STORAGE

[2026 IPA 시리즈 제6편] 네 개의 오믹스, 하나의 생물학적 이야기

지난 편에서는 오래 보관해 둔 microarray 데이터나 서로 다른 연구에서 나온 공공 데이터를 다시 해석의 출발점으로 삼는 이야기를 했습니다. 그때 데이터는 여러 연구에 흩어져 있었습니다. 이번 편에서 다룰 데이터도 ‘흩어져 있다’는 점은 같습니다. 다만 흩어진 자리가 다릅니다. 여러 연구가 아니라, 같은 사람에게서 얻은 동일한 샘플 안에서 데이터가 전사체, 단백체, 대사체, 지질체처럼 서로 다른 층위로 나뉘어 있는 경우입니다. 전사체에서 지질체까지: 다중 오믹스 데이터 통합(출처: AI 생성 이미지(Gemini Nano Banana 2 활용)) 이 네 가지를 한 사람의 혈액에서 한꺼번에 측정한다고 해보겠습니다. 데이터의 양은 늘어나지만, 해석이 그만큼 쉬워지지는 않습니다. 오믹스마다 측정 대상도, ..

2026. 8. 20.

STORAGE

[2026 IPA 시리즈 제1편] 내 오믹스 데이터, '리스트'에서 '발견'으로: IPA로 읽는 생물학적 해석

RNA-seq 분석을 마치면 가장 먼저 마주하는 것은 긴 유전자 목록입니다. 수백 개의 DEG가 fold change와 p-value 기준으로 정리되어 있고, 어떤 유전자는 크게 올라가고, 어떤 유전자는 크게 내려가 있습니다. 그런데 이 리스트를 앞에 두면 질문은 다시 시작됩니다. “그래서 이 변화가 무슨 의미일까?” “이 중에서 진짜 중요한 신호는 무엇일까?” “어떤 분자가 이 변화를 조절했을까?” “결과적으로 어떤 기능이나 질환이 움직였다고 볼 수 있을까?” 오믹스 데이터 분석에서 어려운 지점은 데이터를 만드는 과정만이 아닙니다. 오히려 많은 경우, 진짜 고민은 그다음에 시작됩니다. 통계적으로 유의한 유전자 목록은 얻었지만, 그 목록을 생물학적 해석으로 연결하는 과정에서 막히기 쉽기 때문..

2026. 7. 16.