17강 / 20강

원자료로만 되는 것 — 변이 · 스플라이싱 · 반복확장 · 레퍼토리

발현 카운트가 통과시키지 못하는 정보

발현 카운트 표를 만드는 일은 정보를 버리는 일입니다.

read 수천만 개 → 유전자별 숫자 하나씩

버려지는 것이 무엇인지 생각해 보세요. read 하나하나의 글자가 버려집니다. 그 글자에 들어 있던 것들도 함께요.

고등학생발현 카운트가 통과시키지 못하는 정보

read를 카운트로 바꾸는 순간 많은 것이 버려집니다. 무엇이 버려지는지 알면, 언제 원자료가 필요한지 알 수 있어요.

read에 있던 정보	카운트에 남나
이 유전자에서 왔다	남음
서열의 염기 하나하나	사라짐
어느 엑손 조합인가	대개 사라짐
짝 read와의 거리	사라짐

카운트는 "몇 개"만 남기고 "어떤"을 버립니다.

원자료로만 되는 일들입니다. 전부 이 사이트의 다른 강의와 이어져요.

무엇	왜 카운트로는 안 되나	이어지는 강의
점 돌연변이	글자 하나가 바뀐 것 — 개수는 그대로다	`/gwas`
스플라이싱 이상	엑손을 건너뛰어도 유전자 총량은 비슷하다	`/als` 3강
C9orf72 반복확장	반복 횟수는 서열에만 있다	`/als`
융합 유전자	두 유전자가 붙은 것 — 각각의 카운트는 정상	암 연구
면역 레퍼토리	TCR·BCR 은 사람마다 서열이 다르다	`/tcrhla`
대립유전자 편향	아버지 쪽과 어머니 쪽을 갈라야 한다	`/gwas`
새 전사체	주석표에 없으면 셀 대상이 아니다	—

고등학생원자료로만 되는 네 가지

분석	왜 원자료가 필요한가
변이 (SNV·인델)	염기 하나하나를 봐야 함
스플라이싱	엑손 접합부를 넘는 read가 필요
반복확장	반복 구간의 실제 서열
면역 레퍼토리 (TCR·BCR)	각 세포의 수용체 서열 조합

네 번째가 특히 그렇습니다. TCR·BCR은 유전자 재배열로 만들어져서, 참조 유전체에 없는 서열이에요. 카운트로는 절대 알 수 없습니다(/tcrhla).

고등학생융합 유전자도 그렇다

암에서 두 유전자가 붙어 새 유전자가 되는 일이 있습니다. ALK 융합, ROS1 융합 같은 것들이에요.

발현 카운트로 보면	원자료로 보면
두 유전자의 발현이 조금 이상함	두 유전자에 걸친 read를 직접 확인
추측만 가능	접합점 서열까지

ALK 융합은 표적 치료제가 있는 변이입니다 — 놓치면 임상적 손실입니다.

짧은 read 로는 반복을 셀 수 없습니다. 길이가 곧 능력이에요.

Python 브라우저에서 실행

# 반복확장을 짧은 read 로 세는 것이 왜 어려운가.
unit = "GGGGCC"
read_len = 150

for n_repeat in [3, 12, 25, 100, 800]:
    total = len(unit) * n_repeat
    fits = total <= read_len
    print(f"반복 {n_repeat:4d}회 = {total:5d} bp   "
          f"{'read 하나에 들어간다' if fits else 'read 를 넘어선다 — 셀 수 없다'}")
print()
print(f"read 길이 {read_len}bp 로는 {read_len//len(unit)}회까지만 직접 셀 수 있습니다.")
print("환자는 수백~수천 회예요. 그래서 긴 읽기가 필요합니다.")
print()
print("이 강의 자료의 최대 읽기 길이: 1,408 bp")
print(f"  -> {1408//len(unit)}회까지. 아직도 모자랍니다.")

엑손 하나를 건너뛰어도 유전자 총량은 15%밖에 안 줄어요.

Python 브라우저에서 실행

# 스플라이싱은 총량을 안 바꾼다.
exons = {"E1": 200, "E2": 150, "E3": 300, "E4": 250}

normal  = ["E1", "E2", "E3", "E4"]
skipped = ["E1", "E3", "E4"]           # E2 를 건너뛰었다

for name, ex in [("정상 전사체", normal), ("E2 건너뜀", skipped)]:
    L = sum(exons[e] for e in ex)
    print(f"{name:14s} 길이 {L:5d} bp   엑손 {' - '.join(ex)}")
print()
d = sum(exons[e] for e in normal) - sum(exons[e] for e in skipped)
print(f"길이 차이 {d} bp = 전체의 {d/sum(exons.values())*100:.0f}%")
print()
print("유전자 수준 카운트로는 이 정도 차이가 잡음에 묻힙니다.")
print("이음매(junction)를 지나는 read 를 직접 세야 보여요 —")
print("그러려면 정렬이 필요하고, 정렬하려면 원자료가 필요합니다.")

고등학생그리고 검증

또 하나의 이유가 있습니다. 남의 결과를 확인하는 것이죠.

확인할 수 있는 것	내용
원논문 결과 재현	같은 결론이 나오나
시료 뒤바뀜	성별 유전자로 라벨과 대조
오염	다른 종·다른 시료가 섞였나
중복 등록	같은 자료가 두 번 올라왔나

두 번째 줄은 실제로 자주 발견됩니다 — XIST와 Y염색체 유전자로 성별을 확인하면 라벨 오류가 드러납니다.

🤔 확인 문제

발현 카운트 표를 만들면서 버려지는 가장 중요한 정보는?

🤔 확인 문제

GGGGCC 반복확장을 150bp read 로 직접 세기 어려운 이유는?

🤔 확인 문제

엑손 하나를 건너뛴 스플라이싱 이상이 유전자 수준 카운트로 안 보이는 이유는?