Lesson 2 of 20

SRP · SRX · SRR · SRS — 그리고 BioProject

SRA 등록번호 체계와 GEO 와의 연결

SRA 의 번호는 GEO 보다 복잡합니다. 다섯 종류예요.

📦

SRP

Study — 연구 하나. GEO 의 GSE 에 해당합니다

🧪

SRS

Sample — 생물학적 표본. 조직 한 조각

🔬

SRX

Experiment — 그 표본으로 만든 라이브러리 하나

📄

SRR

Run — 기계를 한 번 돌린 결과. 실제 파일입니다

그리고 이 넷을 감싸는 상위 번호가 둘 더 있습니다.

🏷️

PRJNA…

BioProject — 연구 단위. GEO 와 SRA 를 잇는 열쇠입니다

🧬

SAMN…

BioSample — 표본 단위. 여기에 라벨이 있습니다

High schoolSRP · SRX · SRR · SRS

SRA에는 네 층위의 등록번호가 있습니다. 각각 다른 것을 가리켜요.

접두어	층위	비유
SRP	Study — 연구 하나	책 한 권
SRS	Sample — 생물학적 시료	등장인물 한 명
SRX	Experiment — 그 시료로 만든 라이브러리	그 인물의 한 장면
SRR	Run — 실제 시퀀싱 한 번	그 장면의 촬영 한 회

파일을 내려받는 단위는 SRR입니다 — 나머지는 묶음의 이름입니다.

High school왜 층이 넷이나 필요한가

같은 시료를 여러 번 시퀀싱할 수 있습니다. 깊이가 모자라 다시 돌리거나, 다른 방식으로 라이브러리를 만들거나요.

상황	층위로 표현하면
한 시료를 두 번 시퀀싱	SRS 1개 → SRX 1개 → SRR 2개
한 시료로 RNA-seq과 WES를 함	SRS 1개 → SRX 2개
한 연구에 시료 50개	SRP 1개 → SRS 50개

이 구조를 모르면 실수합니다. run 수를 세고 "시료가 713개"라고 하면 틀려요 — 같은 시료의 여러 run이 섞여 있을 수 있습니다.

run 을 그냥 세면 표본 수가 부풀어요. 같은 표본의 run 은 합쳐야 합니다.

Python Runs in your browser

# 같은 표본이 run 여럿으로 쪼개져 있으면 무슨 일이 생기는가.
runs = [
    ("SRR1001", "SRX501", "SRS301", 12_000_000),
    ("SRR1002", "SRX501", "SRS301",  9_500_000),   # 같은 라이브러리, 다른 레인
    ("SRR1003", "SRX502", "SRS302", 21_000_000),
    ("SRR1004", "SRX503", "SRS303", 18_000_000),
]
print(f"{'run':9s} {'실험':8s} {'표본':8s} {'spots':>12s}")
for r, x, s, n in runs:
    print(f"{r:9s} {x:8s} {s:8s} {n:12,d}")
print()
print("run 수    :", len(runs))
print("실험 수   :", len({x for _, x, _, _ in runs}))
print("표본 수   :", len({s for _, _, s, _ in runs}))
print()
print("run 을 세면 4개, 표본을 세면 3개입니다.")
print("논문이 'n=3' 이라고 적었다면 표본을 센 것이에요.")

# 같은 표본의 run 은 합쳐야 합니다
from collections import defaultdict
tot = defaultdict(int)
for _, _, s, n in runs:
    tot[s] += n
print()
for s, n in tot.items():
    print(f"{s}: {n:,} spots (합침)")

High schoolGEO와의 연결

GEO와 SRA는 같은 연구의 두 얼굴입니다.

GEO	SRA	관계
GSE (Series)	SRP (Study)	대개 1:1
GSM (Sample)	SRX / SRS	대개 1:1
—	SRR (Run)	GEO에는 없는 층

GEO는 처리된 결과를, SRA는 원시 read를 담습니다 — 같은 실험의 앞뒤입니다.

그래서 GEO에서 시작해 SRA로 내려가는 흐름이 흔합니다. GEO에서 관심 있는 연구를 찾고, 거기 적힌 SRP 번호로 SRA에 가는 거예요.

GEO 와 SRA 는 BioProject 로 이어집니다.

GEO 시리즈  GSE124439
     ↓ (같은 연구)
BioProject  PRJNA512012
     ↓
SRA study   SRP180290
     ↓
run         SRR8375...  SRR8375...  SRR8375...

GEO 시리즈 페이지에 SRA: SRP… 링크가 있고, SRA runinfo 표에는 BioProject 열이 있습니다. 둘 중 아무 쪽에서 출발해도 반대쪽으로 갈 수 있어요.

High schoolBioProject와 BioSample

더 상위에 두 가지가 더 있습니다.

이름	담는 것
BioProject (PRJNA…)	연구 전체의 메타 정보 — 여러 SRP를 묶을 수도
BioSample (SAMN…)	시료의 생물학적 정보 — 조직, 나이, 상태

BioSample이 중요합니다 — 병명·조직 정보가 여기 있을 수 있습니다.

9강에서 SRA runinfo에 병명이 없다는 것을 확인하는데, 그때 BioSample을 뒤져야 합니다(10강). 층위를 아는 것이 그 탐색의 지도예요.

🤔 Check yourself

SRA 자료에서 '표본 수'를 셀 때 SRR(run) 을 세면 안 되는 이유는?

🤔 Check yourself

GEO 시리즈와 SRA 연구를 잇는 번호는?