7. 손을 움직인다 — 머리글을 쪼개고 잔기를 센다 · 손박사의 mRNA백신 설계 첫걸음 I

서열을 받았습니다. 이제 받은 것이 맞는지 확인할 차례입니다. 확인하지 않고 다음 걸음으로 가면, 틀렸을 때 어디서 틀렸는지 영영 모릅니다.

확인할 것이 셋입니다.

확인	기준	틀리면
길이	UniProt 가 적어 둔 1273	판·이형·정지코돈 문제
글자	스무 가지 아미노산 글자만	염기 서열을 받았다 (16강)
첫 글자	메티오닌 `M`	잘린 서열이거나 성숙형

줄 너비를 바꿔 보세요. 같은 1273 글자가 몇 줄이 되는지, 마지막 줄이 몇 글자인지 나옵니다.

불러오는 중…

줄 수로 길이를 짐작하는 습관을 여기서 버립니다.

Python 브라우저에서 실행

# 줄 너비를 바꿔 가며 1273 글자가 몇 줄이 되는지 센다.
# 줄 수를 세어 길이를 짐작하면 왜 늘 틀리는지 여기서 보인다.
aa = 1273

print("줄너비   줄 수   마지막 줄   줄수x너비   진짜 길이   차이")
for w in (50, 60, 70, 80, 100):
    full, rem = divmod(aa, w)
    lines = full + (1 if rem else 0)
    last = rem if rem else w
    guess = lines * w
    print("%5d %7d %10d %11d %11d %6d" % (w, lines, last, guess, aa, guess - aa))
print()
print("줄 수 x 줄 너비는 마지막 줄 때문에 늘 크게 나온다.")
print("길이를 알려면 줄바꿈을 버리고 글자를 세는 수밖에 없다.")

글자 구성만으로는 확실히 가를 수 없습니다. 그래서 주소를 함께 적습니다.

Python 브라우저에서 실행

# 아미노산 글자만 들어 있는지, 첫 글자가 M 인지 검사하는 작은 검문소.
# 교육용 모형 서열 셋을 통과시켜 본다.
AA20 = set("ACDEFGHIKLMNPQRSTVWY")
DNA4 = set("ACGT")

samples = [
    ("단백질처럼 보이는 것", "MKWVTFISLLFLFSSAYSRGVFRRDTHKSE"),
    ("염기처럼 보이는 것",   "ATGGTTTTCCTTGTTTTATTGCCACTAGTC"),
    ("애매한 것",           "ACGTACGTACGTACGTACGTACGTACGTAC"),
]

for name, s in samples:
    chars = set(s)
    only20 = chars <= AA20
    only4  = chars <= DNA4
    if only4:
        verdict = "염기일 가능성이 매우 높다"
    elif only20:
        verdict = "단백질이다"
    else:
        verdict = "둘 다 아니다 - 파일이 깨졌거나 다른 형식이다"
    print("%-22s 글자 종류 %2d  첫 글자 %s  -> %s" % (name, len(chars), s[0], verdict))
print()
print("'애매한 것' 을 보라. A C G T 는 아미노산 글자이기도 하다")
print("(알라닌 시스테인 글리신 트레오닌). 그래서 짧은 서열은 글자만으로 못 가른다.")
print("판단이 필요하면 머리글과 접근번호를 본다 - 서열이 아니라 주소를 본다.")

길이 + 조성을 한 줄 지문으로 만들어 두면 대조가 빨라집니다.

Python 브라우저에서 실행

# 받은 서열의 '조성' 을 세어 두면 나중에 다른 파일과 대조하기 쉽다.
# 다시 말하지만 여기 쓰는 것은 교육용 모형이다.
from collections import Counter

AA = "ACDEFGHIKLMNPQRSTVWY"
model = (AA * 7)[:132]

c = Counter(model)
print("길이", len(model), "· 글자 종류", len(c))
print()
top = sorted(c.items(), key=lambda kv: (-kv[1], kv[0]))
print("가장 많은 글자 다섯")
for k, v in top[:5]:
    print("   %s  %3d  (%.1f%%)" % (k, v, v / len(model) * 100))
print()

# 지문 하나 - 길이와 조성을 한 줄로 요약해 두면 대조가 쉽다
finger = "%d:%s" % (len(model), "".join("%s%d" % (k, c[k]) for k in sorted(c)))
print("지문", finger[:60], "...")
print()
print("두 파일의 지문이 같으면 같은 서열일 가능성이 매우 높다.")
print("다르면 확실히 다르다. 길이 하나보다 훨씬 강한 검사다.")

Step 1 을 빠져나가기 전 검문소

📏

길이

1273 인가. 아니면 왜 아닌지 설명할 수 있는가

🔤

글자

아미노산 스무 글자만인가. 네 글자뿐이면 염기를 받았다

📌

주소

판 번호까지 적었는가. .1 이 빠지면 10강의 사고

셋 다 통과해야 Step 2 로 넘깁니다. 이 셋을 적어 둔 표가 19강의 산출물입니다.

🤔 확인 문제

FASTA 의 줄 수 × 줄 너비로 서열 길이를 구하면?

🤔 확인 문제

서열 글자가 A·C·G·T 넷뿐일 때 “확실히 염기다” 라고 말할 수 없는 까닭은?

🤔 확인 문제

Step 2 로 넘기기 전 검문소 셋이 아닌 것은?