첫 수업: 데이터는 어디서 오는가

앞선 글에서 우리는 Sid의 사례, 자기 암을 데이터로 분해해 치료를 직접 설계한 이야기, 를 살펴봤습니다. 그런데 정작 그 데이터가 어디서 왔고 무엇을 의미하는지는 충분히 다루지 못했죠. 그래서 첫 수업은 일종의 “2차 OT”로, 분자 기초부터 다시 정리합니다.

오늘의 목표: DNA·RNA·단백질이 뭔지, 노말셀과 캔서셀은 어떻게 다른지, 표준 암 치료는 무엇인지, Sid가 만든 오믹스¹ 데이터가 어떤 시퀀싱에서 나오는지, 그리고 한국에서 같은 데이터를 직접 만들면 얼마가 드는지.

1. DNA · 유전자 · 유전체

• DNA (Deoxyribonucleic acid, 디옥시리보핵산): ATGC 네 가지 염기의 순서 안에 유전 정보를 담는 고분자 분자. 우리가 흔히 보는 X자 염색체는, 이 긴 DNA 가닥이 꼬이고 뭉쳐 만들어진 형태입니다.
• 유전자(gene): DNA의 일부 구간. RNA로 전사되어 단백질이 되거나, RNA 자체로 기능하는 영역.
• 유전체(genome): 한 생물이 가진 전체 DNA. 1번 염색체부터 성염색체까지, 유전자가 아닌 구간까지 전부 포함.

사람의 유전체는 약 30~32억 염기쌍(bp). 세포 하나에는 23쌍, 즉 46개의 DNA 분자(염색체) 가 들어 있습니다.

생물마다 유전자 구조와 유전체 속 코딩/논코딩² 비율이 다르다. 효모·식물·초파리·쥐·사람을 나란히 비교한 그림.

🧩 프로모터(promoter): 코딩 영역이 RNA로 전사될 때, 전사인자(transcription factor)가 와서 붙어 전사를 시작·조절하는 영역. 직접 단백질을 코딩하진 않지만(=논코딩) 발현의 스위치 역할을 합니다.

흥미로운 점: 생물이 복잡하다고 유전체가 무작정 크거나 유전자가 훨씬 많은 게 아닙니다. 쥐와 사람은 유전체 크기·유전자 수가 비슷합니다. 또 사람 유전체의 대부분은 단백질을 코딩하지 않는 논코딩/리핏(repeat) 영역입니다. 한때 “의미 없는 영역”으로 여겨졌지만, 최근에는 이 영역의 변이가 염색체 구조에 큰 영향을 주는 등 기능적으로 중요할 수 있다는 사실이 밝혀지고 있습니다.

📝 보강: 유전자 개수

단백질코딩 유전자는 흔히 “약 2만 5천 개 이상”으로 알려져 있는데, 이는 2000년대 초 추정치입니다. 이후 정밀 주석으로 하향돼 현재 단백질코딩 유전자는 약 2만 개 미만으로 봅니다(GENCODE v49 기준 약 19,400개). 단, 단백질을 만들지 않는 논코딩 RNA 유전자까지 합하면 훨씬 많습니다.

유전체 전체를 대상으로 하는 총체적 접근을 지노믹스(genomics, 유전체학) 라고 합니다.

2. RNA · 전사체

• RNA: DNA로부터 전사(transcription) 를 통해 만들어지는 분자. DNA가 이중나선인 데 비해 RNA는 단일 나선이라, 스스로 접혀 입체 구조를 만들 수 있습니다(염기도 T 대신 U: A·U·G·C).
• 생물 시간에 배운 mRNA·rRNA·tRNA 가 단백질 합성에 관여하는 대표 RNA입니다. 이 외에 유전자 발현을 조절하는 miRNA·lncRNA 등 다양한 RNA도 존재합니다.
• mRNA(메신저 RNA): 단백질 합성 정보를 핵 안 DNA로부터 핵 밖으로 전달하는 RNA. 원본인 DNA는 핵 안에 안전하게 두고, 복사본인 mRNA가 밖에서 일합니다.

🧩 전사(transcription)란? DNA에 적힌 염기 서열을 RNA로 그대로 베껴 쓰는 과정입니다. 원본 소스 코드(DNA)는 핵 안에 안전하게 두고, 지금 필요한 부분만 복사본(RNA)으로 떠서 밖으로 내보내 쓰는 셈이죠. 이 복사본을 바탕으로 단백질이 만들어집니다. (반대로 DNA→단백질의 큰 흐름 전체는 아래 4장 센트럴 도그마에서 정리합니다.)

🧩 스플라이싱(splicing): DNA가 전사되면 먼저 pre-mRNA가 됩니다. 여기엔 단백질을 코딩하는 엑손(exon) 과 코딩하지 않는 인트론(intron) 이 섞여 있는데, 인트론을 잘라내고 엑손만 이어 붙이는 “성숙(maturation)“을 거쳐 성숙 mRNA가 됩니다. 이 mRNA는 염기 3개(코돈) 가 아미노산 하나를 지정하며, 번역(translation)으로 단백질이 됩니다.

• 트랜스크립톰(transcriptome, 전사체): 특정 시점·조직·세포 안에 존재하는 전체 RNA 집합.

핵심은 이겁니다: 한 몸의 모든 세포는 같은 유전체(DNA) 를 갖지만 조직·세포마다 켜는 유전자가 다릅니다. 그래서 손·얼굴·내장·신경·근육이 서로 다른 일을 하죠. 트랜스크립톰은 “지금 이 세포가 어떤 유전자를 얼마나 켜고 있나”를 보여줍니다.

🧩 세포는 자기가 간세포인지 어떻게 알까? 세포는 자기 위치를 직접 알 수 없습니다. 정체는 발생 때 물려받은 상태로 정해져요. ① 처음엔 이웃이 알려준다: 배아가 자랄 때, 세포는 주변에서 오는 신호물질의 농도를 표면 수용체로 감지해 자기 위치를 읽고, 그에 맞는 마스터 전사인자(해당 유전자들을 켜는 스위치 단백질)를 켭니다. ② 한번 켜지면 잠겨서 복제된다: 그렇게 정해진 크로마틴 상태(DNA의 어디를 열고 잠글지)는 세포분열 때 딸세포로 그대로 복사됩니다(후성유전학적 기억). 그래서 간세포의 자손은 다시 판단하지 않아도 계속 간세포죠.

프로그래머식으로: 부팅마다 “내가 누구지?”를 조회하는 게 아니라, 프로비저닝 때 이웃 신호로 config가 한 번 구워지고 이후 fork(분열)마다 자식에게 복제되는 셈입니다.

예시: 인슐린(INS):

인슐린 유전자는 췌장에서 중앙값 약 2,335 TPM으로 압도적이고 다른 조직에서는 거의 없다. “같은 DNA, 다른 발현”의 전형.

📝 보강: 인슐린과 GTEx

• 인슐린을 “단백질 효소”로 뭉뚱그리기 쉽지만, 정확히는 효소가 아니라 펩타이드 호르몬입니다(췌장 β세포에서 분비, 혈당 조절). 조직 특이적 발현이라는 요점은 그대로입니다.
• GTEx 프로젝트는 “건강인 17,000명”이 아니라, 약 948명의 기증자에게서 얻은 약 17,382개 조직 샘플(54개 조직, v8)입니다. 정상 조직 발현 레퍼런스로 널리 쓰이며, GTEx Portal과 UCSC 지놈 브라우저에서 조회할 수 있습니다.

3. 단백질 · 프로테옴

• 단백질(protein): 20종 아미노산의 서열이 접혀(folding) 3·4차 입체 구조를 이루고, 생체 안에서 실제로 일을 하는 분자: 효소·수용체·구조단백질 등.
• 프로테옴(proteome): 한 시점·세포의 단백질 총체. 세포의 실제 기능을 가장 직접적으로 반영하며, 주로 질량분석(mass spectrometry) 으로 측정해 결과가 스펙트럼 형태로 나옵니다.

아미노산 사슬(서열)이 접혀 3차원 구조가 되고, 그 구조가 기능을 결정한다.

💡 단백질 데이터는 DNA·RNA의 “염기 서열” 데이터와 성격·포맷이 완전히 다릅니다. DNA/RNA가 “어떤 변이가 있나 / 얼마나 발현됐나”라면, 프로테옴은 “어떤 단백질이 얼마나 있나”를 질량 단위로 봅니다.

4. 센트럴 도그마 (Central Dogma)

생물학적 정보의 흐름을 정리한 중심 원리입니다.

DNA는 복제로 자신을 복사하고, 전사로 RNA를, RNA는 번역으로 단백질을 만든다.

글보다 움직임으로 보면 한결 직관적입니다 (yourgenome, 영어 음성·한국어 자막 지원·약 2분):

• 복제(replication): 유전 정보 한 세트가 그대로 다른 세트로 복사 (세포분열 때).
• 전사(transcription): 핵 안 DNA의 정보가 RNA로.
• 번역(translation): RNA의 정보가 단백질로.

그래서 분석도 층에 따라 묻는 질문이 다릅니다: DNA 분석은 주로 ATGC 중 무엇이 바뀌었나(변이), RNA 분석은 주로 어떤 유전자가 얼마나 켜져 있나(발현량) 를 봅니다.

5. 노말셀 vs 캔서셀

노말셀(정상 세포): 세포분열과 사멸(apoptosis) 이 정상적으로 조절되고, 조직에 맞는 발현 패턴을 유지하며, 제자리에 붙어 있습니다.

캔서셀이 되는 과정: “캔서 이볼루션(cancer evolution)”:

1. 분열·사멸을 조절하는 유전자에 결정적 변이 = 드라이버 뮤테이션(driver mutation) 발생
2. 그 변이를 가진 세포가 클론(clone) 을 이룸
3. 분열을 거듭하며 추가 변이 축적
4. 점차 종양(tumor) 으로 성장

💡 변이 하나가 생겼다고 곧바로 암이 되는 게 아닙니다. 여러 변이가 단계적으로 쌓이는 진화 과정입니다.

캔서셀의 특징: 무한 증식, 세포사멸 회피, 비정상 발현 패턴, 접촉 억제(contact inhibition) 상실(정상 세포는 배양 접시가 가득 차면 멈추지만 캔서셀은 멈추지 않고 돌출·침범, 떨어져 나가 전이), 그리고 한 종양 안에 서로 다른 변이를 가진 세포가 섞이는 이질성(heterogeneity).

🧩 이질성이 중요한 이유: 종양이 한 종류 세포 덩어리가 아니라 여러 변종의 혼합이라, 한 치료에 일부만 듣고 나머지가 살아남아 재발할 수 있습니다. Sid가 “여러 치료를 병렬로” 돌린 이유와도 연결됩니다.

6. 표준 암 치료

• 수술: 종양을 직접 제거하는 국소 치료
• 방사선 치료: 고에너지 방사선으로 암세포를 손상시키는 국소 치료
• 전신 항암치료
  • 세포독성 항암제(cytotoxic): 빠르게 분열하는 세포 전반에 작용. 그래서 암세포뿐 아니라 골수·모낭·점막처럼 정상이지만 빨리 분열하는 세포까지 타격 → 부작용.
  • 표적항암제(targeted): 암세포에 특이적으로 과발현되는 단백질을 표적으로 개발된 약제. 부작용이 상대적으로 선택적.

종양의 위치·병기·특성에 따라 이들을 조합합니다. 그런데 Sid의 사례처럼 표준 치료를 다 쓰고도 더는 방법이 없는 지점이 옵니다. Sid는 거기서 “맥시멀 다이아그노스틱스” 페이즈로 넘어가, 가능한 모든 진단 데이터를 만들고 그걸 근거로 개인화 치료를 직접 설계했습니다. 그 “가능한 모든 진단”이 바로 다음에 볼 오믹스 데이터입니다.

7. 오믹스 데이터와 시퀀싱

센트럴 도그마의 각 층을 데이터로 가져오는 게 시퀀싱입니다. 기본 흐름은:

시료 채취 → 라이브러리 프렙(시퀀서가 읽기 좋게 가공) → 시퀀싱(NGS)³ → 원시 read(FASTQ)⁴ → 분석(변이 콜링⁵/발현 정량)

DNA·RNA 모두 염기 서열 분자라, 그 서열을 읽어 디지털 데이터(read)로 만드는 것이 분석의 시작이다.

DNA 트랙: “무엇이 바뀌었나(변이)“

방법	대상	특징
진 패널(Gene Panel)	선택된 일부 유전자	프로브6로 해당 유전자만 캡처
WES(전장엑솜)	엑손(단백질 코딩, ~6,000만 bp)	유전체의 ~1–2%만. 임상에서 많이 사용, 저렴·효율적
WGS(전장유전체)	약 32억 bp 전체	논코딩 영역까지. 가장 포괄적

라이브러리 프렙까지는 동일하고, 패널/WES는 이후 프로브로 원하는 영역만 캡처해 시퀀싱합니다.

🧩 뎁스(depth/coverage): 같은 위치를 평균 몇 번 읽었나. “길이 100자리를 30x”면 각 자리를 평균 30번 덮을 만큼 읽었다는 뜻. 뎁스가 높을수록 변이 콜링이 정확합니다. WGS는 보통 30x, 임상 WES나 종양 샘플은 100x 이상도 흔합니다(Sid 데이터에도 100x가 일부).

📝 보강: WGS/WES가 있는데 왜 진 패널을 또?

WGS/WES에 패널 유전자 정보가 이미 포함되는데도 패널을 따로 쓰는 이유는 뎁스입니다. 패널은 적은 유전자에 시퀀싱을 집중해 수백~1,000x의 초고심도로 읽어, 종양에 드물게 섞인 저빈도 변이까지 민감하게 잡아냅니다. 게다가 임상에서 빠르고 저렴하죠. “넓게 보는 WGS/WES” vs “좁지만 깊게 보는 패널”의 트레이드오프입니다.

DNA 변이를 미리 확인해 치료를 조정한 예: DPYD⁷ 변이가 있으면 같은 항암제가 독으로 작용할 수 있다.

💡 활용 예: DPYD & 플루오로우라실: 항암제 플루오로우라실(5-FU)은 DPYD 유전자가 만드는 효소로 분해됩니다. DPYD에 변이가 있으면 약이 분해되지 않아 심각한 독성이 생길 수 있어, 치료 전 노말·튜머 샘플을 시퀀싱해 DPYD 변이 유무를 확인합니다.

RNA 트랙: “얼마나 켜져 있나(발현)”

벌크는 조직을 통째로 갈아 평균을 보는 스무디, 싱글셀은 세포를 하나씩 따로 보는 방식.

• 벌크(bulk) RNA-seq: 조직 전체를 갈아 평균 발현을 봄.
• 싱글셀(single-cell) RNA-seq: 세포 하나하나를 따로 봄.

싱글셀은 세포마다 고유 바코드를 붙이고, 플루이드 파티셔닝(fluidic partitioning) 으로 세포를 한 개씩 방울에 가둬 분리한 뒤 시퀀싱합니다. RNA는 단일 나선이라 먼저 상보 가닥을 붙여 cDNA로 만든 다음 읽습니다.

🧩 더블렛(doublet): 두 세포가 실수로 한 바코드로 묶이는 현상. 한 세포에서 나온 양처럼 보이면 안 되므로, 데이터 생성 후 QC 단계에서 걸러냅니다.

• 스페이셜 트랜스크립토믹스(spatial transcriptomics): 발현을 조직 내 위치 정보와 함께 봄 (Sid 데이터에도 포함).

일부 암세포가 치료를 버티다 되살아나는 “약물 내성 지속세포(DTP)” 과정을 싱글셀 RNA-seq로 규명한 연구 예시.

💡 활용 예, 싱글셀로 밝힌 내성 기전: 폐암에서 일부 암세포가 항암제에 치료된 척 버티다가 다시 살아나 내성을 갖는 과정, 약물 내성 지속세포(drug-tolerant persister, DTP): 가 싱글셀 RNA-seq로 규명됐습니다. 이 가역적 내성 기전을 알면, 내성을 막는 약을 설계하는 단서가 됩니다.

🧩 데이터 vs 서비스: WGS·WES·RNA-seq의 실험(시퀀싱) 은 실험실에서 해야 하지만, 일단 FASTQ가 나오면 변이 콜링·발현 정량 같은 분석은 전부 컴퓨터로 하는 일입니다.

8. 국내 시퀀싱 견적 (Sid 구성 기준)

Sid가 공개한 데이터 구성을 흉내 내 3개 타임포인트로 국내 업체에 견적을 받아봤습니다.

항목	견적
WGS Tumor (100x)	165만원/샘플
WGS Normal·혈액 (30x)	65만원/샘플
WES (200x)	30만원/샘플
벌크 RNA-seq	35만원/샘플
mRNA-seq	30만원/샘플
BI(분석)	10만원/샘플
조직 RNA 추출·라이브러리 프렙	약 50만원 (옵션)

• 풀 구성(노말·WGS·RNA·싱글셀 RNA·TCR/BCR·프로테오믹스·스페이셜): 1억 원 이상
• 실제 의사결정에 쓰인 핵심만(WGS·WES·벌크 RNA): 약 2,000만 원~

🧩 TCR/BCR 시퀀싱: T세포 수용체(TCR)·B세포 수용체(BCR)의 서열을 읽어 면역 레퍼토리를 보는 방법.

조직을 직접 보내면 업체가 세포를 으깨 RNA를 추출하고 라이브러리까지 만들어 줍니다. 다만 뼈처럼 세포 분리가 어려운 조직은 샘플을 어떻게 보내야 하는지 별도 확인이 필요합니다.

이 금액은 고정가가 아니라, 스터디에서 한번 받아본 참고 견적입니다

업체·시점·샘플 상태에 따라 크게 달라질 수 있습니다. 정확한 비용은 직접 문의로 확인하세요.

정리

오늘 우리는 Sid 데이터의 분자적 기원을 따라갔습니다: DNA·RNA·단백질이 무엇이고, 노말셀과 캔서셀이 어떻게 다르며, 표준 치료의 한계 다음에 오는 오믹스 데이터가 어떤 시퀀싱에서 나오는지, 그리고 그걸 직접 만들면 얼마가 드는지.

데이터 층마다 묻는 질문이 달랐다는 것만 기억하면 됩니다:

DNA = 무엇이 바뀌었나(변이) · RNA = 얼마나 켜져 있나(발현) · 단백질 = 실제로 얼마나 일하나

---

출처

• 스터디 강의 자료 (본문 그림 출처)
• GTEx v8 규모 (948명 기증자 / 17,382 샘플): UCSC GTEx Gene V8 · GTEx Portal
• 단백질코딩 유전자 수: The status of the human gene catalogue (2023)
• 약물 내성 지속세포(DTP): Drug-tolerant persister cells in cancer, Nat Commun (2025)

Footnotes

1. 오믹스(omics): 유전체(genome)·전사체(transcriptome)·단백질체(proteome)처럼 어떤 대상의 전체 집합을 총체적으로 다루는 분야를 통칭하는 말. 접미사 -ome/-omics에서 왔고, 각각 genomics(유전체학)·transcriptomics(전사체학)·proteomics(단백질체학)로 부릅니다. “오믹스 데이터”는 이런 시퀀싱·측정으로 얻은 대규모 데이터를 뜻합니다. ↩

2. 코딩/논코딩(coding/non-coding): 여기서 “코딩”은 프로그래밍이 아니라 단백질을 만드는 정보를 담고 있느냐를 뜻합니다. DNA 구간 중 단백질 설계 정보를 담아 실제로 단백질로 번역되는 부분이 코딩 영역(주로 엑손), 단백질을 만들지 않는 나머지가 논코딩 영역입니다. 사람 유전체는 대부분이 논코딩이며, 한때 “쓸모없다”고 여겨졌지만 발현 조절 등 기능이 있음이 밝혀지고 있습니다. ↩

3. NGS(차세대 염기서열 분석, Next-Generation Sequencing): DNA·RNA 조각 수백만~수십억 개를 동시에 병렬로 읽어내는 현대 시퀀싱 기술의 총칭. 한 가닥씩 순차로 읽던 예전 방식(생어 시퀀싱)과 달리 대량 병렬이라 빠르고 저렴해져, 유전체를 통째로 읽는 게 현실이 됐습니다. ↩

4. FASTQ: 시퀀서가 내놓는 원시 출력 파일 형식. read 하나마다 염기 서열(ATGC…)과 각 염기의 품질 점수(그 글자를 얼마나 확실히 읽었는지)를 함께 담은 텍스트 포맷입니다. 정렬·변이 콜링·발현 정량 등 이후 모든 분석이 이 파일에서 출발합니다. ↩

5. 변이 콜링(variant calling), 시퀀싱으로 읽은 read를 표준 유전체(레퍼런스)에 정렬해 비교한 뒤, 그 사람만의 차이(변이), 어느 위치의 염기가 바뀌었는지·빠졌는지·끼어들었는지: 를 찾아 목록으로 만드는 분석. 기준 파일과 diff를 떠서 달라진 지점만 뽑아내는 것과 비슷합니다. ↩

6. 프로브(probe): 읽고 싶은 특정 DNA 구간에만 상보적으로 달라붙도록 미리 설계한 짧은 DNA 조각. 유전체 전체 중 원하는 유전자 영역만 낚아채(캡처) 그 부분만 시퀀싱하게 해줍니다. 전체 중 매칭되는 부분만 걸어 올리는 “미끼 겸 필터” 같은 역할입니다. ↩

7. DPYD: 항암제 플루오로우라실(5-FU) 같은 약물을 분해하는 효소(DPD)를 만드는 유전자. 이 유전자에 특정 변이가 있으면 약이 제대로 분해되지 않아 같은 용량도 심각한 독성이 될 수 있어, 치료 전에 미리 확인하는 대표적인 “약물유전체(pharmacogenomics)” 표적입니다. ↩