1강 / 20강
마틴의 세 질문 — 이 강의가 답하는 것
제5장 「CanFam3.1 참조 게놈에 대한 이해가 있는가」
2024년, 멜버른. 데이터과학자 폴 코닝햄이 시드니의 유전체학 연구자 마틴 스미스에게 이메일을 보냅니다. 제 개의 종양을 통째로 읽어 맞춤 mRNA 백신을 만들어 보고 싶다고요.
화요일 화상통화에서 마틴이 처음 삼십 분 동안 한 일은 질문 셋이었습니다.
첫째
개의 MHC 가 사람과 다르다는 것을 고려했는가
둘째
CanFam3.1 참조 유전체를 이해하고 있는가
셋째
GATK 파이프라인에서 개 유전체의 특수성을 어떻게 다룰 것인가
소설은 이 대목을 이렇게 맺습니다. "세 질문의 공통점이 있었다. 도구가 사람을 위해 만들어졌다는 것. 그리고 폴이 하려는 일은 개에게 하는 일이라는 것."
이 두 권짜리 강의는 그 세 질문에 차례로 답합니다.
두 권이 나눠 맡은 것
| 질문 | 어디서 | 무엇을 배우나 |
|---|---|---|
| 둘째 — 참조 유전체 | I 권 6~7강 | CanFam3.1 · Dog10K · 좌표계 · 이름 규칙 |
| 셋째 — 개의 특수성 | I 권 18강 | BQSR 을 왜 건너뛰나 · 알려진 변이 목록 |
| — | I 권 8~17강 | 그 앞에 있어야 할 것: FASTQ · 정렬 · MAPQ · 중복 · 커버리지 |
| 첫째 — 개의 MHC | II 권 14~17강 | DLA-88 · %rank · 오차 막대 |
순서가 거꾸로인 것처럼 보이지만 그렇지 않습니다. 첫째 질문은 변이 목록이 이미 있다는 전제 위에 서 있습니다. 그 목록을 만드는 것이 먼저입니다.
이 권이 끝나면 손에 남는 것
BAM 파일 하나입니다. 정확히는 둘 — 종양 것 하나, 혈액 것 하나.
BAM 은 "어느 조각이 유전체의 어느 자리에서 왔는지"가 적힌 표입니다. 그 표가 믿을 만해야 다음 권의 뺄셈이 뜻을 갖습니다.
숫자를 먼저 만들어 두면 뒤가 편합니다. 교실용 창은 실제의 12만분의 1입니다.
Python
브라우저에서 실행
왜 개인가 — 한 문장으로
10강에서 라첼 알라베나 교수가 폴에게 한 말이 이 강의 전체의 이유이기도 합니다.
"당신이 하려는 걸 생쥐로 했다면 나는 훨씬 회의적이었을 거예요."
실험용 생쥐는 유전적으로 거의 같은 개체들이고, 그 종양은 대개 사람이 만든 것입니다. 개의 종양은 저절로 생깁니다. 면역계가 멀쩡한 몸 안에서, 그 면역계를 피해 가며 자랍니다. 사람과 같은 집에 살고 같은 물을 마십니다.
이것을 비교종양학(comparative oncology)이라고 부릅니다. 2강부터 그 이야기를 시작합니다.
🤔 확인 문제
마틴의 세 질문이 공통으로 가리킨 것은 무엇입니까?
해설 소설이 직접 그렇게 적습니다 — "도구가 사람을 위해 만들어졌다는 것. 그리고 폴이 하려는 일은 개에게 하는 일이라는 것." 참조 유전체도, 변이 데이터베이스도, MHC 결합 예측기도 사람 자료로 만들어졌습니다. 개에 그대로 쓰면 숫자는 나오지만 그 숫자의 뜻이 달라집니다.
🤔 확인 문제
이 권(I권)이 끝났을 때 손에 남는 것은?
해설 I권은 정렬까지입니다. FASTQ 네 파일을 개 참조 유전체에 맞춰 놓고, 중복을 표시하고, 커버리지를 확인해 믿을 만한 BAM을 만드는 데서 끝납니다. 그 BAM 을 빼서 변이를 부르는 일은 II권이 맡습니다.
🤔 확인 문제
이 강의가 실제 200 GB 대신 KIT 유전자좌 20 kb 만 쓰는 이유로 가장 정확한 것은?
해설 줄어드는 것은 크기뿐입니다. 정렬·중복표시·커버리지·변이 부르기의 논리는 20 kb 에서나 2.4 Gb 에서나 같습니다. 다만 20 kb 에서는 반복 구간의 어려움이 거의 안 나타나므로, 14강에서 MAPQ 를 따로 다룹니다.