4강 / 20강

세포바코드 — 미리 정해 둔 680만 개의 이름표

왜 무작위로 만들지 않고 목록을 들고 다니는가

세포바코드는 A·C·G·T 16글자입니다. 이론상 만들 수 있는 조합은 4¹⁶ = 약 43억 가지예요.

그런데 10x 는 그중 일부만 골라 목록으로 만들어 둡니다.

화학	목록 파일	이름표 수
3′ v2	`737K-august-2016.txt`	737,280
3′ v3 / v3.1 / v4	`3M-february-2018.txt`	6,794,880

43억 개를 쓸 수 있는데 680만 개만 쓴다니, 낭비처럼 보입니다. 낭비가 맞아요. 그리고 그 낭비가 이 방식이 돌아가는 이유입니다.

고등학생미리 정해 둔 680만 개

세포바코드는 16 염기입니다. 4¹⁶은 43억 개인데, 실제로 쓰는 것은 약 680만 개예요.

왜 전부 안 쓰나	내용
서로 충분히 다르게	한두 글자 틀려도 구분되게
오류 정정이 가능하게	가장 가까운 목록 항목으로 고침
균형 잡힌 조성	시퀀싱 품질

목록을 들고 다니면 오류를 고칠 수 있습니다.

고등학생왜 무작위로 만들지 않나

무작위로 만들면 어떤 문제가 있을까요?

무작위	미리 정한 목록
서로 비슷한 것이 섞임	서로 충분히 다름
시퀀싱 오류를 못 고침	고칠 수 있음
진짜 바코드인지 모름	목록에 없으면 오류

주민등록번호에 검증 숫자가 있는 것과 같은 원리입니다.

해밍 거리 하나로 오류 정정이 됩니다.

Python 브라우저에서 실행

# 목록이 있을 때와 없을 때
import itertools

# 아주 작은 장난감 목록 — 실제 것은 680만 개다
whitelist = ["AACC", "AAGG", "TTCC", "TTGG"]

def hamming(a, b):
    return sum(x != y for x, y in zip(a, b))

observed = "AACG"     # 읽기에서 나온 글자 — 목록에 없다
cands = [w for w in whitelist if hamming(w, observed) == 1]

print("읽은 것:", observed)
print("목록에서 한 글자 차이 나는 것:", cands)
print()
if len(cands) == 1:
    print("-> 딱 하나입니다. %s 로 고칩니다." % cands[0])
elif len(cands) > 1:
    print("-> 여럿입니다. 어느 쪽인지 모르니 버립니다.")
else:
    print("-> 없습니다. 버립니다.")
print()
# 목록의 이름표끼리 얼마나 떨어져 있나
d = [hamming(a, b) for a, b in itertools.combinations(whitelist, 2)]
print("목록 안 이름표 사이의 최소 거리: %d글자" % min(d))
print("거리가 2 이상이면 한 글자 오류를 고칠 수 있습니다.")

파일 안에서는 이렇게 생겼다

barcodes.tsv 를 열면 이런 줄이 늘어서 있습니다.

AAACATACAACCAC-1
AAACATTGAGCTAC-1
AAACATTGATCAGC-1
AAACCGTGCTTCCG-1
    

앞 16글자가 이름표고, 뒤의 -1 은 몇 번째 통로에서 왔나 입니다. 통로 하나만 썼으면 전부 -1 이에요. 여러 통로를 합치면 -2, -3 이 나옵니다.

고등학생오류 정정

읽힌 바코드	목록에	처리
정확히 일치	있음	그대로
한 글자 다름	가까운 것이 하나	고침
한 글자 다름	가까운 것이 여럿	버림 (모호)
두 글자 이상 다름	—	대개 버림

시퀀싱은 1,000 염기에 한 번쯤 틀립니다 — 16염기 바코드면 1~2%가 오류를 포함해요.

두 시료를 한꺼번에 읽을 때

이름표는 두 층입니다. 헷갈리기 쉬우니 여기서 정리합니다.

	세포바코드	시료 인덱스 (i7 · i5)
무엇을 가른다	같은 시료 안의 세포끼리	시료끼리
어디에 붙나	젤비드에서 cDNA 에	마지막 PCR 에서 조각 양끝에
어디서 읽나	Read 1 의 앞 16글자	따로 있는 인덱스 읽기
몇 가지	680만	키트에 든 만큼 (보통 수백)

고등학생680만 개인데 세포는 수천 개

이상해 보입니다. 왜 이렇게 많은 바코드를 준비할까요?

이유	내용
구슬마다 다른 바코드	어느 구슬이 들어갈지 모름
충돌 방지	같은 바코드가 두 방울에 들어가면 안 됨
여유	수천 개 뽑을 때 겹칠 확률을 낮춤

680만 중 수천 개를 뽑으니 겹칠 확률이 거의 0입니다 — 생일 문제와 반대 상황이에요.

🤔 확인 문제

바코드 화이트리스트를 쓰는 가장 큰 이유는?

🤔 확인 문제

AAACATACAACCAC-1 에서 -1 이 뜻하는 것은?