6. 단백질 서열과 CDS — 21563 에서 25384 까지 · 손박사의 mRNA백신 설계 첫걸음 I

스파이크 단백질을 적는 방법이 두 가지입니다.

아미노산으로

스무 글자 알파벳 · 1273 글자 · P0DTC2 에서 받는다

염기로

네 글자 알파벳 · 유전체의 21563~25384 구간 · NC_045512.2 에서 받는다

염기로 적은 쪽, 즉 단백질을 만드는 데 쓰이는 구간을 단백질코딩영역(CDS) 이라고 부릅니다. GenBank 에서는 surface glycoprotein 이라는 이름표가 붙어 있습니다.

시작·끝 좌표를 밀어 보세요. 길이가 3 으로 나누어떨어지는지, 아미노산 몇 개가 나오는지 바로 나옵니다.

불러오는 중…

25384 − 21563 + 1 = 3822, 3822 ÷ 3 = 1274 코돈, 정지코돈 하나를 빼면 1273.

Python 브라우저에서 실행

# 논문이 적어 둔 좌표 하나로 세 가지를 검산한다.
start, end = 21563, 25384          # GenBank NC_045512.2 · surface glycoprotein

length = end - start + 1           # 양끝 포함이므로 +1
print("좌표       ", start, "~", end)
print("길이       ", length, "염기")
print("3 으로 나눈 나머지", length % 3, "  <- 0 이어야 리딩프레임이 맞는다")
print("코돈 개수  ", length // 3)
print("아미노산   ", length // 3 - 1, "  <- 마지막 코돈은 정지코돈이라 아미노산이 아니다")
print()

aa_uniprot = 1273                  # UniProt P0DTC2 가 적어 둔 길이
print("UniProt 가 적어 둔 길이", aa_uniprot)
print("좌표에서 계산한 길이   ", length // 3 - 1)
print("맞나?", "예" if length // 3 - 1 == aa_uniprot else "아니오")
print()
print("두 자료실이 서로를 검산해 준다. 이것이 세 문을 다 여는 이유다.")

한 글자 밀려도 길이 검사를 통과할 수 있습니다. 그래서 좌표는 손으로 확인합니다.

Python 브라우저에서 실행

# 1-기반과 0-기반을 섞으면 어떻게 밀리는지 눈으로 본다.
# 교육용 모형 서열이다 - 실제 유전체가 아니다.
model = "AAAATGGTTTTTCCCGGGTAA"       # 앞에 4글자 군더더기를 붙였다
start1, end1 = 5, 21                  # 1-기반 · 양끝 포함

right = model[start1 - 1 : end1]      # 파이썬으로 옮기는 올바른 방법
wrong1 = model[start1 : end1]         # -1 을 잊었다
wrong2 = model[start1 - 1 : end1 - 1] # 끝을 한 번 더 뺐다

print("원본        ", model)
print("올바른 잘라내기", right, " 길이", len(right))
print("-1 을 잊으면  ", wrong1, " 길이", len(wrong1), " <- 앞이 한 글자 밀렸다")
print("끝을 더 빼면  ", wrong2, " 길이", len(wrong2), " <- 뒤가 한 글자 잘렸다")
print()

for name, s in (("올바름", right), ("앞 밀림", wrong1), ("뒤 잘림", wrong2)):
    frame = "맞음" if len(s) % 3 == 0 else "깨짐"
    codons = [s[i:i+3] for i in range(0, len(s) - len(s) % 3, 3)]
    print("%-7s 길이 %2d  리딩프레임 %s  코돈 %s" % (name, len(s), frame, " ".join(codons)))
print()
print("'앞 밀림' 은 길이가 3 의 배수라 프레임 검사를 통과한다.")
print("통과하는데 단백질은 완전히 다른 것이 된다. 가장 무서운 실수다.")

두 서열의 관계를 표로

	단백질 서열	CDS (염기)
알파벳	스무 글자	네 글자 (A·T·G·C)
길이	1273	3822 (21563~25384)
어디서	UniProt `P0DTC2` · NCBI `YP_009724390.1`	GenBank `NC_045512.2`
정지코돈	없다 (아미노산이 아니다)	들어 있다 (마지막 세 글자)
되돌릴 수 있나	CDS → 단백질 한 가지 길	단백질 → CDS 수없이 많은 길 (9강)

마지막 줄이 이 강의에서 가장 중요한 비대칭입니다. 염기에서 아미노산으로는 답이 하나인데, 거꾸로는 답이 어마어마하게 많습니다. 그 “많음” 을 고르는 일이 IV 권의 코돈 최적화입니다.

🤔 확인 문제

GenBank 의 21563~25384 에서 길이를 구하는 올바른 식은?

🤔 확인 문제

1-기반 좌표를 파이썬으로 옮길 때 seq[start:end] 로 쓰면?

해설 파이썬은 0 부터 세므로 start-1 이어야 합니다. 밀린 서열도 길이가 3 의 배수면 프레임 검사를 통과합니다 — 멈추지 않습니다.

🤔 확인 문제

단백질 서열과 CDS 의 관계로 옳은 것은?