Lesson 4 of 20

무엇을 잰 자료인가 — 라이브러리 전략 다섯

이 강의가 모은 713 run 의 실제 분포

SRA 에는 서열이면 무엇이든 들어옵니다. 그러니 가장 먼저 물어야 할 것은 "이게 무엇을 잰 자료인가" 예요. 그 답이 LibraryStrategy 입니다.

이 강의가 모은 713개 run 의 실제 분포입니다.

전략	run 수	무엇을 재나
`RNA-Seq`	433	어떤 유전자가 켜져 있는가
`ATAC-seq`	160	DNA 의 어느 부분이 열려 있는가
`WGS`	40	유전체 전체의 서열
`WXS`	40	엑솜만 — 단백질을 만드는 부분
`ChIP-Seq`	40	어떤 단백질이 DNA 의 어디에 붙어 있는가

High school무엇을 잰 자료인가

LibraryStrategy 열이 "이 자료가 무엇을 재려고 만들어졌나"를 알려 줍니다. 이것이 첫 번째 필터예요.

전략	재는 것
RNA-Seq	전사체 — 어떤 유전자가 켜져 있나
WXS (전장엑솜)	단백질 코딩 DNA — 변이
WGS (전장유전체)	DNA 전체
ATAC-seq	열린 크로마틴 — 어디가 접근 가능한가
ChIP-Seq	단백질이 붙은 DNA 자리

전략이 다르면 같은 도구로 처리할 수 없습니다 — 파이프라인이 통째로 다릅니다.

High school713 run의 실제 분포

이 강의가 모은 자료의 구성입니다.

전략	run 수
RNA-Seq	433
나머지 넷	합쳐서 280
합계	713

RNA-Seq이 절반이 넘습니다. 발현 연구가 가장 흔하기 때문이에요. 이 강의는 이 433개를 중심으로 다음 단계를 진행합니다.

다섯이 서로 다른 층을 봅니다. 겹쳐야 사슬이 보여요.

Python Runs in your browser

# 각 전략이 답하는 질문.
kinds = [
    ("RNA-Seq",  "어떤 유전자가 켜져 있는가",        "전사체", "발현량 · 스플라이싱 · 융합"),
    ("ATAC-seq", "DNA 의 어디가 열려 있는가",        "염색질", "조절 부위 · 전사인자 자리"),
    ("WGS",      "이 사람의 DNA 전체 서열은",        "유전체", "점 돌연변이 · 구조변이 · 반복확장"),
    ("WXS",      "단백질 만드는 부분의 서열은",      "엑솜",   "코딩 변이만 · WGS 보다 훨씬 싸다"),
    ("ChIP-Seq", "이 단백질이 DNA 어디에 붙는가",    "결합",   "전사인자 · 히스톤 표지"),
]
print(f"{'전략':10s} {'묻는 것':28s} {'층':7s} 무엇을 얻나")
for s, q, layer, out in kinds:
    print(f"{s:10s} {q:28s} {layer:7s} {out}")
print()
print("Answer ALS 는 이 중 WGS · RNA-Seq · ATAC-seq 셋을")
print("같은 사람의 같은 세포에서 다 쟀습니다. (/als 16강)")

High school전략 표기가 부정확할 때

이 열도 제출자가 고릅니다. 그래서 어긋나는 경우가 있어요.

문제	내용
"OTHER"로 표기	고를 항목이 없어서 — 실제로 뭔지 모름
새로운 방법	목록에 없는 신기술
잘못 고름	WXS인데 WGS로 적음
변형된 방법	RNA-Seq인데 특수한 변형

전략 열로 거른 뒤에도, 실제 자료를 열어 확인하는 습관이 필요합니다.

전략에 따라 깊이의 기준도 다릅니다.

RNA-Seq — read 수로 센다

"표본당 2천만 read" 처럼 말합니다. 유전자마다 몇 개나 잡혔는지가 중요하니까요.

WGS — 배수로 센다

"30× 커버리지" 처럼 말합니다. 유전체의 각 자리를 평균 몇 번 읽었는가예요.

같은 염기 수라도 무엇을 잰 자료냐에 따라 충분하기도 하고 턱없기도 합니다.

Python Runs in your browser

# WGS 의 커버리지를 염기 수에서 계산합니다.
GENOME = 3_100_000_000        # 사람 반수체 유전체 대략 31억 염기

for label, bases in [("이 강의 자료의 최소", 35_331_896),
                     ("중앙값",              8_222_420_400),
                     ("최대",                170_566_132_738)]:
    cov = bases / GENOME
    print(f"{label:18s} {bases:15,d} 염기  ->  {cov:7.2f}x 커버리지")
print()
print("WGS 로 변이를 부르려면 보통 30x 는 필요합니다.")
print("중앙값(2.65x)으로는 WGS 를 할 수 없어요 — 그건 RNA-Seq 자료입니다.")

High school필터의 순서

713개에서 원하는 것으로 좁혀 가는 순서가 있습니다.

순서	필터	강
1	LibraryStrategy — 무엇을 쟀나	4강
2	LibrarySelection — 어떻게 골랐나	5강
3	LibraryLayout — 어떻게 읽었나	6강
4	bases — 충분히 깊나	7강
5	메타데이터 — 라벨이 있나	9·10강

넓게 시작해 단계마다 좁혀 갑니다 — 각 단계에서 몇 개가 빠졌는지 기록하면서요.

🤔 Check yourself

SRA 에서 RNA-Seq 자료만 쓰려 할 때 반드시 확인해야 하는 열은?

🤔 Check yourself

염기 수가 82억인 run 이 WGS 라면 커버리지는 대략 얼마인가요?