Lesson 4 of 20

4색 · 2색 · 1색 — 사진 몇 장으로 네 글자를 가르나

그리고 Q점수가 만들어지는 자리

사이클마다 사진을 찍습니다. 문제는 몇 장을 찍느냐 예요. 사진 한 장을 찍는 데 시간과 돈이 듭니다.

가장 단순한 방법은 염기마다 색을 따로 주는 것입니다 — 4색 화학. 사진 넉 장을 찍고, 가장 밝은 색이 그 글자예요. MiSeq 이 이 방식입니다.

그런데 켜짐/꺼짐 두 가지만으로도 네 글자를 가를 수 있습니다. 2² = 4 니까요.

High school사진 몇 장으로 네 글자를 가르나

염기가 넷이니 색이 넷 있으면 편합니다. 그런데 더 적은 색으로도 됩니다.

방식	색 수	사진	장비
4색	4	4장	구형 (HiSeq 등)
2색	2	2장	NextSeq · NovaSeq
1색	1	2장 (화학 처리 사이)	iSeq 등

사진이 적으면 빠르고 싸집니다 — 대신 판별이 복잡해집니다.

세 가지 화학

화학	사진	A	C	G	T	장비
4색	4장	빨강	노랑	파랑	초록	MiSeq · HiSeq
2색	2장	빨강+초록	빨강	없음	초록	NextSeq 550 · NovaSeq 6000
1색	2장	켬·켬	켬·끔	끔·끔	끔·켬	iSeq · NextSeq 1000/2000 · NovaSeq X

2색과 1색에서 G 는 「아무 빛도 없음」 입니다. 빛이 없다는 것으로 글자를 읽는 셈이에요.

High school2색 방식의 논리

염기	초록	빨강
A	켜짐	켜짐
C	켜짐	꺼짐
T	꺼짐	켜짐
G	꺼짐	꺼짐

G는 아무 색도 안 납니다 — "신호가 없음"이 G라는 뜻이에요.

2색 화학의 장점과 약점이 같은 표에서 나옵니다.

Python Runs in your browser

# 켜짐/꺼짐 두 개로 네 글자를 적는다
code_2ch = {"A": (1, 1), "C": (1, 0), "T": (0, 1), "G": (0, 0)}

seq = "ACGTAGGCTA"
img1 = "".join(str(code_2ch[b][0]) for b in seq)
img2 = "".join(str(code_2ch[b][1]) for b in seq)

print("서열     ", " ".join(seq))
print("사진 1(빨강)", " ".join(img1))
print("사진 2(초록)", " ".join(img2))
print()
print("두 사진을 겹쳐 읽으면 원래 서열이 나옵니다:")
inv = {v: k for k, v in code_2ch.items()}
back = "".join(inv[(int(a), int(b))] for a, b in zip(img1, img2))
print("   ", " ".join(back), " (원본과 같은가:", back == seq, ")")
print()
print("G 가 있는 자리에는 두 사진 모두 0 입니다 — 빛이 없습니다.")
print("클러스터가 죽어도 두 사진 모두 0 입니다. 기계는 이 둘을 구분하지 못합니다.")

High schoolG의 문제

2색 방식에서 G는 "신호 없음"입니다. 그런데 신호가 없는 다른 이유도 있어요.

신호가 없는 이유	판정
진짜 G	G
클러스터가 죽음	G로 잘못 판정
가닥이 다 읽힘 (짧은 삽입물)	같음

그래서 2색 장비의 자료에는 polyG 꼬리가 흔합니다 — 14강에서 잘라 냅니다.

Q점수가 만들어지는 자리

사진에서 신호를 읽을 때, 기계는 얼마나 자신 있는지도 같이 적습니다. 신호가 또렷하면 높은 점수, 두 색이 어중간하게 섞여 있으면 낮은 점수예요.

Q = −10 · log₁₀(오류 확률)

Q	오류 확률	정확도	뜻
Q10	1/10	90%	못 쓴다
Q20	1/100	99%	겨우 쓴다
Q30	1/1,000	99.9%	업계의 문턱
Q40	1/10,000	99.99%	아주 좋다

런 요약에 나오는 %≥Q30 이 이 값입니다. RNA-seq 이면 85% 이상이면 넉넉해요.

Q30 이 '거의 완벽' 이 아니라는 것을 숫자로 봅니다.

Python Runs in your browser

# Q점수를 확률로 되돌린다
qs = [2, 12, 20, 23, 30, 37, 40]
print("%5s %14s %12s" % ("Q", "오류 확률", "정확도"))
for q in qs:
    p = 10 ** (-q / 10)
    print("%5d %14.5f %11.3f%%" % (q, p, (1 - p) * 100))
print()

# 읽기 하나가 통째로 맞을 확률
L = 150
for q in [20, 30, 37]:
    p = 10 ** (-q / 10)
    ok = (1 - p) ** L
    print("모든 글자가 Q%d 라면, %d글자 읽기 하나가 통째로 맞을 확률 %.1f%%"
          % (q, L, ok * 100))
print()
print("Q30 이어도 150글자 읽기의 14%에는 오류가 하나 이상 들어 있습니다.")
print("그래서 읽기 하나를 믿지 않고, 여러 읽기를 겹쳐서 씁니다.")

High schoolQ점수가 만들어지는 자리

기계는 각 염기 판정에 확신도를 매깁니다. 그것이 Q점수예요.

확신도를 정하는 것	내용
신호 세기	강할수록 확실
색의 순도	다른 색이 섞였나
주변 클러스터	겹침
사이클 번호	뒤로 갈수록 나빠짐

Q = −10 × log₁₀(오류 확률) — Q30이면 99.9% 정확합니다.

🤔 Check yourself

2색 화학에서 G 는 어떻게 읽히나?

Answer G 는 신호가 없는 글자입니다. 그래서 신호가 사라진 클러스터도 G 로 읽히고, 읽기 끝이 GGGG… 로 채워집니다.

🤔 Check yourself

Q30 은 무슨 뜻인가?