부록 A21: 오믹스의 큰 지도

6 분 소요

이 장에서 배울 것

이번 장에서는 오믹스의 큰 지도를 배웁니다. 지금까지 DNA, RNA, 단백질, 후성유전, 세포, 미생물, 마이크로바이옴을 각각 배웠습니다. 이제 이 지식들을 하나의 큰 지도 위에 올려 보겠습니다.

핵심 용어를 먼저 정리하겠습니다.

오믹스(omics): 생명체의 특정 층위를 하나씩이 아니라 전체 규모로 측정하고 분석하는 접근입니다.
유전체(genome): 한 생명체가 가진 DNA 정보 전체입니다. 이미 앞에서 배웠으므로 여기서는 “DNA 전체” 정도로만 다시 잡으면 됩니다.
전사체(transcriptome): 특정 세포나 조직에서 만들어진 RNA 전체입니다.
후성유전체(epigenome): DNA 서열 자체를 바꾸지 않으면서 유전자 사용 상태에 영향을 주는 표지와 조절 상태 전체입니다.
단백체(proteome): 특정 세포나 조직이 가진 단백질 전체입니다.
대사체(metabolome): 세포나 조직 안의 작은 대사산물 전체입니다.
단일세포 오믹스(single-cell omics): 세포를 뭉뚱그려 평균 내지 않고, 세포 하나하나의 오믹스 정보를 보는 접근입니다.
공간 오믹스(spatial omics): 조직 안에서 분자 정보가 어디에 위치하는지도 함께 보는 접근입니다.
다중오믹스(multi-omics): 여러 오믹스 층위를 함께 분석하는 접근입니다.

오믹스의 큰 지도

가장 쉬운 비유: 도시를 여러 지도 레이어로 보기

도시를 이해하려면 지도 하나만으로는 부족합니다. 도로 지도는 길을 보여 주고, 지하철 지도는 이동망을 보여 주고, 인구 지도는 사람이 어디에 사는지 보여 주고, 상권 지도는 돈과 활동이 어디에 몰리는지 보여 줍니다.

생명체도 마찬가지입니다. DNA 지도만 보면 가능성은 알 수 있지만, 지금 어떤 유전자가 사용되는지는 잘 모릅니다. RNA 지도를 보면 사용 중인 유전자 흔적을 볼 수 있습니다. 단백질 지도를 보면 실제 일을 하는 분자에 가까워집니다. 대사체 지도를 보면 세포 안에서 일어나는 화학적 결과를 볼 수 있습니다.

오믹스는 생명체를 여러 지도 레이어로 보는 방식입니다.

왜 “전체”를 보는가

예전 생명과학은 유전자 하나, 단백질 하나, 경로 하나를 깊게 보는 방식이 많았습니다. 이 방식은 여전히 중요합니다. 하지만 생명체는 수많은 요소가 함께 움직이는 시스템입니다. 유전자 하나만 봐서는 전체 변화가 잘 보이지 않을 수 있습니다.

오믹스는 전체 규모의 데이터를 만들어 패턴을 찾습니다. 예를 들어 암세포와 정상세포를 비교할 때 특정 유전자 하나만 보는 것이 아니라 수만 개 유전자의 발현량을 함께 볼 수 있습니다. 그러면 세포 성장, 면역 회피, 대사 변화 같은 넓은 패턴이 드러날 수 있습니다.

유전체: 가능한 설계 정보

유전체는 DNA 전체입니다. 사람의 거의 모든 세포는 대체로 같은 유전체를 가집니다. 하지만 모든 세포가 같은 일을 하지는 않습니다. 피부세포와 뉴런은 같은 DNA를 가져도 사용하는 유전자가 다릅니다.

그래서 유전체는 “무엇이 가능한가”를 보여 주는 기본 설계 정보에 가깝습니다. 유전질환, 변이 분석, 집단유전학, 암 유전체 분석은 이 층위를 다룹니다.

전사체: 지금 사용 중인 정보

전사체는 RNA 전체입니다. 어떤 세포가 특정 시점에 어떤 유전자를 많이 사용하고 있는지 보여 줍니다. 전사체는 세포 상태를 이해하는 데 매우 강력합니다.

예를 들어 면역세포가 활성화되면 특정 유전자들의 RNA가 늘어날 수 있습니다. 암세포가 빠르게 증식하면 세포주기 관련 RNA가 늘어날 수 있습니다. 그래서 RNA-seq과 단일세포 RNA-seq은 현대 생물정보학에서 매우 자주 쓰입니다.

후성유전체: 유전자 사용 설명서의 접힘과 표시

후성유전체는 DNA 서열 자체가 아니라, DNA를 어떻게 열고 닫고 표시하는지를 봅니다. 같은 책이라도 어떤 페이지가 펼쳐져 있고 어떤 페이지가 접혀 있는지에 따라 읽을 수 있는 내용이 달라집니다.

후성유전체 데이터는 유전자 발현 조절을 이해하는 데 중요합니다. 어떤 조절 영역이 열려 있는지, 어떤 히스톤 표지가 있는지, DNA 메틸화가 어떤 패턴을 보이는지 등을 분석합니다.

단백체와 대사체: 기능에 더 가까운 층위

단백체는 단백질 전체입니다. 단백질은 실제 기능을 수행하는 경우가 많기 때문에, 단백체는 세포 기능에 더 가까운 정보를 제공합니다. 하지만 단백질은 RNA보다 측정이 더 까다로운 경우가 많고, 양뿐 아니라 변형 상태도 중요합니다.

대사체는 작은 화학물질 전체입니다. 포도당, 지방산, 아미노산 중간산물, 에너지 관련 물질 등이 포함됩니다. 대사체는 세포의 현재 상태를 매우 직접적으로 반영할 수 있습니다. 예를 들어 암세포는 에너지 사용 방식이 달라질 수 있고, 장내 미생물은 숙주에게 영향을 주는 대사산물을 만들 수 있습니다.

단일세포 오믹스: 평균에 가려진 차이를 보기

조직 전체를 갈아서 RNA를 측정하면 여러 세포의 평균이 나옵니다. 하지만 조직 안에는 여러 세포 유형이 섞여 있습니다. 평균만 보면 소수의 중요한 세포 변화가 가려질 수 있습니다.

단일세포 오믹스는 세포 하나하나를 따로 봅니다. 이 접근은 면역학, 암, 뇌, 발생생물학에서 특히 강력합니다. 세포 유형을 나누고, 세포 상태를 비교하고, 분화 경로를 추정할 수 있습니다.

공간 오믹스: 위치 정보까지 함께 보기

생명체에서 위치는 중요합니다. 같은 세포라도 조직 어디에 있느냐에 따라 의미가 달라질 수 있습니다. 암 조직의 중심부, 가장자리, 면역세포가 모인 부분은 서로 다른 생물학적 상태를 가질 수 있습니다.

공간 오믹스는 분자 정보와 위치 정보를 함께 봅니다. 예를 들어 조직 절편에서 어느 위치의 유전자 발현이 높은지 볼 수 있습니다. 이것은 “누가 있는가”와 “어디에 있는가”를 함께 묻는 방법입니다.

다중오믹스: 여러 층위를 함께 읽기

다중오믹스는 유전체, 전사체, 후성유전체, 단백체, 대사체 같은 여러 층위를 함께 분석합니다. 하나의 층위만 보면 원인과 결과가 헷갈릴 수 있기 때문입니다.

예를 들어 어떤 유전자 발현이 증가했다고 합시다. 그 원인이 DNA 변이인지, 조절 영역 변화인지, 세포 구성 변화인지, 환경 반응인지 바로 알기 어렵습니다. 여러 오믹스 데이터를 함께 보면 더 입체적으로 해석할 수 있습니다.

하지만 다중오믹스는 어렵습니다. 데이터 종류마다 측정 단위, 잡음, 결측, 샘플 수, 분석 방법이 다릅니다. 그래서 생물학 지식, 통계학, 프로그래밍, 연구 설계가 모두 필요합니다.

생물정보학에서 오믹스 지도가 중요한 이유

계산생물학자는 데이터를 받을 때 먼저 질문해야 합니다.

이 데이터는 생명의 어느 층위를 보고 있는가? DNA인가, RNA인가, 단백질인가, 대사산물인가? 세포 하나를 보는가, 조직 전체 평균을 보는가? 위치 정보가 있는가? 시간 정보가 있는가?

이 질문을 하지 않으면 데이터를 잘못 해석하기 쉽습니다. RNA가 높다고 단백질도 반드시 높다고 단정할 수 없고, 유전체 변이가 있다고 항상 질병이 생긴다고 단정할 수도 없습니다. 각 층위는 서로 연결되지만 완전히 같은 정보는 아닙니다.

보강 학습: 어떤 오믹스가 어떤 질문에 답하는가

오믹스 데이터는 모두 “큰 데이터”처럼 보이지만, 실제로 답하는 질문은 다릅니다. 유전체는 “가능한 설계와 변이”를 묻고, 전사체는 “지금 어떤 유전자가 사용되는가”를 묻고, 단백체는 “기능을 수행하는 분자가 얼마나 있는가”를 묻고, 대사체는 “세포 상태의 화학적 결과가 무엇인가”를 묻습니다.

RNA가 높다고 단백질도 반드시 높은 것은 아닙니다. RNA가 만들어진 뒤 분해될 수도 있고, 번역 효율이 다를 수도 있으며, 단백질이 빠르게 분해되거나 변형될 수도 있습니다. 그래서 전사체는 세포 상태를 보는 강력한 창이지만, 기능의 최종 답은 아닙니다.

bulk 오믹스와 단일세포 오믹스의 차이도 중요합니다. bulk RNA-seq은 많은 세포를 섞어 평균을 봅니다. 안정적이고 비용 효율적일 수 있지만, 소수 세포의 변화가 평균에 묻힐 수 있습니다. 단일세포 오믹스는 세포별 차이를 볼 수 있지만 잡음이 크고 비용과 분석 난도가 높습니다.

공간 오믹스는 위치 질문에 답합니다. 암 조직에서 면역세포가 암세포 가까이에 있는지, 멀리 떨어져 있는지에 따라 의미가 달라질 수 있습니다. 같은 세포 유형이라도 조직 중심부와 가장자리에서 상태가 다를 수 있습니다. 따라서 “누가 있는가”만으로 부족하고 “어디에 있는가”가 중요할 때 공간 오믹스가 필요합니다.

다중오믹스 통합은 강력하지만 까다롭습니다. 각 데이터는 측정 단위, 잡음, 결측, 샘플 수, 시간축이 다릅니다. 예를 들어 DNA 변이는 한 번 생기면 비교적 안정적이지만 RNA와 대사체는 상황에 따라 빠르게 변합니다. 여러 층위를 억지로 하나의 숫자표처럼 합치면 생물학적 의미를 잃을 수 있습니다.

계산생물학자는 데이터를 받으면 먼저 “이 데이터가 볼 수 있는 것과 볼 수 없는 것”을 구분해야 합니다. 좋은 분석은 모든 데이터를 무조건 많이 넣는 것이 아니라, 연구 질문에 맞는 오믹스 층위를 선택하고 각 층위의 한계를 명확히 인정하는 데서 시작합니다.

보강 학습 2: 오믹스 통합은 층위별 질문을 맞추는 작업이다

오믹스 통합 분석의 목표는 여러 데이터가 같은 이야기를 하는지, 아니면 서로 다른 층위의 조절을 보여 주는지 파악하는 것입니다. 유전체는 가능한 변화의 원천, 전사체는 유전자 사용량, 단백질체는 기능 실행층, 대사체는 화학 상태에 가깝습니다.

예를 들어 암 샘플에서 유전자 K에 activating mutation이 있고, K mRNA가 높고, K 단백질의 인산화가 높고, 하위 대사 경로도 증가했다면 여러 층위가 같은 방향의 활성화를 지지합니다. 반대로 DNA 변이는 있지만 RNA와 단백질 변화가 없다면 기능적 영향이 작을 수 있습니다.

간단한 비교표를 만들면 도움이 됩니다. DNA 변이 있음/없음, RNA 증가/감소, 단백질 증가/감소, 세포 표현형 변화 있음/없음을 나란히 놓고 어느 단계에서 신호가 끊기는지 봅니다. 이것이 통합 분석의 기본 직관입니다.

흔한 오해는 여러 오믹스를 많이 넣으면 자동으로 정답이 나온다는 것입니다. 데이터가 많아질수록 batch effect, 샘플 매칭 문제, 측정 해상도 차이, 통계 검정 부담도 커집니다. 통합 분석은 자료를 더하는 일이 아니라 질문을 정렬하는 일입니다.

핵심 정리

오믹스는 생명체의 특정 층위를 전체 규모로 측정하고 분석하는 접근입니다. 유전체는 DNA 전체, 전사체는 RNA 전체, 후성유전체는 유전자 사용 조절 상태, 단백체는 단백질 전체, 대사체는 작은 대사산물 전체를 봅니다. 단일세포 오믹스는 세포 하나하나의 차이를 보고, 공간 오믹스는 위치 정보를 함께 봅니다. 다중오믹스는 여러 층위를 연결하지만 그만큼 해석이 어렵습니다. 계산생물학자는 오믹스 데이터를 “여러 지도 레이어”로 이해해야 합니다.