earticle

영어

This study proposes an AI-driven single-cell RNA-seq (scRNA-seq) analysis pipeline designed for undergraduate students and novice researchers in chemical and biological engineering, and validates its educational effectiveness through real-world data application. Utilizing public non-small cell lung cancer (NSCLC) datasets, a modularized hands-on curriculum was constructed, covering the entire workflow from preprocessing and dimensionality reduction to clustering and cell-cell interaction analysis, enabling learners to proactively lead the research process. The case study results demonstrated that learners successfully conducted advanced analyses, such as identifying non-canonical immune regulatory axes including LIPA-RORA and CD55-ADGRE5. Furthermore, they redefined unclassified "Other_Unknown" cell populations into functional B-like and T/NK-like subtypes through meta-lineage analysis. These findings suggest that the proposed pipeline effectively cultivates data inquiry and problem-solving competencies by encouraging students to establish and verify hypotheses based on complex biological data, transcending simple code replication.

한국어

본 연구는 화학생명공학 계열 학부생 및 초심 연구자를 위한 AI 기반 단일세포 RNA-seq(scRNA-seq) 분석 교육 파이프라인을 제안하고, 실제 데이터를 적용하여 그 교육적 유효성을 검증하였다. 비소세포폐암(NSCLC) 공개 데이터를 활용하여 전처리, 차원 축소, 군집화 및 상호작용 분석에 이르는 전 과정을 학습자가 주도적으로 수행할 수 있도록 모듈화된 실습 과정을 구축하였다. 사례 연구 결과, 학습자들은 LIPA-RORA 및 CD55-ADGRE5와 같은 비정형 면역 조절 축을 새롭게 규명하였으며, 기존 자동 주석 단계에서 분류되지 않았던 미분류(Other_Unknown) 세포군을 메타 계통 분석을 통해 B-like 및 T/NK-like 아형으로 재정의하는 심화 분석을 성공적으로 수행하였다. 이러한 과정은 학습자가 단순히 코드를 복제하는 수준을 넘어, 데이터 중심의 사고를 통해 스스로 가설을 설정하고 검증하는 연구 역량을 함양하는 데 효과적임을 입증하였다. 본 연구는 실제 임상 데이터를 활용한 실무 중심의 AI 융합 교육 프레임워크를 제시함으로써, 이론과 실무를 겸비한 AI 바이오 인재 양성을 위한 구체적인 교육 모델을 확립했다는 점에서 중요한 의의를 갖는다.