왜 직접 분석하나

검사 회사나 병원이 주는 요약만으로 충분하지 않은 이유, 그리고 개발자가 직접 분석할 때 얻는 것. Sid의 사례가 이 모든 걸 한 사람의 몸으로 보여줬습니다.

1. 요약은 일부만 보여준다

상용 리포트나 진료 요약은 선택된 소수의 결과만 보여줍니다. 하지만 raw 데이터에는 수십만 개의 변이, 수만 유전자의 발현량이 들어 있습니다. 직접 다루면 요약이 생략한 부분: 이를테면 “이 유전자가 유난히 과발현됐다” 같은 신호까지 들여다볼 수 있습니다. Sid의 MDM2 치료가 바로 그렇게 시작됐습니다.

2. 데이터가 치료를 만든다

Sid가 시도한 치료는 전부 시퀀싱 데이터에서 공격할 표적을 찾아내 설계됐습니다.

데이터를 읽는다 → 약점(표적)을 찾는다 → 그 약점을 공격하는 치료를 만든다

이 흐름을 이해하고 직접 데이터를 읽을 수 있다는 것은, 남이 정해준 선택지를 기다리는 사람에서 선택지를 함께 찾는 사람으로 바뀌는 일입니다.

3. 데이터 주권

유전체·전사체는 가장 민감한 개인정보이자 가족 공유 정보입니다. 직접 raw 데이터를 보관·분석하면, 제3자 서버에 의존하지 않고 통제권을 유지할 수 있습니다.

4. 가족과도 이어진다

혈연은 유전체의 상당 부분을 공유합니다. 한 사람에게서 발견한 의미 있는 신호는 부모·자녀·형제에게도 적용될 수 있습니다. 직접 분석할 수 있다면, 가족 단위로 위험을 더 일찍 살피는 단서가 될 수 있습니다.

5. 건강할 때 미리: 가장 큰 교훈

Sid는 병이 생긴 후에야 데이터를 만들어야 했습니다. 그래서 “정상 상태의 나”와 비교할 자기 데이터가 없어, 외부의 평균(레퍼런스)을 빌려 써야 했고 거기서 오차가 생겼습니다.

건강할 때 미리 시퀀싱 데이터를 확보해두면, 정작 병이 생겼을 때 “정상인 나”와 “병든 나”를 비교 분석하기가 훨씬 정확해진다.

다행히 시퀀싱 비용은 충분히 내려왔습니다: 벌크 RNA-seq는 수십 달러대, 전장유전체도 수백 달러대까지. 더 이상 거대 연구소만의 일이 아닙니다.

6. 재현 가능성

개발자에게 익숙한 방식, 스크립트, 버전 관리, 파이프라인, 으로 분석하면 결과를 재현하고, 새 데이터가 생겼을 때 다시 돌리고, 검증할 수 있습니다. Sid가 GitLab을 만든 방식 그대로 자기 병에 적용한 것처럼요.

한계도 분명히

• 직접 분석은 진단이 아닙니다. 임상적 판단은 전문가의 영역입니다.
• 변이·발현 해석에는 불확실성이 큽니다. 과잉 해석을 경계하세요.
• 민감 데이터인 만큼 보안·프라이버시에 책임이 따릅니다.

다음: 첫 수업에서 데이터의 분자적 기원을 기초부터 정리합니다.