지난 7월 1일부터 8월 23일까지 ㈜인실리코젠에 새로운 활기를 주신 분들이 있습니다.

10인 10색이란 말과 같이 각자 다른 전공, 개성을 가진

2019 하계 人CoINTERNSHIP 참가자들이 들려주는 후기 함께 보겠습니다.

김로빈 (University at Albany, Computer Science)
2019년 5월 28일부터 7월 31일까지 9주 동안 인실리코젠에서 인턴십을 하며 다양한 생각을 할 수 있었습니다. 첫 5주 동안에는 전공하고 연관이 있는 리눅스, 파이썬 등의 프로그래밍에 초점을 맞춰 멘토 옆에서 공부하였습니다. 기본적인 배경 지식으로 어느 정도 알고 있어 꼭 한번 봐야겠다고 생각했었는데 배울 기회를 얻게 되어 좋았습니다. 평소에 공부하던 내용 중에서 이해가 안 되는 부분도 멘토를 통하여 궁금증을 해결할 수 있었습니다. 또한, 회사에서 부서의 금요일 회의에서 업무가 어떤 방법으로 공유되고 관리가 되는지 조금이지만 알아볼 수 있었습니다. 각각의 기술들이 어떻게 하나가 되는지 살펴보고 서로 협력을 통해 일하는 방법을 볼 수 있었던 시간이 되었습니다. 인턴십의 후반부인 4주에는 매주 돌아가면서 각 부서의 교육을 들었습니다. 인실리코젠이 생물정보 기업이다 보니 생물 관련 교육이 많았습니다. Computer Science가 전공인 저로서는 생소한 내용이 많이 있었습니다. 기초 지식도 부족 하였기 때문에 이해도가 많이 떨어진 것은 사실입니다. 하지만 컴퓨터를 배우면서 여러 가지 지식을 습득하는데 대부분 내용이 어떻게 사용되는지 또 어디에 사용하는지 잘 모르고 넘어가는 경우가 많은데 여러 가지 생물정보 프로그램을 소개를 받으면서 어디서 어떻게 사용이 되는지 알 수 있었습니다. 항상 물리학에 관심을 가지고 살아가고 있었는데 생물학을 배우면서 색다른 시야를 가지게 되어 재미있었던 시간이었습니다. 아쉬웠던 점은 새로이 얻은 생각들을 표현하고 사용을 할 수 있는 시간이 주어지지 않고 짜인 교육 안에서 진행되었던 점입니다. 또한, 첫 4주 동안 배운 내용을 서로 연결해서 사용해보고 다른 분들과 협력을 통하여 작은 프로젝트를 하고 싶었는데 그러한 기회를 얻지 못해 매우 아쉬웠습니다. 하지만 여름방학에 방황하지 않고 내가 부족한 부분과 흥미를 느낀 부분을 찾은 것에 대하여 의미 있는 시간을 보낼 수 있어 보람찬 시간이었습니다.

강지민 (충남대학교 대학원 축산학과)
처음 인실리코젠 인턴십 프로그램에 참여 신청할 당시에는 많은 부분에서 막연하게만 느껴지던 게 6주간의 인턴과정을 거치면서 많이 채워져 갔던 것 같습니다. 학교에서만 많은 시간을 보내다 보니 제가 보는 시각은 항상 학교에서 바라보는 시선에만 한정되어있었습니다. 그렇다 보니 데이터 분석가로서 폭넓은 사고와 다양한 알고리즘을 응용하는 부분에서 한계를 많이 느꼈던 차에 이번 6주간의 인턴십 기간은 저에게 많은 도움이 되었던 것 같습니다. 짧은 시간 내에 많은 내용을 다루다 보니 각각 주제별로 심도 있게 또는 바로 제가 응용해서 사용할 수 있을 정도로 배울 수는 없었지만 여태까지 접해보지 못했었던 다양한 프로그램과 분석 툴을 조금씩이지만 직접 사용해보며 앞으로 연구를 하면서 이번 인턴십 기간 동안 배웠던 내용을 어떻게 적용해볼 수 있을지 고민해보고 있고 여전히 제가 알고 있는 부분은 멀리서 보면 부분적인 것에 불과할 것이라는 생각을 하니 개인적인 동기부여도 새롭게 다질 기회이자 좋은 경험을 쌓을 수 있었습니다. 제가 처음으로 접했던 프로그램 언어가 R이었는데 처음 R을 접할 당시에는 여태껏 해본 적이 없었던 것이었고 문법 자체가 어렵게만 다가와서 한번 포기했었던 기억이 있습니다. 그래도 학부 마지막 학기 때 들었었던 생명정보수업에서 R 프로그램을 전반적으로 다시 배울 수 있었고 다시금 흥미를 가지고 하다 보니 지금은 여전히 잘 쓰는 건 아니지만, 어느 정도 R을 활용해 원하는 분석을 함에 있어 큰 무리는 없을 정도까지는 성장한 것 같습니다. 이처럼 이번 인턴십을 통해서 접했었던 많은 내용도 경험으로서의 의미보다는 제가 앞으로 어느 정도 활용할 수 있을 정도로 숙지해보고자 합니다.

 

목지수 (한경대학교 대학원 동물생명환경과학과)
지난 6주간 Insilicogen Internship Program에 참여하게 되어 즐거웠습니다. 처음엔 이 Internship Program을 통해 내가 무엇을 얻을 수 있을까라는 생각을 했습니다. 하지만 교육과정이 진행될수록 이 프로그램에 참여한 것이 다행이고 잘했다는 생각을 했습니다. 구체적인 교육을 받았던 내용으로는 첫 주에는 간단한 회사소개와 전체적인 유전체 분석에 대해 교육을 받았고, Linux 및 Python, 간단한 Editor 소개와 이렇게 분석한 data를 다루는 DB 관리방법까지 이 외 많은 것들을 교육받았습니다. 저는 동물전통육종을 전공했습니다. 그래서 유전체에 대해서는 잘 몰랐습니다. 그런 상태로 이 프로그램에 참여하기 전, 저는 BI 회사에 면접을 볼 때마다 잘되지 않았습니다. 그래서 인실리코젠 인턴십을 통해서 BI 회사에서는 무슨 일을 하고 어떤 것을 추구하는지 알아보고 싶은 마음에 지원을 했는데 목표했던 소기의 목적은 가지고 떠나게 된 것 같아 뿌듯합니다. 앞으로 어떤 BI 회사든 취업을 할 것인데 그때 이 경험이 저에게 있어서는 큰 도움이 될 것 같습니다. 지금까지 가르쳐주시고 도움 주신 모든 분들께 감사드리고 같이 지내게 되어 좋았습니다. 감사합니다.

 

장민재 (중앙대학교 생명자원공학부)
㈜인실리코젠에서의 6주간 인턴십 프로그램은 나에게 있어서 '생물정보학'이라는 것에 대해 배울 수 있는 좋은 경험이 되었습니다. 동물생명공학을 전공하고 있는 저는 주로 Wet Lab에서 실험 및 실습을 진행하곤 하였는데 생물정보의 특성상 Dry Lab이며 컴퓨터를 다루는 학문이기에 조금 생소한 것은 사실이었습니다. 아직 많이 겪어보지 않은 분야이기 때문에 매주 다른 프로젝트를 시행하는 인턴십 프로그램을 따라가기 어렵다고 느낀 적도 있었습니다. 하지만 실제 일을 하고 계시는 주임님과 선임님들께서 인턴들에게 알려주는 내용인 만큼 학교에서 배우는 내용과는 큰 차이가 있다고 느꼈습니다. 아직 학교에서 생물정보와 관련된 내용은 배워본 적이 없어서 정확히 이야기하기는 어려움이 있지만, 기초적인 내용부터 배우기보다는 실제 많이 응용되는 내용을 위주로 배운 것 같아 좋은 경험이 되었습니다. 생물정보학 및 앞으로의 빅데이터 분야의 발전에 대해 알게 되었고, 생물정보 분석의 기초인 프로그래밍 언어와 분석 프로그램에 대해 배웠습니다. 처음에는 컴퓨터를 이용해 DNA 혹은 reads에 대한 분석을 제가 할 수 있을 것이라 상상조차 하지 못하였지만 다양한 프로그램을 배우면서 서열이 제공된 경우에, 여러 가지 개체를 비교하는 기술 혹은 그 개체들 사이의 상관관계 같은 것을 알아볼 수 있는 기술을 배우게 되었습니다. 특히 R 언어와 Python 등 코딩을 배우면서 생명정보 분야뿐만 아니라 컴퓨터 공학적인 면에서도 더 다양한 공부를 할 기회를 얻게 되었습니다. 아직 생물정보학에 관한 내용을 배운 경험이 없었기에 생물정보 분야에 가장 큰 관심이 있었지만, 저와 적합한지에 대한 확신은 아직 없는 상태였습니다. 하지만 이번 인턴십 프로그램을 통해 다음 학기의 졸업 논문조 편성 전에 bioinformatics를 겪어볼 수 있었고, 저의 미래에 대한 확신을 할 수 있게 되었습니다. 실무적인 내용을 위주로 먼저 배웠기에 기초가 조금 부족할 수는 있지만, 다음 학기의 유전체학과 생명정보 프로그래밍 수업을 들을 때 제가 6주간의 인턴십 프로그램에서 배웠던 bioinformatics의 내용을 바탕으로 다시 기초와 심화까지 다진다면 제 지식에 많은 도움이 될 수 있을 것 같습니다. 다양한 대학교에서 온 학부생들, 박사과정 수료생, 박사과정 진행 중이신 분들, 미국에서 유학 중이신 분까지 다양한 곳에서 다양한 전공을 하고 있는 사람들 사이에서 서로의 전공 내용에 대해서도 배우고 생명과학뿐만 아니라 폭넓은 분야를 배우고 겪을 수 있었습니다. 인실리코젠에서의 생활은 기업에서 하는 인턴이었기에 사회생활의 첫걸음이라고도 생각할 수 있습니다. 선임님들과 멘토분들께서 친절하게 잘 알려주셨고, 회사의 복지 자체도 정말 잘 이루어져 있었기에 매일 새벽에 일어나서 저녁때 퇴근을 하는 통근의 생활은 조금 힘들었지만, 평생 후회하지 않을 좋은 경험을 마무리한 것 같습니다.

 

조성현 (충남대학교 대학원 축산학과)
인실리코젠에서의 6주간의 인턴십은 좁게만 보였던 저의 시야를 넓혀주는 확장의 계기가 되었습니다. 생물정보학은 제가 생각했던 것 이상으로 넓고 다양하였습니다. ‘내가 정말 아는 것이 없구나.’ 라는 생각과 동시에 ‘앞으로 더 많은 것을 할 수 있겠구나.’ 라는 생각이 들었습니다. 6주라는 시간이 분석 방법을 습득하기에는 충분한 시간이 되지 못하다 보니 자세하고 깊은 내용은 알지 못하였으나 앞으로 부딪치고 직면해야 하는 나의 일의 전반적인 흐름과 넓은 시야를 얻을 좋은 기회가 되었습니다. 또한, 본 인턴십을 통해 좋은 인연을 얻는 기회가 되었습니다. 인실리코젠의 주요 가치 중 하나는 바로 사람입니다. ‘한 사람의 꿈은 꿈이지만, 만인의 꿈은 현실이 된다.’ 라고 하였습니다. ‘나’라는 하나는 약하고 부족하지만 나와 함께하는 ‘우리’는 강하고 풍족합니다. 나의 옆에서 나와 함께하는 이는 나의 자산이고 나의 꿈이라고 생각됩니다. 이 기간의 만남은 앞으로의 나의 선의의 경쟁자이자 동업자, 조언자가 될 것으로 생각됩니다. 6주 기간 동안 함께한 인턴분들과 본 인턴십을 위해 힘써주시고 챙겨주신 많은 멘토 선생님들과 강의를 맡아주신 여러 선생님께 다시 한 번 감사드립니다. 이 인연이 앞으로도 좋은 인연으로 발전되기를 소망합니다. 감사합니다.

 

천하림 (숭실대학교 의생명시스템학부)
6주간의 인턴십을 통해 정말 많은 것을 배웠던 것 같습니다. 서울에서 용인으로 통근해야 한다는 점이 처음에는 크나큰 부담으로 다가왔지만 인실리코젠을 통해 얻은 값진 경험과 지식을 생각하면 정말 사소한 부분이었다는 것이었습니다. 실제로 의생명시스템학부(생명정보학과)의 학생으로서 생명정보학을 진로로 삼는 것에 대해서는 확고했습니다. 하지만 3학년 학부생으로서 제가 가지고 있는 지식은 실제로 데이터를 분석하고 이해하기에는 굉장히 부족한 수준이었습니다. 하지만 人CoInternship에 참여하면서 NGS에 대한 전반적인 내용에 대해서 알 수 있었습니다. 그리고 이러한 지식을 통해 예제 데이터를 이용하여 분석 프로그램으로 실습해 볼 수도 있었습니다. 이는 생물정보 분석에 대한 즐거움을 더 느낄 수 있었던 계기가 되었던 것 같습니다. 그리고 단순한 분석에만 그치는 것이 아닌 연구자로서의 마음가짐에 대해서도 배울 수 있었습니다. 논문을 읽고 해석해가면서 배경지식을 더 넓힐 수도 있었고 논문의 사례를 통해 추가로 연구되어야 할 점을 생각할 수도 있었습니다. 생명정보의 개념적인 지식 이외에 생명정보의 data를 다루는 여러 가지 컴퓨터 프로그램들을 다뤘던 것은 더 값진 경험이었던 것 같습니다. Python, Linux, R, Oracle을 통해 생명정보 data를 어떻게 분석하고, 가공하고, 연구자의 기준에 맞는 연구를 진행할 수 있는지에 대해서 배울 수 있었습니다. 단순한 프로그래밍 언어로만 느껴졌던 Python으로 실제로 FASTQ 파일을 Parsing하고, GC Contents를 계산하는 등에 이용하기 위해 코딩을 하면서 조금 더 재미있게 배울 수 있었습니다. 그리고 Python 수업을 통해 알게 된 Rosalind의 경우 20문제를 풀게 되면 소정의 상품을 주신다고 해서 인턴사원들과 다 함께 고민하며 문제를 풀어나갔던 경험도 굉장히 값졌던 것 같습니다. 결국, 문제를 16문제를 풀게 되었고 한국 Ranking을 96위로 만드는 결과를 만들 수도 있었습니다. 또한, 앞선 연구적 분야와는 조금 다른 성격으로 BS실에서 진행한 생물정보시스템에 대해서도 배울 수 있었습니다. 실제 생물정보시스템에 대한 예시를 보고 조별로 새로운 시스템을 고안해내는 과정은 정말 생소한 부분이라 어렵지만, 흥미를 느끼게 되는 기점이 되었던 것 같습니다. 조원들과 구상한 시스템을 구현하기 위해 Userstory를 구상하고, Prototype을 Axure라는 프로그램을 통해 만들고 이를 위한 DB 설계 및 Workflow를 정의하면서 어렵지만 무언가를 만들어내는 성취감을 느낄 수도 있었습니다. 그리고 가장 생소했던 iF팀을 통해 우리의 기술이 정말 많이 발전해왔다는 것을 알 수 있었습니다. 그리고 실제로 조별로 아이디어를 구상해 Business Canvas Model을 작성하고 DB를 직접 구축하고 이를 Neo4j를 통해 노드와 엣지의 관계로 이어주는 과정은 정말 재미있었습니다. 앞의 교육을 통해 과학자적인 마인드만을 배웠다고 한다면 이러한 교육을 통해서 조금 더 사업가적인 마인드 또는 디자이너의 마인드를 배울 수 있었던 것 같습니다. 그리고 실제로 이를 사업계획서 발표형식으로 하여 발표했던 것도 어디에서나 할 수 있는 경험이 아니므로 굉장히 값졌습니다. 이 외에도 Supergene을 주제로 人CoDom 및 독후감 작성을 통해서 집단지식공유의 즐거움을 느끼고 인문적 소양 함양을 할 수 있었던 것 같습니다. 이번 인턴십 중에서 가장 아쉬웠던 것은 오랜 기간을 보내지 못하고 여기를 떠나야 한다는 점 같습니다. 그리고 6주간의 배운 내용을 이 짧은 소감문에는 다 담을 수 없을 것입니다. 하지만 이 글을 통해서 이번 인턴십을 통해서 얻은 것은 대단히 많다는 사실을 꼭 강조하고 싶습니다. 생물정보학적 지식의 확장만이 아닌 인턴사원들 간의 협동, 인문적 소양 함양, 만인(萬人)의 꿈의 중요성에 대해서 몸소 깨닫고 느낄 수 있던 값진 경험이었습니다. 이번 기회를 통해 한 층 더 성장한 제가 될 수 있었던 것 같았고, 인턴사원들을 위해 노력해주신 사원분들께도 감사의 말씀을 드립니다.

 

최광현 (강원대학교 분자생명과학과)
지난 6주간 인실리코젠에서 인턴십 과정을 거치며 많은 것들을 배웠습니다. 우선 저는 생물정보학이라는 분야에 대해 아는 것이 그다지 많지 않았습니다. 대학교에서 분자생물학이나 프로그래밍에 대해서는 어느 정도 배웠지만, 생물정보학에 대해서는 처음이라 가장 기초적인 BLAST나 NGS 같은 개념들도 정말 들어만 본 수준이었습니다. 그러나 제가 이 분야에 관심을 두게 되었고 인턴으로 오게 됐으니 열심히 공부하겠다고 생각했습니다. 하지만 막상 와서 경험해 보니 어디까지를 생물정보학이라고 칭할 수 있을까? 라는 고민을 할 정도로 생각했던 것보다 생물정보학의 범위가 매우 넓었고, 그 안에서 저는 선택을 해야만 했습니다. 그런 의미에서 분야별 6주로 구성된 인턴십 프로그램은 저에게 정말 폭넓은 경험을 할 수 있도록 해 주었고, 그 과정에서 상당한 동기 부여를 느낄 수 있었습니다. 결과적으로 제가 그동안 고민해왔던 진로 결정에 대한 고민도 해결할 수 있었으며, 다양한 지식을 얻을 수 있었습니다. 가장 기억나는 과제 중 하나로 개인별로 한가지씩 인코덤 항목 작성이 있었습니다. 주제가 인턴십 동안 배운 내용으로 한정되어 적당한 주제를 선정하는 것이 어려웠으나, 일단 주제를 선정하고 나면 쉽게 작성할 수 있을 것 같았습니다. 그러나 자기 머릿속으로만 아는 것보다 개념을 일반화시켜서 다른 이들에게 정보 전달을 위한 글을 쓴다는 것은 높은 이해도가 필요하였고, 그 과정에서 글을 쓰는 능력뿐만 아니라 제가 작성한 항목에 관해서도 많은 공부가 되었습니다. 더불어 제가 작성한 항목이 인코덤 위키에서 검색되어 나올 때 뿌듯한 마음을 느꼈습니다. 인턴십 동안 개인별로 멘토를 지정받았는데, 제 멘토는 이경표 선임개발자님이셨습니다. 항상 바빠 보이셨는데도 불구하고 누구보다도 자주 플렉스실에 찾아와 주시고 관심을 가져주셔서 감사했습니다. 3주차 리눅스와 파이썬 교육 때 코딩을 하시는 것을 처음 보았는데, 생각하는 대로 코딩하는 모습을 보고 저는 조금 놀라면서 많은 동기부여가 되었습니다. 또한, 현업에 종사하시는 분의 생각부터 학업 외적인 부분에서도 많은 조언을 해 주셔서 정말 많은 도움이 되었습니다. 인턴십 과정을 진행하면서 한 가지 아쉬웠던 점은 저희가 사무실과 격리되어 플렉스실에 있어서 다른 사원분들과 조금 물리적으로 거리가 있었던 점 같습니다. 사실 그런데도 모든 사원분들께서 정말 친절하게 대해주셔서 하나도 불편한 점은 없었지만, 아무래도 사무실 분위기를 체감해보지 못한 건 조금 아쉬웠고, 그 점 이외에는 저로서는 정말 만족스럽고 감사한 경험이었습니다. 아직 저는 많이 부족한 것 같은데 시간이 정말 빠르게 지나간 것처럼 느껴져서 너무 아쉽다고 생각합니다. 6주 동안 회사라는 환경에서 많은 사람을 만나고 학업뿐만 아니라 많은 것들을 배우면서 개인적으로도 큰 성장을 이뤘다고 생각하며, 앞으로의 삶에도 많은 도움을 줄 것으로 생각합니다. 감사합니다.

 

김민성 (순천향대학교 생명시스템학과)
2019.07.01부터 시작한 8주간의 인턴십을 마무리했습니다. 이번 인턴십은 프로그래밍 언어와 데이터 처리에 대한 생각을 확고하게 잡을 수 있게 해주었습니다. 지금까지 자바, 파이썬, C 와 같은 프로그래밍 언어들은 나와는 상관없는 분야라고 생각했지만, 인턴십 과정 동안 여러 가지 프로그래밍 언어들에 대해 접해보고 그것들을 통해 생물 데이터를 다루는 실습을 해보고 나니 이 컴퓨터 언어라는 것을 이용하면 무엇이든 할 수 있겠다고 느꼈습니다. 그러한 생각과 함께 자신의 전공만 고집하는 것은 우물 안의 개구리가 되는 것임을 느끼게 해주었습니다. 또한, 생물정보학에 대한 개념을 확실하게 잡게 되었고, 생물 분야에 발을 들인 이상 생물정보학은 필수불가결하다는 것을 느끼게 되었습니다. 이러한 깨달음들은 앞으로 저의 미래에 대해 방향성을 잡아주는 아주 중요한 밑거름이 될 것입니다. 인코인턴십은 프로그래밍 언어뿐만 아니라, 매 주차 별로 회사 내의 여러 부서에서 하는 일들을 체험할 수 있게 해주었습니다. 그중 가장 기억에 남았던 것은 neo4j를 이용하여 실제 데이터베이스를 구축하고 그것을 사용하는 서비스를 기획하는 실습이었습니다. 데이터를 구축하고 검색하는 작업에 대해 배울 수 있을 뿐만 아니라, 서비스 마케팅 같은 분야도 배우고 직접 해볼 수 있었습니다. 그러한 과정을 통해 팀원 간의 소통, 협력, 업무분장 같은 팀 과제를 위한 소양들도 경험하게 되었습니다. 여러 가지 프로그램을 진행하면서 인실리코젠의 직원분들께서 저희가 많은 것을 체험하고 배울 수 있게 많은 준비를 하셨다는 것을 느낄 수 있었습니다. 이번 인턴십을 통해 여러 사람과 만날 수 있어서 좋았습니다. 다양한 곳에서 오신 인턴분들과 여러 이야기를 나누면서 제가 몰랐던 지식을 공유 받고 저 또한, 도움을 주면서 저의 지식의 폭을 더 넓힐 수 있었습니다. 또 여러 팀 과제를 진행하면서 동료 간의 소통과 존중 같은 내면의 소양에 대해도 갈고 닦을 수 있었습니다. 인턴분들뿐만 아니라 바쁜 시간에도 불구하고 저희에게 많은 것을 가르쳐 주시고 조언을 아끼지 않으신 멘토분들과 강의해주신 직원분들 모든 인연이 저에겐 그 무엇보다 값진 결과물입니다. 끝으로 이런 좋은 프로그램을 경험하고 값진 인연을 만날 수 있게 해주신 인실리코젠의 모든 분께 감사하단 말씀을 드리고 싶습니다.

 

심석보 (순천향대학교 생명시스템학과)
제가 처음 인실리코젠에서 인턴십 프로그램에 참여하기 위해 자기소개서를 쓰고, 학교에 필요한 서류를 내기 위하여 인실리코젠에 처음 방문했던 날이 얼마 지나지 않은 것 같지만 벌써 인실리코젠에서의 인턴생활이 거의 끝나고 이렇게 소감문을 적어야 하는 시간이 왔습니다. 초반에는 어떻게 생활을 해야 할지, 회사에서의 생활이 처음이다 보니 같은 대학교에서 온 친구들에게 많은 의지를 했던 것 같습니다. 하지만 회사 프로그램에 맞춰서 생활하다 보니 팀 프로젝트가 많아서 다른 인턴분들과 이야기를 많이 하게 되었고 이것을 계기로 서로 친해질 수 있었습니다. 이렇게 다른 인턴분들과는 6주 동안 많은 추억을 쌓았고, 우리 대학교에서 온 학생들은 2주 동안 더 프로그램을 진행하게 되었습니다. 인턴십 프로그램을 하는 8주 동안 많은 것을 배우고 저 자신에게 많은 것을 느낄 수 있는 계기가 되어 이번 방학기간 동안에 ㈜인실리코젠에서 인턴십을 하게 된 것이 어쩌면 저의 인생에서 하나의 중요한 기억이 될 것 같습니다. 생물정보학에 대하여 더욱 자세히 알기 위하여 인실리코젠을 선택한 것이 그 이유입니다. 인턴십 프로그램을 하는 동안 생물정보학에 대하여 많이 배울 수 있어서 좋았지만 생각하지도 못한 분야에 대해서도 알게 되었습니다. 그것은 제가 암에 관하여 관심이 있었는데 CLC Genomics Workbench라는 것에 대해 배움으로써 더욱 뜻깊은 시간이었습니다. 이 프로그램을 사용하여 암에서 주요한 변이를 일으키는 부위를 추정할 수 있었습니다. 이러한 지식을 얻게 됨으로써 인실리코젠에서 인턴을 하는 것은 매우 즐겁고 이번 방학 기간은 알찬 시간을 보내게 된 것 같아서 매우 즐거웠습니다. 감사합니다.

 

최승연 (순천향대학교 생명시스템학과)
안녕하세요. 人CoINTERNSHIP 9기를 마친 최승연입니다. 초여름에 시작하여 어느덧 가을이 다가올 때쯤 인턴십을 마치며 지난 8주 동안 진행된 인턴십 기간이 끝나가는구나! 라는 것을 느끼게 되었습니다. 인실리코젠에서의 지난 8주는 길다면 길고 짧다면 짧은 시간이었습니다. 한 주 한 주 과제를 해결해 나가며 성취감을 얻을 때도 있었지만 처음 접해본 분야에 맞닥트렸을 때는 어려움을 느껴 지칠 때도 있었습니다. 하지만 혼자가 아닌 인턴십 친구들이 있었기에 문제를 함께 해결해 나가며 극복할 수 있었습니다. 그래서 저는 인턴십을 하는 동안 조별과제 문제를 함께 풀어나가고 일을 효율적으로 해결하는 것, 회사에서의 예절, 공동체 생활, 결과보다는 과정을 중요시하여 모든 일에 끝까지 책임을 다하는 것을 배웠습니다. 물론 교육적인 부분에서도 필요하고, 유익한 내용을 배웠습니다. 하지만 제가 앞서 언급한 부분들은 인실리코젠이 아니었다면 배우지 못했을 것으로 생각합니다. 저는 처음 인실리코젠에서 자기소개를 하였을 때 배움, 마케팅, 사람 이 3가지를 얻고 싶다고 말하였고, 8주가 끝나고 돌아보니 이 3가지를 모두 이룰 수 있었습니다. 생물정보학에서 핵심인 프로그래밍 언어, 데이터 처리, 유전체 분석을 배웠고, 회사의 마케팅 방향성을 제시하는 전략 발표를 해보기도 하였으며, 같이 진행한 인턴십 친구들, 좋은 멘토분들에게 긍정적인 에너지를 얻기도 하며 좋은 인연으로 이어지기도 했습니다. 인실리코젠에 오기 전, 저는 진로에 대한 고민이 많았고 생물학에 지쳐있는 상태였습니다. 하지만 인턴십을 2주 3주 계속해서 진행하다 보니 어느새 저는 교육을 통해 새롭게 배운 내용에 흥미를 느끼고 있었으며, 전공서적을 펼쳐보며 공부를 하고 있었습니다. 인실리코젠에 온 이후 어느새 저는 생물학에 다시 흥미를 느끼며 진로에 대한 뚜렷한 목표를 그려나가고 있었습니다. 인실리코젠을 통해 저는 점점 긍정적으로 바뀌면서 좋은 에너지를 얻었습니다. 지난 8주 동안에 대해서 누군가 물어본다면 저는 정말 값지고 유익한 시간이었다고 자랑스럽게 말할 수 있습니다. 많은 것에 대해 깨닫고 저를 좀 더 단단하게 만들 수 있게 도와주신 인실리코젠의 모든 분에게 감사드립니다. 감사합니다.

 

8주간을 돌아보며

• 지난 7월 12일, 사내행사 "人Co Culture Day"를 참석하여 다른 인턴,
  사원분들과 더 친해질 수 있던 계기가 되었습니다.

• 人CoINTERNSHIP은 데이터 분석부터 프로그래밍 언어, 매 주차 별로 사내의
  여러 부서에서 하는 일들을 체험할 수 있게 해주었습니다. 그러한 과정을 통해
  팀원 간의 소통, 협력, 업무분담 같은 팀 과제를 위한 소양들도 경험하였습니다.

• 수료식을 마치며, 지난 8주간 많은 것에 대해 깨달았으며, 좋은 프로그램을
  경험하고 값진 인연을 만날 수 있게 되어 영광이었습니다.

 

작성 : 人CoINTERNSHIP 제9기 수료생

김로빈, 강지민, 목지수, 장민재, 조성현, 천하림, 최광현, 김민성, 심석보, 최승연

Posted by 人Co

• 민감도(Sensitivity) - “실제로 병에 걸린 사람 중에서 얼마나 정확하게 병에 걸린 것으로 나타났는가”를 의미(Sensitivity = a/a+c)한다. 민감도는 치명적인 병을 테스트하거나 고위험군을 선별하는 경우 중요하게 고려해야 할 사항이다. 따라서 이런 경우에는 알고리즘을 통해 치료를 받아야 하는 고위험군을 매우 잘 규정해야 한다. 민감도는 실제 재발(또는 발병)한 사람 중 알고리즘 분석결과 재발(또는 발병)할 것이라고 구분한 사람의 비율을 의미한다.
• 특이도(Specificity) - “실제로 병이 없는 사람 중에서 얼마나 정확하게 병이 없다고 나타나는가”를 의미(Specificity = d/b+d))한다. 어떤 질병에 대한 저위험군을 선별하여 과도한 치료의 불필요성을 제시할 경우의 고려 대상이다. 특이도는 민감도와 반대되는 의미로, 실제 재발(또는 발병) 하지 않은 사람들 중 알고리즘 분석결과 재발(또는 발병)하지 않을 것이라고 구분한 사람의 비율을 의미한다.

체외 진단기기 허가 및 승인

체외 진단용 의료기기 분류

Posted by 人Co

Posted by 人Co

DNA 염기서열 기술이 발달하면서, 증가하는 생물정보의 데이터를 효율적으로 분석 및 관리하는 시스템의 필요하였습니다. 특히, 연구를 진행함에 있어 방대한 데이터베이스 내에서의 자료수집은 연구 결과와 연결되는 중요한 부분이라고 할 수 있습니다. CLC bio사에서 제공하는 CLC Main Workbench의 경우, 웹 기반 데이터베이스 내 검색, DNA 염기서열 분석 그리고 분자생물학 클로닝(cloning) 등의 다양한 분석 기능을 제공하고 있습니다. 그뿐만 아니라, '염기서열을 비교 분석한 결과를 이미지화하여 데이터 저장이 가능해 다른 연구자들과 정보를 공유할 수 있어 데이터를 손쉽게 다룰 수 있다는 점이 강점'이라고 생각합니다.

분자생물학을 기반으로 실험을 수행하는 연구실에 있어 'DNA 염기서열의 유전자 정보를 annotation 하는 것은 정말 중요한 일이라고 할 수 있습니다. 특히 염기서열 정보를 빠르게 수정 가능하며, Primer design과 molecular cloning tool은 실험을 디자인하는 데 있어 많은 도움이 되었습니다. 또, BLAST와의 연동 및 Sequence Alignment ' 를 활용한 계통수 분석의 사용은 실험 결과를 효율적으로 분석하는데 용이하였습니다. 앞으로도 CLC Main Workbench의 사용은 DNA 염기서열을 분석하고 이해하는 데 사용할 예정입니다.

이번 CLC Main Workbench의 사용은 생물정보 처리 시스템이 굉장히 중요하다는 생각이 들었으며, 효율적인 소프트웨어의 필요성을 느끼게 되었습니다. 생물학을 연구하는 과학자분들에게 CLC Main Workbench의 사용을 추천하려 합니다.

Posted by 人Co

지난 10년간 연구자들에게 많은 사랑을 받으며, NGS 분석을 위한 기초 툴로써 자리를 잡은 CLC Genomics Workbench가 2018년 11월 28일에 12버전으로 정식 릴리즈 되었습니다. 사용자 편의성을 도모하기 위해 많은 부분이 변경되었는데요, 주요한 변화들에 대해서 함께 알아보도록 하겠습니다.

CLC Genomics Workbench 11버전 interface로 변경된 지 4년 정도가 지났습니다. 그리고 이번 메이저 업그레이드에서 CLC Genomics Workbench가 새로운 옷을 입었습니다.

메인화면 

전체적인 구성이나 아이콘에는 큰 변화가 없지만, 프로그램을 실행하고 나면 뷰어 화면에 시작하는 방법, 데이터 import를 도와주는 화면이 있으며 예제 데이터도 간단히 다운로드하여 사용하실 수 있습니다. 또한, 자주 사용할법한 도움말들을 뷰어 화면에 배치하여 처음 CLC Genomics Workbench를 사용하는 입문자들도 기존에 비해 접근이 용이하도록 구성했습니다.

[그림 1] 메인화면의 변화(위-11버전, 아래-12버전)

Import 메뉴의 변경

Import 화면을 보시면 기존의 11버전보다 두 가지 항목이 추가되었습니다. QIAGEN에서 나온 NGS sequencing platform인 GeneReader를 읽을 수 있게 되어 있으며 기존의 Biomedical Genomics Workbench에만 있던 'Import Primer Pairs'가 추가되어 QIAGEN gene panel primer 파일을 바로 가져올 수 있습니다.

[그림 2] Import 메뉴화면

Navigation Area의 변화

기존 Navigation Area 내에서 파일 혹은 폴더의 순서를 변경할 때, 파일이 생성되거나 옮겨진 순서대로 정렬되어 원하는 대로 정렬하기가 쉽지 않았습니다. 이번 업그레이드 통해 파일이나 폴더를 쉽게 드래그 앤드 드롭으로 순서를 변경할 수 있게 되었습니다. 또한, 상단의 Navigation Area에서 데이터에 마우스를 가져다 대면 뜨던 정보안내 말풍선 창의 정보가 추가되었습니다. 기존 버전에서는 이름만 표시됐던 반면에 12버전에서는 용량과 파일의 포맷을 함께 나타내줍니다.

[그림 3] 데이터 타입과 용량 정보 보여주기

자동파일압축

이번 업그레이드에서 놀라운 기능은 기본적으로 압축 기능이 추가되었다는 점입니다. 같은 파일을 동일한 조건으로 분석했을 때, 11버전에서는 149MB였던 결과 파일이 12버전에서는 92MB로 30% 정도 용량을 아낄 수 있게 되었습니다. 기존의 100TB 용량을 이제 130TB처럼 사용하실 수 있습니다.

[그림 4] 자동 파일 압축 및 약 30% 저장용량 절약

레퍼런스 데이터 다운로드 방법 변경

기존에는 우측 상단의 Download 아이콘에서 Reference를 선택하여 열리는 창에서 'Download Reference Genome Data'를 다운로드할 수 있었습니다. 새롭게 변경된 UI에서는 Biomedical Genomics Workbench처럼 우측 상단의 'References'라는 아이콘을 이용하여 레퍼런스 데이터를 다운로드할 수 있습니다. Reference 아이콘을 누르면 하단의 그림 중 아래 화면 같은 창이 뜨게 되며 여기서 원하는 종 혹은 원하는 데이터를 골라 다운로드합니다.

[그림 5] 레퍼런스 데이터 다운로드 인터페이스 변경

Toolbox의 구성 변경 1

 plug-in로 제공됐던 'Bisulfite Sequencing'툴이 별다른 설치 없이 기본적으로 탑재 되었습니다.

[그림 6] Bisulfite Sequencing 분석폴더 디폴트로 추가

Toolbox의 구성 변경 2

툴박스의 폴더 구성을 보시면 'NGS Core Tools'가 사라지고, 'Prepare Sequencing Data'라는 폴더에 trimming이나 demultiplex 관련한 툴들이 배치되어 있으며, 'Installed Workflow'로 기존의 'Workflow' 폴더의 이름이 변경되었으며, 'Utility Tools'라는 폴더가 추가되었습니다.

[그림 7] 분석폴더의 재구성

Toolbox의 구성 변경 3

새롭게 추가된 툴에 대해서 소개해 드리면 copy number variant를 분석할 수 있는 툴, variant에서의 정보를 제거하는 부분, RNA-seq을 진행할 때 두 그룹일 때에는 별다른 metadata 없이 진행할 수 있도록 'Different Expression in Two Groups'가 추가되었으며 plug-in으로 사용하던 'Batch Rename'이 추가되었습니다.

[그림 8] 추가된 새로운 툴

몇 개의 툴들은 이름이 변경되었습니다. [그림 9] 이미지를 참고해주십시오.

[그림 9] 이름이 변경된 툴

QIAseq panel reference 다운로드

Reference Data를 다운로드하는 곳으로 가보면 두 번째 아이콘에 QIAGEN Sets라는 아이콘이 있습니다. 이 아이콘을 선택하면, QIAseq Panel에 관련된 reference만 선택적으로 다운로드할 수 있습니다. QIAGEN의 panel을 가지고 나온 데이터를 보다 더 쉽게 분석할 수 있도록 CLC Genomics Workbench에 적용하였습니다.

[그림 10] QIAseq 분석에 찰떡인 QIAGEN Sets 다운로드

손쉬운 서버 프로그램과의 연동

Workbench desktop 버전과 server의 연동에 관련된 부분입니다. 창의 아래쪽 표시줄에 보면 S라고 되어있는 사각형 아이콘이 생성되어 있습니다. 이 버튼을 누르면 Server Connection 창이 뜨게 되고 쉽게 server와 연결할 수 있고 연결 상태를 하단에서 바로 확인할 수 있습니다.

[그림 11] 메인화면에서 연결되는 CLC Server Connection

Track 뷰어의 변화

아래 화면([그림 12])은 read mapping의 track 화면입니다. Track에서 position을 보여주던 숫자가 위치하고 있던 맨 윗부분 위로 크로모좀 뷰어가 추가되었습니다. read 색깔은 unpair/pair 그리고 mismatch까지 색상 지정을 자유롭게 하실 수 있으며 aligned read의 하단에 있던 overflow graph가 read 상단으로 올라와 새로운 coverage graph를 보여줍니다. 그와 동시에 read를 검토할 때 불편했던 위아래 이동에 스크롤바가 추가되어 편하게 read의 alignment를 살펴볼 수 있습니다.

[그림 12] Intuitive 하게 변경된 Track 뷰어 인터페이스

Differential Expression for RNA-seq툴의 개선

기존 버전에서 불가능했던 RNA-seq에서 normalization 방법도 설정할 수 있습니다. 기본적인 whole transcriptome RNA-Seq과 targeted RNA-seq, Small RNA 분석을 따로 설정할 수 있으며 normalization도 TMM과 Housekeeping gene으로 가능합니다.

[그림 13] 세분화된 차등발현 유전자 분석 툴

Differential Expression in Two Group 추가

두 그룹 간의 RNA-seq 비교일 경우 별도의 metadata 없이 control과 study 그룹을 wizard에서 설정하여 분석할 수 있도록 구성되어 있습니다.

[그림 14] 두 그룹간의 비교 화면

Export 기능의 개선

Annotation을 export할 때 생기던 에러가 해결되었습니다. 기존에 엑셀 포맷으로 export 할 경우에는 모든 칼럼을 전부 export 하던지 혹은 필요한 칼럼만 체크해서 export를 할 수 있었습니다. 현재 내가 보고 있는 화면대로 원하는 칼럼만 export 하려면 다시 체크해야 되는 번거로움이 있었습니다. CLC Genomics Workbench 12버전 업그레이드를 통해 현재 보고 있는 칼럼만 그대로 export 하는 기능이 추가되어 다시 골라야 하는 번거로움을 없앴습니다.

[그림 15] 화면 그대로 간편하게 export 하기

이번 업그레이드로 많은 부분이 바뀌게 되었습니다. 기대하셨던 부분이 반영되었을 수도 있고, 아직 부족한 부분도 있을 거라고 생각이 됩니다. CLC Genomics Workbench는 사용자의 많은 의견을 반영하여 10년 넘도록 꾸준히 업그레이드 되고 있습니다. 업그레이드된 12버전을 통해 새로운 기능들을 확인해보시기 바랍니다.

구버전의 CLC Genomics Workbench를 이용하시는 분 중 12버전으로 업그레이드가 필요하신 분들은 12월 한 달 동안 진행되는 연말 프로모션을 적극 활용하시기 바랍니다.

Posted by 人Co

NGS (Next-Generation Sequencing) 관련 기술의 발전과 비용 절감으로 인해 NGS는 일반적인 유전체 연구뿐만 아니라 정밀 의학에서도 중요한 연구 수단으로 자리 잡고 있습니다. 국외는 물론이고 국내에서도 여러 의료기관과 연구기관에서 NGS를 이용한 임상 유전체 연구가 활발하게 이루어지고 있습니다. 하지만 한 번의 NGS로부터 많은 수의 변이 (variant)가 발견되고 그것들의 임상적 의미 (Clinical significance)를 해석하는데 어려운 경우가 많습니다.

(주)인실리코젠에서는 이러한 NGS 변이들에 대해 임상적 유의성과 action-ability를 평가하는 임상 의사 결정 지원 솔루션인 QIAGEN Clinical Insight Interpret (QCI-I)에 대해서 소개하고자 합니다.

그림 1. < QIAGEN Clinical Insight Interpret (QCI-I) >

QIAGEN Clinical Insight Interpret (QCI-I)는 웹 기반의 소프트웨어로, NGS로부터 도출된 변이들에 대해서 QIAGEN Knowledge Base를 이용한 주석 (annotation), 분류 및 해석 (classification / Interpretation), 보고서 생성 (reporting)을 지원합니다. 또한, Somatic 과 Germline/Hereditary 로 파이프라인이 나누어져 있어 분석 샘플에 맞는 파이프라인을 선택하여 진행할 수 있습니다. VCF 파일과 metadata 업로드를 통해 누구나 쉽게 진행할 수 있으며, Fusion, CNV 데이터를 추가할 수 있습니다.

QCI-I의 특징은 다음과 같습니다.

• 웹 기반 인터페이스로 편리한 접근성과 사용법이 간단하고, 임상적 유의성과 actionability를 평가하는데 드는 시간과 비용을 단축할 수 있습니다.

• Manually 큐레이션된 방대하고 신뢰성 높은 QIAGEN Knowledge Base를 사용합니다.
  

• ACMG/AMP (hereditary)와 AMP/ASCO/CAP (somatic) 가이드라인에 따라 변이를 분류합니다.
  

• 분석 샘플의 변이에 관련된 치료 (treatment), 임상 시험 (clinical trials) 정보를 제공합니다.
  

• 최종 보고서의 커스터마이징이 가능합니다.
  

• VCF (Variant Call Format) 파일을 사용하여 분석함으로써, NGS 플랫폼에 관계없이 사용할 수 있습니다.
  

• 이전 데이터 결과들을 재사용하여 Lab-specific variant database 구축이 가능합니다.
  

QIAGEN Knowledge Base

QCI-I는 오랜 기간을 거쳐 manually curation된 QIAGEN Knowledge Base를 기반으로 변이를 해석 및 평가합니다. Knowledge Base에는 천만여 개 이상의 biomedical 정보들이 들어있고 16년 이상 지속되어 온 방대하고 신뢰성 높은 Database입니다. 데이터 대부분이 주 단위 (weekly)로 업데이트 되며 사용자는 항상 최신의 정보를 제공 받습니다.

QIAGEN Knowledge Base는 공개된 생물학적 데이터뿐만 아니라 상용 데이터까지 통합되어 있고, 이 데이터들에 대하여 임상적인 관련성까지 정리되어 있습니다. 연구자, 임상의, 제약회사 등 여러 분야에서 지속해서 사용되고 있으며 20,000번 이상 인용되었습니다. Knowledge Base를 사용하면 raw public data 혹은 computational prediction tool 들을 사용하는 것보다 변이 분류 (variant classification)의 오류를 줄일 수 있습니다. 이러한 database를 구축하는 일은 어렵고 많은 시간과 비용이 소모되지만 QIAGEN Knowledge Base를 이용하면 시간과 비용을 줄이고 효율적이고 신뢰도 높은 변이 분석 결과를 얻을 수 있습니다.

Knowledge-based Variant Classification

QCI-I는 Knowledge Base를 기반으로 Germline 혹은 Somatic testing에 따라 변이의 pathogenicity 와 actionability를 측정하여 제공합니다.

그림 3. < Professional guideline을 따르는 QCI-I의 Variant clssifications >

아래 그림 4처럼 Variant list 탭에서 검출된 변이들에 대한 기본적인 정보를 확인할 수 있고, 각 변이를 선택하여 자세한 사항을 확인할 수 있습니다. Pathogenicity에 따라 색으로 구분되어 직관적인 확인이 가능합니다.

그림 4. < QCI-I Variant List 탭 화면 >

샘플에 대한 정보와 변이에 대한 정보 (somatic frequency, population frequency, variant allele frequency 등)를 보여줍니다. Knowledge Base에 기반하여 변이의 actionability, pathogenicity가 분류됩니다. Pathogenicity는 붉은색 계열 (pathogenic or likely pathogenic), 회색 (unknown of significance;VUS), 녹색 계열 (benign or likely benign)로 구별됩니다.

Treatment & Clinical Trials

선택한 변이가 해당 단백질에 미치는 기능적 영향 (functional effect on protein), treatment 정보와 현재 진행되고 있는 clinical trial들에 대한 정보도 제공하며, 이 정보는 주 단위 (weekly)로 업데이트되어 항상 최신의 정보를 받을 수 있습니다.

그림 5. < Variant Detail 탭에서 제공되는 다양한 변이에 대한 정보 >

단백질의 functional domain과 함께 유전자의 아미노산 위치별 pathogenic/benign 변이들의 분포가 나와 있고 해당 샘플의 변이 위치가 확인됩니다. 약물에 대한 반응성과 가이드라인, FDA에 대한 레퍼런스가 링크로 제공됩니다.

Clinical Cases & Papers

해당 변이에 대해 같은 질병에서 보고된 임상 케이스, 관련된 논문 등에 대한 정보를 제공합니다. 아이콘을 클릭하면 각각의 세부정보 확인이 가능합니다. 임상 케이스와 논문 내용도 추후 최종 보고서에 일괄적 혹은 선택적으로 추가할 수 있습니다.

그림 6. < 변이에 대해 보고된 임상 케이스와 관련된 논문 정보 >

Customizable & Actionable Report

Preview 페이지에서는 최종 report를 작성하기 전에 자유롭게 comment의 수정 및 추가를 할 수 있습니다. 기본적으로 유전자에 대한 설명이 있고 Edit 메뉴를 통해 추가 또는 삭제할 수 있습니다. 환자에 대한 전반적인 interpretation과 actionable 변이들에 대해 모든 comment 작성이 가능합니다.

그림 7. < Preview 페이지 >

Comment 작성을 자유롭게 할 수 있습니다.

최종 보고서 (actionable report) 는 아래 그림 8과 같습니다. 상단에 환자, 클라이언트, 샘플 정보가 나오고 Alterations Summary에 actionable mutation들에 대한 FDA 승인 약물, Clinical trial, 약물 저항성 등이 요약되어 있습니다. 하단에는 각 변이에 대한 자세한 정보가 나열됩니다.

그림 8. < QCI-I 최종 보고서 형식 >

이상 NGS 기반 진단 영역에서 임상 의사 결정을 지원하는데 강력한 툴인 QCI-I에 대해 살펴보았습니다. QCI-I의 QIAGEN Knowledge Base를 이용하여 variant classification하면 기존에 VUS로 분류된 변이들에 대해서도 더욱 정확하게 분류가 가능할 것입니다. 2가지 case study 결과 variant of unknown significance (VUS)가 27~33% 가량 줄어든다는 것을 확인하였습니다.

그림 9. < QIAGEN Knowledge Base를 이용한 variant classification 비교 >

QCI-I를 통해 NGS Platform에 관계없이 전문적으로 큐레이션된 QIAGEN Knowledge Base를 이용해 검출된 변이들의 임상적 유의성과 actionability를 쉽고 빠르게 측정하는 경험을 해보십시오. Raw data부터 임상적인 의미를 얻기까지 전체 해석 시간을 줄이고 임상의에게 보고할 수 있는 임상 관련 데이터의 양을 늘리는 동시에 변이 해석 및 보고 프로세스의 모든 부분을 통합할 수 있을 것입니다.

* 더 자세한 정보와 Trial을 원하신다면 codes@insilicogen.com 혹은 031-278-0061 로 문의주시기 바랍니다.

Posted by 人Co

임상유전체란?

유전체 염기서열 및 오믹스(Omics) 분석을 통해 얻은 정보를 이용하여 환자의 질병 진단과 맞춤 치료에 사용하고자 하는 분야이며, 차세대 염기서열 분석(NGS, Next Generation Sequencing) 기술의 비약적인 발전으로 최근 크게 성장하고 있다.

많은 의료 및 연구 기관들에서 임상유전체 정보를 분석하며 질병의 원인을 이해하고 진단과 치료에 활용하고자 하는 연구들이 활발히 이뤄지고 있다.

작년 3월, 우리나라는 차세대 염기서열 분석 기반의 유전자 패널 검사가 실시되면서 NGS를 통한 임상 유전체 데이터 생산이 급격하게 늘고 있고, 정밀의학 실현을 위하여 임상유전체 분야의 관심과 발달은 전 세계에서 미래 투자 산업으로 뜨겁게 떠오르고 있다.
.

최근 NGS 데이터 분석이 대중화되긴 했지만 한정된 연구비 수준에서 NGS 데이터를 생산, 저장하고 분석하는 시스템을 구축하기는 쉽지 않다. 특히 대용량 데이터를 신속, 정확하게 분석하여 의미 있는 결과를 얻어내는 소프트웨어 기술들의 발전은 그 속도가 상대적으로 더딘 편이다.

또한, 일반적으로 대용량 데이터를 다루는 데 있어서 공개된 소프트웨어들은 커맨드라인 형식이 대부분이다 보니 생물정보를 접해보지 않은 연구자들에겐 더욱이 어려운 상황이다.

이러한 환경에서 대용량 임상유전체 분석을 쉽게 진행할 수 있는 솔루션을 소개해보고자 한다.
.

- NGS raw 데이터부터 변이 확인까지

일반적으로 NGS 시퀀싱 서비스를 수행하면 1차 분석결과까지 받게 되는 경우가 많다. 하지만 변이 분석은 파라미터를 어떻게 설정하느냐에 따라 결과가 다르고 원하는 영역의 변이 정보를 얻지 못할 경우가 있다.

Biomedical Genomics Workbench는 Human Genome의 NGS 데이터 분석에 특화된 GUI 기반의 소프트웨어이다. Somatic Cancer와 Hereditary disease의 변이 분석에 최적화되어 있으며, 다량의 샘플에 대한 복잡한 분석도 기본적으로 내장된 워크플로우 혹은 커스터마이즈한 워크플로우 제작을 통해 분석 효율성을 극대화할 수 있다.

더불어 다양한 NGS 플랫폼의 데이터 포맷을 지원하기 때문에 쉽게 raw 데이터부터 분석이 가능하고, 1000Genome, ClinVar, HapMap 등 다양한 public database들을 포함한 패키지를 손쉽게 다운로드 받아 사용할 수 있다.

그리고 변이분석 뿐만 아니라 RNA-seq 분석을 통해 발현량 및 발현패턴 분석까지도 수행할 수 있다.

<그림 2. 사용자 편의적인 인터페이스의 변이 분석>

(관련자료 : https://insilicogen.com/service/detail/85/)
.

<그림 3. 워크플로우의 제작>

(관련자료 : https://insilicogen.com/service/detail/85/)

- 의미있는 변이의 필터링

앞서 변이 정보들을 얻고나면 이 중에서 질병과 연관된 또는 질병을 일으키는 의미 있는 변이들을 찾아내야 한다. 하지만 수십만 개 변이 중에 원인이 되는 변이를 찾는 일은 단순하지 않다.

Ingenuity Variant Analysis(IVA)는 이러한 어려운 문제점을 해결해주는 변이 분석 플랫폼이다. 타겟 변이 리스트들을 생물학적 필터 기준을 통한 검증의 우선순위를 설정할 수 있고, 관심 phenotype에 관련한 변이 정보와 집단에 대한 통계분석 바탕으로 변이 정보를 필터링할 수 있다.

또한, 생물정보학적인 기술이 없어도 쉽게 다룰 수 있는 사용자 친화적인 인터페이스로 변이가 존재하는 유전자의 upstream/downstream의 1~2단계 내에서 변이 식별도 가능하다.

<그림 4. 변이정보의 필터링>

(관련자료 : https://insilicogen.com/service/detail/94/)

- 질병 유발 변이정보 확인

Human Gene Mutation Database(HGMD)는 문헌에 보고된 Human에서 유전질병을 유발하는 돌연변이 및 질병관련 정보들을 포함하고 있는 데이터베이스이다. 오랜 기간 전문가들의 큐레이션을 통해 안정화되었고, 현재 보편적으로 임상유전체 연구에서 활용되고 있는 데이터베이스이다.

온라인 버전의 경우는 쉬운 검색을 통하여 변이의 종류, 위치, 관련 질병 및 표현형, 표기되어 있는 논문 정보 등을 확인할 수 있고, 대용량의 변이 정보를 검색해야 하는 경우는 다운로드 버전을 통해 분석 파이프라인에 추가하여 활용할 수 있도록 제공되고 있다.

<그림 5. 데이터베이스 검색 시 제공되는 리포트>

(관련자료 : https://insilicogen.com/service/detail/96/)

.

이처럼 소개된 3가지의 솔루션은 현재 QIAGEN Bioinformatics의 제품군이다. QIAGEN은 Sample to Insight 전략으로 세계적으로 저명한 생물정보 기업들을 합병하면서 샘플 추출부터 생물정보 분석까지의 일련의 과정에서 연구자들이 문제를 직접 해결할 수 있는 환경을 만들고 있다.

하지만 단순히 솔루션만 보유한다고 정밀의학에 무조건 가까워지지는 않을 것이다. 구체적으로 어떤 임상 샘플을, 어떠한 기술을 이용하여, 질병과 연관된 해석을 통해 최종 결론을 내기까지 연구자들이 기술적인 부분을 많이 어려워하고 있다. 이러한 시장현황에 발맞춰 생물정보 기반의 임상유전체 분석 및 정밀의료 파이프라인 구축에 쉽게 활용 가능한 솔루션들과 컨설팅으로 (주)인실리코젠이 함께 할 것이다.

작성자 : Consulting팀 김경윤 선임

Posted by 人Co

Posted by 人Co

다른 사람보다 생물정보라는 분야에 더 늦게 합류하였고, 생물정보라는 분야라기보다 데이터 과학이라고 생각되는 이 분야에 BIT가 아닌 BT 전공자로서 심각한 적응기를 겪었다 할 수 있습니다. 2008년부터 특별히 비정규화되어 있고, 개별 데이터가 많이 존재하는 식품 분야의 데이터 세상에 발을 디디면서 그야말로 혼돈과 혼란의 시간을 겪었습니다. 그럼에도 불구하고, 뒤돌아 가지 않고, 10년이 지난 지금까지 데이터 과학이라는 이 분야에 서 있는 것을 보면, 이 길을 가야만 해서 이곳에 발을 디디게 된 게 아닌가 생각됩니다.

분자생물학을 전공하고 animal cell culture를 하던 저에게 우연한 전화 한 통이 생물정보를 시작하게 했습니다. 프로모터 연구를 했다는 잊고 있던(브릭에 올려진) 저의 이력서를 보시고 금요일 자정을 넘기던 그 시각, 갑자기 생물정보를 함께 해보지 않겠느냐는 권유로 큰 기대도 망설임도 없이 그냥 그렇게 생물정보를 접하게 됐습니다. 생각해보면, 통계나 프로그래밍에 전혀 문외한이었던 그때부터 15년이 지난 지금까지도 저는 행운이 따랐던 것 같습니다. 늘 주변엔 함께 공부하던 친절하고 똑똑한 분들이 계셨고, 데이터가 쌓여 있었던 터라 크게 다른 생각을 하지 않고 지금까지 오고 있는 듯합니다.

환경부의 연구과제가 기억에 남습니다. 당시에는 거의 최초로 시맨틱스(Semantcis, 意味論)를 적용하여 환경유해물질에 대한 유전체 데이터베이스를 구축하는 주제였습니다. 연구진 중에서 저희에게 데이터를 잘 정리해서 주시던 분이 계셨습니다. 그분이 주신 단편 자료를 차곡차곡 모으고 시맨틱스 모델로 뽑아서 그린 유전자-화학물질-생리활성 네트워크 그림을 논문 초안에 넣어서 보내드렸습니다. 그러고 나서 그분에게서 전화가 왔는데 자기가 중요한 저널에 준비하는 개념을 어떻게 알았느냐고 놀라움과 걱정을 전해주셨습니다. 결국, 그 그림은 중요한 심볼을 모두 제거하고 간략한 현황만 보여주는 식으로 변경되어 논문으로 출판되었습니다. 당시에 그 교수님은 해당 주제로 5년 이상 하면서 찾은 내용이고, 그 아이디어는 저희에게 노출하고 싶지 않았는데, 단편적 데이터의 의미적 연결(시맨틱스)이라는 기술로 동일한 결과를 얻을 수 있었던 것입니다. 이후에 그 교수님은 저희 회사 제품을 꾸준히 사용하는 고객이 되고 저희도 시맨틱스의 잠재성에 확신을 하는 계기가 되었습니다.

2011년 구제역 사태가 가장 기억에 남습니다. 당시, 축산과학원 정보시스템 유지관리 사업 중이었는데, 구제역이라 출입이 통제됐었죠. 급하게 시스템 점검해야 할 일이 있어 전산실에 들어가야 했는데, 그러기 위해서는 정문 옆 임시 샤워시설에서 샤워하고, 자외선 소독하고, 속옷도 갈아입고, 방역복을 입은 채 작업해야 했습니다. 긴급 위급 상황을 절감하면서 서버 앞에서 작업하던 때가 기억나네요. 리눅스 명령 하나하나가 무게감 있던 기억이네요. 전산 관련 업무 하는 분 가운데, 이런 경험 하신 분은 얼마 없을 것 같습니다.

최근 인실리코푸드 시스템이라는 개인의 유전정보에 맞는 식단을 추천해 주는 프로젝트를 수행한 적이 있습니다. 현재 자신의 생활방식, 식습관 등 외형적인 기준에 따라 식단을 추천해 주는 프로그램과 앱 등이 많이 나와 있긴 하지만, 유전정보를 기반으로 사람의 속까지 들여다보며 맞춤 식단을 추천해 주는 프로젝트는 처음이지 않을까 생각됩니다. 다양하고 정리되지 않는 자신의 개인 데이터를 잘 정리할 뿐만 아니라, 최신의 과학적 정보까지 추가하여 최적의 맞춤 식이 정보를 제공할 수 있는 프로젝트를 성공적으로 수행한 뿌듯함과 동시에 아마도 향후에는 더 발전된 시스템으로 확장될 수 있을 것이라는 기대감, 식품 빅데이터라는 키워드를 연상하게 하는 미래를 내다보는 프로젝트인 것 같아 가장 기억에 남습니다.

언론에도 소개됐던 한우 유전체 프로젝트가 기억에 남습니다. 2009년 당시만 해도 국내에 NGS를 이용한 연구가 이제 막 소개되던 때라 데이터를 구경할 기회조차 잘 없던 때인데, 운이 좋았었습니다. 국내에서 처음으로 대용량 데이터를 바탕으로 한우의 단일 염기 변이를 유전체 전반에 걸쳐 분석했고, 그 결과는 논문으로 정리됐는데, 재밌는 사실은 연구분야가 늘 그러하듯 대용량 데이터를 분석해 내기 위해 들인 그 많은 노력이 단순한 호기심을 해결하기 위해 시작됐고 그것으로 귀결된다는 것을 알게 됐다는 것입니다. 당시, 저는 한우의 그 누런 털이 어떤 유전자에 기인해서인지를 찾던 중 CORIN이라는 유전자를 만났고, 그날 옆자리의 동료는 한참을 저에게 꽉 안겨 있었던 기억이 납니다.

생물정보학은 여러 학제간의 경계학문이라고도 합니다. 경계에 있다는 것은 어느 쪽에도 포함되지 않는다는 것으로 해석되기도 하지만, 동시에 경계에 있기에 두 영역의 결합자 역할이기도 합니다. 사람과 사람, 사람과 일에 있어 결합자 또는 풀(glue)과 같은 역할을 하고 싶다고 생각합니다.

어려운 질문이네요. 그렇게 잘하고 있지 못하다고 생각합니다. 다만, 나의 진심과 열정이 드러나도록 대화하고, 이것이 서로 통할 때 이것이 바로 중요한 관계의 진전이 아닐까 느낍니다. 서로 간에 감정적으로 잘 챙기는 부분은 제가 잘하지 못하는 영역이기도 합니다만 늘 잘하고자 노력합니다.

특별히 다른 이들에 비해 인간관계를 잘 관리하고 있다 생각되진 않지만, 인실리코젠의 기본 모토 중 하나인 사람에 대한 진심이 가장 큰 부분이 아닌가 생각됩니다. 진심은 통하고, 그 진심과 진실은 상황과 사람을 변화시킨다는 마음이 아마도 현재까지 함께하는 사람들과 쌓여 온 신뢰가 아닌가 합니다.

저는 아마도 배려를 하기보다는 받는 쪽이었던 것 같습니다. 입사해서 애도 둘이나 낳고, 근근이 지내와서 특별히 뭔가를 하려 하지 않고 감사한 마음으로 지내왔던 것이 비결이라면 비결일 수 있을 것 같습니다. 오히려, 이번 기회를 빌려 주변 지인들에게 다시 한 번 감사하다고 전하고 싶네요.

걱정의 80%는 절대 일어나지 않는 것들이라는 말이 있다고 합니다. 결정의 순간 걱정보다는 도전과 희망에 가중치를 줍니다.

얼마 전부터 자신에게 묻고 있습니다. 이 회사가 내 회사고, 내가 리더이고, CEO라면 어떻게 선택하겠는가. 이 질문에 대한 고민은 우리 회사의 발전과 우리 모두의 성장에 도움이 될 것이라 생각합니다.

지금 현재 가장 하기 힘들고 어려운 것을 선택하는 편입니다. 쉽고 유리한 것은 누구나 할 수 있기에 선택과 결정의 순간이 왔을 때 기회가 아닌 위기가 될 수 있음을 인지하고, 결정하려고 하는 편입니다. 이런 경우를 몇 번 겪으면서 느낀 건 아마도 이런 선택의 기준에 “가장 기본적인 것이 가장 중요하다”는 원칙이 있었던 것 같습니다.

제가 지나온 시간은 대부분 답이 정해져 있었던 것 같습니다. 크게 고민의 기로에 서서 있었던 시간보다는 얼른 해내야 하는 시간이 많았습니다. 생물정보를 처음 시작하고 할 수 있었던 건 그저 빨리 프로그래밍을 공부하는 것이었고, 둘째를 낳고 할 수 있었던 것은 집에서는 아기를 업어주고, 회사에서는 빨리 데이터의 속성을 파악해서 문제를 해결하는 방법밖에 없었습니다. 지금 생각해 보니, 고민하기 보다는 지금의 문제를 신속히 해결하고자 하는 방식이었던 것이 아닌가 합니다.

빠르게 변화하는 기술 유행어를 붙여서 무늬만 새로운 것들이 많습니다. 옥석을 가리고 우리 고객에게 제대로 된 가치를 돌려드릴 수 있는 것이 무엇인지 항상 고민하고 있습니다. 그 외 시간은 아직 아이들이 어려서 주말이라도 아이들과 시간을 보내고 있습니다.

하루가 다르게 새로운 기술이 소개되고 있습니다. 특히 기계학습, 딥러닝 등 유전체 정보에 접목했을 때 더욱 가치 있을 분야에 관심이 많습니다. 최근 유전체 정보와 일부 설문 정보를 결합하면, 훌륭한 맞춤 질병 예측 모델을 만들 수 있을 것 같은 기대감이 있습니다. 새로운 IT 지식을 생물학적 고려하에 응용하는 것에 높은 관심이 있습니다.

데이터 산업이라는 말이 많이 떠오릅니다. 물건을 만들 때 어떤 모양으로 어떻게 만들어서 얼마나 많은 사람이 사용하게 할 것인가를 고민하는 것처럼, 이미 만들어진 데이터를 어떻게 포장하고, 만들고, 정리하면 잘 사용할 수 있을까에 대한 고민은 많이 하게 됩니다. 지금은 식품에 많은 관심을 가지고 식품 데이터를 보고 있지만, 아마도 앞으로는 환경 데이터가 한 걸음 더 나가야 할 데이터 산업의 한 분야가 아닐까 하고 관심을 가지고 있습니다.

'어떻게 하면 쉬지 않을 수 있을까?' 입니다. 토끼와 거북이 이야기에서 빠른 토끼보다 쉬지 않는 거북이가 더 빠른 것을 얘기하는데, 사실 쉬지 않는 시간보다 빠른 것은 없다고 생각하고 있거든요. 조급한 마음일 수 있겠지만, 일정 궤도에 얼른 올려놓고 싶은 것들이 한둘이 아니다 보니, 이것들을 한꺼번에 해결하려면 일차적으로 그 일들을 쉬지만 않고 갈 수 있으면 된다고 생각했습니다. 근데, 그게 참 어렵습니다. 하루를 보내고 한숨 한 번인데, 그렇게 일주일이 금세 지나가고 벌써 7월을 넘어서서, 무서움도 가끔 느껴집니다. 시간이 간다고 그냥 해결되는 일은 많이 없으니까요. 아무튼, 현재는 쉬지 않고 갈 수 있는 현실적인 방법을 찾는 중입니다.

앞에서 언급한 환경부 연구과제에서부터 발표할 때 자주 사용하던 말이 있습니다. “데이터 규모가 문제가 아니라 그 데이터 간의 연결이 문제다”. 4차 산업혁명은 초(超; super)연결의 시대가 될 것으로 생각합니다. IoT 기술과 같이 불편한 정보의 연결을 편리하게 도와주는 것, 빅데이터 분석처럼 사람의 행동에서 숨어 있는 연결고리를 찾는 일들이 많이 생길 것으로 예상합니다. 그중에서 생물정보학을 기반으로 한 바이오 빅데이터는 초연결과 함께 그 인과관계도 동시에 제공할 수 있는 핵심 콘텐츠라고 생각합니다.

우리는 좀 더 건강해질 것이고, 수명은 더 늘어날 것입니다. 이를 가능하게 하는 것이 인실리코젠이 하고 있는 생물정보 연구라고 봅니다. 물론 기초 과학 연구도 중요하지만, 머지않아 실질적 가치로 드러나게 될 것이라고 봅니다. 그 과정에 이바지하고 싶은 욕심이 있습니다.

획기적인 유전체 기반 기술의 발달과 다양한 IT적 활용기술의 접목은 미래 4차 산업혁명의 핵심이 될 것으로 생각됩니다. 특별히 더 많은 유전정보를 확보하여 머신러닝, 인공지능까지 포함한 빅데이터 분석은 국가나 기업에 가장 큰 미래경쟁력이 될 것으로 생각합니다.

작년까지만 해도 유전체 어셈블리를 두고 큰 고민을 했는데, 지금은 PacBio를 비롯한 Hi-C 기술로 고민의 대상에서 제외됐습니다. 많은 문제를 제시하고 빠르게 해결하면서 놀라운 발전을 보이는 생물정보는 빅데이터 생산에도 크게 이바지하고 있지만, 이렇게 쌓인 빅데이터가 다시 생물정보 분야를 발전시키고 있습니다. 인간의 호기심이 사라지지 않는 한 데이터와 생물정보는 늘 앞서거니 뒤서거니 하며 함께 발전할 텐데, 중요한 것은 질문을 던지는 쪽은 항상 빅데이터가 아닌 생물정보를 활용하는 소수의 사람이 될 것이라는 겁니다. 그때를 위해서라도 쉬지 않고 가야겠네요.

많은 바이오 정보 중에서 접근성과 연결성을 갖춘 것들만 미래 산업에 활용될 것으로 생각합니다. 따라서 다양한 접근 경로와 연결 방법에 대한 준비와 경험을 갖추고 예상되는 시나리오와 애플리케이션을 시도하는 것이 중요하다고 생각합니다. 최근에 회사에서 준비하는 식품 바이오 빅데이터 기반의 애플리케이션이나 유전체 연관 분석 플랫폼 등도 그 일환입니다.

기업 운영을 위한 조직력을 갖추고, 기본 연구 역량을 꾸준히 향상하다 보면 곧 건강증진과 수명 연장이라는 실질적 가치를 만들어내는 역할을 할 수 있으리라 봅니다. 지속적인 조직력 강화, 연구 역량 강화를 진행하다 보면 기회가 올 것이고, 그 기회를 잘 이용하면 중요한 가치 생산의 최전선 기업이 될 수 있을 것으로 생각합니다.

인실리코젠은 이미 10년 전부터 데이터의 가치를 알고 데이터의 축척, 연결 그리고 이들을 통합하는 미래 산업인 데이터 산업을 준비해 왔습니다. 이러한 과정을 겪으며, 미래에는 각자가 생산한 파편적 데이터는 하나의 통로가 될 데이터 공장을 통해 다시 꾸려져 우리의 의식주를 관리할 것으로 생각됩니다. 이를 대비하기 위해서는 분야와 경계를 뛰어넘는 한 단계 업그레이드된 데이터 통합을 위한 준비와 데이터의 폭넓은 이해와 의미를 찾는 인재를 발굴하고, 기술을 개발하는 것이 필수적이라 할 것입니다.

사실 제가 하는 분야는 다양한 분야에서 과학적 호기심으로 제기된 문제를 푸는데 생물정보학적 기술로 도움을 드리는 역할을 하고 있습니다. 그래서 전적으로 개개인의 시각이 같을 수 없고, 관심사가 같을 수 없어 같은 방법으로 일괄처리하기 힘든 부분이 있습니다. 따라서 개인의 관심도와 몰입도가 매우 중요한 요소로 작용했는데, 미래에는 예외 처리라고 생각되는 많은 부분이 개인 맞춤이라는 이름으로 자동 처리되도록 할 것입니다. 모든 생물 시스템을 비롯하여 이와 상호작용하는 환경과의 연계에서도 대부분 질문에 빅데이터는 답을 줄 것입니다. 곧 누구에게나 잘 맞춰진 쉬운 데이터가 놓이게 될 텐데, 이런 현실 속에서도 끊임없는 문제를 제기할 수 있고 재밌는 발상이 가능한 인재가 미래를 이끌 것으로 생각합니다.

지금까지 (주)인실리코젠 R&D Center 4인에 대한 인터뷰였습니다. 오랜 시간 함께 하여 호흡도 척척! 정말 훈훈한 분위기로 빅데이터의 심연을 탐구하고 있습니다.

2016년 다보스 포럼(세계경제포럼, World Economic Forum)에서 본격적으로 제기된 제4차 산업혁명! 지금 맞고 있는 이 시대의 일과 직업에 대한 전망 보고서에 의하면, 전문적 기술과 컴퓨터 및 관련 장치를 통한 커뮤니케이션과 정보처리 작업이 능숙한 소수의 ‘스타’들에게 큰 보상을 주게 될 것이라고 합니다.

이러한 추세는 새로운 아이디어와 비즈니스 모델, 상품과 서비스를 제공하는 등 혁신이 주도하는 생태계에 완벽한 적응 능력을 갖춘 사람들이 승자가 된다는 멱 법칙(冪法則, Power Law)의 양상을 띠고 있습니다.

성공신화는 적절한 기술과 가치관을 가진 사람, 즉 자발적으로 동기를 부여하고 노력하는 특성이 있으며 새로운 기술을 보완할 능력이 있는 사람에게만 주어질 이야기입니다. (4차 산업이 이끄는 일의 미래, Design Issue Report, Vol.14)

앞서 인터뷰한 네 분은 한 가지 분야에 충분한 소양을 갖추고 다양한 지식을 두루 겸비한 통섭형 인재! 자기 존중과 타인에 대한 겸손을 갖추고, 융화를 통해 함께 성장하고자 하는 人Co의 핵심 원동력이라 믿어 의심치 않습니다.

작성자 : 브랜딩 이사 정은미

Posted by 人Co

봄, 하면 막연히 설레던 마음이 두려움으로 바뀐 것은 흩날리던 벚꽃마저 가려버린 미세먼지 때문일 것입니다. 눈을 뜸과 동시에 휴대전화로 오늘의 미세먼지 농도를 확인하고 마스크를 준비하는 일에 익숙해져 버렸습니다. 화석 연료를 대체할만한 대체 에너지원을 찾는 일을 더는 미룰 수 없게 된 현실입니다. 지난해 경주로부터 시작된 지진에 대한 공포로 원전에 대한 우려의 목소리가 커지고 있는 가운데 문재인 정부는 탈원전 정책의 하나로 지난 6월 17일에는 대한민국 1호 원전(부산 기장군 고리 원자력발전소)이 멈추었고 신고리 5·6호기의 건설¹⁾ 및 노후 석탄 화력 발전소의 가동을 일시 중단했습니다. 대신 태양광, 풍력 등 신재생에너지를 늘리겠다는 정책이 발표됨에 따라 친환경 연료인 신재생에너지 발굴에 대한 필요성이 대두하고 있습니다.²⁾ 신재생에너지라 하면 흔히 수력, 풍력, 태양력 등을 떠올리게 되는데 생물자원(Biomass)으로부터 얻어지는 바이오에탄올도 이에 포함됩니다.

순도가 높고 기존의 화석 연료를 연소할 때 생성되는 일산화탄소 등 환경오염 물질이 전혀 배출되지 않는다는 점에서 친환경 대체에너지로 주목받고 있는 바이오에탄올은 사탕수수, 옥수수, 카사바 등 식량 자원으로부터 얻어지는 것을 일반적으로 생각하게 됩니다. 실제로 사탕수수의 원산지인 브라질에서는 차량의 70%가 사탕수수로부터 얻어진 바이오에탄올을 연료 첨가제로 사용하고 있습니다. 그러나 그 외의 지역에서는 원가가 너무 비싸 이용하기 힘들고, 옥수수의 경우 식량난과 결부되어 윤리적 문제를 일으켜 자연스럽게 2세대 바이오에탄올로의 전환이 시작되었습니다.

2세대 바이오에탄올은 볏짚, 잡초, 포플러 나무 등 목재(셀룰로오스, 헤미셀룰로오스)로부터 얻어지는데 이 경우, 목질부는 식용화되지 않고 폐목재의 처리 문제를 해결했다는 점에서 윤리적 문제는 피했으나 바이오에탄올 생산을 위한 주재료인 셀룰로오스와 헤미셀룰로오스만 분리하는 것이 어렵다는 단점이 있습니다. 목재 중량의 25~35% 정도를 차지하는 리그닌은 지용성 페놀 고분자로써 셀룰로오스와 헤미셀룰로오스를 감싸며 분해를 막고 있으므로 반드시 먼저 제거되어야 합니다. 2017년 하반기 준공 예정인 GS칼택스 바이오부탄올 데모플랜트의 부탄올 생산 공정도에도 나와 있듯이 화학처리 및 고액분리 등 전처리 과정이 반드시 필요합니다. (그림 1 참고)

그림출처 : GS칼텍스, 폐목재로 바이오부탄올 생산한다…세계 첫 실증사업 시작,

<조선비즈>, 2016년 9월 29일

산림이나 목재 건축물을 분해하여 피해를 주는 목재부후균이라고 불리는 곰팡이류가 있습니다. 그들의 리그닌 처리 방법을 차용한다면 고비용의 화학처리 등의 전처리과정을 대처할 수 있지 않을까요? 부후균은 목재 주요 성분의 분해 방식에 따라 셀룰로오스와 헤미셀룰로오스를 분해하는 갈색부후균(Brown rot fungi), 셀룰로오스, 헤미셀룰로오스, 리그닌을 모두 분해하는 백색부후균(White rot fungi), 그리고 셀룰로오소를 우선 분해하고 소량의 리그닌을 분해하는 연부후균(Soft rot fungi)으로 나뉩니다. 2009년 산림과학원에서는 자생 진균류인 백색부후균의 리그닌 분해 효소 중 하나인 락카아제(laccase) 유전자를 이용한 형질전환체(GMO)를 개발하였고 4배 이상 뛰어난 효율을 보였다고 합니다.

<그림 2. 진황녹슨버짐버섯과 목재 부패 모습>
그림출처 : 위키백과

신기하게도 갈색부후균은 진화과정에서 리그닌 분해 능력을 잃었음에도 불구하고 백색부후균보다 더 빨리 나무를 분해합니다. 2012년 미에너지성공동연구소(DOE-JGI)를 포함한 세계적 연구팀이 갈색부후균 중 건부(마른부패, dry rot)를 일으키는 Serpula lacrymans(진황녹슨버짐버섯)의 유전체를 신규 해독(42.8Mb / 12,917 genes)하고 이미 밝혀져 있던 다른 부후균류, 외균근류와의 비교유전체 분석을 수행하여 갈색부후균의 리그닌 처리 기작을 밝혔습니다.

<그림 3. 비교유전체 분석 결과>
그림출처 : EASTWOOD, Daniel C., et al. 2011.

그물버섯목에 속하는 진황녹슨버짐버섯은 갈색부후균이지만 구멍장이버섯목의 Postia placenta 보다는 기주로부터 영양분을 획득하는 외균근류 중 하나인 Austropaxillus sp. (외균근)와 가장 유연관계가 가까우며 그들 간의 분화는 약 1,500만~5,300만 년 전에 이루어진 것으로 예측되었습니다(그림 3-A).

Gene expansion/loss 분석 결과 부후균류의 공통조상은 66~83개의 lignocellulose-active CAZy(carbohydrate-active enzymes) 유전자와 27~29개의 oxidoreductase를 갖고 있었던 것으로 예측되었고 진황녹슨버짐버섯에서는 각각 36개, 19개로 해당 유전자의 소실이 일부 확인되었습니다.(그림 3-B, C; branch의 숫자는 조상 개체의 copy number를, bar는 gene gain/loss range를 나타냄.) 당연하게도 리그닌 분해에 관여하는 class II peroxidases는 갈색부후균과 외균근 모두에 결여되었고 진황녹슨버짐버섯의 유전체에는 glycoside hydrolases(GH) 계열의 유전자가 많이 존재한다는 것이 밝혀졌습니다. 유전자 발현 분석으로 진황녹슨버짐버섯은 포도당(glucose)을 영양분으로 직접 획득할 때보다 소나무를 분해하여 에너지를 얻을 때 셀룰로오스, 펙틴, 헤미셀룰로오스를 분해하는 효소(GH families 5, 61, 3, 28 ; 20-fold)들과 GH5 endoglucanase, GH74 endoglucanase/xyloglucanase(100-fold) 및 oxidoreductases(4-fold) 유전자의 발현을 증가시켰음이 확인되었습니다.

논문에서는 진황녹슨버짐버섯이 목재를 분해하는 메커니즘을 아래 그림과 같이 제안하였습니다.

<그림 4. 진황녹슨버짐버섯의 목재 분해 기작>
그림출처 : EASTWOOD, Daniel C., et al. 2011.

먼저 갈색부후균은 펜톤 반응 (Fenton reaction)을 통해 강력한 활성산소인 OH 라디칼(·OH)을 생성하여 세포벽을 공격함으로써 리그닌 구조를 느슨하게 만듭니다.

Fe²⁺ + H₂O₂ + H⁺ → Fe³⁺ + ·OH + H₂O  
펜톤반응 반응식

펜톤반응을 지속적으로 일으키기 위해서 glyoxal oxidase, copper radical oxidase 등 다양한 산화효소 (oxidase)의 대사작용을 일으켜 과산화수소(H₂O₂)를 생성하고 atromentic acid, xerocomic acid, variegatic acid 등 phenolates와 iron reductase를 이용하여 Fe³⁺ 이온을 Fe²⁺ 이온으로 환원시킵니다. 진황녹슨버짐버섯에는 Postia placenta와는 달리 특이적인 iron reductase가 있습니다. 이 효소는 CBM(Cellulose binding module)을 이용하여 이미 어느 정도 분해된 lignocellulose(셀룰로오스와 리그닌 결합체)와도 결합이 가능하므로 철 이온 환원과 그로 인한 펜톤 반응이 꾸준히 일어날 수 있도록 돕습니다. 그 결과 셀룰로오스의 노출을 증가시켰고 결론적으로 셀룰로오스 분해 효율을 높였습니다. 실제로 해당 유전자의 발현이 122-fold나 증가하였음이 실험을 통해 확인되었습니다.

그러나 OH 라디칼(·OH)은 매우 강력한 산화제이기 때문에 갈색부후균 자신과 셀룰로오스 분해 효소 역시 영향을 받을 수 있다는 점에서 의문이 남습니다. 먼저 펜톤반응은 균사가 식물 세포 내로 침투하였을 때 세포질에서 발생하는 것으로 스스로는 해를 입지 않습니다. 셀룰로오스 분해 효소의 경우 화학적으로 OH 라디칼(·OH)의 농도를 조절하여 보호한다는 설도 있었으나 최근 미국립과학원회보(PNAS)에 게재된 연구 결과에 따르면 활성산소를 필요로 하는 시기에만 단기적으로 생성하여 이용함으로써 문제를 피한다고 합니다.⁴⁾

갈색부후균은 에너지 소모가 큰 리그닌 분해 과정을 버리면서 새로운 기작(펜톤반응)을 통한 리그닌 처리 능력을 획득하거나 기생생물(외균근)로의 전환을 꾀했고, 결과적으로 펜톤반응 획득을 통해 보다 저비용으로 더 많은 에너지를 얻을 수 있게 되었습니다. 이러한 갈색부후균의 목재 분해 기작을 이용한다면 목재로부터의 바이오에탄올 생산 효율을 더욱 높이고 실용화를 앞당길 수 있을 것입니다.

끝으로 생물자원 확보의 중요성에 대해서도 생각해 볼 수 있습니다. 나고야의정서 발효에 따른 생물자원 전쟁 시대가 열린 지금, 전혀 생각지도 못했던 바이오에탄올 생산에 곰팡이가 이용될 수 있듯이 잠재적 가치가 무궁무진한 다양한 자생종에 대한 유전체 분석을 통하여 유용 생물자원을 선점하여야 할 것입니다.


Reference
1) 오늘 0시 '대한민국 1호 원전'이 멈췄다, <조건일보>, 2017년 6월 19일, 경제 B2 면
2) 문재인발 미세먼지 정책…‘신재생에너지 전환’ 시동걸까, <한겨레>, 2017년 5월 16일
3) EASTWOOD, Daniel C., et al. The plant cell wall–decomposing machinery underlies the functional diversity of forest fungi. Science, 2011, 333.6043: 762-765.
4) ZHANG, Jiwei, et al. Localizing gene regulation reveals a staggered wood decay mechanism for the brown rot fungus Postia placenta. Proceedings of the National Academy of Sciences, 2016, 201608454.

작성자 : R&D센터 BI그룹 정명희 주임연구원

Posted by 人Co