5. 접근번호는 주소다 — GenBase 와 유전체 여섯 · 정교수의 mRNA백신 디자인 첫걸음 I

'BtHKU5-CoV-2 의 스파이크' 라고 쓰면 다음 사람은 무엇을 받아야 할지 모릅니다. 균주가 여섯이고, 판(version)도 바뀝니다.

그래서 접근번호(accession) 를 적습니다. 접근번호는 이름이 아니라 주소입니다.

무엇	번호	어디
대표 균주 스파이크	`C_AAI84074.1`	GenBase
균주 153 · 155 · 023 · 028 · 381	`C_AAI84049.1` 외 넷	GenBase
유전체 여섯	`C_AA085189.1` ~ `C_AA085194.1`	GenBase
연구 자료 전체	`10.57760/sciencedb.28908`	Science Data Bank

주소를 눌러 보세요. 무엇을 가리키고, 없으면 무엇을 못 하는지 나옵니다.

불러오는 중…

GenBase 라는 곳

익숙한 이름은 GenBank 입니다. 이 논문이 쓴 곳은 GenBase 로, 중국 국가생명정보센터가 운영합니다. 접근번호가 C_ 로 시작하는 것이 표시입니다.

새 바이러스가 어느 나라에서 보고되면 그 나라 자료실에 먼저 올라가는 일이 흔합니다. 도구가 GenBank 만 안다면 서열을 아예 못 찾습니다.

자료를 맡겼다는 것 — 이 논문의 강점 하나

이 논문은 연구 자료를 Science Data Bank 에 맡기고 DOI 를 적어 두었습니다. 인실리코 논문에서 드문 일입니다.

SPOW 심사 규칙 가운데 R4(원자료) 는 '독립 재현이 되는가' 를 묻습니다. 이 논문은 통과합니다. 뒤에 볼 R5(재현 코드) 는 통과하지 못합니다 — 도구 스무 개를 어떤 순서로 돌렸는지 적은 코드가 없기 때문입니다.

자료는 있는데 절차가 없는 상태입니다. 20강에서 이 둘의 차이를 다룹니다.

번호의 생김새가 자료실을 알려 줍니다.

Python 브라우저에서 실행

# 접근번호의 '모양' 만 보고 종류를 가르는 연습.
accs = [
    "C_AAI84074.1",
    "C_AA085189.1",
    "10.57760/sciencedb.28908",
    "PMC13065043",
    "10.1371/journal.pntd.0013517",
    "2Z7X",
    "O15455",
]
for a in accs:
    if a.startswith("C_AAI"):
        kind = "GenBase 단백질 (스파이크)"
    elif a.startswith("C_AA0"):
        kind = "GenBase 유전체"
    elif a.startswith("10.57760"):
        kind = "Science Data Bank 자료 DOI"
    elif a.startswith("PMC"):
        kind = "PubMed Central 본문"
    elif a.startswith("10."):
        kind = "논문 DOI"
    elif len(a) == 4:
        kind = "PDB 구조"
    else:
        kind = "UniProt 단백질"
    print("%-30s %s" % (a, kind))
print()
print("모양만 봐도 어느 자료실인지 갈린다.")
print("이 구별이 없으면 엉뚱한 곳에서 찾다가 '없다' 고 결론내린다.")

재현에 필요한 네 가지

다른 사람이 이 연구를 다시 하려면 무엇이 있어야 할까요. 네 가지입니다.

이 논문에 있다

① 입력 서열의 접근번호 · ② 도구 이름과 판 · ③ 문턱값 (S1 Table)

이 논문에 없다

④ 도구를 어떤 순서로 어떻게 돌렸는지 적은 코드

넷 중 셋이 있습니다. 그래서 19강의 실습이 가능하고, 그래서 이 논문은 검산이 되는 논문입니다. 없는 하나 때문에 완전한 재현은 안 됩니다.

🤔 확인 문제

이 논문에서 재현에 필요한 네 가지 가운데 빠진 것은?

🤔 확인 문제

접근번호 끝의 .1 을 빼고 적으면 무슨 일이 생기나?

🤔 확인 문제

이 논문이 SPOW 심사에서 R4(원자료)를 통과한 까닭은?