สาขาวิจัย

12 สาขาวิจัยหลักที่ขับเคลื่อนนวัตกรรมด้านชีวสารสนเทศและชีววิทยาเชิงคำนวณ

12 สาขาวิจัย 5 ด้านการประยุกต์ 44+ คณาจารย์

สาขาวิจัยหลัก

หลักสูตรผสานความเชี่ยวชาญด้านการคำนวณและชีววิทยาใน 12 สาขาวิจัยเฉพาะทาง เพื่อให้นักศึกษาสามารถทำวิจัยล้ำสมัยในสาขาที่ตนสนใจ

การวิเคราะห์ลำดับและจีโนมิกส์

แนวทางการคำนวณที่ครอบคลุมสำหรับการวิเคราะห์ลำดับ DNA, RNA และโปรตีน รวมถึงการจัดลำดับจีโนมทั้งหมด การตรวจหาตัวแปร และการเปรียบเทียบจีโนม

ภาพรวม

การวิเคราะห์ลำดับและจีโนมิกส์ครอบคลุมวิธีการคำนวณที่ใช้ในการวิเคราะห์ลำดับชีวภาพในปริมาณมาก สาขาวิจัยนี้ครอบคลุมตั้งแต่การประมวลผลข้อมูลจัดลำดับดิบไปจนถึงการศึกษาจีโนมิกส์เปรียบเทียบระดับสูง

หัวข้อหลัก

การจัดลำดับและประกอบจีโนมทั้งหมด
การตรวจหา SNP/indel และการเรียก variant
การอธิบายจีโนมและการทำนายองค์ประกอบเชิงหน้าที่
การเปรียบเทียบจีโนมและการวิเคราะห์ synteny
การจัดลำดับแบบ long-read (PacBio, Oxford Nanopore)
จีโนมิกส์ประชากร

การประยุกต์ใช้

การค้นพบตัวแปรที่เกี่ยวข้องกับโรค
การปรับปรุงจีโนมพืชผล
การศึกษา phylogenomics
การแพทย์เฉพาะบุคคล

ชีวสารสนเทศเชิงโครงสร้าง

การทำนาย วิเคราะห์ และจำลองโครงสร้างสามมิติของโปรตีนและ RNA เพื่อทำความเข้าใจหน้าที่ของโมเลกุล ปฏิกิริยาโต้ตอบ และเป้าหมายยา

ภาพรวม

ชีวสารสนเทศเชิงโครงสร้างเชื่อมโยงวิธีการคำนวณกับชีววิทยาโมเลกุลเพื่อทำความเข้าใจว่ารูปร่างสามมิติของ biomacromolecule กำหนดหน้าที่ของมันอย่างไร

หัวข้อหลัก

การทำนายโครงสร้างโปรตีน (Homology modeling, AlphaFold)
การจำลองพลศาสตร์โมเลกุล (MD simulation)
การ docking ระหว่างโปรตีน-ลิแกนด์ และโปรตีน-โปรตีน
การทำนายโครงสร้าง RNA
การจำลองแบบ coarse-grained และ all-atom
การวิเคราะห์ความสัมพันธ์โครงสร้าง-หน้าที่

การประยุกต์ใช้

การระบุเป้าหมายยา
การทำความเข้าใจกลไกช่องไอออน
การวิศวกรรมเอนไซม์
การออกแบบวัคซีน

ชีววิทยาระบบและเครือข่าย

การสร้างแบบจำลองทางคณิตศาสตร์และการคำนวณของเครือข่ายและเส้นทางชีววิทยา เพื่อทำความเข้าใจพฤติกรรมเซลล์ที่ซับซ้อนและคุณสมบัติระบบที่ปรากฏขึ้น

ภาพรวม

ชีววิทยาระบบผสานข้อมูลเชิงทดลองกับแบบจำลองการคำนวณเพื่อทำความเข้าใจว่าองค์ประกอบชีววิทยาโต้ตอบกันในระดับระบบอย่างไร การวิเคราะห์เครือข่ายช่วยให้เห็นว่ายีน โปรตีน และเมตาบอไลต์เชื่อมต่อกันเชิงหน้าที่อย่างไร

หัวข้อหลัก

การสร้างแบบจำลองเครือข่ายควบคุมยีน
เครือข่ายปฏิสัมพันธ์โปรตีน-โปรตีน (PPI)
การวิเคราะห์สมดุลฟลักซ์เมตาบอลิก (FBA)
การสร้างแบบจำลองเส้นทางส่งสัญญาณ
โทโพโลยีเครือข่ายและการวิเคราะห์ hub gene
การบูรณาการข้อมูล multi-omics

การประยุกต์ใช้

การระบุเป้าหมายยาในเครือข่ายโรค
วิศวกรรมเมตาบอลิก
การทำความเข้าใจการดื้อยาปฏิชีวนะ
การค้นพบ biomarker ระดับระบบ

เมตาจีโนมิกส์และความหลากหลายจุลินทรีย์

การวิเคราะห์ชุมชนจุลินทรีย์จากตัวอย่างสิ่งแวดล้อมหรือทางคลินิก โดยใช้การ profiling ของ 16S rRNA และการจัดลำดับ whole-metagenome shotgun

ภาพรวม

เมตาจีโนมิกส์ช่วยให้สามารถศึกษาชุมชนจุลินทรีย์ทั้งหมดโดยไม่ต้องเพาะเลี้ยงแยกรายตัว สาขาวิจัยนี้ครอบคลุม pipeline การคำนวณและวิธีการทางสถิติที่จำเป็นสำหรับการจำแนกความหลากหลายและหน้าที่ของจุลินทรีย์

หัวข้อหลัก

การจัดลำดับ 16S rRNA amplicon และการวิเคราะห์ OTU/ASV
การจัดลำดับ whole-metagenome shotgun
ดัชนีความหลากหลายไมโครไบโอม (alpha/beta diversity)
การ profiling ยีนเชิงหน้าที่และการวิเคราะห์เส้นทาง
การวิเคราะห์ปฏิสัมพันธ์ระหว่างโฮสต์และไมโครไบโอม
การประกอบ metagenome แบบ long-read

การประยุกต์ใช้

ไมโครไบโอมในลำไส้และสุขภาพมนุษย์
การตรวจสอบสิ่งแวดล้อม
ระบาดวิทยาโรคติดเชื้อ
การศึกษาไมโครไบโอมในดินเกษตรกรรม

ทรานสคริปโตมิกส์และการแสดงออกของยีน

การวิเคราะห์เชิงคำนวณของข้อมูล RNA sequencing เพื่อวัดปริมาณการแสดงออกของยีน ระบุยีนที่แสดงออกแตกต่าง และจำแนกลักษณะทรานสคริปโตม

ภาพรวม

ทรานสคริปโตมิกส์ให้ภาพรวมของยีนที่ทำงานอยู่ในเซลล์หรือเนื้อเยื่อ ณ เวลาหนึ่ง การวิเคราะห์เชิงคำนวณของข้อมูล RNA-seq ช่วยค้นพบรูปแบบการแสดงออก กลไกการควบคุม และการเปลี่ยนแปลงที่เกี่ยวข้องกับโรค

หัวข้อหลัก

การวิเคราะห์ bulk RNA-seq และการแสดงออกที่แตกต่างกัน
การวิเคราะห์ alternative splicing
การจำแนกลักษณะ long non-coding RNA (lncRNA)
การวิเคราะห์การปรับแต่ง RNA (m6A, Nanopore-based)
การคัดกรองเชิงหน้าที่ด้วย CRISPR พร้อมการอ่านค่า transcriptomic
Oxford Nanopore direct RNA sequencing

การประยุกต์ใช้

การค้นพบ biomarker ของโรค
การ profiling การตอบสนองต่อยา
ชีววิทยาการพัฒนา
การตอบสนองต่อความเครียดในพืชและจุลินทรีย์

โปรตีโอมิกส์และเมตาบอโลมิกส์

แนวทางการคำนวณด้วย mass spectrometry สำหรับการระบุ วัดปริมาณ และจำแนกหน้าที่ของโปรตีนและเมตาบอไลต์ขนาดใหญ่

ภาพรวม

โปรตีโอมิกส์และเมตาบอโลมิกส์เป็นส่วนเสริมของจีโนมิกส์โดยวัดโมเลกุลเชิงหน้าที่ในเซลล์โดยตรง การวิเคราะห์เชิงคำนวณของข้อมูล mass spectrometry ช่วยระบุและวัดปริมาณโปรตีนและเมตาบอไลต์นับพันรายการพร้อมกัน

หัวข้อหลัก

การค้นหาฐานข้อมูลและการจัดลำดับเปปไทด์แบบ de novo
การวัดปริมาณแบบ label-free และ isotope-labeled
การวิเคราะห์การปรับแต่งหลังการแปลรหัส (PTM)
การระบุเมตาบอไลต์และการ mapping เส้นทาง
การบูรณาการข้อมูล multi-omics (proteome + metabolome)
Structural proteomics (cross-linking MS)

การประยุกต์ใช้

การค้นพบ biomarker ของโรค
กลไกการออกฤทธิ์ของยา
การ profiling เมตาบอไลต์รองของพืช
การวินิจฉัยทางคลินิก

การเรียนรู้ของเครื่องในชีววิทยา

การประยุกต์ใช้ deep learning เครือข่ายประสาทเทียม โมเดลกราฟ และวิธี AI เพื่อทำนายคุณสมบัติทางชีววิทยา จำแนกโรค และค้นหารูปแบบในข้อมูล omics

ภาพรวม

การเรียนรู้ของเครื่องได้เปลี่ยนแปลงชีวสารสนเทศโดยช่วยให้สามารถจดจำรูปแบบในข้อมูลชีววิทยามิติสูง โมเดล deep learning สามารถทำนายหน้าที่ของโปรตีน จำแนกประเภทย่อยของมะเร็ง และระบุองค์ประกอบควบคุมได้อย่างแม่นยำ

หัวข้อหลัก

Deep learning สำหรับการจำแนกลำดับ (CNN, RNN, Transformer)
Graph neural networks สำหรับเครือข่ายทางชีววิทยา
Generative models สำหรับการออกแบบโปรตีน
Ensemble methods สำหรับการทำนายทางคลินิก
การคัดเลือก feature ในข้อมูล omics มิติสูง
Explainable AI (XAI) สำหรับข้อมูลเชิงลึกทางชีววิทยา

การประยุกต์ใช้

การทำนายโครงสร้างและหน้าที่ของโปรตีน
การจำแนกประเภทย่อยของมะเร็ง
การทำนายการตอบสนองต่อยา
การระบุองค์ประกอบควบคุมยีน
การวินิจฉัยโรคหายาก

การค้นพบยาเชิงคำนวณ

วิธี in silico สำหรับการระบุ คัดกรอง และปรับปรุงสารตัวยา รวมถึง virtual screening, QSAR modeling และ pharmacogenomics

ภาพรวม

การค้นพบยาเชิงคำนวณเร่งกระบวนการระบุสารตัวยาโดยใช้การจำลอง แบบจำลองทางสถิติ และฐานข้อมูลเพื่อจัดลำดับความสำคัญของสารประกอบก่อนการทดสอบเชิงทดลอง

หัวข้อหลัก

Virtual screening และ molecular docking
การสร้างแบบจำลอง QSAR (quantitative structure-activity relationship)
การสร้างแบบจำลอง pharmacophore
การทำนายปฏิสัมพันธ์ระหว่างยาและเป้าหมาย
การทำนายคุณสมบัติ ADMET (การดูดซึม การกระจาย การเมตาบอลิซึม การขับถ่าย ความเป็นพิษ)
การนำยาที่ได้รับอนุมัติมาใช้ในข้อบ่งชี้ใหม่

การประยุกต์ใช้

การออกแบบยาต้านเชื้อแบคทีเรียและไวรัส
การพัฒนาสารยับยั้ง kinase
การค้นพบยาจากผลิตภัณฑ์ธรรมชาติ
การระบุเป้าหมายสำหรับ precision oncology

ชีวสารสนเทศทางการแพทย์และคลินิก

การประยุกต์ใช้ชีวสารสนเทศกับจีโนมิกส์ทางคลินิก การวินิจฉัยโรคหายาก การศึกษา genome-wide association และการแพทย์เฉพาะบุคคล

ภาพรวม

ชีวสารสนเทศทางการแพทย์แปลวิธีการจีโนมิกส์เชิงคำนวณสู่การปฏิบัติทางคลินิก ครอบคลุมการวิเคราะห์จีโนมผู้ป่วย การค้นพบตัวแปรที่ก่อโรค และการพัฒนาเครื่องมือสำหรับการแพทย์เฉพาะบุคคล

หัวข้อหลัก

การศึกษา genome-wide association (GWAS)
การตีความตัวแปรโรคหายาก
Pipeline NGS สำหรับงานคลินิก
Pharmacogenomics และการทำนายการตอบสนองต่อยา
จีโนมิกส์มะเร็ง (การวิเคราะห์การกลายพันธุ์ somatic, copy number variation)
การบูรณาการข้อมูลประวัติสุขภาพอิเล็กทรอนิกส์ (EHR)

การประยุกต์ใช้

การวินิจฉัยโรคหายากและโรคทางพันธุกรรม
จีโนมิกส์เนื้องอกและการรักษาแบบ targeted
จีโนมิกส์สุขภาพประชากร
การทำนายความปลอดภัยและประสิทธิผลของยา

ชีวสารสนเทศเชิงวิวัฒนาการ

การสร้างใหม่เชิงคำนวณของความสัมพันธ์เชิงวิวัฒนาการผ่าน molecular phylogenetics, phylogenomics และการวิเคราะห์ molecular evolution

ภาพรวม

ชีวสารสนเทศเชิงวิวัฒนาการใช้ข้อมูลลำดับโมเลกุลเพื่อสร้างประวัติของสิ่งมีชีวิต ทำความเข้าใจวิวัฒนาการของยีน และอนุมานสถานะบรรพบุรุษ วิธีเหล่านี้เป็นพื้นฐานของจีโนมิกส์เปรียบเทียบ ระบาดวิทยาไวรัส และการวิจัยความหลากหลายทางชีวภาพ

หัวข้อหลัก

วิธีการจัดเรียงลำดับ multiple sequence
การสร้างต้นไม้วิวัฒนาการ (maximum likelihood, Bayesian)
แบบจำลอง molecular clock
Phylogenomics (phylogenetics ระดับจีโนม)
การตรวจจับ positive selection
พันธุศาสตร์ประชากรและการอนุมานทางประชากรศาสตร์

การประยุกต์ใช้

การติดตามการระบาดของไวรัสและระบาดวิทยา
ชีววิทยาการอนุรักษ์และความหลากหลายทางชีวภาพ
วิวัฒนาการหน้าที่ของโปรตีน
การวิวัฒนาการร่วมของโฮสต์และเชื้อก่อโรค

Single-Cell Omics

วิธีการคำนวณสำหรับการวิเคราะห์ข้อมูล single-cell RNA sequencing และ multi-omics เพื่อแก้ความหลากหลายของเซลล์ ระบุประเภทเซลล์ และศึกษาวิถีการพัฒนา

ภาพรวม

เทคโนโลยี single-cell ได้เปลี่ยนแปลงชีววิทยาโดยช่วยให้สามารถวัดการแสดงออกของยีน การเข้าถึง chromatin และคุณลักษณะโมเลกุลอื่น ๆ ในเซลล์แต่ละเซลล์ได้ การวิเคราะห์เชิงคำนวณมีความสำคัญอย่างยิ่งในการดึงข้อมูลชีววิทยาที่มีความหมายจากชุดข้อมูลมิติสูงและกระจัดกระจายเหล่านี้

หัวข้อหลัก

การควบคุมคุณภาพ การปรับมาตรฐาน และการจัดกลุ่ม scRNA-seq
การอธิบายประเภทเซลล์และการระบุ marker gene
การวิเคราะห์ pseudotime และวิถีพัฒนาการ
การอนุมานการสื่อสารระหว่างเซลล์
การวิเคราะห์ข้อมูล spatial transcriptomics
การบูรณาการข้อมูล single-cell multi-modal (CITE-seq, ATAC-seq)

การประยุกต์ใช้

การจำแนกลักษณะสภาพแวดล้อมจุลภาคของเนื้องอก
ชีววิทยาการพัฒนาและการติดตามเชื้อสาย
การ profiling เซลล์ภูมิคุ้มกัน
ความหลากหลายในการตอบสนองต่อยา

ชีวสารสนเทศทางการเกษตรและพืช

การวิเคราะห์เชิงคำนวณของจีโนม ทรานสคริปโตม และเมตาบอโลมของพืช เพื่อสนับสนุนการปรับปรุงพืชผล ความทนทานต่อความเครียด และการศึกษา phytonutrients และสารชีวออกฤทธิ์

ภาพรวม

ชีวสารสนเทศทางการเกษตรและพืชประยุกต์วิธีการคำนวณเพื่อทำความเข้าใจชีววิทยาพืชในระดับโมเลกุล สนับสนุนความพยายามในการพัฒนาพืชผลที่มีผลผลิตสูงและทนทานกว่า รวมถึงการค้นพบสารชีวออกฤทธิ์จากพืช

หัวข้อหลัก

การประกอบ การอธิบาย และ pan-genomics ของพืชผล
ทรานสคริปโตมิกส์การตอบสนองต่อความเครียด (ภัยแล้ง ความเค็ม ความร้อน)
การ profiling phytonutrient และเมตาบอไลต์รอง
การออกแบบเป้าหมาย genome editing ด้วย CRISPR-Cas
การ mapping quantitative trait loci (QTL)
การวิศวกรรม cyanobacteria เพื่อผลิตสารชีวออกฤทธิ์จากพืช

การประยุกต์ใช้

พันธุ์พืชที่ทนทานต่อภัยแล้งและโรค
การเพิ่มคุณค่าทางโภชนาการในพืชอาหาร
การปรับปรุงการสังเคราะห์แป้งมันสำปะหลัง
การค้นพบ antimicrobial peptide ในข้าว

การประยุกต์ใช้งานวิจัย

สาขาวิจัยเหล่านี้สร้างผลกระทบจริงใน 5 ด้านหลัก

เวชศาสตร์แม่นยำ

พัฒนายาใหม่

เทคโนโลยีชีวภาพเกษตร

ติดตามสิ่งแวดล้อม

ควบคุมโรคติดเชื้อ

บุคลากรวิจัย

พบกับคณาจารย์และนักวิจัยกว่า 44 ท่าน

ดูทีมของเรา →

เข้าร่วมหลักสูตร

เรียนรู้เกี่ยวกับการรับสมัครปริญญาโทและเอก

สมัครเลย →