생물학적 데이터를 체계적으로 저장, 검색, 해석하기 위해 사용되는 생물학적 데이터베이스 구축 과정에서 인공지능 기술이 어떻게 발전해왔는지 그 역사적 흐름을 조망한다.
초기 접근부터 심층 학습까지
- 초기에는 단순한 키워드 검색 및 관계형 데이터베이스(RDB)를 통해 정보를 분류하는 수준이었으나, 데이터 폭증에 따라 한계를 드러냈다.
- 2000년대 이후, 생물정보학 분야에서 지원 벡터 머신(SVM)이나 랜덤 포레스트 같은 전통적인 머신러닝 기법들이 유전체학 데이터의 특징 추출 및 분류에 도입되기 시작했다.
최근의 패러다임 전환
최근에는 대용량의 비정형 데이터(예: 단백질체학 측정값, 이미지 데이터)를 처리하기 위해 딥러닝 기술이 핵심 동력으로 자리 잡았다. 이는 단순히 패턴을 찾는 것을 넘어, 데이터 자체의 잠재적 의미 구조를 스스로 학습하여 새로운 생물학적 가설을 제시하는 단계로 나아가고 있다.
빅데이터">빅데이터 시대의 요구에 맞춰, 이제는 여러 오믹스 데이터를 융합 분석하는 오믹스 통합 분석 모델 설계가 가장 중요한 이정표로 평가된다.
댓글 0