주식회사 서울에프엔비를 위한 기술 제안
어른우유·온통두유 기능성 기획에 근거를 더하는 640명 NutriOmics 코호트와 맞춤 식이 AI 모델
한국식품연구원 정밀식이연구단
박재호 책임연구원
기술 개요
2021년부터 만성질환자 558명을 3차까지 추적하고 비질환자 150명과 비교하며 식이·임상·유전체·후성유전체·대사체를 한 사람 단위로 모은 NutriOmics 연구데이터와, 이 데이터로 비만·당뇨·고혈압 위험을 예측하고 개인에게 맞는 식이를 추천하는 알고리즘·식이 분석 앱입니다.
서울에프엔비
가 이 기술을 주목해야 하는 이유
1
어른우유·온통두유: 중장년 대사 관리 음료 기획
기존 문제
어른우유·온통두유처럼 일상 음용 제품에 기능성 원료를 결합할 때, 어떤 식이·대사 상태의 소비자를 겨냥할지 보여 줄 한국인 데이터가 없으면 콘셉트가 일반 건강 이미지에 머물기 쉽고, 기술연구소의 프로바이오틱스·발효 소재를 어느 제품에 먼저 넣을지 정하기도 어렵습니다.
적용 방식
만성질환자·비질환자 640명의 FFQ·식단 이미지와 질환 상태별 식이 섭취 변화 분석으로 대사 위험군의 섭취 패턴을 정리해 자체 브랜드 신제품 기획서에 씁니다. 효능 표시가 아닌 기획·검증 설계의 근거이며, 데이터 이용 계약으로 시작합니다.
2
유청단백질 가수분해물: 기능성 펩타이드 소재 검토
기존 문제
기술연구소가 연구하는 유청단백질 가수분해물·활성 펩타이드를 제품 소재로 키우려면 펩타이드 후보가 사람의 대사 상태와 어떻게 연결되는지 근거가 필요하지만, 세포·문헌 자료만으로는 소재 우선순위를 정하기 어렵고 제품화 판단도 늦어지기 쉽습니다.
적용 방식
코호트에서 찾은 특이 대사체·펩타이드 25종과 기능성 평가 1,230건(세포·동물·오가노이드) 결과를 대조해 펩타이드 후보를 먼저 거르고 소재 개발 로드맵에 반영합니다. 효능 표시가 아닌 기획·검증 설계의 근거이며, 공동연구로 검토합니다.
도입 효과
기술·성능 개선
음료 제품 기획과 펩타이드 소재 선별에 대사 데이터 기준 추가
640명 질환 상태별 식이 섭취 변화로 중장년 대사 위험군 음용 타깃 정의
특이 대사체·펩타이드 25종으로 유청 펩타이드 소재 후보 대조
기능성 평가 1,230건으로 우유·두유에 결합할 기능성 원료 후보 스크리닝
B. 비즈니스·사업 개선
OEM 고객사 제안과 자체 브랜드 기능성 라인 경쟁력 강화
식품·유통 브랜드 대상 OEM·ODM 제안서에 대사 위험군 타깃 근거 추가
이안애·어른우유 등 자체 브랜드에 중장년 대사 관리 음료 라인 추가 기회
기술연구소 유청 펩타이드 소재 후보 사전 선별로 개발 비용·기간 절감
C. 협업 파트너십 체결
연구데이터 사용계약부터 공동연구까지 협업 가능
연구데이터 사용계약 · 민간수탁 · 공동연구 단계별 진행
연구자와 한국식품연구원 기술지원사업화센터 직접 참여
제공·협업 범위
구분
내용
코호트 데이터
만성질환자 558명·비질환자 150명 종단 코호트
SNP·메틸화·혈액·분변 대사체·펩타이드
섭취 식품 분석 DB 3,914종·기능성 평가 1,230건
분석 결과·모델
예측·추천 알고리즘 json·encoder, API 추천 식이 예정
SNP 기반 임상지표 13종 예측·당뇨·고혈압 모델
식이 이미지 분석 앱·식품-유전자-질환 리포트
연구자 협업
자사 유전체·질병 데이터로 모델 실증 위탁연구
식이 분석 앱 20~50명 파일럿 운영·평가
코호트 확장·맞춤 기능식품 공동연구
이용·협업 조건
연구데이터 사용계약·위탁연구·공동연구 중 선택
오믹스 원데이터 대신 분석 결과·모델 중심 제공
이용 범위·비용은 한국식품연구원 기술지원사업화센터와 협의
기술 핵심정보
어떤 기술인가요?
NutriOmics 맞춤 식이 기술은 2021년부터 만성질환자 558명을 3차까지 추적하고 비질환자 150명과 비교하며 유전체(SNP)·후성유전체(메틸화)·혈액·분변 대사체·펩타이드와 식이·임상 정보를 한 사람 단위로 통합한 코호트에서 어떤 유전·대사 상태의 사람에게 어떤 식이가 질환 위험을 바꾸는지 찾는 기술입니다. 국가 코호트(KoGES) 7만여 명으로 학습한 머신러닝 모델로 임상지표 13종을 예측하고 실제 진단과 대조해 당뇨·고혈압 예측을 검증했으며, 섭취 식품 분석 DB 3,914종과 식이 이미지 분석 앱을 갖췄습니다. 2027년부터 LLM 기반 식이 추천 엔진으로 고도화합니다.
어떤 문제를 해결하나요?
1.
일반 가이드라인에 머무는 식단 추천
상용 헬스케어 서비스는 임상 데이터가 아닌 식약처 가이드를 기준으로 칼로리·나트륨 제한 제품을 권하는 데 머뭅니다. 식이·임상·오믹스를 함께 분석해 개인의 유전형과 대사 상태에 맞는 식이를 설계합니다.
2.
한 시점 데이터로는 보이지 않는 질환 진행
대부분의 식이·건강 데이터는 한 시점만 담아 질환 전 단계에서 질환으로 넘어가는 과정을 읽기 어렵습니다. 같은 사람을 반복 추적하며 쌓은 비질환→질환 전환 정보를 예측과 원인 규명의 근거로 씁니다.
3.
한 코호트에서만 맞는 예측 모델
소규모 코호트로 만든 예측 모델은 다른 집단에 적용하면 성능이 떨어지기 쉽습니다. 국가 코호트 7만여 명으로 학습한 모델을 자체 코호트 두 곳에 적용하고, 실제 진단 기록과 대조해 검증했습니다.
연구자 소개
박재호
책임연구원
한국식품연구원 식품기능연구본부 정밀식이연구단
연구 분야: 만성질환 NutriOmics 코호트(만성질환자 558명·비질환자 150명) 구축·분석 책임, 유전형·오믹스 기반 비만·당뇨·고혈압 예측, 식품 분석 DB·식이 이미지 분석 기반 맞춤 식이 추천
한국식품연구원 식품기능연구본부 정밀식이연구단 책임연구원
본 내용은 연구자가 직접 작성한 내용입니다.
연구자 한마디
“건강관리는 이제 단순한 식단 추천을 넘어, 개인의 유전체와 대사체, 장내미생물, 식이 패턴을 함께 읽어내는 방향으로 가야 합니다. 본 기술은 오믹스와 식이, 질환 변화를 장기 추적해 축적한 NutriOmics 기반 자산으로, 당뇨병 예측과 맞춤형 식이 추천은 물론 건강관리 앱, 검진 연계 서비스, 기능성 식품 개발까지 확장 가능한 정밀영양 기술의 영역으로 도달할 것입니다.”
진행 프로세스
STEP 1
상담 신청
신청 폼 작성
STEP 2
연구자와 미팅
데이터·기술 확인
STEP 3
조건 협의
이용 범위·비용 범위
STEP 4
계약 체결 및 협업
협업 착수
자주 묻는 질문
왜 우리 회사에 기술을 제안했나요?
문의&상담 신청 이후 절차는 어떻게 진행되나요?
문의하면 비용이 발생하나요?
이 연구자와 다양한 협업을 진행하고 싶은데 어떻게 하면 되나요?
문의
담당자
송재민
이메일
jm.song@rndcircle.io
소속
(주)디써클 기술매칭팀
이 연구데이터 사용계약 및
상담 신청하기
데이터 연구
공동 연구
협업 제안
데이터 이용·협업 조건
데이터·기술 관련 문의
양측 협업 방식 진행 논의
자세한 자료 받기
데이터 구성/ 연구성과 자료를
보내드립니다