델링link Sung, Min Kyung; Choi, Jung Kyoon; et al, 한국과학기술원, 2018 |
| 14 | Gene essentiality for tumor growth influences neoantigen-directed immunoediting = 유전자의 암 생장 필수성이 신생항원 매개 면역 회피 현상에 미치는 영향 연구link Park, Jae-Soon; Choi, Jung Kyoon; et al, 한국과학기술원, 2020 |
| 15 | Genetic architecture of autism spectrum disorder : contribution of de novo, rare inherited, and common noncoding variants = 자폐 스펙트럼 장애의 유전학적 원인에 기여하는 비암호화 변이의 역할link Lee, Taeyeop; Choi, Jung Kyoon; 최정균; Lee, Jeong Ho; et al, 한국과학기술원, 2020 |
| 16 | Genetic Architecture of Transcription and Chromatin Regulation 김권일; 방효은; 이기백; 최정균, Genomics & Informatics, v.13, no.2, pp.40 - 44, 2015-06 |
| 17 | Genome-wide methylation pattern predicts clinical benefit of immune checkpoint blockade therapy in NSCLC patients = DNA 메틸화를 활용한 면역항암치료의 임상 예후 예측link Kim, Jeong Yeon; Choi, Jung Kyoon; et al, 한국과학기술원, 2020 |
| 18 | Global analysis of transcriptional changes in human cancer using the gene coexpression network = 유전자 발현 네트워크를 이용한 암에서의 전사 변화 연구link Choi, Jung-Kyoon; 최정균; et al, 한국과학기술원, 2004 |
| 19 | Identification of causal risk factors for complex inflammatory diseases by convolutional neural network modeling of single-cell omics data = 단일 세포 오믹스를 활용하여 난치성 염증 질환의 위험 인자를 식별할 수 있는 합성곱 신경망 모델 구축link An, Dohyeon; Choi, Jung Kyoon; et al, 한국과학기술원, 2022 |
| 20 | Identification of homologous recombination repair deficiency through the transcript usage analysis in breast cancer patients = 유방암 환자에서 전사체 분석을 통한 상동재조합수리 결핍의 확인link Kang, Hyeon Gu; Choi, Jung Kyoon; et al, 한국과학기술원, 2019 |
| 21 | Integrative analysis of 26848 human transcriptomes reveals cancer-defining transcriptional architecture at the isoform resolution = 통합적 전사체 분석을 통한 mRNA 동위체 수준에서의 암 특이적 전사체 구조 규명link Shin, Junghoon; Choi, Jung Kyoon; 최정균; Ju, Young Seok; et al, 한국과학기술원, 2022 |
| 22 | Integrative analysis of CpG islands with enhancer activity during tumorigenesis = 종양형성과정에서 조절지역 역할을 하는 CpG island의 통합적 분석link Bae, Min Gyun; Choi, Jung Kyoon; et al, 한국과학기술원, 2017 |
| 23 | Integrative cancer omics analysis in adoptive cell therapy and chemotherapy = 오믹스 데이터 통합 분석을 통한 고형암 세포면역치료 표적발굴 및 희귀종양 약물반응 분석link Kwon, Joonha; Choi, Jung Kyoon; et al, 한국과학기술원, 2022 |
| 24 | Interpretation of recurrently mutated regulatory regions in tumorigenesis = 종양형성에서 전사조절지역 내 반복 발견되는 돌연변이의 해석link Jang, Kiwon; 장기원; et al, 한국과학기술원, 2015 |
| 25 | Machine learning for the identification of noncoding driver mutations in cancer = 암 세포에서 발생하는 돌연변이의 기능을 확인하기 위한 머신러닝 알고리즘 연구link Yang, Woojin; 양우진; et al, 한국과학기술원, 2017 |
| 26 | mRNA 암백신 핵심기술 개발 최정균, 2022 |
| 27 | Network-based interpretation of the regulatory role of non-coding mutations and prediction of vulnerabilities using deep learning in cancer = 암에서 발생하는 비전사지역내 변이의 네트워크 기반 해석 및 딥러닝 학습을 이용한 암 취약성 예측link Jang, Kiwon; Choi, Jung Kyoon; et al, 한국과학기술원, 2019 |
| 28 | NOTCH2 regulatory mutations influence the response of desmoid tumors to imatinib = NOTCH2 조절인자 돌연변이와 데스모이드 종양 환자들의 imatinib 반응성link Lee, Jun Hyeong; Choi, Jung Kyoon; et al, 한국과학기술원, 2019 |
| 29 | Polymorphism in MAGI2 gene modifies the effect of amyloid ß on neurodegeneration 정용; 김항래; 이태엽; 최정균, 2018 치매학회, 대한치매학회, 2018-11-03 |
| 30 | Polymorphism in MAGI2 gene modifies the effect of amyloid ß on neurodegeneration 정용; 이태엽; 최정균; 김항래, 제 21회 한국뇌신경과학회, 한국뇌신경과학회, 2018-08-31 |
| 31 | Predicting clinical responses to checkpoint immunotherapy based on genetic and epigenetic alterations in cancer = 유전적 및 후성유전적 변이에 기반한 항암면역치료 반응성 예측link Kim, Kyeong Hui; Choi, Jung Kyoon; et al, 한국과학기술원, 2022 |
| 32 | Prediction of functional noncoding variants for autoimmune diseases by machine learning = 기계 학습에 기반한 자가면역 질환 관련 비코딩 변이들의 기능성 예측link Lee, Seulkee; Choi, Jung Kyoon; 최정균; Kim, Ho Min; et al, 한국과학기술원, 2019 |
| 33 | Systematic analysis of disease-associated variations based on the interaction between genetics and epigenetics = 유전학과 후성유전학간 상호작용의 이해와 이를 통한 질병 연관변이의 시스템적 분석link Lee, Ki-Baick; 이기백; et al, 한국과학기술원, 2017 |
| 34 | T RegNet : construction of model for T cell specific regulatory network = T RegNet : T 세포 특이적 조절망 모델 구축link An, Jin Hyeon; Choi, Jung Kyoon; et al, 한국과학기술원, 2020 |
| 35 | Understanding Epistatic Interactions between Genes Targeted by Non-coding Regulatory Elements in Complex Diseases 성민경; 방효은; 최정균, GENOMICS & INFORMATICS, v.12, no.4, pp.181 - 186, 2014-12 |
| 36 | Unraveling the disease network based on the interplay between genetics and epigenetics in transcriptional regulation = 전사조절에서 유전학적, 후성유전학적 상호작용의 이해와 이를 통한 질병네트워크 연구link Kim, Kwoneel; 김권일; et al, 한국과학기술원, 2015 |
| 37 | 기계학습 모델에 기반한 필수 유전자 식별 방법 및 분석장치 최정균; 장기원; 조대연 |
| 38 | 네트워크 모델링에 기반한 EMT 스펙트럼의 재현 및 EMT현상을 되돌리기 위한 조합상승 표적 유전자에 관한 연구 = Representation of epithelial-to-mesenchymal transition spectrum and identification of synergistic targets for its reversion based on network modelinglink 김남희; 최정균; Choi, Jung Kyoon; 조광현; et al, 한국과학기술원, 2019 |
| 39 | 단백질을 변화시키지 않는 암 돌연변이의 기능적 recurrence를 구하는 방법 및 장치 최정균; 양우진, 2017-12-13 |
| 40 | 딥러닝 기반의 질환 위험 유전 변이 발굴 장치 최정균; 양우진; 성민경; 반효정; 진희정 |
| 41 | 딥러닝을 이용한 암의 예후 예측 모델 최정균; 배민균; 김영준; 김다원; 이정우; 최은지 |
| 42 | 면역항암제에 대한 저항성을 예측하는 방법 및 분석장치 최정균; 김권일 |
| 43 | 복합 질환에서 non-coding 조절 요소를 통한 표적 유전자 사이의 epistasis 발굴 및 이해 = Understanding epistasis between genes targeted by non-coding regulatory elements in complex diseaseslink 방효은; Bang, Hyoeun; et al, 한국과학기술원, 2015 |
| 44 | 신생항원을 스크리닝하는 방법, 시스템 및 그의 용도 최정균; 방효은; 박재순; 조대연 |
| 45 | 암 세포 표면의 MHC-펩타이드 결합도 예측 방법 및 분석 장치 최정균; 김권일 |
| 46 | 키메라 항원 수용체를 위한 타깃 항원 발굴 방법 및 분석 장치 최정균; 권준하 |
| 47 | 機械学習モデルに基づいた必須遺伝子識別方法および分析装置 최정균; 장기원 |
