5강 / 20강

rs 번호는 무엇을 가리키나 — 그리고 왜 체세포에는 잘 안 붙나

식별자는 편하지만 모든 변이에 있지는 않다

rs121913530 같은 번호를 본 적이 있을 겁니다. dbSNP 이 붙인 식별자입니다. 좌표보다 짧고, 빌드가 바뀌어도 번호는 그대로라 편합니다.

그래서 조인 키로 쓰고 싶어집니다. 그런데 두 가지 문제가 있습니다.

고등학생rs 번호는 편하지만

rs123456 같은 번호를 본 적이 있을 겁니다. dbSNP이 변이에 붙이는 식별자예요.

장점	단점
짧고 명확	모든 변이에 있지는 않음
논문에 쓰기 편함	번호가 통합·폐기되기도 함
검색이 쉬움	하나가 여러 좌표를 가리킬 수도

rs 번호는 주민등록번호 같습니다 — 있으면 편하지만, 없는 사람도 있습니다.

고등학생왜 체세포 변이에는 잘 안 붙나

dbSNP은 원래 인구 다형성을 모으는 곳입니다. 여러 사람에게서 관찰되는 변이에 번호를 붙여요.

변이 유형	rs 번호가 붙을까
인구에 흔한 다형성	대부분 붙음
드문 생식세포 변이	일부 붙음
암에서만 생긴 체세포 변이	대개 안 붙음

체세포 변이는 그 사람의 그 종양에만 있습니다. 인구 다형성이 아니에요. 그래서 dbSNP에 없는 것이 정상입니다.

고등학생역설 — rs 번호가 있으면 오히려 의심

체세포 변이 분석에서는 rs 번호가 있는 것이 경고 신호가 될 수 있습니다.

rs 번호가 있다	가능한 뜻
인구 다형성	생식세포 변이가 섞였다 — 필터해야 함
암에서도 자주 나와 등재	진짜 체세포 핫스팟 (KRAS G12C 등)

그래서 rs 번호 유무만으로 필터하면 안 되고, gnomAD 빈도를 봐야 합니다.

18강에서 이 필터를 실제로 씁니다. 인구에 1% 이상 흔하면 체세포일 가능성이 거의 없어요.

한 자리에서 여러 갈래로 갈립니다. 자리만 가리키는 식별자로는 이 갈래를 구분할 수 없습니다.

Python 브라우저에서 실행

import mut

# KRAS 12번 코돈 근처 — 같은 자리에서 여러 갈래로 갈린다
kras = mut.rows("KRAS")
by_pos = {}
for r in kras:
    by_pos.setdefault(r["pos"], []).append(r)

print("KRAS 변이", len(kras), "줄 · 서로 다른 자리", len(by_pos), "곳")
print()
for pos in sorted(by_pos, key=lambda p: -len(by_pos[p]))[:5]:
    rs = by_pos[pos]
    alleles = sorted({f"{x['ref']}>{x['alt']}" for x in rs})
    prots = sorted({x["hgvsp"] for x in rs})
    print(f"  위치 {pos} · {len(rs):>3}줄")
    print(f"     염기 변화 {alleles}")
    print(f"     단백질   {prots}")

그러면 rs 번호는 언제 쓰나

쓸 만한 곳

생식세포 변이 — GWAS · ClinVar · gnomAD.
인구에 있는 변이라 번호가 대개 붙어 있습니다.
/gwas 강의가 이 세계입니다

쓰면 안 되는 곳

체세포 변이 조인.
번호가 없는 변이가 조용히 사라집니다 —
그리고 사라진 것들이 가장 중요한 것들입니다

규칙은 하나입니다. 조인은 좌표로 하고, rs 번호는 표시용으로 곁들인다.

고등학생식별자를 조인 키로 쓸 때

상황	rs 번호를 키로
생식세포 변이 분석	쓸 만함 — 대부분 있음
체세포 변이 분석	부적합 — 결측이 많음
두 자료의 좌표 빌드가 다름	rs가 오히려 유용 — 빌드 무관

세 번째 줄이 흥미롭습니다. rs 번호는 좌표가 아니라 변이 자체를 가리키니 빌드가 달라도 같은 번호예요. 그래서 빌드 변환 없이 이어 붙일 때 쓸 수 있습니다.

있는 것끼리는 rs로, 없는 것은 좌표로 — 두 키를 함께 쓰는 것이 실무입니다.

🤔 확인 문제

체세포 변이를 rs 번호로 조인하면 생기는 문제는?

🤔 확인 문제

rs 번호를 쓰기에 적절한 곳은?