약물에 영향을 받는 세포의 내부 역학을 식별하는 것은 약물에 의한 반응을 이해하고 효과적인 치료법을 개발하기위해 필수적이다. 비록 약물 반응에 의해 발생한 세포내 생성물은 관측이 가능하지만, 발생 이전의 모든 과정을 즉각적으로 관측하기에는 한계가 있다. 발생 이전의 모든 과정을 하나의 지연과정으로 고려하고 적당한 확률과정모델을 설정할 수 있으나, 결과적으로 비-마르코프 특징을 가지는 시스템에서의 시스템 특징들을 추론해야 한다. 이를 해결하기 위해, 딥러닝기반의 비-마르코프 프로세스의 시스템 역학을 추론하는 모델을 개발하였다. 특히 항생제에 반응하는 촉진제의 단세포 발현 프로파일에 딥러닝 모델을 적용했고 항생제 반응에 의한 세포 간 변동성의 주요 원천인 신호 캐스케이드를 시각화 하였다.
약물에 영향을 받는 세포의 내부 역학을 식별하는 것은 약물에 의한 반응을 이해하고 효과적인 치료법을 개발하기위해 필수적이다. 비록 약물 반응에 의해 발생한 세포내 생성물은 관측이 가능하지만, 발생 이전의 모든 과정을 즉각적으로 관측하기에는 한계가 있다. 발생 이전의 모든 과정을 하나의 지연과정으로 고려하고 적당한 확률과정모델을 설정할 수 있으나, 결과적으로 비-마르코프 특징을 가지는 시스템에서의 시스템 특징들을 추론해야 한다. 이를 해결하기 위해, 딥러닝기반의 비-마르코프 프로세스의 시스템 역학을 추론하는 모델을 개발하였다. 특히 항생제에 반응하는 촉진제의 단세포 발현 프로파일에 딥러닝 모델을 적용했고 항생제 반응에 의한 세포 간 변동성의 주요 원천인 신호 캐스케이드를 시각화 하였다.