BioProject01 — Epigenetic Therapy 기반 Response Time 예측

연구 주제는 chromatin accessibility 변화를 매개로 한 약물 반응 시간 (response time) 예측 (제안: 박상준). 현 시점에서 본 repo는 연구의 paper analysis layer만 구축된 상태 — 관련 scientific paper를 dual-lens 구조로 분석·누적해 baseline evidence를 마련한다. 실제 chromatin-RNA lag prediction / drug response 분석 코드는 아직 작성 전.

자세한 연구 proposal과 review 의견: presentation/[주제] Epigenetic Therapy 기반 Response Time 예측.pdf.

현재 동작하는 것 — Paper Analysis Workspace

각 paper는 analysis/<topic>/<paper-id>/ 아래에 paper-info.yaml + 4종 markdown으로 정리된다:

파일	역할
<paper-id>_core.md	객관적 분석 (9 fixed sections: Executive Summary → Identity → Background → Methods → Results → Figures → Tables → Supplementary → 분석 메모)
<paper-id>_lens-academic.md	학계 시선 (저자 한계, 분석자 판단, 후속 연구, citation 후보)
<paper-id>_lens-industry.md	산업 시선 (QA/RA 리스크, BD value, 상용화 가능성)
<paper-id>_methodology-brief.md	재현·검토용 압축본

추가로 (local-only, .gitignore):

• sources/ — 원문 PDF + supplementary
• figures/ — core-to-html이 PDF에서 추출한 panel PNG (smart bbox crop)
• <paper-id>_core.html — figure-embedded HTML 보고서 (MathJax 수식 렌더)

분석된 paper (2026-05-26 기준)

paper-id	citation	importance	핵심
li-2023-multivelo	@li2023multivelo (Nat Biotechnol 2023)	상	MultiVelo — chromatin–RNA ODE multi-omic velocity의 foundational baseline. M1/M2 모델 정의.
li-2025-multivelovae	@li2025multivelovae (Nat Commun 2025)	상	MultiVeloVAE — MultiVelo discrete state를 cVAE + continuous (δ, κ) + Bayesian differential test로 일반화.
hong-2026-moflow	@hong2026moflow (Nat Commun 2025/26)	상	MoFlow — cellDancer relay velocity에 chromatin opening/closing dual hypothesis + lower-loss selection 추가. latent time-free.
li-2023-celldancer	@li2023celldancer (Nat Biotechnol 2023)	중	cellDancer — local relay velocity cosine loss + cell-specific kinetic rate. MoFlow의 직접 predecessor.
cui-2024-deepvelo	@cui2024deepvelo (Genome Biol 2024)	중	DeepVelo — GCN + continuity loss + cell/gene-specific kinetic rate. RNA-only foundational baseline.
mizukoshi-2024-deepkinet	@mizukoshi2024deepkinet (Genome Biol 2024)	중	DeepKINET — 2-stage VAE + scEU-seq/scNT-seq metabolic labeling validation reference.
nomura-2024-mmvelo	@nomura2024mmvelo (bioRxiv preprint 2024)	상	mmVelo — mixture-of-experts VAE + peak-level chromatin velocity (decoder-resolution).

최신 목록·요약·진행 상태: analysis/_index/papers.csv (자동 생성). Topic별 view는 analysis/_index/<topic>.md.

Cross-paper synthesis (Week2): analysis/epigenomic-lag/_evidence/week2/{insight,validation_report,comparison_table,handoff}.md.

Repo 구조

.
├── AGENTS.md                       # Paper analysis 시스템의 router (단일 진입점)
├── CLAUDE.md                       # Claude Code 운영 규칙 (branch / commit / 언어 / 스크립트)
├── README.md                       # 본 파일
├── design.md                       # Slide deck 작성 시 visual reference
├── presentation/                   # 연구 proposal PDF, 발표 자료
├── analysis/
│   ├── _index/                     # build_index.py가 생성하는 topic 인덱스
│   ├── <topic>/<paper-id>/         # paper-info.yaml + 4종 md + sources/ + figures/
│   └── <topic>/_evidence/<week>/   # cross-paper insight / validation / handoff
└── skills/                         # paper analysis skill 정의 (SKILL.md 포맷)
    ├── source-grounding/           # 원문 fetch + hallucination 방지 master rule + yaml schema
    ├── core-*/                     # core.md 작성 (problem / methods / results / figure / table)
    ├── lens-academic/              # 학계 시선
    ├── lens-industry/              # 산업 시선
    ├── methodology-brief/          # 재현 압축본
    ├── core-to-html/               # core.md → figure-embedded HTML + MathJax
    ├── abstract-analysis/          # 빠른 스크리닝
    ├── full-slides/                # journal-meeting slide deck 생성
    └── question/                   # 분석된 paper에 대한 질문 응답

사용법

새 paper 분석 추가

자세한 워크플로우는 AGENTS.md Quick Start. 가장 단순한 패턴 (Claude Code 또는 Codex CLI에서):

DOI: 10.1038/s41587-022-01476-y 분석해줘

PDF 또는 URL을 한 줄로 주면 → 폴더 생성 + paper-info.yaml seed + source 자동 다운로드 (fetch_sources.py --discover-supp로 Nature/Springer supplementary 자동 발견) + 4종 markdown + HTML report 자동 생성.

호출 가능한 스크립트

전부 python3 실행. 의존성: pip install -r skills/source-grounding/scripts/requirements.txt.

# Paper source 자동 fetch
python3 skills/source-grounding/scripts/fetch_sources.py <paper-info.yaml> --discover-supp --use-pmc --fetch-abstract

# analysis/_index/ 빌드
python3 skills/source-grounding/scripts/build_index.py

# core.md → HTML (smart figure crop + MathJax + 표 추출 캐싱)
python3 skills/core-to-html/scripts/build_html.py <paper-dir>

# PDF figure → panel별 PNG crop
python3 skills/core-figure/scripts/extract_panels.py <pdf> --page N --figure "Figure 2" \
  --figure-bbox x0,y0,x1,y1 --out <paper-dir>/figures

작성 규칙 (핵심)

• 언어: 한국어 기본. 분야 표준 영어 용어(RNA, chromatin, velocity, dataset 등)는 그대로 유지.
• 수식: LaTeX $...$ (inline) / $$...$$ (display). backtick code span에 수식 넣지 않음 (MathJax 렌더 안 됨).
• Hallucination 방지: 모든 사실은 sources/ 원문 PDF + supplementary에 grounding. 외부 지식은 해석: / 외부 맥락: / 추정: / 미제공: / 질문: / 검토필요: 접두사로 분리. 세부 규칙은 skills/source-grounding/SKILL.md Part 1.
• Executive Summary: 1-paragraph prose 대신 5-bullet bold-labeled (무엇 / 모델 / 핵심 결과 / 우리 적용 / 심층). AGENTS.md 표기 규칙 참고.
• Branch 컨벤션 (<사람>-<workstream>): 본인 작업 branch는 <이름>-paper-agent. main, epigenomics, 다른 사람 branch는 건드리지 않음.

호환 도구

본 시스템은 Claude Code와 OpenAI Codex CLI 양쪽에서 동작.

• AGENTS.md = Codex CLI native config / Claude Code도 보조로 읽음
• CLAUDE.md = Claude Code 전용 (Codex는 무시)
• skills/<name>/SKILL.md = 양 도구 공통 skill 포맷
• Python 스크립트는 도구 무관 (사람이 직접 호출해도 동일)

팀 & 데이터셋 담당

Dataset	Primary	Secondary	GitHub ID
10x embryonic mouse brain	서정한	—	JeonghanSeo
SHARE-seq mouse skin	박상준	—	—
Human brain multi-ome	전연수	박세진	sezinie000 / sjpark
Human HSPC 10x Multiome	김가경	류재면	kakyungkim / JamieLyu
하네스	지용기	—	braveji18

외부 협업 도구

• Confluence: Space VC, 경로 프로젝트 진행-AI전용 > 프로젝트#01.
• JIRA: Space BIOP01.
• Slack: 멤버별 openclaw bot.