그럼 이제 물방울 하나당 세포 하나의 유전 정보가 담겨있는 거지요. 자, 우리는 두뇌의 발달 상황을 보고 싶습니다. 근데 두뇌의 발달 상황과 무관하게 세포들은 동일한 DNA 를 가지고 있지요 (완벽하게 동일하진 않다던데, 저는 잘 모르니 패스). 하지만 DNA 가 세포에게 내리는 칙령 즉 RNA 는 두뇌의 발달상황에 따라서 계속 변합니다. 그러니까 우리는 RNA 를 볼 수 있으면 됩니다. RNA 는 UCAG 의 네 개의 코드로 이루어진 4진수 숫자나 마찬가지죠. 이를 위해서 화학물질로 RNA 를 잘게 쪼갠 뒤에 UCAG 중 하나와만 반응하는 검출 물질과 반응시켜가면서 코드 순서를 보는데, 이 과정을 RNA sequencing 이라고 합니다. 예전에는 수만개의 세포들을 한꺼번에 보는 bulk sequencing 만 가능했지만 대충 5년 전부터는 세포 하나하나마다 따로 보고 저장하는 single RNA sequencing 이 가능해졌대요. 하여튼, 각 조각이 보여주는 4진수 숫자를 보고, 각 숫자에 이름을 붙여둡니다. 예를 들어서 1214002104 라는 숫자에는 ABC, 0404001231 라는 숫자에는 XYZ 라는 식으로요. 그리고 쥐가 실제로 가진 특성과 그 쥐의 RNA 의 분포를 비교해보면 해당 조각이 수행하는 역할에 대해서 어느정도는 알 수 있겠지요. 예를 들어서 ABC 는 시각 정보를 담당하는 조직을 활성화시킨다던지, XYZ 는 암에 걸리기 쉬운 체질이 된다는 뜻이라던지 하는 식으로요. 이런 식으로 RNA 코드와 관련 특성을 정리해둔 것을 gene ontology 라고 부릅니다. 

뭐 대충 이런 식인 거지요. 그리고 아래와 같은 웹사이트가 그런 DB 를 모아놓은 곳입니다.

자 그럼 특정 연구 그룹이 잘 연구를 해서 유전 정보를 추출하고 나면 그 정보와 Gene ontology 를 이용해서 각종 결과를 발표하겠지요. 그 결과가 조작되지 않았다는 것도 보장할 겸, 해당 정보를 이용해서 다른 연구자들이 추가 연구를 하기도 용이하게 할 겸, 미국은 정부 지원으로 이루어진 모든 생물학 연구자들에게 유전 정보를 공개할 것을 요구합니다. 이런 정보들을 모아서 Gene Omnibus 라는 웹사이트에 공개해두죠. 링크는 아래.

들어가서 오른쪽 아래의 series 를 클릭해봅시다. 관련 연구들이 엄청 많지요? 그 중 네 번째의 GSE107091 를 클릭해보죠. 일리노이 대학교에서 수행한 연구인 TMEV 에 감염된 쥐의 척수 조직 세포의 유전 정보가 있다고 나오네요. 화면 맨 아래로 가면 GSE107091_count.txt.gz 라는 파일이 있는데, 이걸 클릭하면 해당 그룹이 스캔한 모든 세포의 모든 유전 정보를 다운로드 받을 수 있습니다. 다만 확장자가 gz 인데, 이걸 실제로 엑셀같은 것으로 열어보려면 리눅스를 조금 할 줄 아셔야 합니다. 그런 부분은 대충 넘어가고, 해당 파일을 열어볼 수 있다고 칩시다. 그럼 해당 파일은 횡축으로는 세포 번호가, 종축으로는 유전 정보가 있을 거고, 스프레스 시트 안쪽에는 해당 세포가 해당 유전 정보를 가진 빈도가 들어있겠지요? 이런 행렬을 gene expression matrix 라고 부릅니다. 아래 그림의 왼쪽위에 보이는 행렬이 그것입니다. 실제로는 40000 유전정보 * 50000 세포라는 식으로 굉장히 큽니다. 이 행렬은 개인 데스크탑에 통계 패키지인 R 을 인스톨하면 충분히 열어볼 수 있습니다.

여기서부터는 수학입니다. 그림 오른쪽에서 이야기하고있지만, 50000 세포 중에서 22001 번째 세포를 뽑았다고 칩시다. 그 세포의 열을 아래로 주욱 읽어가면 해당 세포가 40000 유전 정보들을 각각 얼만큼 가지고 있는지를 알 수 있겠지요, 이 숫자들의 조합을 40000 차원 그래프상의 하나의 좌표라고 칠 수 있습니다. 다만 40000 차원 그래프라는 것은 우리가 상상하기도 힘들고 40000 개의 유전자 조각 중 실제로 중요한 것들을 몇 개 안됩니다. 해서 40000 개의 유전정보들을 통계 기법을 이용해서 더 적은 숫자의 그룹으로 묶습니다. 이 과정을 Principal component analysis (PCA) 라고 합니다. 아래 그림은 그 하나의 예로, 3차원상에 분포한 좌포 점들을 2차원으로 줄이는 과정을 보여주지요. PCA 를 잘만 하면 데이터 손상은 거의 없으면서도 차원의 숫자를 40000 에서 15~30 정도로 극단적으로 줄일 수 있습니다.

그, 그렇다고요. 이런 일이 가능하다는 것도 신기한데, 유전 정보를 스캔하는 기계가 없어도 해당 정보가 공개 정보기 때문에 누구나 R 만 사용할 줄 알면 유전 정보를 이용해서 혼자 연구가 가능하다는 점이 대단히 매력적입니다. 실제로 상당수 연구그룹은 그런 식으로 메타 연구 (남의 연구에 대한 연구) 를 진행하는 것 같더군요.

RNA sequence gene expression matrix 전용 R 툴킷은 Seurat 이라는 놈이 제일 유명한 것 같던데, 관련 링크는 아래:

https://satijalab.org/seurat/vignettes.html

그렇다고요. 다 쓰고 나니 완전 계층글이 되어버렸네요. 그래도 기왕 쓴 거니까 버리기는 조금 아깝고, 그냥 올리겠습니다.