이 글을 읽기 전에NGS 분석에서 파이프라인을 돌리다 보면 FASTQ 파일에 적힌 품질 점수가 뭔지, coverage가 왜 분석마다 다른지, Illumina 데이터와 PacBio 데이터를 왜 다른 도구로 처리하는지 궁금해지는 순간이 옵니다. 시퀀싱 기계 내부를 엔지니어 수준으로 이해할 필요는 없지만, 어떤 원리로 데이터가 만들어지는지를 모르면 데이터 품질 평가와 파이프라인 선택 기준을 이해하기 어렵습니다.Illumina 시퀀싱 원리 — SBS (Sequencing By Synthesis)Illumina는 현재 NGS 시장의 대부분을 차지하는 플랫폼입니다.원리는 합성하면서 읽는다(Sequencing By Synthesis)입니다.DNA를 복제하는 과정에서 어떤 염기가 붙는지를 형광 신호로 감지합니다.라이브..

이 글을 읽기 전에NGS 분석에서 변이(Variant)를 다루다 보면 VCF 파일에 SNV, Indel, SV, CNV 같은 용어들이 섞여 나옵니다.이 용어들은 단순히 이름이 다른 게 아니라 변이의 크기, 발생 방식, 탐지 도구, 임상적 의미가 전부 다릅니다.이 글은 그 차이를 정리하는 글입니다.변이는 크게 크기 기준으로 세 층위로 나뉩니다.소규모 변이 ( 크기 기준이 중요한 이유는 탐지 도구가 달라지기 때문입니다.소규모 변이는 GATK, DeepVariant로 잡고, SV는 Manta·LUMPY 같은 별도 도구가 필요하고, CNV는 CNVkit·GATK gCNV를 씁니다. 같은 WGS 데이터라도 파이프라인이 목적에 따라 나뉘는 이유가 여기 있습니다. 소규모 변이 — SNP / SNV / Indel / ..

왜 이걸 알아야 하는가NGS 분석을 하다 보면 BAM 파일에서 리드가 게놈 어디에 쌓이는지, VCF에서 변이가 어떤 영역에 있는지, RNA-seq에서 어떤 유전자가 얼마나 발현됐는지를 계속 들여다보게 됩니다.그런데 이 모든 해석의 전제가 되는 질문이 있습니다."게놈은 어떻게 생겼고, 유전정보는 어떤 순서로 흘러가는가?" 이걸 모르면 변이가 엑손에 있는지 인트론에 있는지의 차이가 왜 중요한지, RNA-seq 리드가 왜 특정 위치에만 몰리는지, 코돈 하나가 바뀌었을 때 왜 어떤 건 심각하고 어떤 건 무해한지를 이해할 수 없습니다.센트럴 도그마 — 분석 관점으로 다시 보기기본 흐름센트럴 도그마(Central Dogma)는 유전정보가 흐르는 방향을 말합니다.DNA → RNA → 단백질 전사 ..

안녕하세요! 지난 포스팅에서는 시퀀싱 장비가 읽어낸 짧은 리드(Read)들의 고향 좌표를 찾아주는 서열 정렬 및 매핑의 거시적인 개념과 글로벌/로컬 정렬의 차이를 알아보았습니다. 30억 쌍의 거대한 표준 유전체 지도에서 수천만 개의 리드를 무작위로 대조하는 것은 컴퓨터 공학적으로 엄청난 병목 구간이라고 정리했었죠. 이번에는 현대 생물정보학 정렬 프로그램들이 이 연산 속도의 한계를 깨부수기 위해 채택한 핵심 전략, 시드 알고리즘(Seed-and-Extend, 씨앗-확장 알고리즘)에 대해 깊이 있게 정리해 보겠습니다.시드 알고리즘(Seed-and-Extend)이란 왜 중요할까? 🔍우리가 인터넷에서 수천 페이지짜리 PDF 전자책을 읽다가 특정 문장을 찾고 싶을 때, 첫 글자부터 마지막 글자까지 눈으로 다 읽..

안녕하세요! 지난 글에서는 표준 유전체의 버전 관리와 좌표계가 틀어지면 발생하는 대참사에 대해 알아보았습니다. 기준 지도의 중요성을 뼈저리게 깨달았으니, 이제 그 지도를 통해 실전 데이터를 정렬해 볼 시간입니다. 이번에는 모든 유전체 데이터 분석 파이프라인의 실질적인 메인 엔진이자, 시퀀싱 장비가 읽어낸 수천만 개의 짧은 서열 조각(Read)들을 표준 유전체 지도와 대조하여 원래 어느 위치였는지 고향을 찾아주는 서열 정렬 및 매핑(Alignment / Mapping) 이론에 대해 깊이 있게 정리해 보겠습니다.서열 정렬(Alignment)과 매핑(Mapping)이란 왜 중요할까? 🔍혈액이나 조직에서 DNA를 추출해 시퀀싱 장비(Illumina 등)에 넣으면, 장비는 DNA를 수천만 개로 잘게 부순 뒤 각..

안녕하세요! 지난 글에서는 표준 유전체의 서열을 담고 있는 표준 텍스트 규격인 FASTA 포맷의 구조와 핵심 규칙들을 알아보았습니다. 이제 기준 지도가 어떻게 생겼는지 알았으니, 이 지도를 바탕으로 실전 데이터를 다룰 때 가장 주의해야 할 버전 관리에 대해 정리해 보려고 합니다.생물정보학 분석가들이 실무에서 가장 흔하게 겪는 대참사 중 하나가 바로 표준 유전체 버전(hg19, hg38 등)을 혼용하여 데이터의 좌표(Position)가 완전히 뒤엉키는 문제입니다. 버전이 바뀜에 따라 왜 염색체 상의 좌표가 완전히 달라지는지, 그리고 이를 어떻게 철저하게 관리해야 하는지 깊이 있게 파헤쳐 봅시다!표준 유전체의 버전 관리가 왜 중요할까? 🔍우리가 VCF 파일이나 유전자 주석(Annotation) 데이터를 볼..

안녕하세요!지난 글에서는 모든 유전체 분석의 절대적인 기준선이 되는 '표준 유전체(Reference Genome)'의 개념을 알아보았습니다. 거대한 유전체 퍼즐을 맞추기 위한 원본 밑그림이라고 정리했었습니다. 오늘은 이 표준 유전체를 비롯해 전 세계 모든 생물정보학 데이터베이스가 유전자의 염기서열이나 아미노산 서열을 저장할 때 사용하는 가장 단순하고도 강력한 표준 텍스트 포맷, FASTA 포맷에 대해 깊이 있게 정리해 보겠습니다.FASTA 포맷이란 왜 중요할까? 🔍정의: 유전체 분석 분야에서 DNA, RNA 염기서열이나 단백질의 아미노산 서열을 컴퓨터가 가장 쉽고 빠르게 읽을 수 있도록 고안된 텍스트 기반의 가장 단순한 파일 포맷입니다. 확장자는 주로 .fa, .fasta, .fna, .faa 등을 사..

안녕하세요! 지난 글까지는 세포 내에서 일어나는 유전 정보의 흐름과 가공 과정들을 알아보았습니다. 이제 컴퓨터로 수천만 개의 DNA 조각 데이터를 다루는 실전 생물정보학으로 넘어가기 전, 반드시 머릿속에 뼈대를 세워야 하는 핵심 개념이 있습니다.바로 분석의 절대적인 기준선이 되는 표준 유전체(Reference Genome, 레퍼런스 게놈)입니다.우리가 NGS 장비로부터 얻은 FASTQ 파일 속 조각난 데이터(Read)들을 조립하고 비교할 때, 왜 이 표준 유전체가 필요한지, 그리고 이 시스템이 가진 치명적인 한계는 무엇인지 깊이 있게 정리해 보겠습니다.표준 유전체(Reference Genome)란 왜 중요할까? 🔍지난 FASTQ 글에서 현존하는 시퀀싱 기술은 DNA를 통째로 읽지 못하고 수십~수백 염기..

안녕하세요! 지난 유전자 세부 구조의 글에서는 pre-mRNA에서 인트론을 잘라내고 엑손을 연결하는 'RNA 스플라이싱(Splicing)'의 기본 화학 메커니즘을 공부했습니다. 5' GU와 3' AG라는 이정표를 따라 정확한 가위질이 일어난다고 정리했었습니다. 인간의 게놈 프로젝트가 끝났을 때, 과학자들은 큰 충격에 빠졌습니다.인간의 복잡한 생명 현상을 제어하려면 최소 10만 개 이상의 단백질이 필요할 것이라 예상했는데, 실제 단백질을 만드는 유전자는 고작 2만여 개에 불과했기 때문입니다.이 "2만 개의 유전자로 어떻게 10만 개 이상의 단백질을 만드는가?"라는 질문의 해답이 바로 오늘 정리할 선택적 스플라이싱(Alternative Splicing)에 있는데 이에 대해 자세히 설명하겠습니다.선택적 스플라..

안녕하세요! 지난 분자생물학 중심원리에서는 mRNA의 암호를 읽어 단백질을 합성하는 '번역'의 전체적인 메커니즘을 알아보았습니다. 리보솜이라는 공장에서 tRNA가 아미노산을 열심히 배달한다고 정리했었습니다.오늘은 리보솜과 tRNA가 읽는 유전 암호의 최소 단위이자, 생물정보학 알고리즘 설계의 핵심 뼈대가 되는 코돈의 규칙성(Codon Regularity)에 대해 깊이 있게 정리해 보겠습니다. 3개의 염기가 어떻게 하나의 아미노산을 지정하는지, 그리고 이 암호표의 비밀을 자세히 살펴보겠습니다.코돈(Codon)의 규칙성: 왜 하필 '3개의 염기 조합'일까? 🔍DNA와 RNA는 단 4종류의 염기(A, U, G, C)로 이루어져 있지만, 우리 몸을 만드는 아미노산은 총 20종류입니다. 만약 염기 1개가 아미노..

안녕하세요!지난 유전자 세부 구조의 글에서는 유전자의 구조 영역인 엑손(Exon)과 인트론(Intron)의 개념을 알아보았습니다. 단백질 코딩 정보가 있는 엑손 사이에 아무런 정보가 없는 인트론이 모자이크처럼 끼어있다고 정리했었습니다.오늘은 전사가 끝난 직후, 이 쓸데없는 인트론들을 정밀하게 잘라내고 엑손끼리 예쁘게 이어 붙여 완벽한 설계도인 성숙한 mRNA(Mature mRNA)를 만드는 편집 과정, RNA 스플라이싱(RNA Splicing)의 분자생물학적 메커니즘을 깊이 있게 파헤쳐 보겠습니다.RNA 스플라이싱(Splicing)이란 왜 중요할까? 🔍RNA 중합효소가 DNA를 전사하여 막 만들어낸 최초의 RNA를 1차 전사체(Primary transcript) 또는 pre-mRNA라고 부릅니다. 이 ..

안녕하세요!지난 포스팅에서 DNA의 설계도를 mRNA라는 복사본으로 찍어내는 '전사(Transcription)' 과정을 알아보았습니다.핵 안에서 안전하게 만들어진 mRNA는 이제 핵공을 빠져나와 세포질에 있는 단백질 공장으로 향하게 됩니다. 오늘은 중심원리(Central Dogma)의 최종 단계이자, mRNA의 염기서열 정보를 바탕으로 실제 우리 몸을 구성하고 기능을 수행하는 단백질을 합성하는 번역(Translation) 과정을 깊이 있게 파헤쳐 보겠습니다. 생물정보학에서 유전자 서열을 아미노산 서열로 변환(In silico translation)하거나 오픈 리딩 프레임(ORF)을 찾을 때, 세포 내에서 어떤 물리적 법칙이 작용하는지 살펴보겠습니다.번역(Translation)이란 왜 중요할까? 🔍전사 ..