Hakbae Lee
Yonsei University · 数学
研究室紹介
Professor Hakbae Lee's research lab specializes in regenerative medicine and cardiovascular repair, with a primary focus on enhancing the therapeutic efficacy of mesenchymal stem cells (MSCs) for myocardial injury. The lab investigates genetic engineering strategies—such as overexpression of FGF-2 and tissue transglutaminase (tTG)—to improve MSC survival, adhesion, and differentiation post-transplantation. Additionally, the lab explores the role of gut microbiota in neurological disorders, particularly migraine, indicating an expanding interest in host-microbiome interactions. The integration of advanced statistical methods, such as graphical regression for high-dimensional data analysis, further supports the lab’s multidisciplinary approach to biomedical data and stem cell therapy.
Research Overview
Research Output Trend
Figures are computed from collected data and may differ slightly.
Selected Papers
15Bone marrow mesenchymal stem cells (MSCs) have shown potential for cardiac repair following myocardial injury, but this approach is limited by their poor viability after transplantation. To reduce cell loss after transplantation, we introduced the fibroblast growth factor-2 (FGF-2) gene ex vivo before transplantation. The isolated MSCs produced colonies with a fibroblast-like morphology in 2 weeks; over 95% expressed CD71, and 28% expressed the cardiomyocyte-specific transcription factor, Nkx2.5
Autologous mesenchymal stem cell (MSC) transplantation therapy for repair of myocardial injury has inherent limitations due to the poor viability of the stem cells after cell transplantation. Adhesion is a prerequisite for cell survival and also a key factor for the differentiation of MSCs. As a novel prosurvival modification strategy, we genetically engineered MSCs to overexpress tissue transglutaminase (tTG), with intention to enhance adhesion and ultimately cell survival after implantation. t
Bone marrow mesenchymal stem cells (MSCs) have shown potential for cardiac repair following myocardial injury, but this approach is limited by their poor viability after transplantation. To reduce cell loss after transplantation, we introduced the fibroblast growth factor-2 (FGF-2) gene ex vivo before transplantation. The isolated MSCs produced colonies with a fibroblast-like morphology in 2 weeks; over 95% expressed CD71, and 28% expressed the cardiomyocyte-specific transcription factor, Nkx2.5
Emerging evidence reveals a close association between gut microbiota and human neurological disorders. The present study aimed to assess whether the composition of gut microbiota in participants with episodic migraine (EM) and chronic migraine (CM) was altered in comparison to that of the controls. This study was a cross-sectional, case-control study. The gut microbiota were evaluated by the partial, targeted sequencing of the 16S rRNA V3-V4 region. This study enrolled 42 and 45 participants wit
설명변수들의 다중공선성 문제는 회귀분석 실행 시 해결해야 할 문제 중의 하나이다. 다중공선성 문제는 모수들의 최소제곱 추정량을 추정하고 분석하는데 많은 어려움이 있다. 회귀그래픽 방법은 다중공선성 문제를 선형성 조건으로 인식한다. 회귀그래픽 방법은 차원축소를 위해 설명변수들이 형성하는 중심부공간을 추정한다. 선형성 조건은 차원축소를 이루기 위해 중심부공간을 인지하고 추정하는데 있어 매우 효율적인 조건이 된다. 전통적인 회귀분석 과정에서 해결해야 할 설명변수들의 다중공선성 문제를 회귀그래픽 방법은 설명변수들의 선형성 조건이라 정의하고 중심부공간 추정에 있어 선행조건으로 취하는 것이다. 본 논문은 이러한 설명변수들의 선형성 조건과 다중공선성의 연관성과 차이점 그리고 회귀 그래픽 방법을 적용하는데 있어 어떻게 응용되는지 논의한다.
차원축소에 기초한 회귀그래픽 방법은 최근 몇 년간 많은 논의가 있어 왔다. 로지스틱 회귀모형의 분석 시 기존의 접근 방법과 더불어 회귀그래픽 방법에 관하여 논의 하고자 한다. 차원축소에 기초한 회귀그래픽 방법은 차원축소를 위해 설명변수들이 형성하는 중심부공간을 추정하는 문제를 기본 개념으로 시작한다. 차원축소는 회귀 그래픽 방법론의 관점에서 설명하면 원래 고차원의 그래픽으로 설명되어야 할 설명변수의 회귀모형이 원래의 모든 정보를 잃어버림 없이 축소된 저차원 그래픽의 설명변수를 가진 회귀모형으로 요약해도 충분하다는 것이다. 본 논문은 로지스틱 회귀 모형의 변수 선택의 주제에 대하여 차원축소에 기초한 회귀그래픽 방법을 이용하여 논의하고자 한다. 차원축소에 기초한 회귀그래픽 방법은 로지스틱 회귀모형의 변수를 원래 변수들의 선형적 결합들로 제시한다.
일반적으로 고려하는 잔차 산점도는 회귀모형의 부적절성을 점검하는 도구로서 널리 사용되고 있다. 잔차 산점도는 비선형 회귀모형을 분석할 때 비효율적이다. 본 논문에서는 회귀모형의 적절성을 조사하기 위하여 잔차 산점도가 아닌 한계 모형 점검 조건에 기초한 한계 모형 산점도를 논의한다. 한계 모형 점검 조건은 전체모형이 내포하는 모든 것을 모든 한계모형이 설명할 수 있다는 것으로 요약된다. 이와 같은 내용을 기초로 회귀모형 적절성 평가에 대한 논의를 하고자 한다. 회귀 모형 분석의 목적은 조건부 확률변수y|x 의 미지의 누적확률분포를 추론하는 것이라고 할 수 있다. 본 논문에서는 누적확률분포 추론 과정에서 모형을 가정한 회귀함수와 분산함수의 평활 추정치를 모형을 가정하지 않은 회귀함수와 분산함수의 평활 추정치와 비교하고자 한다. 왜냐하면 회귀함수와 분산함수가 회귀 모형의 기본적인 속성을 포함하고 있기 때문이다.