오믹스 데이터
미래의료의 시금석
오믹스 데이터의 기술적 체계와 멀티오믹스 통합 분석의 현대적 진화: 정밀 의료와 시스템 생물학의 새로운 지평
생명과학의 패러다임은 개별 유전자나 단백질의 기능을 개별적으로 연구하던 환원주의적 접근 방식에서 벗어나, 생체 내 분자들의 전체적인 상호작용과 네트워크를 조망하는 시스템 생물학의 시대로 완전히 이행하였다. 이러한 변화의 중심에는 대규모 고처리량 분석 기술을 통해 도출되는 '오믹스(Omics) 데이터'가 존재한다. 오믹스란 특정 생물학적 층위에서 발생하는 모든 분자 정보를 포괄적으로 측정하고 분석하는 학문적 노력을 의미하며, 유전체(Genomics), 전사체(Transcriptomics), 단백체(Proteomics), 대사체(Metabolomics) 등을 포함하는 다차원적 데이터의 집합체로 정의된다.1 현대 생물학 및 의학에서 오믹스 데이터는 단순한 측정값을 넘어 생명체의 표현형(Phenotype)을 결정짓는 유전적 근거와 환경적 요인의 상호작용을 규명하는 핵심 도구로 자리 잡았다.3
오믹스 데이터의 계층적 구조와 생물학적 정체성
생명 현상은 DNA에서 RNA로, 다시 단백질과 대사물질로 이어지는 정보의 흐름을 통해 유지된다. 오믹스 기술은 이 흐름의 각 단계에서 발생하는 분자적 변화를 정량화한다. 유전체 데이터는 생명체의 설계도 역할을 하며 변하지 않는 정적인 정보를 제공하는 반면, 전사체와 단백체는 세포의 상태와 외부 자극에 따라 실시간으로 변하는 동적인 정보를 담고 있다.5 이러한 계층적 데이터는 각각 독립적으로도 가치가 있지만, 이를 통합하여 분석할 때 비로소 생명 시스템의 전체적인 조절 기전이 드러나게 된다.1
주요 오믹스 데이터 유형의 특성 및 비교
오믹스 기술의 발전은 각 층위에서 측정 가능한 분자의 범위를 확장시켰으며, 이는 생물학적 통찰력의 깊이를 더해주는 결과로 이어졌다.
유전체 및 에피유전체 데이터: 생명의 근본 설계도와 조절 인자
유전체학은 생물학적 발견의 잠재력을 여는 입구 역할을 수행한다. 인간의 경우 약 32억 개의 염기쌍으로 구성된 유전체 정보를 해독함으로써 질병에 대한 취약성이나 약물 반응의 차이를 결정짓는 근본적인 원인을 파악할 수 있다.5 유전체 데이터는 시간의 흐름에 따라 거의 변하지 않는 특성을 지니며, 이는 단일 염기 다형성(SNP), 삽입 및 결실(Indels), 복제수 변이(CNV) 등의 형태로 나타난다.5 특히 단백질 코딩 유전자는 전체 유전체의 1.5~2%에 불과하지만, 나머지 비부호화 영역 역시 조절 네트워크의 핵심적인 축을 담당하고 있음이 최근 연구를 통해 밝혀지고 있다.5
에피유전체 데이터는 유전체 서열의 변화 없이 유전자 발현을 조절하는 층위의 정보다. DNA 메틸화나 히스톤 변형은 염색질의 구조를 변화시켜 전사 인자의 접근성을 조절하며, 이는 세포의 분화나 질병 발생 과정에서 결정적인 역할을 한다.4 최근에는 Hi-C 기술을 활용하여 DNA의 3차원적 프로파일을 측정함으로써, 물리적으로 멀리 떨어진 유전 영역이 공간적으로 근접하여 서로를 조절하는 경관을 이해하려는 시도가 활발하다.8 이러한 3D 게놈 데이터는 정적 서열 데이터가 제공하지 못하는 고차원적 조절 메커니즘을 설명해준다.
전사체와 단백체: 생물학적 실행과 기능적 실체
전사체 데이터는 특정 시점에서의 유전자 활성도를 반영하는 스냅샷과 같다.8 메신저 RNA(mRNA) 뿐만 아니라 마이크로 RNA(miRNA), 긴 비부호화 RNA(lncRNA) 등 다양한 전사물들을 포함하며, 이는 세포의 상태나 질병의 바이오마커를 식별하는 데 매우 유용하다.5 과거에는 특정 프로브를 사용하는 마이크로어레이 방식이 주를 이루었으나, 현재는 서열 전체를 직접 해독하는 RNA-seq 기술이 보편화되면서 알려지지 않은 신규 전사물까지 탐지할 수 있게 되었다.5
단백체학은 유전자 발현의 실제 기능적 결과물을 연구하는 학문이다. 단백질은 세포 내에서 효소 작용, 구조 유지, 세포 간 통신 등 거의 모든 생물학적 과업을 수행한다.6 단백체 데이터는 전사체보다 훨씬 복잡한데, 이는 단백질이 번역 후 변형(PTM) 과정을 거쳐 기능이 활성화되거나 억제되기 때문이다.5 단백질은 직접적인 상호 파트너가 없는 경우가 많아 이를 측정하기 위해서는 액체 크로마토그래피 질량분석기(LC-MS/MS)와 같은 고성능 기기를 통한 고처리량 분석이 필수적이다.5 단백체 분석을 통해 구축된 단백질 네트워크 맵은 특정 질병 상태에서 변형된 생체 시스템을 이해하는 데 결정적인 단서를 제공한다.6
대사체 및 전문 오믹스: 표현형에 가장 근접한 지표
대사체는 효소 반응의 기질이자 부산물인 저분자 화합물들의 집합체로, 표현형과 가장 밀접하게 연결된 층위다.6 대사물질은 수명이 짧고 세포 내 동적인 과정을 즉각적으로 반영하기 때문에 고도로 복잡한 데이터 특성을 지닌다.8 대사체학은 건강한 식물과 병든 식물 사이의 차이를 구별하거나, 전통적인 작물과 유전자 변형 작물의 영양학적 차이를 규명하는 등 실질적인 상태 변화를 감지하는 데 강력한 도구가 된다.6
최근에는 지질체(Lipidome), 당체(Glycome), 인산화단백체(Phosphoproteome) 등 특정 분자군에 집중한 전문 오믹스 분야도 확장되고 있다.4 예를 들어 지질체학은 세포막 구성 요소이자 신호 전달 물질인 지질 분자 전체를 분석하며, 당체학은 당단백질이나 당지질의 당쇄 구조를 연구한다.3 이러한 데이터들은 대사체 데이터의 하위 범주이면서도 그 자체로 독자적인 생물학적 중요성을 지닌다.
오믹스 데이터 관리 및 기술적 표준
오믹스 데이터는 그 방대한 규모와 복잡성으로 인해 고도의 전산 처리 기술과 표준화된 데이터 포맷을 필요로 한다. 데이터 생성 초기 단계부터 분석, 저장, 공유에 이르기까지 일관된 가이드라인을 준수하는 것이 연구의 재현성을 확보하는 핵심이다.
NGS 및 질량 분석의 주요 데이터 포맷
분석 파이프라인의 각 단계에 따라 데이터는 변환되고 정제되며, 이 과정에서 사용되는 주요 포맷들은 다음과 같다.
유전체 분석의 표준 파이프라인인 GATK(Genome Analysis Toolkit)는 FASTQ에서 시작하여 BAM을 거쳐 VCF를 생성하는 과정을 거치며, 이는 현대 유전체학의 업계 표준으로 자리 잡았다.9 질량 분석 기반의 단백체 및 대사체 연구에서는 벤더별로 상이한 원시 파일을 mzML과 같은 개방형 포맷으로 변환함으로써 다양한 분석 도구 간의 호환성을 높이고 있다.12 이러한 기술적 표준화는 데이터가 단순히 개별 연구실에 머물지 않고 공공 데이터베이스(PRIDE, MetaboLights 등)를 통해 전 세계 연구자들에게 공유되어 메타 분석이 가능하게 하는 토대가 된다.12
멀티오믹스 통합 분석의 전략과 원리
단일 오믹스 데이터 분석만으로는 복잡한 생물학적 시스템을 포괄적으로 이해하는 데 한계가 있다. 서로 다른 층위의 오믹스 데이터를 통합하여 분석하는 '멀티오믹스(Multi-omics)' 접근법은 바이오 분자 간의 상호작용 네트워크를 규명하고 인과 관계를 파악하는 데 필수적이다.1 데이터 통합은 그 시점과 방식에 따라 여러 전략으로 구분된다.
데이터 통합의 시간적 및 구조적 분류
통합 분석은 데이터의 특성과 연구 목적에 따라 초기, 중간, 후기 통합으로 나뉜다.19
또한, 통합의 방향성에 따라 수직적(Vertical), 수평적(Horizontal), 대각선적(Diagonal) 통합으로도 분류된다.7 수직적 통합은 동일한 샘플에서 얻은 서로 다른 오믹스 층위를 결합하는 것으로, 전사체와 단백체 사이의 조절 기전을 밝히는 데 가장 강력하다.7 수평적 통합은 서로 다른 샘플이나 코호트에서 얻은 동일한 오믹스 층위를 결합하여 분석의 통계적 유의성을 높이는 과정이다.7 가장 난이도가 높은 대각선 통합은 서로 다른 연구나 샘플에서 얻은 상이한 오믹스 데이터들을 공동 임베딩 공간으로 투사하여 공통의 생물학적 신호를 찾는 과정을 의미한다.7
인공지능과 머신러닝을 활용한 오믹스 해석
오믹스 데이터는 특징(Feature)의 수는 수만 개에 달하지만 샘플의 수는 상대적으로 적은 고차원 데이터의 특성을 지닌다.10 이러한 데이터의 복잡성을 해결하기 위해 인공지능(AI)과 머신러닝 기술이 적극적으로 도입되고 있다. 특히 변분 오토인코더(VAE)와 같은 딥러닝 모델은 데이터의 차원을 축소하면서도 중요한 생물학적 정보를 보존하는 공동 임베딩(Joint Embedding) 생성에 탁월한 성능을 보인다.20
AI 기반의 오믹스 분석은 질병의 하부 유형(Subtyping) 분류, 바이오마커 예측, 약물 저항성 모델링 등에서 혁신적인 성과를 거두고 있다.4 예를 들어, 전사체 데이터만을 활용할 경우 단백질 수준의 실제 활성도를 놓칠 수 있지만, AI는 여러 층위의 신호가 수렴하는 지점을 학습함으로써 보다 정확한 치료 표적을 식별해낸다.22 또한, 자연어 처리(NLP) 기술을 활용하여 구조화되지 않은 연구 문헌 데이터와 오믹스 수치 데이터를 결합하려는 시도도 활발히 진행 중이며, 이는 신약 개발 과정에서의 가설 수립 속도를 획기적으로 단축시키고 있다.7
정밀 의료와 임상에서의 오믹스 응용
오믹스 데이터의 궁극적인 목적은 환자 개인의 분자적 특성에 맞춘 정밀 의료를 실현하는 것이다. 특히 종양학 분야에서는 이미 오믹스 기반의 진단과 치료가 표준 치료 과정에 깊숙이 들어와 있다.
주요 암종에서의 바이오마커와 표적 치료 사례
약물 유전체학(Pharmacogenomics) 분야에서도 오믹스 데이터의 역할은 지대하다. 환자의 유전적 배경에 따라 약물의 대사 속도가 달라지는데, 예를 들어 CYP2C9 유전자의 변이는 당뇨병 치료제인 설포닐우레아의 대사에 영향을 미쳐 저혈당 위험을 높일 수 있다.27 이러한 정보를 사전에 파악함으로써 투여 용량을 최적화하고 부작용을 최소화하는 맞춤형 처방이 가능해진다.27 또한, 액체 생검(Liquid Biopsy) 기술을 통해 혈액 내 순환 종양 DNA(ctDNA)나 대사물을 모니터링함으로써 암의 조기 진단 및 재발 감시가 보다 용이해지고 있다.25
국가 주도의 바이오 빅데이터 구축 사업
전 세계적으로 수십만 명 이상의 참가자를 대상으로 하는 대규모 국가 바이오뱅크 프로젝트들이 정밀 의료의 핵심 자산으로 부상하고 있다. 이러한 프로젝트들은 오믹스 데이터와 임상 기록, 생활 습관 정보를 결합하여 인류 건강의 지도를 그려내고 있다.
글로벌 바이오뱅크 프로젝트 비교
한국의 국가 통합 바이오 빅데이터 구축 사업은 2024년부터 2032년까지 9년간 추진되는 범부처 프로젝트다.34 이 사업은 암, 희귀질환 환자뿐만 아니라 일반 국민을 포함한 100만 명의 데이터를 확보하여 정밀 의료 실현과 바이오 산업 혁신을 꾀하고 있다.35 2025년 하반기에는 누적 참여자가 10만 명을 돌파할 것으로 예상되며, 2026년부터는 연구자들에게 첫 데이터셋을 개방할 계획이다.37 특히 한국의 경우 병원 간 데이터 표준화와 정보 보안을 위해 '안심구역' 기반의 분석 환경을 제공하고 있으며, 참여자들에게는 자신의 데이터를 바탕으로 한 건강 보고서를 제공하는 등 혜택 공유 모델을 구축하고 있다.37
오믹스 데이터의 윤리적, 법적, 사회적 과제(ELSI)
오믹스 기술이 가져온 의학적 혜택 뒤에는 데이터 프라이버시와 윤리적 책임에 대한 중대한 과제들이 산재해 있다. 유전체 데이터는 개인을 식별할 수 있는 궁극적인 생물학적 식별자이기 때문에, 가명화 처리를 하더라도 다른 데이터와 결합될 경우 재식별될 위험이 상존한다.39
주요 윤리적 쟁점 및 대응 방향
1. 동의의 범위와 방식: 미래의 불확실한 연구에 대해 포괄적 동의를 받는 과정에서 연구 참여자가 자신의 정보가 어떻게 활용될지 충분히 인지하지 못할 가능성이 있다. 이를 해결하기 위해 단계별 동의 모델이나 주기적인 재동의 절차가 권고된다.33
2. 부수적 발견(Incidental Findings): 연구 과정에서 원래 목적과 무관하게 발견된 질병 위험 정보를 당사자에게 알려야 하는지에 대한 논란이 있다. 임상적 유의성이 명확한 경우에 한해 정보를 제공하는 가이드라인이 마련되고 있다.37
3. 유전적 차별 및 스티그마: 특정 유전적 소인이 보험 가입 거부나 고용 차별로 이어질 가능성이 있으며, 특정 행동 특성과 연결된 마커가 사회적 낙인을 찍는 도구가 될 위험이 있다. 이를 방지하기 위한 강력한 법적 보호 장치(예: GINA법 유사 입법)가 필요하다.39
4. 데이터 소유권과 상업적 이익 공유: 기증된 데이터를 바탕으로 제약사가 막대한 이익을 창출할 때, 그 혜택이 데이터 기증자나 공익적 목적으로 환원되어야 한다는 목소리가 높다.33
한국은 개인정보 보호법과 생명윤리 및 안전에 관한 법률을 통해 오믹스 데이터의 안전한 활용을 규제하고 있다.30 특히 보건의료 데이터 활용 가이드라인을 통해 가명 정보 처리 절차를 구체화하고 있으며, 다기관 연구 시 데이터 심의를 간소화하기 위한 공용 기관생명윤리위원회(공용IRB) 제도를 운영하여 연구의 효율성과 윤리성을 동시에 확보하려 노력하고 있다.42
미래 전망: 공간 오믹스와 디지털 트윈의 시대
오믹스 기술의 미래는 단순한 측정값의 나열을 넘어 생명체의 시공간적 맥락을 완벽히 재현하는 방향으로 나아가고 있다.
공간 오믹스(Spatial Omics) 기술은 세포가 조직 내에서 어디에 위치해 있는지를 파악한 상태에서 분자 정보를 측정함으로써, 세포 간 상호작용과 미세환경의 구조를 밝히는 데 혁신을 일으키고 있다.3 이는 특히 면역 항암제 반응성을 예측하거나 복잡한 뇌 신경망의 구조를 이해하는 데 핵심적인 역할을 할 것이다.28
또한, 오믹스 데이터와 AI 모델을 결합한 디지털 트윈(Digital Twin) 기술은 가상 공간에 환자의 생물학적 복제 모델을 구축하여, 실제 약물을 투여하기 전에 최적의 치료 전략을 시뮬레이션하는 환경을 제공할 것으로 기대된다.23 실시간 대사체 모니터링과 결합된 웨어러블 오믹스 기술은 질병이 발생하기 전 미세한 분자 변화를 감지하여 조기 개입을 가능케 함으로써, 치료 중심의 의료 체계를 예방과 관리 중심으로 근본적으로 변화시킬 것이다.47
결론적으로, 오믹스 데이터는 현대 바이오·의료 산업의 가장 핵심적인 원천 데이터이며, 이를 어떻게 체계적으로 관리하고 통합적으로 해석하느냐가 국가적 의료 주권과 산업 경쟁력을 결정짓는 척도가 될 것이다. 기술적 한계와 윤리적 과제를 극복하며 나아가는 오믹스 연구의 진보는 인류가 질병의 고통에서 벗어나 건강한 장수를 누리는 시대를 앞당기는 결정적인 동력이 될 것이다.44
참고 자료
1. Integrating Molecular Perspectives: Strategies for Comprehensive Multi-Omics Integrative Data Analysis and Machine Learning Applications in Transcriptomics, Proteomics, and Metabolomics - MDPI, 3월 31, 2026에 액세스, https://www.mdpi.com/2079-7737/13/11/848
2. Applications of Omics Technologies in Medicine - World Scholars Review, 3월 31, 2026에 액세스, https://www.worldscholarsreview.org/article/applications-of-omics-technologies-in-medicine
3. Chapter 1 — Introduction to Multiomics - Metabolon, 3월 31, 2026에 액세스, https://www.metabolon.com/multiomics-guide/introduction-to-multiomics/
4. Multi-omics Data Integration, Interpretation, and Its Application - PMC, 3월 31, 2026에 액세스, https://pmc.ncbi.nlm.nih.gov/articles/PMC7003173/
5. Omics-Based Clinical Discovery: Science, Technology, and Applications - NCBI - NIH, 3월 31, 2026에 액세스, https://www.ncbi.nlm.nih.gov/books/NBK202165/
6. 'Omics' Sciences: Genomics, Proteomics, and Metabolomics | ISAAA.org, 3월 31, 2026에 액세스, https://www.isaaa.org/resources/publications/pocketk/15/default.asp
7. A Guide to Multi-omics Integration Strategies - Front Line Genomics, 3월 31, 2026에 액세스, https://frontlinegenomics.com/a-guide-to-multi-omics-integration-strategies/
8. The Power of Multi-Omics: Understanding the Omes - Front Line Genomics, 3월 31, 2026에 액세스, https://frontlinegenomics.com/the-power-of-multi-omics-understanding-the-omes/
9. Genome Analysis Toolkit - GATK, 3월 31, 2026에 액세스, https://gatk.broadinstitute.org/hc/en-us
10. Challenges and Opportunities in Multi-Omics Data Acquisition and Analysis: Toward Integrative Solutions - MDPI, 3월 31, 2026에 액세스, https://www.mdpi.com/2218-273X/16/2/271
11. Essential Genomic File Formats for Beginners: FASTA, FASTQ, SAM/BAM, and VCF Explained - YouTube, 3월 31, 2026에 액세스, https://www.youtube.com/watch?v=BaVBesblyxw
12. Standardizing Proteomics Data Formats for Enhanced Laboratory Data Interchange, 3월 31, 2026에 액세스, https://www.technologynetworks.com/proteomics/articles/standardizing-proteomics-data-formats-for-enhanced-laboratory-data-interchange-409340
13. Overview of different data formats - FutureLearn, 3월 31, 2026에 액세스, https://www.futurelearn.com/info/courses/making-sense-of-genomic-data-covid-19-web-based-bioinformatics/0/steps/319350
14. Common File Formats in Bioinformatics - GeneBe documentation, 3월 31, 2026에 액세스, https://docs.genebe.net/docs/handbook/file-formats/
15. Sequence File Formats | FASTQ & BCL formats for Illumina sequencing, 3월 31, 2026에 액세스, https://www.illumina.com/informatics/sequencing-data-analysis/sequence-file-formats.html
16. Mass spectrometry data format - Wikipedia, 3월 31, 2026에 액세스, https://en.wikipedia.org/wiki/Mass_spectrometry_data_format
17. File Formats Commonly Used in Mass Spectrometry Proteomics - PMC - NIH, 3월 31, 2026에 액세스, https://pmc.ncbi.nlm.nih.gov/articles/PMC3518119/
18. eDNA Study Data Templates - NOAA Omics Data Management Guide, 3월 31, 2026에 액세스, https://noaa-omics-dmg.readthedocs.io/en/latest/study-data-templates.html
19. In Depth Guide to Integrating Multi-Omics Data for Precision Medicine - Lifebit, 3월 31, 2026에 액세스, https://lifebit.ai/blog/integrating-multi-modal-genomic-and-multi-omics-data-for-precision-medicine/
20. technical review of multi-omics data integration methods: from classical statistical to deep generative approaches | Briefings in Bioinformatics | Oxford Academic, 3월 31, 2026에 액세스, https://academic.oup.com/bib/article/26/4/bbaf355/8220754
21. Omix - A Multi-Omics Integration Pipeline, 3월 31, 2026에 액세스, https://eleonore-schneeg.github.io/Omix/
22. Making Data Work: How AI and Multi-Omics Integration Are Reshaping Drug Discovery, 3월 31, 2026에 액세스, https://ai.northeastern.edu/news/making-data-work
23. Developing a Comprehensive Strategy for Implementing AI & Multi-Omics for Translational Research - Precision for Medicine, 3월 31, 2026에 액세스, https://www.precisionformedicine.com/blog/developing-a-comprehensive-strategy-for-implementing-ai-multi-omics-for-translational-research
24. Global AI in Omics Studies Market Size & Share Report, 2035 - Roots Analysis, 3월 31, 2026에 액세스, https://www.rootsanalysis.com/reports/ai-in-omics-studies-market.html
25. Biomarker Analysis in Drug Development: Boosting Precision Medicine - Blog, 3월 31, 2026에 액세스, https://blog.crownbio.com/biomarker-analysis-drug-development-precision-medicine
26. Maximizing Research Efficiency: Leveraging 'Omics Data to Accelerate Preclinical Oncology Drug Discovery and Development - Blog, 3월 31, 2026에 액세스, https://blog.crownbio.com/maximizing-research-efficiency-leveraging-omics-data-to-accelerate-preclinical-oncology
27. Revolutionizing Personalized Medicine: Synergy with Multi-Omics Data Generation, Main Hurdles, and Future Perspectives - PMC, 3월 31, 2026에 액세스, https://pmc.ncbi.nlm.nih.gov/articles/PMC11673561/
28. Lost in Translation: Turning Multi-omic Chaos into Clinical Clarity - Precision for Medicine, 3월 31, 2026에 액세스, https://www.precisionformedicine.com/blog/lost-in-translation-turning-multi-omics-chaos-into-clinical-clarity
29. Confidential health records from UK BioBank project exposed online - The Guardian, 3월 31, 2026에 액세스, https://www.theguardian.com/science/2026/mar/14/confidential-health-records-exposed-online-uk-biobank
30. (PDF) Korea's Bio Big Data Project: Importance and Challenges of Governance and Data Utilization - ResearchGate, 3월 31, 2026에 액세스, https://www.researchgate.net/publication/394618419_Korea's_Bio_Big_Data_Project_Importance_and_Challenges_of_Governance_and_Data_Utilization
31. Precision Medicine in 2030 – seven ways to transform healthcare - PMC, 3월 31, 2026에 액세스, https://pmc.ncbi.nlm.nih.gov/articles/PMC9616629/
32. Exclusive: South Korea's Bio Big Data Project Lags at 38% of 2023 Target, 3월 31, 2026에 액세스, https://www.chosun.com/english/industry-en/2025/10/25/ADG3BHHEJNGUNPOKL5OGDGNBUQ/
33. Conditional trust as a driver of public engagement in Korea's national project of bio-big data, 3월 31, 2026에 액세스, https://www.frontiersin.org/journals/genetics/articles/10.3389/fgene.2025.1713598/full
34. 목표 < 사업 소개 - 국가통합바이오빅데이터, 3월 31, 2026에 액세스, http://www.biobigdata.kr/menu?menuId=MENU002010300000000&siteId=SITE00002
35. National Bio Big Data Project | SNUH Rare Disease Center, 3월 31, 2026에 액세스, https://raredisease.snuh.org/en/main-projects/national-bio-big-data-project/
36. 국가 통합 바이오 빅데이터 구축 사업 안내서, 3월 31, 2026에 액세스, https://grant-documents.thevc.kr/241486_%EA%B5%AD%EA%B0%80%ED%86%B5%ED%95%A9%EB%B0%94%EC%9D%B4%EC%98%A4%EB%B9%85%EB%8D%B0%EC%9D%B4%ED%84%B0%EA%B5%AC%EC%B6%95+%EC%82%AC%EC%97%85%EC%95%88%EB%82%B4%EC%84%9C(%EC%95%88)_241114+%EA%B8%B0%EC%A4%80.pdf
37. 국가바이오빅데이터 10만 넘어…2026년 첫 개방 추진 - 전자신문, 3월 31, 2026에 액세스, https://www.etnews.com/20251201000326
38. 복지부 보건의료데이터 활용 가이드라인 개정 (2024.01.31) - Soo-Yong SHIN, 3월 31, 2026에 액세스, https://sooyongshin.wordpress.com/2024/02/04/%EB%B3%B5%EC%A7%80%EB%B6%80-%EB%B3%B4%EA%B1%B4%EC%9D%98%EB%A3%8C%EB%8D%B0%EC%9D%B4%ED%84%B0-%ED%99%9C%EC%9A%A9-%EA%B0%80%EC%9D%B4%EB%93%9C%EB%9D%BC%EC%9D%B8-%EA%B0%9C%EC%A0%95-2024-01-31/
39. (PDF) Navigating Ethical Challenges of Multi-Omics and Electronic Health Records in Healthcare - ResearchGate, 3월 31, 2026에 액세스, https://www.researchgate.net/publication/395659785_Navigating_Ethical_Challenges_of_Multi-Omics_and_Electronic_Health_Records_in_Healthcare
40. Overcome Ethical Challenges with a Genomics Research LIMS - CloudLIMS, 3월 31, 2026에 액세스, https://cloudlims.com/overcome-ethical-challenges-with-a-genomics-research-lims/
41. 보건의료 데이터 활용 가이드라인, 3월 31, 2026에 액세스, https://www.khis.kr/boardDownload.es?bid=0001&list_no=71&seq=1
42. 현장 의견 수렴을 통해 「보건의료데이터 활용 가이드라인」 개정 - 대한민국 정책브리핑, 3월 31, 2026에 액세스, https://www.korea.kr/common/docViewer.do?fileId=198316005&tblKey=GMN
43. 공무국외출장결과보고서 요약 - 질병관리청, 3월 31, 2026에 액세스, https://www.kdca.go.kr/bbs/kdca/66/262413/download.do
44. The Role of Multi-Omics in Precision Medicine: A Transformative Approach to Healthcare, 3월 31, 2026에 액세스, https://www.encora.com/interface/the-role-of-multi-omics-in-precision-medicine-a-transformative-approach-to-healthcare
45. NextGen Omics, Tech & Data 2026, 3월 31, 2026에 액세스, https://oxfordglobal.com/precision-medicine/events/nextgen-omics
46. Navigating Challenges and Opportunities in Multi-Omics Integration ..., 3월 31, 2026에 액세스, https://pmc.ncbi.nlm.nih.gov/articles/PMC11274472/
47. Integrated Multi-Omic Data: Powering Precision Medicine | Applied Clinical Trials Online, 3월 31, 2026에 액세스, https://www.appliedclinicaltrialsonline.com/view/multi-omic-data-precision-medicine
48. What's New In The OMICS World? Key Research Trends Shaping The Future Of Life Sciences - CPGR, 3월 31, 2026에 액세스, https://www.cpgr.org.za/whats-new-in-the-omics-world-key-research-trends-shaping-the-future-of-life-sciences/
49. How multiomics can be used to improve healthcare - Roche Diagnostics, 3월 31, 2026에 액세스, https://diagnostics.roche.com/global/en/healthcare-transformers/article/how-multiomics-can-improve-healthcare.html
50. Artificial Intelligence Drives Advances in Multi-Omics Analysis and Precision Medicine for Sepsis - PMC - NIH, 3월 31, 2026에 액세스, https://pmc.ncbi.nlm.nih.gov/articles/PMC12937605/