4강 / 20강

위치별 품질 — 어디서부터 나빠지는가

76 자리의 평균 품질 곡선 · N 은 어디에 몰리나

시퀀싱은 한 사이클에 염기 하나씩 붙여 가며 사진을 찍는 일입니다. 사이클이 쌓일수록 클러스터 안의 분자들이 발을 맞추지 못하고(phasing), 신호가 흐려집니다. 그래서 품질은 read 뒤쪽에서 나빠지는 것이 보통입니다.

이 자료도 그런지, 76 자리를 하나씩 재어 봅시다.

FastQC 의 첫 그림이 바로 이것입니다. 초록·노랑·빨강 구역도 FastQC 의 기준을 옮긴 것이고요.

Python 브라우저에서 실행

import bu
import numpy as np
import matplotlib.pyplot as plt

mean_q = bu.per_position("WT_1")

fig, ax = plt.subplots(figsize=(7.4, 4))
ax.plot(range(1, len(mean_q) + 1), mean_q, lw=2, c="#4c6ef5")
ax.axhspan(28, 42, color="#2b8a3e", alpha=.08)
ax.axhspan(20, 28, color="#f59f00", alpha=.10)
ax.axhspan(0, 20, color="#e03131", alpha=.08)
ax.set_ylim(0, 42); ax.set_xlabel("read 안의 위치"); ax.set_ylabel("평균 Q")
ax.set_title("위치별 평균 품질 (WT_1 · 20,000 read)")
plt.tight_layout()

print(f"1번 자리   {mean_q[0]:.2f}")
print(f"가장 좋은 곳 {mean_q.argmax()+1}번 자리  {mean_q.max():.2f}")
print(f"마지막 자리 {mean_q[-1]:.2f}")
print()
print("초록 구역(Q28 이상)을 한 번도 벗어나지 않습니다 — 아주 깨끗한 런입니다.")

고등학생이 자료의 곡선은 기대와 다르다

보통 기대하는 모양은 앞은 평평하고 뒤로 갈수록 서서히 떨어지는 곡선이다. 그런데 이 자료를 그려 보면 그 모양이 아니다.

기대와 다르면 어떻게 하나

순서	할 일
1	내 코드가 틀렸는지 먼저 의심
2	품질 인코딩(오프셋)이 맞는지 확인
3	3강에서 본 압축(값 여섯 개)의 영향인지 확인
4	그래도 이상하면 실험 쪽 문제로 기록

순서가 중요하다. 자기 코드를 가장 먼저 의심하는 것 이 데이터 분석에서 가장 값진 습관이다. "자료가 이상하다" 는 결론은 세 번쯤 확인한 뒤에 내려야 한다.

이상한 그림을 보면 자료보다 코드를 먼저 의심하라

N 은 '염기를 못 정했다' 는 표시입니다. 대개 read 끝이나 특정 사이클에 몰립니다.

Python 브라우저에서 실행

import bu
import numpy as np
import matplotlib.pyplot as plt

# N 은 어디에 몰리나 — 기계가 '못 읽겠다' 고 포기한 자리
rs = bu.reads("WT_1")
L = len(rs[0][1])
ncnt = np.zeros(L)
for _, s, _q in rs:
    for i, ch in enumerate(s):
        if ch == "N":
            ncnt[i] += 1

fig, ax = plt.subplots(figsize=(7.4, 3.4))
ax.bar(range(1, L + 1), ncnt / len(rs) * 100, color="#e8590c")
ax.set_xlabel("read 안의 위치"); ax.set_ylabel("N 비율 (%)")
plt.tight_layout()

print(f"전체 N 비율 : {ncnt.sum() / (len(rs) * L) * 100:.4f} %")
print(f"N 이 가장 많은 자리 : {int(ncnt.argmax())+1}번 ({ncnt.max()/len(rs)*100:.3f} %)")
print()
print("N 이 0.05% 도 안 됩니다. 이 자료는 N 때문에 손댈 일이 없습니다.")

표본 비교는 겹쳐 그리는 것으로 시작합니다. 하나만 튀면 눈에 바로 띕니다.

Python 브라우저에서 실행

import bu
import numpy as np

# 표본 일곱 개의 곡선을 겹쳐 봅니다 — 한 표본만 튀면 그것이 신호입니다
import matplotlib.pyplot as plt
fig, ax = plt.subplots(figsize=(7.4, 4))
for s in bu.SAMPLES:
    m = bu.per_position(s)
    ax.plot(range(1, len(m) + 1), m, lw=1.6,
            c="#4c6ef5" if s in bu.WT else "#e8590c", alpha=.75, label=s)
ax.set_ylim(28, 34); ax.set_xlabel("위치"); ax.set_ylabel("평균 Q")
ax.legend(ncol=4, fontsize=8)
plt.tight_layout()

print("파랑 WT 4개 · 주황 KD 3개")
print("일곱 곡선이 거의 겹칩니다 — 표본 사이에 품질 차이가 없다는 뜻이고,")
print("이후 결과의 차이를 '품질 탓' 으로 돌릴 수 없다는 뜻이기도 합니다.")

고등학생N 이 몰리는 자리

N 은 "이 자리가 무슨 염기인지 모르겠다" 는 표시다. 기계가 포기한 자리다. N 이 어디에 몰려 있는지를 보면 품질 곡선과 같은 이야기를 다른 방식으로 확인할 수 있다.

두 지표가 서로를 검증한다

품질 점수가 낮은 자리에 N 이 몰려 있으면, 두 지표가 같은 물리적 현상 을 가리키는 것이다. 서로가 서로의 증거다.

그런데 품질은 멀쩡한데 N 만 특정 자리에 몰려 있다면 다른 이야기다. 서열 자체의 문제 일 수 있다 — 예를 들어 어댑터 서열이나 동일 염기 반복 구간에서 기계가 헤매는 것.

품질 낮음	N 많음	해석
예	예	정상적 품질 저하
아니오	예	서열 특이적 문제 — 조사 필요
예	아니오	기계가 억지로 답을 냄 — 더 위험할 수도

지표 하나만 보지 말고 두 지표가 같은 말을 하는지 본다

🎮 품질 곡선 실험실

표본을 바꿔 가며 곡선과 N 분포를 보세요. 150만 read 로 잰 값입니다.

고등학생이 그림을 왜 매번 그리나

진짜 파이프라인에서도 이 그림(FastQC 의 per-base quality)은 가장 먼저 나온다. 수백만 줄짜리 파일을 그림 한 장으로 요약하기 때문이다.

그림 한 장이 대답하는 것들

물음	그림에서 보는 곳
이 자료를 쓸 수 있나	전체 높이
잘라야 하나	뒤쪽이 떨어지는 지점
어댑터가 있나	끝 부분의 이상한 패턴
런이 실패했나	중간이 갑자기 꺼짐

그림을 잘 그리는 것은 취향이 아니라 판단 속도 의 문제다. 숫자 표로 보면 십 분 걸릴 판단을 그림으로는 삼 초에 한다. /viz 과목이 다루는 것이 정확히 이 이야기다.

품질 그림은 장식이 아니라 첫 번째 의사결정 도구다

🤔 확인 문제

read 뒤쪽으로 갈수록 품질이 떨어지는 주된 물리적 이유는?

🤔 확인 문제

이 자료에서 품질 곡선이 교과서 모양과 다른 이유로 알맞은 것은?

🤔 확인 문제

일곱 표본의 품질 곡선이 거의 겹친다는 사실이 뒤의 분석에 주는 의미는?