2. 접근번호 — 이름이 아니라 주소다 · 손박사의 mRNA백신 설계 첫걸음 I

친구 집에 가려면 “빨간 지붕 집” 으로는 안 됩니다. 번지가 필요합니다. 서열도 똑같습니다.

“스파이크 단백질” 이라고 적으면 사람은 알아듣지만 컴퓨터는 못 찾습니다. 같은 이름을 쓰는 단백질이 여러 바이러스에 있고, 같은 바이러스 안에서도 판이 여럿입니다. 그래서 접근번호(accession number) 가 있습니다.

접근번호 = 자료실 안의 변하지 않는 번지

이 논문이 쓴 네 개의 주소

주소	어느 자료실	가리키는 것	받는 것
`P0DTC2`	UniProt	스파이크 단백질	아미노산 1273개
`YP_009724390.1`	NCBI Protein	같은 단백질	아미노산 서열
`NC_045512.2`	GenBank	바이러스 유전체 전체	염기 서열 + 좌표
`43740568`	NCBI Gene	유전자 항목	유전자 수준 정보

넷이 같은 것을 가리키지 않습니다. 앞의 둘은 단백질, 셋째는 유전체 전체, 넷째는 유전자 항목입니다. 그런데 넷이 같은 대상의 네 얼굴입니다.

주소를 눌러 보세요. 어느 자료실의 문이 열리고, 무엇을 받게 되고, 다음 걸음에서 무엇에 쓰이는지 나옵니다.

불러오는 중…

정규식 여섯 줄로 종류가 갈립니다. 형식이 곧 의미입니다.

Python 브라우저에서 실행

# 접근번호의 '모양' 만 보고 종류를 가려내는 작은 검사기.
# 이 논문이 쓴 네 개와, 흔한 실수 하나를 함께 넣었다.
import re

RULES = [
    (r"^[OPQ][0-9][A-Z0-9]{3}[0-9]$",        "UniProt 단백질"),
    (r"^[A-NR-Z][0-9]([A-Z][A-Z0-9]{2}[0-9]){1,2}$", "UniProt 단백질"),
    (r"^(YP|NP|XP|AP|WP)_[0-9]+([.][0-9]+)?$", "NCBI 단백질"),
    (r"^(NC|NM|NG|NR|XM)_[0-9]+([.][0-9]+)?$", "NCBI 염기"),
    (r"^[0-9]{3,}$",                          "NCBI Gene ID"),
    (r"^[0-9][A-Za-z0-9]{3}$",                "PDB 구조"),
]

def kind(acc):
    for pat, name in RULES:
        if re.match(pat, acc):
            return name
    return "모르는 모양"

tests = ["P0DTC2", "YP_009724390.1", "NC_045512.2", "43740568", "6VXX",
         "SPIKE", "spike protein"]
for t in tests:
    k = kind(t)
    flag = "  <- 주소가 아니다. 이름이다." if k == "모르는 모양" else ""
    print("%-18s %s%s" % (t, k, flag))
print()
print("판 번호(.1 / .2)가 붙는 것과 안 붙는 것이 섞여 있다 - 10강에서 다룬다.")

주소가 왜 “변하지 않아야” 하나

논문에 P0DTC2 라고 적어 두면, 십 년 뒤에 그 논문을 읽는 사람도 같은 서열을 받아올 수 있습니다. “스파이크 단백질” 이라고만 적혀 있으면 못 받아옵니다.

주소로 적으면

기계가 자동으로 받아 온다 · 같은 것이 나온다 · 판 번호까지 붙이면 같은 글자까지 나온다

이름으로 적으면

사람이 검색해야 한다 · 검색 결과가 여러 개다 · 종·이형·판이 섞인다 (15강의 함정)

논문 재현성 이야기가 늘 접근번호로 돌아가는 까닭입니다. 이 논문 자신도 원자료 접근번호를 적지 않아 독립 재현이 막혔습니다 — 20강에서 이야기합니다.

🤔 확인 문제

“스파이크 단백질” 대신 P0DTC2 를 적는 가장 큰 이유는?

🤔 확인 문제

NC_045512.2 가 가리키는 것은?

해설 NC_ 는 NCBI 의 염기 접근번호이고, 이것은 SARS-CoV-2 유전체 전체입니다. 스파이크는 그 안의 21563~25384 구간입니다 (6강).

🤔 확인 문제

접근번호와 “이름” 의 차이가 아닌 것은?