엔지니어를 위한 유전체학 입문: DNA를 긴 문자열로만 보면 놓치는 것들

• 세포는 생명의 최소 단위이고, 거의 모든 세포 안에는 유전체(genome)가 들어 있음

  • 단세포 박테리아부터 인간 몸을 이루는 수조 개 세포까지 기본 단위는 세포임
  • 세포는 단순한 주머니가 아니라, 조직과 장기를 만들고 각자 맡은 기능을 수행하는 복잡한 구조임

• 유전체는 생명체를 만들고 유지하는 전체 지침서에 가까움

  • 이 정보는 DNA(deoxyribonucleic acid)라는 분자에 물리적으로 저장됨
  • DNA에는 수만 가지 분자 산물을 만들기 위한 지시가 들어 있고, 그중 대표적인 단위가 유전자(gene)임
  • 유전자가 만들어내는 물리적 산물은 단백질(protein)임

• 글에서는 세포를 빵집, 유전체를 마스터 레시피북으로 비유함

  • 유전자는 케이크 레시피, 단백질은 실제로 만들어진 케이크에 해당함
  • 인간의 일반적인 경우 유전자 사본은 2개뿐이지만, 그 레시피로 단백질은 수천 개 이상 만들 수 있음
  • 세포 종류마다 어떤 단백질을 얼마나 만들고 어떻게 조합하는지가 달라짐

• 엔지니어 관점에서는 DNA를 약 30억 글자의 문자열로 생각할 수 있음

  • 문자는 A, C, T, G 네 종류뿐임
  • 각각 아데닌(Adenine), 구아닌(Guanine), 티민(Thymine), 사이토신(Cytosine) 염기를 뜻함
  • 이런 문자열과 그 부분 문자열을 유전체 서열(genomic sequence)이라고 부름

• 실제 DNA는 단일 문자열이 아니라 두 개의 상보적 가닥(strand)으로 이뤄져 있음

  • A는 T와만 짝을 이루고, G는 C와만 짝을 이룸
  • 가까이서 보면 흔히 말하는 나선형 계단 구조처럼 보임
  • 세포가 분열할 때 이 나선이 풀리고, 염기쌍이 갈라진 뒤 각 가닥을 바탕으로 원래 DNA 구조를 복제함

• 건강한 정상 세포는 유전 코드를 꽤 정확하게 복사함

  • 복제 과정에서 변이가 드물게 생기긴 하지만, 기본적으로는 높은 정확도를 유지함
  • 이 복제 안정성이 생명체가 세대를 거쳐 정보를 유지하는 기반임

• 식물과 동물에서는 DNA가 염색체(chromosome)라는 큰 단위로 나뉘어 세포핵 안에 들어감

  • 염색체는 보통 쌍으로 존재함
  • 하나는 아버지, 하나는 어머니에게서 온 것임
  • DNA는 히스톤(histone)이라는 단백질에 감겨 촘촘하게 포장됨

• 히스톤은 단순 포장재가 아니라 유전자 발현에도 관여함

  • 긴 DNA 문자열을 핵 안에 넣을 수 있게 접는 역할을 함
  • 동시에 특정 세포에서 어떤 유전자 산물이 만들어지는지도 조절하는 데 도움을 줌

• 인간은 보통 총 23쌍의 염색체를 가짐

  • 22쌍은 남녀 모두 공유하는 상염색체(autosome)임
  • 나머지 1쌍은 성염색체로, 일반적으로 여성은 XX, 남성은 XY임
  • 상염색체는 크기 순서대로 1번부터 22번까지 번호가 붙음

---

기술 맥락

• 이 글의 좋은 점은 생물학을 엔지니어가 익숙한 데이터 모델로 먼저 잡아준다는 거예요. DNA를 A·C·T·G 네 문자로 된 긴 문자열처럼 보면, 서열 검색·정렬·변이 탐지 같은 문제가 갑자기 소프트웨어 문제처럼 보이거든요.

• 하지만 글이 바로 선을 긋는 부분도 중요해요. DNA는 단순 문자열이 아니라 두 가닥이 서로 보완하는 분자라서, 한쪽을 알면 다른 쪽도 규칙적으로 유추할 수 있어요. 그래서 생물학 데이터 처리는 문자열 처리와 물리적 제약을 같이 봐야 해요.

• 유전자와 단백질의 관계를 레시피와 케이크로 설명한 것도 실무적으로 유용해요. 유전자 사본은 제한적이지만 단백질 산물은 많이 만들어질 수 있어서, 원본 데이터와 실행 결과를 구분하듯 생각하면 이해가 쉬워져요.

• 염색체와 히스톤 얘기는 데이터가 저장되는 컨테이너와 접근 제어를 떠올리게 해요. 같은 DNA를 가진 세포라도 어떤 유전자를 읽느냐에 따라 역할이 달라지기 때문에, 유전체를 읽을 때는 서열 자체뿐 아니라 발현 맥락도 같이 봐야 해요.