8강 / 20강

파일 네 개 — 종양·정상 × R1·R2

제6장 「파일 네 개」 · 「왜 두 개를 읽었는가」

로지의 종양 조직 생검과 혈액 채취가 끝나고, 샘플이 UNSW Ramaciotti 센터로 갔습니다. 시퀀싱 비용 3,000 호주달러. 3주 뒤 파일 네 개가 도착했습니다. 합치면 약 200기가바이트입니다.

왜 넷인가. 두 번 곱해집니다.

🩸

두 조직

혈액(정상) × 종양

↔️

두 끝

앞에서 R1, 뒤에서 R2

4️⃣

2 × 2

normal_R1 normal_R2
tumor_R1 tumor_R2

왜 두 조직을 읽었는가 — 이 장의 전부

로지의 DNA 를 참조 유전체와 견주면 다른 자리가 수백만 군데 나옵니다. 그중 거의 전부는 병과 아무 상관이 없습니다. 태어날 때부터 있던 것 — 생식세포 변이(germline) 입니다.

종양을 만든 변이는 태어난 뒤에, 특정 세포 하나에서 생겼습니다. 그 세포에서 갈라져 나온 자손들만 갖고 있습니다 — 체세포 변이(somatic).

혈액에는 종양이 없습니다. 그러니 혈액에서 발견되는 차이는 전부 태어날 때부터 있던 것입니다.

종양에는 있고 혈액에는 없는 것

뺄셈입니다. 그리고 이 뺄셈이 II 권 전체입니다.

소설의 한 줄이 이것입니다 — "그 절반이 없으면 나머지 절반이 아무 소용이 없다."

Python 브라우저에서 실행

# 3,000 달러의 절반이 병 없는 조직에 간 이유 — 숫자로
germline_total = 4_500_000   # 참조와 다른 자리 (로지의 타고난 차이)
somatic_true   = 4_847       # 종양에만 생긴 것 (제6장의 후보 수)

print("종양만 읽었을 때 손에 쥐는 목록:")
print(f"  {germline_total + somatic_true:,} 줄")
print(f"  이 가운데 병과 관련될 수 있는 것: {somatic_true:,} 줄")
print(f"  섞임 비율: 1 / {(germline_total + somatic_true)//somatic_true:,}")
print()
print("혈액을 함께 읽고 뺐을 때:")
print(f"  {somatic_true:,} 줄")
print()
print("비용은 두 배, 목록은 900분의 1. 절반을 병 없는 조직에 쓴 것이 남는 장사입니다.")

왜 R1 과 R2 인가 — 페어드 엔드

시퀀싱 장비는 DNA 조각 하나를 양쪽 끝에서 읽습니다. 앞에서 150글자, 뒤에서 150글자. 그 둘을 따로 담아 R1 과 R2 라고 부릅니다.

가운데는 읽지 않습니다. 그런데 두 끝이 한 조각에서 나왔다는 것을 알고 있으므로, 나중에 맞출 때 그 사실이 단서가 됩니다.

조각 (약 350 bp)

|<--- R1 150bp --->|······ 안 읽음 ······|<--- R2 150bp --->|

이 "안 읽은 가운데"의 길이를 인서트 크기(insert size) 라고 합니다. 15강에서 이것이 왜 쓸모 있는지 봅니다 — 한쪽 끝이 반복 구간에서 헤매도 반대쪽이 붙으면 짝을 따라 자리가 정해집니다.

R1 만 트리밍하고 R2 를 그대로 두는 사고가 실제로 흔합니다. 트리밍 도구가 짝을 함께 다루는 모드를 갖고 있는 이유입니다.

Python 브라우저에서 실행

# 왜 R1/R2 를 따로 파일에 담나 — 짝 맞추기의 규칙
r1 = ["@READ_0001/1", "@READ_0002/1", "@READ_0003/1"]
r2 = ["@READ_0001/2", "@READ_0002/2", "@READ_0003/2"]

print("두 파일의 n 번째 줄이 서로의 짝입니다:")
for a, b in zip(r1, r2):
    print(f"  {a:<16} ↔ {b}")
print()
print("이 약속 때문에 두 파일은 반드시 같은 순서, 같은 줄 수여야 합니다.")
print()
bad = r1[:2]
print("R1 을 어디선가 걸러 줄 수가 달라지면:")
for i, (a, b) in enumerate(zip(bad, r2)):
    print(f"  {a:<16} ↔ {b}", "  ← 짝이 어긋남" if a[:-2] != b[:-2] else "")
print(f"  {r2[2]:>19}", "  ← 짝을 잃음")
print()
print("정렬기는 이것을 오류로 보지 않고 '짝 없음' 으로 처리합니다. 조용히 품질이 떨어집니다.")

왜 종양 조직이 아니라 혈액이 '정상' 인가

정상 대조로 쓸 수 있는 것이 몇 가지 있습니다.

대조	장점	문제
혈액	구하기 쉽다. 종양이 거의 없다	혈액암이면 못 쓴다. 비만세포종 IV 기는 말초혈액 침범이 있을 수 있다
종양 옆 정상 조직	같은 부위 · 같은 채취 조건	현미경으로 정상이어도 종양세포가 섞여 있다
구강 상피 (면봉)	안 아프다	DNA 양이 적고 세균 DNA 가 섞인다

로지는 혈액을 썼습니다. 다만 비만세포종 IV 기는 골수·말초혈액 침범이 정의에 들어 있으므로, 엄밀히 하려면 혈액에도 종양세포가 있을 가능성을 적어 두어야 합니다. 그러면 진짜 체세포 변이가 정상에도 보여 뺄셈에서 지워집니다.

🤔 확인 문제

혈액을 함께 읽지 않고 종양만 읽으면 무슨 일이 생깁니까?

🤔 확인 문제

R1 파일만 트리밍하고 R2 는 그대로 두면?

🤔 확인 문제

비만세포종 IV 기 환자에서 혈액을 정상 대조로 쓸 때 조심할 점은?