Bioinformatics

ML 프로젝트의 입력 데이터와 제약을 설명하는 domain layer입니다. 이 탭은 생물학 자체를 포트폴리오의 중심으로 두기보다, ML pipeline과 평가 설계에 영향을 주는 조건을 기록합니다.

ML 프로젝트에 필요한 도메인 제약

• FASTQ와 sample metadata의 pair·checksum·identifier 검증
• reference DB와 profiling pipeline에 따라 달라지는 feature schema
• compositional, sparse, high-dimensional abundance data
• subject 중복과 cohort·batch effect에 의한 leakage
• 신규 cohort에서의 generalization과 calibration

Data Sources

• NCBI — sequence와 metadata 수집
• curatedMetagenomicData — 공개 cohort와 feature matrix

OMICs

• 16S rRNA — amplicon sequencing
• Whole Metagenome — shotgun metagenomics
• single-cell RNA — single-cell transcriptomics

Tools

• QC·filtering — Fastp, BBDuk
• alignment — Bowtie2
• taxonomy — Kraken2, Bracken, MetaPhlAn, EukDetect

Papers

• Microbiome ML best practices
• Genomic language models

→ 논문 리뷰 전체