15. 짝이 위치를 정한다 — 인서트 크기 · 손박사의 애완견 비만세포암 치료제 첫걸음 I

8강에서 봤듯이 시퀀서는 조각 하나를 양쪽 끝에서 읽습니다. 가운데는 읽지 않지만, 두 끝이 한 조각에서 나왔다는 것은 압니다.

소설이 이것의 쓸모를 정확히 짚습니다.

"양쪽 끝을 읽어 둔 것이 여기서 쓸모가 생긴다. 한쪽 끝이 반복 구간에 떨어져 헤매도, 반대쪽 끝이 반복이 아닌 자리에 붙으면 짝을 따라 위치가 정해진다."

이것을 짝 구제(mate rescue) 라고 부릅니다. BWA-MEM 이 자동으로 합니다.

라이브러리 제작에서 조각 크기를 고르는 단계가 이 분포를 만듭니다. 노트북 2단계의 insert=350 이 이것입니다.

Python 브라우저에서 실행

# 인서트 크기 분포 — 정상 데이터가 어떻게 생겼나
import numpy as np
import matplotlib.pyplot as plt

rng = np.random.default_rng(3)
insert = rng.normal(350, 60, 40000)
insert = insert[insert > 100]

plt.figure(figsize=(7.2, 3.2))
plt.hist(insert, bins=80)
plt.axvline(350, ls="--", lw=1.4)
plt.xlabel("insert size (bp)"); plt.ylabel("read pairs")
plt.tight_layout(); plt.show()

print(f"중앙값 {np.median(insert):.0f} bp   표준편차 {insert.std():.0f} bp")
print(f"리드 길이 150 x 2 = 300 bp 를 빼면 안 읽은 가운데는 약 {np.median(insert)-300:.0f} bp")
print()
print("이 분포가 '정상' 입니다. 여기서 크게 벗어난 짝이 구조변이의 신호가 됩니다.")

인서트 분포를 바꿔 보세요. 어떤 짝이 '비정상'으로 걸리는지 함께 보여 줍니다.

불러오는 중…

짝이 알려 주는 것 — 네 가지 이상 신호

짝의 모습	무엇을 뜻하나
인서트가 너무 크다	참조에 있는 것이 내 유전체에는 없다 → 결실
인서트가 너무 작다	참조에 없는 것이 내 유전체에 있다 → 삽입 (ITD 도 여기)
방향이 거꾸로	그 사이가 뒤집혔다 → 역위
짝이 다른 염색체에	→ 전좌 또는 정렬 오류

이 네 가지가 구조변이 검출의 바탕입니다. Manta·DELLY 같은 도구가 정확히 이 신호들을 셉니다. 이 강의의 파이프라인(bcftools)은 이것을 못 봅니다 — 점돌연변이와 짧은 삽입·결실만 다룹니다.

이 계산이 4강의 결론을 다시 확인해 줍니다 — 이 파이프라인이 못 보는 것이 있습니다.

Python 브라우저에서 실행

# 30 bp ITD 를 짝의 인서트 크기로 잡을 수 있나
import numpy as np
from scipy import stats

sd = 60          # 정상 인서트의 표준편차
for itd in (30, 60, 120, 240, 480):
    z = itd / sd
    # 정상 짝 가운데 이만큼 작아 보이는 것의 비율 (한쪽 꼬리)
    fp = stats.norm.cdf(-z)
    print(f"ITD {itd:>4} bp   z = {z:>4.1f}   "
          f"정상 짝 {fp:>7.2%} 가 이만큼 작아 보인다")
print()
print("z 가 2 를 넘어야(≈120 bp) 신호가 잡음 위로 올라옵니다.")
print("개 MCT 의 exon 11 ITD 는 대개 그보다 짧습니다.")

proper pair 라는 꼬리표

13강의 FLAG 에서 2번 비트가 proper pair 였습니다. 정렬기가 "이 짝은 예상대로 붙었다"고 판단하면 켭니다.

판단 기준은 셋입니다 — 같은 염색체에, 서로 마주 보는 방향으로, 예상 인서트 범위 안에.

그래서 samtools view -f 2 로 proper pair 만 뽑으면 깨끗한 리드만 남습니다. 대신 구조변이의 증거를 통째로 버립니다. 목적에 따라 정반대로 씁니다 — SV 검출기는 -F 2 로 그것만 봅니다.

같은 자료에서 버리는 쪽과 찾는 쪽이 정확히 뒤바뀝니다. 무엇을 묻는지가 필터를 정합니다.

Python 브라우저에서 실행

# 같은 필터가 목적에 따라 정반대로 쓰인다
pairs = [
    ("정상 짝",        350, "FR", "13", "13"),
    ("정상 짝",        410, "FR", "13", "13"),
    ("결실 의심",     2800, "FR", "13", "13"),
    ("삽입 의심",       90, "FR", "13", "13"),
    ("역위 의심",      380, "FF", "13", "13"),
    ("전좌 의심",        0, "FR", "13", "27"),
]

def proper(ins, orient, c1, c2, lo=180, hi=620):
    return c1 == c2 and orient == "FR" and lo <= ins <= hi

print(f"{'짝':<12}{'인서트':>8}{'방향':>6}{'염색체':>10}   proper?   누가 본다")
for name, ins, orient, c1, c2 in pairs:
    p = proper(ins, orient, c1, c2)
    who = "SNV 부르기" if p else "구조변이 검출기"
    print(f"{name:<12}{ins:>8}{orient:>6}{c1+'/'+c2:>10}   {str(p):<9} {who}")
print()
print("samtools view -f 2  →  SNV 를 부를 때. 깨끗한 것만")
print("samtools view -F 2  →  구조변이를 찾을 때. 이상한 것만")

🤔 확인 문제

한쪽 끝이 반복 구간에 떨어져 MAPQ 가 낮을 때, 짝이 도울 수 있는 이유는?

🤔 확인 문제

30 bp 짜리 KIT exon 11 ITD 를 인서트 크기 이상으로 잡기 어려운 이유는?

🤔 확인 문제

samtools view -f 2 (proper pair 만 남기기)를 SNV 검출 전에 쓰는 것과, 구조변이 검출기가 -F 2 를 쓰는 것의 관계는?

해설 -f 는 '이 비트가 켜진 것만', -F 는 '꺼진 것만'입니다. 점돌연변이를 부를 때 이상한 짝은 잡음이고, 구조변이를 찾을 때 이상한 짝은 바로 그 신호입니다. 무엇을 묻는지가 필터를 정합니다.