Oxford Nanopore의 MinION 사용을 준비하면서

Nanopore sequencing이란 단일 가닥의 DNA가 단백질 포어를 통과하면서 나타나는 미세한 전위차이를 이용하여 염기서열 정보를 실시간으로 읽어내는 기술을 말한다(수정: 걸려진 전압은 180mV 정도로 일정하다. 실제로는 단일가닥 DNA 분자가 구멍을 통과하면서 염기에 따라서 전류량이 미세하게 변하는 것을 측정한다). 컴퓨터 그래픽으로 표현한 작동 원리를 이곳에서 감상해 보자. 우리 연구팀에서 구매한 것은 컴퓨터의 USB 3.0 포트에 꽂아서 사용하는 MinION이라는 제품이다. 구글에서 minion으로 검색을 하면 주로 나오는 결과는 이러하다는 것이 함정이지만.

원래 오늘 러닝을 할 예정이었으나 여러 사정으로 인하여 내일로 미루어졌다. 시간적 여유가 생겨서 컴퓨터를 점검하던 중, MinKNOW 프로그램이 정상작동을 하지 않는 것을 발견하였다. MinKNOW는 최신 사양의 컴퓨터가 꼭 필요한 것은 아니지만 윈도우를 갓 설치한 깨끗한 상태가 아니면 설치가 잘 안된다. MinION 장비 구동을 위한 컴퓨터의 사양은 다음과 같다.

출처: https://nanoporetech.com/sites/default/files/s3/2016-10/Computer%20requirements%20v4.2%20Sep2016.pdf

MinION Compatibility 프로그램을 먼저 실행해서 작동 소프트웨어의 설치가 가능하다고 판정을 내려도 정작 MinKNOW 단계에서 다음과 같은 오류와 함께 설치가 더 이상 진행되지 않는다. 구글을 뒤지면 레지스트리를 건드려서 해결할 수가 있다지만 너부 복잡한 방법이라 엄두가 나지 않았다.

이러한 이유로 사양이 매우 좋은 데스크탑 컴퓨터를 뒤로하고 비교적 최근에 구입한 신선한 노트북 컴퓨터에 프로그램을 설치하였었다. 그러고나서 한달 반쯤이 지났을까? Configuration test를 다시 실시하기 위하여 MinION Mk 1B를 컴퓨터에 연결하고 MinKNOW를 실행하니 에러 메시지가 뜨는 것이었다. 소프트웨어를 업데이트하면 나아질까 싶어서 최신본을 받아서 설치를 하려는데 바로 위에서 보인 익숙한 메시지가 나타나는 것이다. 그 사이에 노트북 컴퓨터에 지저분하게 별로 깐 것도 없는데 벌써 이렇게 되었단 말인가? 노트북의 초기화 말고는 별다른 해결 방법이 생각나지 않았다. 평소에 대부분의 업무를 데스크탑에서 하기에 노트북에는 백업할 자료가 하나도 없다는 것이 다행이었다. 아무런 주저함이 없이 초기화를 실시하였다.

이번에는 제대로 화면이 나와야 한다. 그렇지!! Configuration test를 통과하였다. 내일은 platform QC를 해서 포어가 몇 개나 살아있는지를 확인한 뒤 시퀀싱 러닝을 하면 된다. 하지만 이 노트북 컴퓨터는 이제 범용으로 쓰는 것을 포기해야 할 것 같다.

나의 맥북 프로에서는 MinION이 인식되지 않는다. macOS 버전이 Sierra라서 그런가? 아직은 가야 할 길이 멀다. Cloud 서비스를 이용한 실시간 분석과 자체 컴퓨터에서 실시하는 local 분석의 개념 차이를 이해해야 하고, 무척 빠른 속도로 바뀌는 프로토콜도 따라잡아야 하니 말이다. 어제 Oxford Nanopore의 Associate Director인 James Brayer가 직접 방문하여 소개한 자료를 보면(행사 기록 사진) 제품들이 너무나 귀엽고 앙증맞아서 갖고 싶다는 욕구가 인다. 특히 microfluidics를 사용하여 시료를 자동적으로 섞는 장비의 비디오는 정말 환상적이었다.

건반을 고쳐보자(5) - Korg X2의 액정 백라이트 교체

Fatar 키보드 콘트롤러의 rubber key contact는 판매자가 5월 11일쯤에 USPS로 보냈다는데 아직까지도 내 손에 들어오지 않았다. 2주 정도면 넉넉하게 배송이 될 것으로 예상한 것에 비하여 너무 오래 걸린다. 만약 한 달이 넘어가도록 오지 않으면 본격적인 문제 제기 혹은 환불을 요청하기로 하고 가장 먼저 입수된 Korg X2 Music Workstation의 액정용 EL 백라이트부터 갈기로 하였다.

침대 위에 엎어놓고 나사를 풀기 시작한다. 나사가 너무 많아서 드라이버로 일일이 돌려서 풀어내려니 손이 아프다. 전동 드라이버가 아쉬운 순간이다.

맨 아래쪽에 위치한 회로판(메인보드)을 분리하고 정전기 쉴드로 여겨지는 보호막을 열어야 비로소 액정 디스플레이 회로의 뒷면이 드러난다.

귀퉁이의 나사를 풀었다. 오른쪽에 보이는 I/O 커넥터를 분리하는 방법을 몰라서 그대로 작업을 진행한다.

새 백라이트와 같이 사진을 찍었다. 전원쪽 연결선 두 개의 납땜을 녹여서 떼어냈으나 EL 백라이트는 아무리 잡아당겨도 나올 생각을 하지 않는다. 전체를 둘러싸고 있는 금속 프레임의 고정 부분을 롱 노우즈 플라이어로 펼쳐서 고정 프레임과 액정, 그리고 회로기판을 분리하였다.

낡은 EL 백라이트는 양면 테이프로 붙어 있었다. 사진은 아직 기판에서 분리하기 전의 모습이다. 새것과는 바탕 색이 매우 다르다. 

새 EL 백라이트를 납땜하는 것은 별 어려움이 없었다. 단지 리드선의 위치가 회로판의 패턴과 딱 맞지 않아서 약간 구부려서 납땜을 하였다. 디스플레이 뭉치를 재조립할 때에는 액정을 거꾸로 끼우지 않도록 주의해야 한다. 백라이트가 닿는 후면과 실제 표시가 나타나는 전면은 쉽게 구별할 수 있으나 위아래를 반대로 끼울 가능성이 있다. 표시면을 잘 살펴서 혼동하지 않도록 하자. 재조립을 마치고 전원을 넣었다.

화면이 밝게 나타났다. 원래 X2 액정 백라이트는 무슨 빛이었더라? 녹색이었나? 이젠 그것조차 기억이 나지 않는다. 좀 더 크게 화면을 담아보자.

사진으로 보니 표시창 매부 여기저기에 검은 점들이 보인다. 재조립 전에 투명창 안쪽을 닦아냈으면 좋았을 것을. 약간의 아쉬움이 있지만 큰 숙제 하나를 덜었다.

비닐봉지를 먹어치우는 나방 애벌레

우리가 흔히 비닐봉지라고 부르는 것은 주로 폴리에틸렌으로 만들어진다. 내가 사는 아파트에서는 일주일에 한번 재활용 쓰레기 분리수거를 실시하는데, 항상 산더미같이 쌓이는 물품을 보면 이를 수거해서 어떻게 처리를 할지 늘 경이롭기만 하다. 점점 늘어나는 재활용 쓰레기 중 식품 포장재의 양도 엄청나다. 아직까지는 그 무게가 많이 나가지 않으나 부피가 너무 커서 문제다.

이러한 비닐봉지를 갉아먹는 나방 애벌레가 발견되어 흥미를 끌고 있다. 꿀벌부채명나방(학명: Galleria mellonella)은 벌집에 알을 낳는데, 여기에서 부화한 애벌레가 벌집의 주요 성분인 밀랍(wax)를 먹어 소화시킨다. 따라서 양봉업에서는 아주 골칫거리인 곤충이 되겠다. 이 유충이 폴레에틸렌으로 이루어진 비닐봉지를 먹는다는 것은 비교적 최근에 알려졌다. 밀랍과 폴리에틸렌이 구조적으로 비슷해서 가능한 일로 풀이된다. 이러한 분해 기능이 꿀벌부채명나방 자체가 갖고 있는 것인지, 혹은 이 곤충의 장내에 서석하는 미생물에 의한 것인지는 아직 명확하지 않다. 연구 성과가 소개된 것은 지난 4월이다.

Polyethylene bio-degradation by caterpillars of the wax moth Galleria mellonella. Current Biology 27(8):R292, 2017.
[국내 뉴스] 환경 파괴 주범 비닐봉지 먹어치우는 애벌레 발견



원래 이 나방의 유충은 감염병 연구의 모델로 생물학계에서 널리 쓰이고 있다. 키우기가 쉽고 사람의 체온 정도에서 가장 잘 자라기 때문에, 유충에 병원성 미생물을 주입하여 반응을 관찰하는 것이다. 곤충이라서 면역체계는 사람과 매우 다르지만, 선천적 면역체계를 이용한 여러가지 연구에 쓰인다. 우리 연구 그룹에서도 이를 사용한 감염병 연구를 수행하고 있다. 그러한 꿀벌부채명나방이 폐기물 처리라는 전혀 다른 분야에서 가능성을 보일 줄은 누가 알았을까? 만약 이 연구가 성공한다면 쓰레기 처리 분야에서 획기적인 일이 될 것이다.

비닐봉지를 먹고 자란 수많은 애벌레는 무엇에 쓰나? 예전에 잠시 이런 상상을 한 적이 있다. 모든 생활쓰레기를 먹어치우는 '개'가 있다고 하자. 그런데 그 개가 엄청난 '똥'을 싼다면? 그 똥을 처리하는 것이 더 어려운 문제라면? 요즘 곤충을 새로운 식량 자원으로 쓰려는 움직임이 늘고 있다. 비닐봉지를 먹여 키운 꿀벌부채명나방의 유충은 새로운 바이오매스로서 활용할 방법을 찾는 일이 그 다음 숙제가 될 것이다.

[R] prop.table()을 이용한 비율 계산

지극히 초보적인 수준의 R 코드를 가지고 잠시 혼란에 빠졌다가 해결책은 찾은 이야기를 기록으로 남기고자 한다. 다음 그림의 (A)와 같은 가상 데이터를 조작하여 열(B) 혹은 행(C) 합계에 대한 proportion으로 나타내는 것이 원래의 작업 목표였다. 각각의 계산에서 분모로 들어갈 수치들은 표 (A)의 노랑색(column 합) 혹은 파랑색(row 합) 마진에 표시되어 있다. 실제 데이터는 shotgun sequencing 방식으로 얻은 metagenome read의 taxonomic composition이다. 참고한 사이트는 Making heatmaps with R for microbiome analysis이다. 이 예제에서는 각 샘플의 데이터를 row로 나타나는 반면 나는 column으로 표현하고자 하였다. Microarray data analysis 사례에서 흔히 나타나듯 서로 다른 샘플을 컬럼으로 나타내는 것이 매우 일반적이다.

먼저 데이터 매트릭스를 만들어 보겠다.

> x = cbind(c(2,5,3), c(9,7,4), c(4, 3, 13))
> colnames(x) = c("A", "B", "C")
> rownames(x) = c("John", "Tom", "Bart")
> x
     A B  C
John 2 9  4
Tom  5 7  3
Bart 3 4 13

내가 원하는 proportion 수치는 각 셀의 값을 컬럼 합으로 나누는 것이다. 따라서 위의 표 (B)의 결과를 얻는 것이 목표였다. 예제 사이트에서는 샘플이 서로 다른 row로 배열되어 있으므로 row 합으로 나누는 것을 기준으로 설명하였다. 여기에서 사용된 명령은 data.prop <- all.data="" colsums="" div="" rowsum="" rowsums="">

> x.prop = x/colSums(x)
> x.prop
        A    B    C
John 0.20 0.90 0.40
Tom  0.25 0.35 0.15
Bart 0.15 0.20 0.65
> x.prop.2 = x/rowSums(x)
> x.prop.2
             A         B         C
Jone 0.1333333 0.6000000 0.2666667
Tom  0.3333333 0.4666667 0.2000000
Bart 0.1500000 0.2000000 0.6500000

전혀 의도하지 않은 결과가 나온다. 처음에는 예제가 잘못 짜여진 것이 아닌가 의심을 했었다. 일단은 인터넷 검색을 통해 prop.table() 함수가 (B) 및 (C) 모두의 경우에 쓰일 수 있음을 알았다. margin=2로 설정하면 column 합에 대한 비율을, margin=1로 두면 row 합에 대한 비율이 나온다.

> x.prop = prop.table(x, margin=2)
> x.prop
       A    B    C
John 0.2 0.45 0.20
Tom  0.5 0.35 0.15
Bart 0.3 0.20 0.65
> x.prop = prop.table(x, margin=1)
> x.prop
             A         B         C
John 0.1333333 0.6000000 0.2666667
Tom  0.3333333 0.4666667 0.2000000
Bart 0.1500000 0.2000000 0.6500000

물론 이보다 훨씬 미련한 방법을 이용하여 계산하는 것이 가능하다. 그러나 prop.table()이 가장 완벽한 해답을 제공한다. 그러면 왜 x/colSums(x)가 원하는 결과를 내지 못했는지를 알아보자. 매트릭스에 대한 연산을 왜 조심스럽게 해야 하는지도 이번 논의를 통해 알 수 있을 것이다.

매트릭스의 모든 셀에 같은 값을 더하거나 빼는 것은 대단히 쉽다.  그러나 row 혹은 column 단위로 계산을 할 때에는 매우 조심해야 한다. 원래 목표했던 것은 (10, 20, 20)을 각 컬럼의 값에 대해 나누는 것이었다. 즉 첫번째 컬럼A/10, 컬럼B/20, 컬럼C/20이 계산되기를 바랐던 것이다. 그러나 매트릭스를 벡터로 나누면 R은 그렇게 행동하지 않는다. John-A는 10으로 나누고,  Tom-A는 20으로 나누고, Bart-A는 20으로 나눈다. 그 다음으로는 컬럼 B로 넘어가서 각 셀에 대해서 같은 값이 아닌 (10, 20, 20)을 분모로 할당하여 나누고 또 컬럼 C로 넘어가는 것이다.  다시 말하자면 A, B, C 컬럼의 값을 일렬로 세운 다음 (10, 20, 20), (10, 20, 20), (10, 20, 20)..의 값을 순차적으로 대입하여 나눗셈을 한 것이다. rowSums() 함수가 원하는 값이 나왔던 것은 값을 대입하는 순서와 잘 맞아떨어졌기에 가능했던 것이다. 기억을 돌이켜보니 예전에 수강했던 R 강좌에서 이러한 내용을 다루었던 것 같다. 병합된 table은 low frequency row를 제거한 뒤 hclust2로 heatmap을 그리면 된다.

비록 시간이 많이 걸리더라도 실수를 통해 배우는 것이 가장 확실한 방법이 된다. 왜냐하면 같은 실수를 다시 반복하지 않을테니까 말이다.

dRep을 이용한 metagenome data set의 중복 제거

동일한 생태계에서 수집한 관련성 있는 메타게놈 샘플을 shotgun 방식으로 시퀀싱을 하는 것은 요즘 매우 흔히 볼 수 있는 연구 방법이다. 예를 들자면 어떤 항생제를 투여한 뒤 장내 microbiome을 일정 시간 간격으로 샘플링하여 분석함으로써 외부에서 주어진 변동 요인(항생제)에 따라서 미생물 군집이 어떻게 변화하는지를 살펴 보는 것이다. 일반적으로 거의 동일한 미생물들이 단지 그 비율만 샘플링 시점에 따라서 달라질 것임을 예상할 수 있다.

실제 분석에서는 각 샘플에서 생성된 read를 모두 합쳐서 조립을 한 다음(co-assembly) 이를 바탕으로 각 샘플 read를 다시 매핑하는 방법을 많이 사용한다고 들었다. 이러한 방법에서는 데이터의 규모가 커지고 이에 따라서 복잡성이 증가하며, 동일 species의 서로 다른 strain이 존재하면 fragmented assembly를 유발하게 된다.

그렇다면 각 샘플을 독립적으로 조립하는 것이 유리할지도 모른다. 그러나 이렇게 얻어진 assembly간의 중복을 제거하는 de-replication 과정이 필요하게 된다. 뿐만아니라 각 replicate set에서 가장 품질이 좋은 게놈 데이터를 선발하는 일도 필요해진다. UC Berkeley의 Banfield lab에서는 이러한 필요성을 충족시킬 수 있는 새로운 도구인 dRep을 bioRxiv에 발표하였다(학과 소식 사이트). 논문의 제목은 "dRep: A tool for fast and accurate genome de-replication that enables tracking of microbial genotypes and improved genome recovery from metagenomes(링크)"이다.

이 도구는 당장 나에게도 큰 도움이 된다. 입원 환자에게서 분리된 소위 'emerging pathogen'에 해당하는 어떤 세균의 MiSeq sequencing data를 분석할 일이 최근 생겼다. 총 112개 스트레인의 시퀀싱 결과로서 단일 프로젝트로 나에게 주어진 것으로는 가장 큰 규모이다. 그중에는 분명히 엉뚱한 균주도 몇 개는 섞여있을 것이다. 이를 점검하는 용도로 dRep을 활용하자는 것이다. 실은 reference sequence 하나에 대해서 112개 균주의 데이터를 1:1로 비교하면 별로 많은 시간이 걸리지는 않는다. 하지만 각 샘플 간의 거리는 알기 어려워진다. pyani를 돌려서 ANI(average nucleotide identity) matrix를 만드는 것도 가능하나, 모든 샘플 사이에서 1:1 비교를 해야 하므로 나의 소박한 컴퓨터로는 엄청난 시간이 걸린다. dRep도 pair-wise 비교를 하는 것은 마찬가지이다. 그러나 빠르기로 소문난 Mash를 이용하여 primary cluster를 신속하게 만든 뒤, MUMmer를 이용하여 각 cluster 내에서 ANI를 계산하는 전략을 취하고 있다.

설치는 생각보다 까다로왔다. 필요로 하는 다른 프로그램의 목록은 별로 길지 않으나 이를 설치하려면 또 다른 dependency가 있어서 꼬리에 꼬리를 무는 느낌이다. 게다가 dRep은 파이썬 3.x이 필요한 반면에 같이 실행되는 checkm 파이썬 2.x이 필요하여 pyenv를 잘 활용해야만 한다. 내 리눅스 시스템은 linuxbrew와 pyenv 등으로 뒤죽박죽이 된 상태라서 계정을 새로 만들어가면서 시행착오를 겪은 끝에 겨우 테스트 러닝에 성공하였다. 설치 방법을 문서로 정리해야 하는데 하도 실타래처럼 꼬여서 잘 기억이 나질 않는다... 패키지에 포함된 예제를 통과했으니 다음은 22개 genome set를 투입해 보았다. Primary 및 secondary cluster의 덴드로그램을 소개한다.

checkm은 genome completeness & contamination을 점검하는 도구이다(소개).

Dell Inspiron 660s의 은퇴(2012-2017)

지메일에 남아있는 Dell Inspiron 660s의 구매 내역을 찾아보았다. 주문 내역서가 만들어진 것은 2012년 10월 4일. 아직 만 5년은 되지 못했다. 경제적 상황이 좋은 경우 업무용 PC의 교체 주기는 보통 3-4년, 가정용은 5-6년으로 보는 것이 일반적이다. 요즘은 운영체제가 많이 좋아져서 교체 주기가 과거보다 늘어난 추세이다(인텔 CEO "PC 교체주기 5~6년으로 더 늘어났다"). 나의 경우는 업무용이나 가정용 모두 5년 정도에 교체를 하는 편이다.

Dell Inspiron 660s를 2012년에 구입할 당시에는 윈도우 7이 설치된 상태였다. 2103년 초에 윈도우 8 Pro K를 프로모션 가격 16,300원에 구입하여 써 오다가 나도 모르는 순간에 윈도우 10으로 바뀌게 되었다. 비록 매우 저렴한 가정용 PC 제품이지만 윈도우 7을 쓰던 당시에는 별 불편한을 느끼지 못하고 그런대로 잘 사용하였다. 그러다가 상위 윈도우로 바뀌면서 속도가 점점 느려지는 것을 경험하였다. 지난주에는 아예 부팅이 되지 않는 상태가 발생하여 본체 뚜껑을 열고 커넥터를 한번씩 뺐다가 꽂는 것으로 문제가 해결되었다 생각했으나(먹통이 된 Dell Inspiron 660s 되살리기) 그 상태는 오래 가지를 못하고 또다시 부팅 불능 상태가 되었다. 하다못해 윈도우 매체를 ODD에 넣으면 부팅이라도 되어야 할 것 아닌가? 비프음 없이 첫화면(Dell 컴퓨터 로고)까지는 나오니 하드웨어에 특별한 장애는 없어 보이는데 그 다음으로 진행이 되지를 않는 것이다.  Dell의 <부팅 후 시스템 진단 유틸리트>를 작동하면 CPU 체크 단계에서 아예 진도가 나가지 않는 이해하지 못할 상황이 계속되었다. CPU가 고장이 날 가능성은 매우 낮은데...

최근 약 일년 동안의 기억을 더듬어보니 화면이 꺼진 상태로 컴퓨터가 쉬고 있을 때 갑자기 큰 소리와 함께 CPU 팬이 돌다가 조용해지는 일이 지속적으로 반복되곤 하였다. 어쩌면 이것이 시스템 부조화의 전조증상이었는지도 모르겠다.

이번에는 CPU 쿨러를 한번 떼었다가 붙여 보았다. 그러고나서 다시 시스템 진단 유틸리티 실행. CPU 테스트가 무사히 끝나고 모든 하드웨어에 이상이 없다는 진단이 나왔다. 부팅을 시도하니 무사히 진행이 된다. 그런데 이번에는 윈도우 10의 인증이 되지 않았다는 표시가 나온다. 지난주까지 인증 상태에 대해서는 아무런 일이 없었는데 갑자기 이건 무슨 일이란 말인가? 대대적인 하드웨어 교체가 벌어진 것으로 인식한 것일까? 마이크로소프트 고객지원 센터의 하드웨어 변경 후 Windows 10 다시 정품 인증이라는 글이 도움이 될 것 같기는 하지만, 되살아난 컴퓨터는 느려도 너무 느리다. 이번 장애를 겪기 이전에도 느린 것은 마찬가지이나 이렇게 꼬박 주말을 매달리고나니 짜증이 밀려오면서 느린 속도를 견디기 어려워졌다.

이 컴퓨터는 이제 퇴역을 할 시기가 되었다! 약간의 데이터가 들어있는 HDD는 떼어내고, 굴러다니던 다른 HDD를 연결하여 우분투 데스크탑 16.04를 설치해버렸다. 이 글도 한글 입력 환경을 세팅한 뒤에 쓰는 것이다.

 

이렇게 되면 윈도우 라이센스는 어떻게 해야 하는 것일까? 보통 PC 구매시에 딸려온 OS(OEM,  COEM 혹은 DSP 제품)는 해당 PC에서만 사용 가능한 것으로 알려져있다. 그러면 나의 경우와 같이 윈도우를 업그레이드한 경우에도 그러할까? 즉, 컴퓨존 등에서 OS가 없는 조립 PC를 구매하면 여기에 내가 갖고있는 윈도우 8이 정식으로 설치될 것인가? 윈도우 7은 Dell Inspiron 660s와 운명을 같이 하는 것이니 안 될 것이다.

윈도우 8 사용자를 위한 무료 10 업그레이드는 이미 오래전에 종료되었지만  보조 기술을 사용자를 위하여 그 혜택을 입을 수 있는 길을 계속 열어놓은 것으로 보인다(링크).

Goodbye genome paper, hello genome report

이것은 2016년 6월 23일에 Brief Funct Genomics라는 학술지에 실린 리뷰의 제목 일부이다. 저자는 David Roy Smith.

Goodbye genome paper, hello genome report: the increasing popularity of 'genome announcements' and their impact on science. PMID: 27339634

인간 게놈 프로젝트가 가져다준 기술 혁신, 이어서 차세대 유전체 염기서열해독기술(NGS)의 등장으로 유전체 시퀀싱 데이터가 그야말로 쏟아지는 세상이 되었다. 이제는 유전체 시퀀싱 결과를 논문에 싣기도 어려운 상황이다. 그래서 500-1500 영단어 수준의 짧은 '논문'을 출판하는 것이 유행이 되었다. Peer review는 있기도 하고 없기도 하다. 기본적인 서열 데이터는 DDBJ/ENA/GenBank에 등록이 되지만, 연구의 목적이나 실험 방법 및 복잡한 유전체 구조를 다루려면 문서화된 정보, 즉 논문이 필요하다. Accession number 말고도 인용 가능한 문헌 자료가 필요하다는 뜻이다. 문제는 너무나 많은 사람이 너무나 쉽게 이런 일을 하게 되었다는 것이다. 그래서 announcement(발표 또는 공고 정도로 번역하자)류의 저널이 어쨌든 필요하게 되었고 또 인기를 끈다.

David R. Smith는 이에 대해서 몇 가지의 문제점과 대안을 다음과 같이 논하였다.

• 게재료가 너무 비싸다. $1-2/word라는 출판 비용은 이제 염기서열당 시퀀싱 비용을 훨씬 상회하고 있다.
• Peer review를 거치지 않는 것도 많다. 따라서 announcement류의 논문은 취업용(혹은 이직용) 이력서를 장식하거나 연구신청서를 쓰는데 도움이 되는 업적으로 취급받지는 못한다.
• Peer review가 꼭 필요한 것이 아니라면 open preprint server를 쓰는 것도 고려해봄직하다. 이에 대해서는 내 블로그에 두 건의 글을 올린 적이 있다(생명과학 분야의 프리프린트 학술지, 처음으로 bioRxiv에 논문을 제출하다).

연구 환경의 변화가 기술 혁신 및 상업주의와 적절히 어우려저 현재와 같은 상황이 되었다고 보는 것이 맞을 것이다. 확실하게 말할 수 있는 것은 시퀀싱은 이제 대단히 규모가 큰 시장이 되었다는 것인데, 그 성과물의 학술적 가치는 예전과는 매우 달리 낮아진 것이 현실이다. 앞으로 어떤 돌파구가 생길지는 아무도 모른다. 최소한 기술이 부족해서 하고 싶은 일을 하지 못하는 세상은 아니다. 그럼에도 불구하여 여전히 새로운 기술은 눈길을 끈다. 이번달 말에 Oxford Nanopore의 관계자가 방한하여 기술 세미나를 하게 되었다. Illumina와 PacBio의 기술도 따라잡기가 쉽지 않았는데 여기에 Nanopore까지 공부를 하지 않을 수없는 상황이 되고 말았다. 

참으로 빠르게 변하는 세상이다.