1강 / 20강

생물정보학 첫걸음 — 세포를 숫자로 읽는다

우리가 다시 풀어 볼 사건: DDX54

세포 하나를 거대한 공장이라고 생각해 봅시다. 공장에는 설계도 서랍(DNA)이 있고, 설계도마다 만들 수 있는 제품이 정해져 있습니다. 그 설계도 한 장을 유전자(gene)라고 불러요.

그런데 공장이 설계도를 가지고만 있다고 제품이 나오지는 않습니다. 설계도를 복사해서 작업장에 내려보내야 하죠. 그 복사본이 바로 RNA입니다. 어떤 제품을 많이 만들고 싶으면 복사본을 많이 뿌립니다.

📚

DNA

설계도 서랍 — 모든 세포가 똑같이 가짐

📄

RNA

지금 쓰고 있는 설계도 복사본

🔢

count

복사본을 세어서 적은 숫자

세포를 갈아서 그 안에 떠다니는 RNA 복사본을 전부 읽어 세는 기술을 RNA 시퀀싱(RNA-seq) 이라고 합니다. 결과는 놀랄 만큼 단순합니다 — 유전자 이름과 그 옆에 붙은 숫자, 그것뿐이에요.

생물정보학(bioinformatics)은 여기서 시작합니다. 세포의 상태를 숫자 표로 바꿔 놓고, 그 표를 코드로 심문하는 일입니다.

고등학생세포를 숫자로 읽는다는 말

제목이 "세포를 숫자로 읽는다" 입니다. 무슨 뜻일까요?

세포 안에서 어떤 유전자가 얼마나 켜져 있는지를 센다

RNA-seq 이 실제로 세는 것

세포에서 RNA 를 뽑아 개수를 셉니다.

단계	무엇
1	세포에서 RNA 를 뽑는다
2	기계가 조각을 읽는다
3	어느 유전자에서 왔는지 맞춰 본다
4	유전자마다 개수를 센다

결과는 표 한 장 — 행이 유전자, 열이 시료

비유 — 도서관 대출 기록

어떤 책이 인기 있는지 알고 싶습니다. 사람들 마음은 못 봅니다. 대신 대출 기록을 세면 되죠.

도서관	세포
책 제목	유전자
대출 횟수	RNA 개수
이번 달 인기 도서	지금 켜져 있는 유전자

보이지 않는 것(활동)을 셀 수 있는 것(개수)으로 바꾼다

이 20강이 하는 일

논문 저자의 결과를 보지 않고, 같은 원자료에서 같은 결론이 나오는지 직접 확인합니다.

이걸 독립 재현이라고 해요. 과학에서 가장 중요한 검증 방법입니다.

고등학생이 20강에서 할 일 — 재현이란 무엇인가

note 가 이 강의의 목표를 말합니다. 재현이라는 말을 정확히 잡고 갑시다.

같은 자료 → 같은 방법 → 같은 결론이 나오나

왜 재현이 중요한가

논문에 "이런 결과가 나왔다" 고 적혀 있으면 믿을 수밖에 없습니다. 확인할 방법이 없으니까요.

그런데 원자료가 공개되어 있으면? 누구나 확인할 수 있습니다.

공개된 자료 = 확인할 수 있는 주장

비유 — 수학 문제의 풀이

답만 있으면	풀이가 있으면
맞았는지만 안다	어디서 틀렸는지 안다
못 믿으면 그만	따라가며 확인할 수 있다

원자료 공개가 풀이를 보여 주는 것입니다.

그런데 재현은 생각보다 어렵습니다

같은 자료를 써도 결과가 다를 수 있어요.

걸러 내는 기준이 조금 다르면 (9강)
정규화 방법이 다르면 (6강)
통계 방법이 다르면 (12·13강)

그래서 모든 결정을 적어 두는 것이 중요하다

이 강의는 결정마다 왜 그랬는지 적습니다. 그래야 여러분도 따라 하거나 다르게 해 볼 수 있으니까요.

실험 설계 — 무엇과 무엇을 비교하나

과학에서 "이 유전자가 무슨 일을 하는가"를 알아내는 가장 확실한 방법은 그것을 꺼 보는 것입니다. 전등 스위치가 어느 방의 불을 켜는지 알고 싶으면 스위치를 내려 보면 되죠.

연구진은 생쥐 폐암 세포(LLC1)를 두 무리로 나눴습니다.

WT — 대조군 (n = 4)

Ddx54 를 그대로 둔 정상 세포.
"불을 켜 둔 방"

WT = wild type, 야생형

KD — 실험군 (n = 3)

Ddx54 를 녹다운(knockdown) 해서 꺼 버린 세포.
"불을 내린 방"

KD = knockdown, 발현 억제

한 무리에 여러 개(n = 4, n = 3)를 둔 이유가 중요합니다. 세포도 사람처럼 그날그날 컨디션이 다릅니다. 딱 하나씩만 비교하면 "Ddx54 때문에 달라진 것"과 "그냥 우연히 달라진 것"을 구별할 수 없어요. 이 반복(replicate)이 나중에 10~13강에서 통계의 재료가 됩니다.

리스트 두 개와 f-문자열 — 앞으로 쓸 모든 코드의 출발점입니다.

Python 브라우저에서 실행

# 실험 설계를 파이썬으로 그대로 적어 봅니다.
WT = ["WT_DDX54_1", "WT_DDX54_2", "WT_DDX54_3", "WT_DDX54_4"]   # 대조군
KD = ["KD_DDX54_1", "KD_DDX54_2", "KD_DDX54_3"]                 # Ddx54 녹다운

print("대조군", len(WT), "개:", WT)
print("실험군", len(KD), "개:", KD)
print("전체 샘플", len(WT + KD), "개")

# 두 리스트를 + 로 이으면 하나의 순서가 됩니다.
# 앞 4개가 WT, 뒤 3개가 KD — 이 순서를 20강 내내 그대로 씁니다.
샘플 = WT + KD
for i, s in enumerate(샘플):
    그룹 = "WT (대조)" if s in WT else "KD (녹다운)"
    print(f"{i}번 열  {s:12s}  {그룹}")

고등학생첫 코드 — 리스트와 f-문자열

첫 코드가 아주 단순합니다. 그런데 캡션이 "앞으로 쓸 모든 코드의 출발점" 이라고 하죠.

리스트 두 개

WT = [시료 4개] · KD = [시료 3개]

WT 는 야생형(아무것도 안 건드린 것), KD 는 녹다운(DDX54 를 껐다는 뜻)입니다.

줄임말	영어	뜻
WT	wild type	대조군 — 손 안 댄 것
KD	knockdown	실험군 — 유전자를 껐다

왜 여러 개씩인가 — 반복

WT 가 4개, KD 가 3개 입니다. 왜 하나씩이 아닐까요?

한 번만 재면 우연인지 알 수가 없다

/stat 2강의 그 이야기입니다 — 한 번은 알 수 없고 여러 번은 알 수 있다.

비유 — 시험 한 번과 여러 번

시험을 한 번 보고 실력을 판단할 수 있나요? 그날 컨디션이 나빴을 수도 있죠.

여러 번 보면 실력과 우연을 가를 수 있습니다.

반복(replicate) = 우연을 가늠하기 위한 장치

그리고 리스트를 더하면

퀴즈가 WT + KD 가 무슨 일을 하는지 묻습니다.

파이썬에서 리스트끼리 + 하면 이어 붙습니다. 4개 + 3개 = 7개짜리 리스트가 되죠.

이게 3강에서 표의 열을 고를 때 그대로 쓰입니다.

🎮 반복이 왜 필요한지 직접 보기

아래에서 그룹마다 샘플 수를 바꿔 보세요. 1개씩만 비교했을 때 결론이 얼마나 쉽게 뒤집히는지 보면, n = 4 / n = 3 의 의미가 몸으로 이해됩니다.

고등학생핵심 아이디어 — 반복이 결론을 정합니다

note 가 이 강의의 핵심을 짚습니다. 그리고 위젯이 그걸 만져 보게 해요.

반복 수를 바꾸면 결론이 흔들린다

위젯에서 직접 해 보세요

반복 수	무슨 일
2개	결론이 크게 흔들린다 — 믿기 어렵다
4개	어느 정도 안정
10개	꽤 안정

이 논문은 4개와 3개 — 많은 편이 아니다

그래서 11 · 12강이 필요합니다

반복이 적을 때 생기는 사고가 있고(11강), 그걸 막는 방법이 있습니다(12강).

이 강의의 가장 어려운 부분인데, 동시에 가장 값진 부분이에요.

그런데 왜 반복을 많이 안 하나

이유	설명
돈	시료 하나 읽는 데 수십만 원
시간	세포 배양 · 처리 · 시퀀싱
윤리	동물 실험이면 개체 수를 줄여야 한다

"많이 하면 되지" 가 늘 가능한 게 아니다

/stat 10강의 검정력 이야기가 여기 걸립니다 — 몇 개가 필요한지를 미리 계산해야 하는 이유예요.

그리고 적은 반복으로도 최대한 잘 쓰는 방법이 12강의 limma 입니다.

🤔 확인 문제

RNA-seq 이 실제로 세는 것은 무엇인가요?

🤔 확인 문제

WT 4개, KD 3개처럼 반복(replicate)을 두는 가장 큰 이유는?

🤔 확인 문제

WT + KD 처럼 리스트를 더하면 무슨 일이 일어날까요?

해설 파이썬에서 리스트의 + 는 이어붙이기입니다. WT + KD 는 길이 7짜리 새 리스트가 되고, 앞 4칸이 WT · 뒤 3칸이 KD 라는 열 순서 약속이 됩니다.