본 자료는 Elsevier Trends 저널에서 보충판으로 발간된 "Trends Guide To Bioinformatics, 1998"의 내용을 번역한 것이다.
서론
생물학적 자료, 특히 DNA 서열 자료들은 굉장한 속도로 축적되고 있다. 그리고 2005년경에는 인체 유전정보가 모두 밝혀질 것으로 예상된다. 이것은 끝이 아니라 시작에 불과할 것이다. 풍부한 DNA 서열과 생물학적 자료들을 이용하기 위하여 생물학과 수학, 컴퓨터 과학이 융합된 bioinformatics라는 새로운 학문이 생겨나게 되었다.
유전체의 서열 내에 존재하는 유전자들을 찾는 일은 그 자체로 막중한 임무이다. 분명한 사실은 아직 규명되지 않은 coding 영역들에 기능이 부여되어야 한다는 것이다. 그후에는 유전자와 유전자 산물간의 상호작용이 모든 수준에서, 단순히 세포와 세포간의 대사경로의 견지에서만이 아니라 종내와 종간의 유전자 집단의 진화 수준에서도, 이해되어야만 한다. 이러한 의문들은 bioinformatics에 의해 해결될 수 있을 것이다.
Bioinformatics는 생물학의 모든 분야에 관련되며, 인터넷을 통한 자료에의 간단한 접속은 풍부한 정보가 쉽게 이용될 수 있음을 의미하는 것이다. 그러나 bioinformatics에 초입자는 컴퓨터와 수학적인 내용에 겁을 먹을지도 모른다. 또는 사용되는 용어와 언어에 혼란스러워질 수도 있다. 이러한 장애를 극복하게 하기 위하여 이 분야의 배경에 대하여 살펴보고자 한다.
Bioinformatics - a new era (by Mark S. Boguski)
오늘날 모든 대학원생들이나 박사후 과정생들은 연구에서 서열자료들이나 검색도구들이 보편적으로 사용되지 않던 상황을 상상하기 힘들 것이다. 내가 그 정도로 나이먹지는 않았지만 대학교 일 학년 때 이용할 수 있는 유일한 서열자료는 몇몇 박테리오파아지와 바이러스들의 적은 수의 RNA와 대부분 미생물들의 65개에 해당되는 tRNA와 5S RNA 서열들 뿐이었다. 처음으로 결정된 포유동물의 mRNA 서열은 토끼 β globin의 것으로 1977년 유명한 저널인 "Cell"의 표지를 장식하였다. 이것은 5'-UTR과 3'-UTR을 포함하여 3개의 논문으로 게재되었다. 그때 당시 입학한 학생들은 하나의 cDNA를 클로닝하여 박사학위를 받을 수 있었으나, 이제는 백만개를 클로닝해도 불가능할 것이다.
GenBank는 1982년에야 설립되었다. 그리고 초기에는 분기별로 대학의 컴퓨터 센터에 자석테이프를 보내주는 정도였다. 대학원에서 내 최초의 유사성 검색을 시작할 때 GenBank는 2427개의 서열들을 가지고 있었으며 (오늘날에는 > 2,532,359), 그 대부분은 저널로부터 손으로 타이핑된 것들이었다. 운좋게도 나는 내 최초의 서열을 가지고 일치하는 것을 찾을 수 있었으며, 이 경험은 나의 장래를 크게 바꾸어놓았다.
Bioinformatics라는 용어는 최근에 만들어진 것으로 1991년에서야 전자 출판에 나타나게 되었다. 내 생각으로는 bioinformatics의 최근의 개념은 두가지 기술적인 혁신의 출현으로 기술될 수 있다: 그것은 생물공학과 정보기술에서의 동시적인 폭발적 성장이다. 이것은 GenBank의 크기와 컴퓨터의 용량이 몇 년 동안 급속한 속도로 증가하였다는 사실로 잘 드러난다 (그림 1).
그림 1. Cumulative growth of biomedical information and computing power. Medline (자주색)은 bibliographic database로서 현재 3900개 이상의 생의학 잡지들로부터 천만개가 넘는 기록들을 보유하고 있다. 분자생물학과 유전학 (청색)의 'G5'Medical Subject Heading (MeSH)로 분류되는 기사들은 백만개가 넘고, GenBank의 DNA 서열들 (적색)은 2500만개가 넘는다. GenBank에는 현재 문헌과 관련된 것들보다 더많은 것들이 기록되어 있다. 'Functional genomics' 기술은 이 빈자리를 좁혀줄 것으로 기대된다. Intel microprocessor들로 언급되는 chip 당 transistor들의 수 (녹색)는 컴퓨터 기능의 지수적 증가를 보여준다. Mapped human gene들은 3만개 이상이며, Protein Data Bank에 있는 단백질 삼차원구조 (분홍색)은 7500개 수준이다. |
Bioinformatics라는 용어는 아직도 '컴퓨터를 사용한 생물학'을 연구하는 것을 최첨단으로 보이게끔 하는 과대선전 효과를 보이고 있다. 그러나, 내가 대학원생일 때 맡은 일은 1960대까지도 테이터베이스를 구축하고, 알고리즘를 개발하며, 서열분석을 통해 생물학적 발견을 하는 일이었다. 그때 당시만 하더라도 아무도 이러한 활동을 특별한 용어로 부르려고 생각하지 않았었다. 그렇지만 사실은 bioinformatics는 30년 이상 존재하여 왔고, 이제는 중년의 나이에 접어들고 있다. 물론 이제는 재창조와 갱신이 필요한 시점이다. 그래서 나는 이 분야가 오늘날 직면하게될 몇 가지 도전과 기회에 대하여 기술하고자 한다.
Practitioners and training
Bioinformatics는 아직도 다소 애매모호한 용어이다. 자료관리라는 분명한 역할을 떼어놓더라도 전산생물학 (computational biology)는 두가지로 구분된다: 하나는 자료의 분석과 해석이고, 다른 하나는 새로운 알고리즘과 통계학의 개발이다. 현재 대부분의 실무자들은 독학으로 배웠다. 왜냐하면 대학에는 이 분야에 대한 학과는 아직 존재하지 않기 때문이다. 비록 짧은 과정의 훈련 프로그램들 정기적으로 개설되기는 하지만 (Cold Spring Harbor Laboratory, http://nucleus.cshl.org/meeting/98c-ecg.htm) 아직도 그 수와 다루는 영역은 제한되어 있다. 그러므로 bioinformatics 분야에서 '숙련된 노동자'의 공급은 적절치 않으며, 대부분의 기관에서는 자체적인 훈련을 통해 제공될 수밖에 없다. 시장에서는 이러한 문제가 bioinformatic 제품과 서비스를 제공하는 여러 개의 작은 회사들에 의해 해결되고 있다. 큰 회사들은 bioinformatics에의 필요성을 제삼자를 통해 해결하고 있는 것이다.
그럼에도 불구하고 다음 세대들을 대학의 학과 내에서 훈련 프로그램을 가지고 좀더 형식을 갖춘 학문적인 방식으로 훈련시켜야할 필요가 긴급히 요구된다. 그리고 학부 수준에서도 적절한 교육이 이루어져야만 한다.
스스로 배우기를 원하는 사람에게는 최근에 발간된 실제적인 또는 이론적인 몇 가지 좋은 교재가 있다. 나는 또한 전산생물학자들이 서열자료들을 이해하고 해석하기 위해서는 분자진화와 구조생물학에 대해서도 배우기를 권하고 싶다.
Sequences and beyond
이 책자에 실린 기사들은 대부분 서열자료들의 분석에 관한 것으로 오랫동안 bioinformatics는 서열자료들의 관리 및 분석과 동의어로 사용되어 왔다. 이러한 활동은 비교게놈 분야 (comparative genomics applications)에서 놀랄만한 새로운 수준에 도달하였다. 그렇지만 서열분석이라는 것은 전산생물학에서는 너무 제한된 정의와 영역이다.
완전한 게놈들과 expressed-sequence-tag (EST)에 대한 조사가 출현하기 전에도 GenBank와 EMBL, 그리고 일본의 DNA database는 거대하고 복잡한 서열들의 기록보관소로서 이들을 효율적으로 사용할 수 있는 경험들을 축적하여왔다. 앞으로는 해야될 일 중의 하나는 보다 효율적인 사용을 위해 자료들을 재구성하고 서로 연결되게 하는 것이다. 여러 웹사이트에 매일 보고되는 '미완성 (unfinished)'의 서열들은 생물학자들로 하여금 이용가능한 자료들에 대한 완전한 이해를 유지하기가 어렵게 만들고 있다. 이러한 상황은 미완성된 조각 (assembled shotgun)들에 대한 보고가 증가하면서 더욱 나빠지고 있다. 생물학자들은 이러한 자료들에 대한 이용을 극대화시킬 수 있는 새로운 소프트웨어 도구를 요구하게될 것이다.
완성된 자료들 (즉, 매우 정확한 연결된 서열들)의 경우도 유전자와 게놈들에 대해 생물학자들이 신뢰할 수 있는 확실한 정보들을 부여하는 일이 심각한 문제로 대두되고 있다. 유전자를 예측하는 작업은 게놈 해석에 있어 중요한 과제로 남아있다.
New directions
내가 믿기로는 가장 활동적인 선구자는 전산 생물학과 빠른 속도의 실험생물학 (high-throughput experimental biology)가 만나는 곳에 있다. 수년 동안 전산 예측에 의한 신속한 결과를 이러한 예측을 실험으로 증명할 수 있는 전통적인 실험방법들은 뒤따라오지 못하고 있었다. 앞으로 새로운 유전자 발현 기술의 개발과 적용은 실험실에서 일하는 생물학자들로 하여금 유전자 산물에 대한 기능적인 정보를 전산생물학자들의 수준으로 끌어올릴 수 있을 것이다. 여기에는 굉장한 도전과 기회가 있기 때문에 새로운 생물학이 발견될 것으로 기대된다.
마지막으로 전산생물학자들이 잊어서는 안될 것은 유전학적 전염병학 (genetic epidemiology)와 진화유전학 (evolutionary genetics)이다. 과거에는 비교적 적은 수의 동떨어진 전문가들만이 있었다. 그러나 다시 새로운 기술은 SNPs (single nucleotide polymorphisms)의 중요성을 재조명 해주고 있다. 자세한 유전형과 복잡한 표현형 간의 관계에 대한 통계적인 전산 분석은 미래의 포유동물과 식물 생물학 분야에서 큰 몫을 하게 될 것이다.
