14. 세 개의 체 — Prokka · ExPASy Translate · NCBI Virus · 손박사의 mRNA백신 설계 첫걸음 I

유전체를 훑으면 후보가 잔뜩 나옵니다. 전부 표적이 될 수는 없습니다. 줄여야 합니다. 논문이 적어 둔 도구 셋이 각각 체 하나씩입니다.

체	도구	거르는 것	남는 것
첫째	Prokka	해독틀이 아닌 구간	ORF · 단백질코딩영역
둘째	ExPASy Translate	번역했을 때 말이 안 되는 것	단백질 서열
셋째	NCBI Virus	비기능 서열	쓸 만한 표적

셋째 체가 특히 중요합니다. 형식은 멀쩡한데 실제로 기능하는 단백질이 아닌 서열이 유전체에는 많습니다. 컴퓨터는 그것을 형식으로 가려내지 못합니다. 그래서 이미 알려진 것과 대조합니다.

체를 하나씩 켜고 꺼 보세요. 순서를 바꾸면 남는 것은 같은데 일한 양이 달라집니다.

불러오는 중…

결과는 같고 일한 양만 달라집니다. 성긴 체를 먼저 대는 까닭입니다.

Python 브라우저에서 실행

# 체 셋을 순서대로 대는 것과 뒤집어 대는 것을 견준다.
# 후보 개수는 교육용 모형이다 - 논문의 값이 아니다.
pool = 1000                 # 훑어서 나온 후보 구간 (모형)
pass_rate = {"Prokka": 0.12, "ExPASy": 0.85, "NCBI Virus": 0.40}
cost_each = {"Prokka": 1, "ExPASy": 3, "NCBI Virus": 8}   # 상대 비용 (모형)

def run(order):
    n = pool
    work = 0
    trace = []
    for name in order:
        work += n * cost_each[name]
        n = int(round(n * pass_rate[name]))
        trace.append((name, n))
    return n, work, trace

good = ["Prokka", "ExPASy", "NCBI Virus"]
bad  = ["NCBI Virus", "ExPASy", "Prokka"]

for label, order in (("논문 순서", good), ("뒤집은 순서", bad)):
    left, work, trace = run(order)
    print(label)
    for name, n in trace:
        print("    %-12s 통과 후 남은 후보 %5d" % (name, n))
    print("    최종 %d 개 · 일한 양 %d 단위" % (left, work))
    print()

l1, w1, _ = run(good)
l2, w2, _ = run(bad)
print("남는 개수는 %d 대 %d 로 거의 같다." % (l1, l2))
print("일한 양은 %d 대 %d 로 %.1f 배 차이가 난다." % (w1, w2, w2 / w1))
print("체의 순서는 결과가 아니라 비용을 정한다.")

“비기능 서열” 이 무엇인가

🧩

조각난 것

해독틀은 있는데 중간에 끊긴 유사유전자

🔇

안 쓰이는 것

형식은 맞지만 실제로 만들어지지 않는 구간

🪞

잘못 붙은 것

자동 주석이 잘못 이어 붙인 예측 유전자

셋 다 형식 검사를 통과합니다. 길이도 3 의 배수이고 정지코돈도 제자리에 있습니다. 그래서 형식으로는 못 거릅니다 — 알려진 것과 대조해야 합니다.

🤔 확인 문제

체의 순서를 논문대로(Prokka 먼저) 두는 까닭은?

🤔 확인 문제

“비기능 서열” 을 형식 검사로 거를 수 없는 까닭은?

🤔 확인 문제

세 체를 다 통과한 서열에 대해 말할 수 있는 것은?