# 왜 내 데이터를 직접 이해하나

> 내 유전체·전사체 데이터를 이해하면 무엇이 달라지고, 어디까지 할 수 있는지 알아봅니다.

직접 분석의 목표는 **내 결과가 어떻게 나왔는지 이해하고, 더 좋은 질문을 하며, 필요할 때 다시 확인하는 것**입니다.

여기서 직접 분석한다는 것은 모든 명령을 손으로 입력한다는 뜻이 아닙니다. 실행은 에이전트에게 맡길 수 있지만, 분석 질문과 비교 기준을 정하고 결과를 판단하는 일은 대신 맡길 수 없습니다.

[Sid의 사례](/start/case-sid/)도 이를 보여줍니다. 데이터는 새로운 치료 후보를 찾는 데 도움을 줬고, 각 신호는 다른 증거와 함께 검토됐습니다.

## 보고서는 답을 요약하고, 원본은 가능성을 남긴다

검사 결과표에는 검사 목적에 맞고 현재 근거로 설명할 수 있는 내용이 주로 담깁니다. 모든 신호를 빠짐없이 보여주는 문서는 아닙니다. 의미가 아직 분명하지 않은 결과는 따로 표시되거나 보고 범위에서 빠질 수 있습니다.

원본 데이터(raw data)가 있으면 새로운 지식이나 분석 방법이 생겼을 때 다시 살펴볼 수 있습니다. 다만 어떤 형태의 데이터를 받았느냐에 따라 다시 할 수 있는 분석도 달라집니다. 결과표만 받은 경우와 원본 측정값까지 받은 경우는 같지 않습니다.

원본이 있다고 답이 저절로 나오는 것도 아닙니다. 데이터에는 의미를 알기 어려운 신호와 오류도 많습니다. 직접 분석은 숨은 정답을 찾는 일이 아니라, **무엇을 믿을 수 있고 무엇을 더 확인해야 하는지 구분하는 과정**입니다.

## 데이터는 치료가 아니라 후보를 보여준다

종양의 DNA나 RNA를 분석하면 달라진 유전자와 활발하게 작동하는 유전자를 찾을 수 있습니다. 이런 결과는 치료 후보를 좁히는 단서가 됩니다.

하지만 단서가 곧 치료법은 아닙니다.

> 신호를 찾는다 → 다른 방법으로 확인한다 → 기존 연구를 살핀다 → 전문가가 효과와 위험을 판단한다

표적이 보여도 사용할 약이 없을 수 있습니다. 약이 있어도 해당 암에서 효과가 확인되지 않았거나, 부작용이 더 클 수도 있습니다. 실제 치료는 병리 결과, 영상, 환자의 상태와 치료 이력을 함께 보고 결정합니다.

[NCI의 암 바이오마커 검사 안내](https://www.cancer.gov/about-cancer/treatment/types/biomarker-testing-cancer-treatment)도 검사와 맞는 치료가 없거나, 맞는 치료가 있어도 효과가 없을 수 있다고 설명합니다.

직접 이해하면 **왜 이 후보를 골랐고 다른 후보는 제외했는지 질문할 수 있습니다.**

## 비교할 대상이 있어야 의미가 보인다

숫자 하나만으로는 높은지 낮은지 알기 어렵습니다. 종양 데이터도 정상 데이터나 다른 환자들의 데이터와 비교해야 의미가 드러납니다.

DNA 분석에서는 같은 사람의 종양과 정상세포를 비교하면, 태어날 때부터 가진 변화와 종양에서 새로 생긴 변화를 구분하는 데 도움이 됩니다. RNA 분석에서는 종양 주변의 정상조직이나 [GTEx](https://gtexportal.org/home/) 같은 공개 자료를 참고할 수 있습니다.

공개 자료가 언제나 완벽한 비교 대상은 아닙니다. 서로 다른 병원이나 연구실에서 만든 데이터는 실험 방법의 차이까지 섞일 수 있기 때문입니다. 그래서 외부 자료와의 비교는 **가능성을 살피는 데 사용하고, 중요한 결론은 다른 데이터나 검사로 다시 확인**해야 합니다.

## 내 데이터에는 가족의 정보도 들어 있다

태어날 때부터 가진 유전적 변화는 부모, 형제나 자녀와도 관련될 수 있습니다. 반면 종양에서 나중에 생긴 변화는 보통 가족에게 유전되지 않습니다.

가족과 관련된 변화가 의심되면 한 사람의 결과를 그대로 적용하지 않습니다. 각자 유전상담을 받고 검증된 검사로 확인해야 합니다.

유전체 데이터는 한번 유출되면 비밀번호처럼 바꿀 수 없습니다. 직접 보관할 때는 최소한 다음 원칙을 지켜야 합니다.

- 공개 Git 저장소나 출처를 모르는 온라인 서비스에 올리지 않습니다.
- 노트북, 외장 저장장치와 백업을 암호화합니다.
- 공유할 때는 필요한 파일만 보내고 이름과 생년월일 같은 정보가 남았는지 확인합니다.

[NHGRI의 유전체 프라이버시 안내](https://www.genome.gov/about-genomics/policy-issues/Privacy)는 이름을 지운 데이터도 개인이나 가족과 다시 연결될 가능성이 있다고 설명합니다.

## 다시 확인할 수 있게 기록한다

분석 코드를 남기면 같은 과정을 다시 실행하고 다른 사람과 함께 검토할 수 있습니다. 개발자가 직접 분석을 배울 때 얻는 큰 장점입니다.

코드만으로는 부족합니다. 어떤 데이터를 썼는지, 어떤 도구와 기준을 적용했는지, 중간에 무엇을 제외했는지도 함께 기록해야 합니다. 그래야 결과가 나온 과정을 나중에 다시 따라갈 수 있습니다.

## 그래서 직접 이해할 가치가 있다

직접 분석을 배우면 세 가지를 할 수 있습니다.

1. **확인한다**: 결과가 어떤 데이터와 기준에서 나왔는지 이해합니다.
2. **질문한다**: 무엇이 포함됐고 무엇이 빠졌는지 묻습니다.
3. **다시 본다**: 새로운 데이터나 지식이 생겼을 때 결과를 재검토합니다.

직접 이해하는 목표는 **내 데이터에 관한 의사결정에 더 잘 참여하는 것**입니다.

다음: [우리가 지키는 원칙](/start/principles/)에서 실제 사례와 AI를 다룰 때의 기준을 확인합니다.