빅데이터 시대의 생물통계학: 초기 추론부터 머신러닝 기반 모델링까지의 변천사

생물통계학은 생물학적 질문에 답하기 위해 수학적 방법을 적용하는 학문이며, 데이터 규모의 증가는 분석 패러다임을 근본적으로 변화시켜 왔다.

초기 통계적 프레임워크의 확립

• 초창기에는 ANOVA, t-검정 등 전통적인 생물통계학 기법들이 실험 결과의 통계적 유의성을 검증하는 데 중점을 두었다.
• 이 단계에서는 주로 비교적 작은 규모의 실험군 데이터를 가정하며, 명확한 가설 검정이 주요 목표였다.

대용량 데이터 처리로의 전환과 알고리즘 혁신

유전체학 및 오믹스 데이터의 등장으로 데이터량이 폭증하면서, 단순 검정으로는 해결할 수 없는 복잡한 패턴 추출이 필요해졌다.

• 이를 극복하기 위해 PCA나 CCA와 같은 차원 축소 기법이 도입되었으며, 최근에는 딥러닝과 같은 생명과학 인공지능 방법론이 바이오 빅데이터 분석의 핵심 도구로 자리 잡았다.