4강 / 20강

변이의 이름은 무엇인가 — 조인 키를 만든다

chr:pos:ref>alt · 실제 982줄에서 629가지

두 표를 이어 붙이려면 양쪽에 같은 값이 든 칸이 있어야 합니다. 그 칸을 조인 키라고 합니다. 변이의 조인 키로 쓸 수 있는 후보가 여럿입니다.

후보	예	유일한가
유전자 이름만	`KRAS`	아니다 — 한 유전자에 변이가 수백 개
유전자 + 단백질 변화	`KRAS:G12C`	거의 — 그런데 예외가 있습니다
유전체 좌표 + 염기	`12:25398285:C>A`	그렇다 — 빌드만 같으면
dbSNP rs 번호	`rs121913530`	있으면 유일 — 없는 변이가 많습니다

실무에서 쓰는 것은 세 번째입니다. 이 강의는 그것을 gkey 라고 부릅니다.

고등학생변이의 이름을 정한다

두 표를 이어 붙이려면 같은 것을 같다고 알아볼 열쇠가 필요합니다. 이걸 조인 키라고 해요.

변이의 조인 키로 가장 안전한 것은 좌표 기반 표기입니다.

chr7:55249071:C>T — 염색체 : 위치 : 원래염기 > 바뀐염기

구성 요소	왜 필요한가
염색체	어느 염색체인지
위치	몇 번째 염기인지
원래 염기 (ref)	검증용 — 안 맞으면 빌드가 다름
바뀐 염기 (alt)	같은 자리라도 다른 변이일 수 있음

간단합니다. 네 칸을 이어 붙이면 끝입니다 — 문제는 그 네 칸이 데이터베이스마다 다르게 적혀 있다는 것이죠.

Python 브라우저에서 실행

import mut

# 조인 키를 직접 만들어 본다
r = mut.rows("KRAS")[0]
gkey = f"{r['chrom']}:{r['pos']}:{r['ref']}>{r['alt']}"
print("유전자      ", r["gene"])
print("단백질 변화  ", r["hgvsp"])
print("만든 조인 키 ", gkey)
print("꾸러미가 붙여 둔 것:", r["gkey"])
print("같은가:", gkey == r["gkey"])

고등학생ref를 왜 키에 넣나

위치만 있으면 될 것 같은데 왜 원래 염기까지 적을까요?

ref가 있으면	검사할 수 있는 것
기준 유전체와 대조	빌드가 맞는지 (7강)
표기 오류 탐지	좌표가 밀렸는지
같은 자리 다른 변이 구분	C>T와 C>A는 다른 변이

ref는 안전장치입니다 — 이것이 안 맞으면 조인을 멈춰야 한다는 신호입니다.

고등학생982줄에서 629가지

이 키로 세어 보면 982줄이 629가지 변이가 됩니다.

관찰	뜻
982 > 629	같은 변이가 여러 검체에서 반복
반복이 많은 변이	재발성 — 11강
한 번만 나온 변이	대부분 — 승객일 가능성

중요한 규칙 하나 — 줄 수를 세는 것과 변이 종류를 세는 것은 다릅니다. "변이가 982개"라고 하면 틀리고, "982건, 629종"이라고 해야 정확해요.

982줄이 629가지 변이입니다. 유전자 이름으로 조인하면 19덩어리가 되어 버립니다 — 정보가 통째로 사라집니다.

Python 브라우저에서 실행

import mut

rows = mut.rows()
gkeys = {r["gkey"] for r in rows}
pkeys = {r["pkey"] for r in rows if r["pkey"]}
genes = {r["gene"] for r in rows}

print("MAF 줄            ", len(rows))
print("서로 다른 유전자    ", len(genes))
print("서로 다른 단백질 이름", len(pkeys))
print("서로 다른 유전체 자리", len(gkeys))
print()
print("→ 유전자로 조인하면", len(rows), "줄이", len(genes), "덩어리로 뭉칩니다")
print("→ 유전체 자리로 조인하면", len(gkeys), "덩어리 — 이게 변이 단위입니다")

고등학생키를 만들 때 흔한 실수

실수	결과
염색체를 "7"과 "chr7"로 섞어 씀	전혀 안 붙음
대소문자 (a/A, t/T)	안 붙음
1-기반과 0-기반 좌표 혼용	1씩 밀림
인델의 좌표 규칙 차이	9강 — 좌측정렬 문제
빌드를 안 적음	7강 — 좌표가 통째로 다름

키를 만들 때는 정규화가 먼저입니다 — 형식을 통일하고 나서 붙입니다.

🤔 확인 문제

변이의 조인 키로 가장 믿을 만한 것은?

🤔 확인 문제

982줄을 유전자 이름으로 조인하면 어떻게 됩니까?