딸과 함께 보았던 <인터스텔라>를 이번에는 아들과 함께 보았다. 주인공 쿠퍼가 물벼락을 맞고 돌아와서 23년간 쌓인 메시지를 보는 장면, 블랙홀에서 타스와 함께 '90%만 솔직하기'를 읊조리며 스스로 레인저호를 분리하는 장면, 그리고 마지막에 에드몬드의 돌무덤을 쌓으며 외로움과 절망감에 울고 있는 아멜리아의 모습... 영화 <레 미제라블>에서 팡틴 역을 하면서 I dreamed a dream을 부르던 모습이 자꾸 떠오르는 것이 아쉽기는 하였지만. 도저히 눈물 없이 보기 어려웠다. 옆에서 같이 보던 아들도 마찬가지였고, 여기저기서 눈물을 훌쩍이는 소리가 들렸다.
최신 천문학과 관련된 내용이 중요한 소재로 다루어지고 있어서 꽤 어려운 영화라고들 한다. 틀린 말은 아니다. 그렇지만 그런 세부적인 상황이 영화를 영화로서 받아들이기에 큰 지장을 주지 않는다. 너무 신파조로 흐른다느니, 그래서 정작 이 영화가 만들어진 미국에서는 인기가 없다느니 하는 소식도 있다. 그러나 나는 인류의 위기에서 개인적인 부름을 받아 고뇌하면서 받아들이는 모습(물론 미션에 끌어들이기 위해 브랜드 박사는 진실을 숨기기까지 했지만), 항성간 여행을 다녀온 뒤 시간의 흐름 속도가 차이가 나서 벌어지는 기막힌 현실, 큰 손상을 입어서 연료가 얼마 남지 않은 인듀어런스호를 이끌고 결국 에드먼드 행성으로 아멜리아를 보내기 위해 자신을 희생하는 모습 등 인간의 보편적인 정서에 호소하는 바가 너무나 강력한 영화라고 생각한다. 이러한 줄거리가 우주라는 장대한 볼거리, 그리고 정교한 세트와 촬영 및 파이프 오르간 비슷한 소리의 악기 연주로 이루어진 한스 짐머의 장중한 음악과 아주 잘 어우러진 감동적인 영화라고 생각한다. 약간 지루한 느낌이 들 수도 있지만,두번째 보는 내내 전날 잠을 설쳐서 쏟아지는 피로를 전혀 느끼지 못할만큼 몰두할 수 있었다.
TV 조선에서는 아주 한국에서의 인터스텔라 흥행 돌풍이 지적 허영과 관련된 것으로 보인다는 아주 웃기는 기사를 냈다. 공부하면서 보는 영화? 정말 영화 평론가가 지적 허영이 이런 흥행 돌풍을 불러일으키는데 일조를 했다는 말을 하기나 했을까? 기자가 하고 싶은 말을 쓴 것이겠지. 영화 자체가 재미있으니 사람들이 보는 것이고, 또 많은 사람들이 본다고 하니 다른 사람들도 영화관으로 발길을 돌리게 하는 것 아니겠는가? 그러면 1700만명이나 되는 관객을 모은 <명량>은 허영에 가까운 국수주의적 태도에 의한 것인가? 난 <인터스텔라>의 맹목적인 추종자는 아니다. 분명히 약한 구석도 있고, 불충분한 부분이나 오류가 있었을 것이다. 그러나 충분히 눈과 귀가 즐거웠고, 감동적이었으며, 같은 영화를 두번이나 보게 된 최초의 사건이 이 영화를 통해 일어났음을 강조하고 싶을 따름이다.
2014년 11월 20일 목요일
우분투 설치하느라 1박2일
바이오리눅스 7과 8, 그리고 우분투 14.04와 14.10. DVD 매체를 각각 구워 놓고 설치를 시도하였다가 이틀째에 겨우 성공하였다. 윈도우와 리눅스를 듀얼부팅으로 쓰기 위한 가장 정석적인 방법은 내가 알기로 이러하다. 윈도우를 먼저 깔고, 리눅스를 나중에 설치한 뒤 grub에서 부팅할 OS를 고르게 하는 것이다. 이번에 고생을 하게 된 것은 아마도 설치 순서가 예사롭지 않았기에 그런 것 같다.
설치 이력을 잠시 살펴보자.
원래 하드디스크 하나만 있던 데스크탑 컴퓨터에 바이오리눅스 6을 설치하여 업무용으로 사용하고 있었다. 리눅스는 VirtualBox에 깔아 사용하였다. 그러다가 하드디스크를 하나 더 정착하였고, 가상머신이 아닌 제대로 된 윈도우가 필요하다는 생각이 들어서 세번째 하드디스크를 장착하고 여기에 윈도우를 설치하였다. 윈도우를 나중에 설치하면 멀티부팅이 쉽지 않은데, easyBCD라는 유틸리티로 이를 해결하였다.
그러다가 리눅스를 업그레이드하기로 마음을 먹었는데 이게 쉽지 않았다. 설치가 거의 끝나갈 무렵 오류가 발생했다며 되돌아가기도 하고, 정상적으로 설치가 되었다 생각했는데 첫 부팅에서 난데없이 grub> 프롬프트가 뜨고... 바이오리눅스와 우분투의 최신 배포판 두가지씩을 DVD로 구워 놓고 거의 15번은 설치를 시도한 것 같다. 최종적으로 성공한 조합은 첫번째 하드디스크만 연결하고 나머지 두개의 케이블은 빼 놓은 뒤 바이오스 셋업에서 인식이 확실히 된 것을 확인한 다음 바이오리눅스 7을 설치하는 것이었다. 즉 처음에 리눅스만을 깔았던 상황을 그대로 재현하자는 것이다. 문제가 발생한 원인도 잘 모르겠고, 해결도 제대로 한 것인지 알 수가 없다. 게다가 왜 자꾸 윈도우로 부팅하면 시스템 시간이 틀어져 있는 것일까? 바이오스 백업용 배터리가 교체할 때가 되어 그런 것일까?
CentOS의 Gnome 환경만 접하다가 이제 unity를 쓰려니 조금은 걱정이 된다. 한글 입력은 당분간 신경을 쓰지 말자. 그리고 제 성능은 잘 나오지 않겠지만 윈도우 환경에서 VirtualBox로 우분투 최신 버전을 깔아 놓은 뒤 익숙해지도록 노력해야 되겠다. 리눅스로 부팅하여 작업을 하는 일은 그렇게 빈번하지는 않다. 대부분 윈도우에서 PuTTy로 성능이 더 좋은 리눅스 서버에 연결하여 사용하고 있으니까. 지금 생각하면 별로 좋은 서버도 아니다. 2009년에 구입한 Tyan 서버이니 이제 교체할 때가 되어간다.
리눅스를 접한지도 거의 20년, 그러나 파워유저의 길은 멀기만 하다!
2014년 11월 14일 금요일
올림푸스 E-620 IS(image stabilization) 기능 고장
언제부터인가 카메라 뒷면 액정의 IS 표시가 빨갛게 반짝인다. 연세대학교에서 열린 학회에 참석하는 김에 신촌 서비스센터에 가서 수리 가능 여부를 알아 보았다. CCD 센서 등 가장 고가의 부품 일체를 교체하는 것 말고는 방법이 없는데, 이것이 카메라에서 가장 비싼 부품이라고 한다. 무려 30만원! 카메라는 이제 더이상 내구재가 아니다. 3-4년이면 말썽을 슬슬 일으키기 시작하는 전자제품에 불과할 뿐이다.
지난 글을 검색해 보니 꼭 4년전 이맘때에 구입을 했었다.
Olympus E-620, 새식구가 되다!
차라리 중고 바디를 사는 게 낫지. 30만원이라니!
DSLR이 아니어도 좋으니 20만원 근방의 적당한 카메라는 없을까? 검색을 해 보았다. 둘 다 내가 좋아하는 스타일의 카메라들이다.
사양 측면에서는 캐논 제품이 훨씬 낫다. 가격은 좀 더 비싸다.
요즘 들어서는 노키아의 윈도폰에도 관심이 생긴다. 익스팬시스 사이트를 가 보면 10만원대의 매력적인 휴대폰이 몇 가지 보인다. 그냥 나를 위한 장난감으로 생각하고 확 질러버릴까?
지난 글을 검색해 보니 꼭 4년전 이맘때에 구입을 했었다.
Olympus E-620, 새식구가 되다!
차라리 중고 바디를 사는 게 낫지. 30만원이라니!
DSLR이 아니어도 좋으니 20만원 근방의 적당한 카메라는 없을까? 검색을 해 보았다. 둘 다 내가 좋아하는 스타일의 카메라들이다.
- 캐논 PowerShot SX510HS
- 후지필름 FinePix S8600
사양 측면에서는 캐논 제품이 훨씬 낫다. 가격은 좀 더 비싸다.
요즘 들어서는 노키아의 윈도폰에도 관심이 생긴다. 익스팬시스 사이트를 가 보면 10만원대의 매력적인 휴대폰이 몇 가지 보인다. 그냥 나를 위한 장난감으로 생각하고 확 질러버릴까?
2014년 11월 5일 수요일
카톡과 밴드, 내 체질에는 잘 맞지 않는다
작년 가을 무렵 밴드라는 것을 알게 되었다가 초등학교 동창생들이 하나둘 모이면서 꽤 몰두를 한 적이 있다. 다시는 못만날 것으로 생각했던 추억 속의 친구들을 34년만에 찾게 되어 정말 신기하고도 반가운 마음이 그지 없었다. 그러나 시도때도 없이 울려대는 새글 및 덧글 알림이 점점 피곤해지고 자꾸 휴대폰을 들여다 보는 일도 번거롭게 느껴져서 이제는 앱을 지우고 가끔 웹 브라우저로만 접속한다. 대부분 휴대폰 정보가 공개되어 있으니 필요하면 밴드 앱을 통하지 않고 직접 연락을 하면 된다. 부끄러운 이야기가 되겠지만 배우자 이외의 이성을 다시 자연스럽게 만날 수 있는 창구가 되니 다들 열심히 활동하는 것이 아닌가 싶기도 하다. 남자 학교였던 중고교 밴드에 비해서 초등학교 밴드가 월등하게 잘 운영되는 것을 보면 이러한 면이 없다고 볼 수 있겠는가? 밴드 활동에서도 어떤 흐름이 있어서 가입 초기에는 꾸준이 글이나 사진을 올리고 열심히 활동을 하다가 그러한 열정은 슬슬 사라지고 또 새로운 회원이 등장한다. 물론 해를 넘겨서도 열심히 활동하는 친구도 있고, 사무실까지 차려주는 사업가 친구도 있다.
번거로움을 느끼게 하는 것은 카톡도 마찬가지. 카톡이 아니면 연락이 잘 안되는 친구가 있어서 지우지를 못하고 있다가, 이것 역시 사람의 신경과 정성을 빼앗는 노예라는 생각이 들어서 탈퇴하고 다시 깔고를 반복하곤 하였다. 그러다가 어제 누군가 남긴 글, "나타났다 사라졌다를 반복하는구나"를 보고 기분이 별로 안좋아져서 다시 탈퇴를 해 버렸다.
문자 메시지는 비용도 많이 들지만 고해상도 사진을 보내기가 나쁘다. 그런 면에서 카카오톡이 유리한 면이 있지만, 휴대폰 주소록에 있는 모든 사람이 친구로 뜨는 것은 불편하다. 예전에 알아본 바에 의하면 주소록 이름 앞에 무슨 특수문자를 삽입하면 친구로 등록되지 않는다고 하였었는데, 그게 무엇이었는지 도무지 기억이 나지 않는다.
아, 찾았다. 바로 '#'이다...
그러나 이것도 별로 좋은 방법은 아니다. 난 휴대폰 주소록을 구글에서 동기화하여 사용한다. 따라서 이메일을 쓸 때 수신자명을 입력하면 #이 삽입된 경우 이것이 그대로 드러난다. 메일을 받는 사람 입장에서는 별로 즐거운 노릇은 아니다. '내가 카카오톡 친구 리스트에 등록되는 것이 싫어서 #을 붙였구나'하고 단번에 알아차리게 되므로.
조인(joyn)이 한때 카카오톡에 대항을 해 보겠다고 야심차게 개발된 앱으로 알고 있는데, 지금은 영 힘을 쓰고 있지 못하다. 좀 더 쓸만한 모바일 메신저가 나와준다면...
번거로움을 느끼게 하는 것은 카톡도 마찬가지. 카톡이 아니면 연락이 잘 안되는 친구가 있어서 지우지를 못하고 있다가, 이것 역시 사람의 신경과 정성을 빼앗는 노예라는 생각이 들어서 탈퇴하고 다시 깔고를 반복하곤 하였다. 그러다가 어제 누군가 남긴 글, "나타났다 사라졌다를 반복하는구나"를 보고 기분이 별로 안좋아져서 다시 탈퇴를 해 버렸다.
문자 메시지는 비용도 많이 들지만 고해상도 사진을 보내기가 나쁘다. 그런 면에서 카카오톡이 유리한 면이 있지만, 휴대폰 주소록에 있는 모든 사람이 친구로 뜨는 것은 불편하다. 예전에 알아본 바에 의하면 주소록 이름 앞에 무슨 특수문자를 삽입하면 친구로 등록되지 않는다고 하였었는데, 그게 무엇이었는지 도무지 기억이 나지 않는다.
아, 찾았다. 바로 '#'이다...
그러나 이것도 별로 좋은 방법은 아니다. 난 휴대폰 주소록을 구글에서 동기화하여 사용한다. 따라서 이메일을 쓸 때 수신자명을 입력하면 #이 삽입된 경우 이것이 그대로 드러난다. 메일을 받는 사람 입장에서는 별로 즐거운 노릇은 아니다. '내가 카카오톡 친구 리스트에 등록되는 것이 싫어서 #을 붙였구나'하고 단번에 알아차리게 되므로.
조인(joyn)이 한때 카카오톡에 대항을 해 보겠다고 야심차게 개발된 앱으로 알고 있는데, 지금은 영 힘을 쓰고 있지 못하다. 좀 더 쓸만한 모바일 메신저가 나와준다면...
2014년 11월 3일 월요일
쉬운 cutadapt 사용법
조금 전에 올린 포스트에서 어댑터 서열 제거와 관련한 배경 지식을 살펴보았다. One Tip Per Day라는 블로그를 보면 어댑터/프라이머 서열 제거를 위한 세가지 방법을 소개하고 있다. Paired-end sequencing에서는 어느 한쪽 read에서 어댑터가 발견되는 경우 반대편 read도 같이 제거해야 한다. Short insert read는 paired end read 중 어느것도 쓸모가 없기 때문이다.
자, 조금 어렵다. -p FILE은 무슨 의미인가? cutadapt --help를 해 보면 "Write reads from the paired-end input to FILE."라고 되어 있다. 이게 도대체 무슨 말인지를 모르겠다. 1st read file에 trim이 적용되고 나서 -o로 지정된 파일에 씌여질 것은 당연한데, -p로 지정된 파일에는 도대체 뭐가 기록된단 말인가? tmp.1.fastq는 길이가 제각각이지만 tmp.2.fastq는 그렇지 않다. 그러나 두 파일에 기록된 read의 수는 같다. 그렇다면 이렇게 해석을 할 수 있다. -o로 지정된 tmp.1.fastq에는 실제 어댑터 제거와 트리밍까지 이루어져 살아남은 read만이 기록되고, -p로 지정된 tmp.2.fastq에는 이와 짝을 맞춘 second read가 기록된다. 매우 독특한 작동 방식이다.
먼저 pip를 설치하자. 설치 방법은 여기를 참조하라.
pip install cutadapt
일루미나 TruSeq 어댑터가 쓰인 경우 다음과 같이 하면 된다.
1. read 1에서 TruSeq indexed adapter 및 이후의 서열을 제거.
cutadapt -a AGATCGGAAGAGCACACGTCTGAACTCCAGTCAC -o trimmed.1.fastq.gz reads.1.fastq.gz
2. read 2에서 TruSeq universal adapter의 reverse complement를 제거.
cutadapt -a AGATCGGAAGAGCGTCGTGTAGGGAAAGAGTGTAGATCTCGGTGGTCGCCGTATCATT -o trimmed.2.fastq.gz reads.2.fastq.gz
-a ADAPTER는 cutadapt의 가장 간단한(그리고 가장 일반적인 조건에서의) 실행 방법이다. 즉 read의 3'에 어댑터 서열이 나오게 되고 어댑터와 그 이후의 서열을 전부 제거할 때의 실행 모드라고 보면 된다.
혹은 좀 더 간단한 방법을 쓸 수 있다. 두 어댑터 서열이 모두 공통적인 접두어(AGATCGGAAGAGC)를 갖고 있음에 착안하는 것이다.
cutadapt -a AGATCGGAAGAGC -o trimmed.1.fastq.gz reads.1.fastq.gz
cutadapt -a AGATCGGAAGAGC -o trimmed.2.fastq.gz reads.2.fastq.gz
입력 파일이나 출력 파일 전부 read의 수는 같다. 즉, read 전체가 다 trim되어 제거가 되어도 서열 헤더와 길이 '0'짜리 read가 출력 파일에 남아 있다는 뜻이 된다.
Paired-end read의 처리
paired-end read를 처리할 때에는 trim 작업 결과 길이가 어느 기준 이하로 줄어들었다면 그 read를 제거함은 물론 반대편 read(mate)도 없애야 한다. cutadapt에서는 이를 위해서 아직까지는 두 번의 작업을 거쳐야 한다. 실제 작업은 다음과 같이 세 단계를 거친다(홈페이지에 있는 예제를 가만히 들여다 보니 생각보다 어렵다. -p 옵션의 의미를 도대체 모르겠다. 한참을 더 공부하여 겨우 확인하였다. 어쩌면 SolexaQA 혹은 SolexaQA++가 더 이해하기 쉬울지도 모른다. 그러나 SolexaQA는 내가 알기로 어댑터 서열 제거는 하지 못한다).
(1) cutadapt -q 10 -a ADAPTER_FWD --minimum-length 20 -o tmp.1.fastq -p tmp.2.fastq reads.1.fastq reads.2.fastq
자, 조금 어렵다. -p FILE은 무슨 의미인가? cutadapt --help를 해 보면 "Write reads from the paired-end input to FILE."라고 되어 있다. 이게 도대체 무슨 말인지를 모르겠다. 1st read file에 trim이 적용되고 나서 -o로 지정된 파일에 씌여질 것은 당연한데, -p로 지정된 파일에는 도대체 뭐가 기록된단 말인가? tmp.1.fastq는 길이가 제각각이지만 tmp.2.fastq는 그렇지 않다. 그러나 두 파일에 기록된 read의 수는 같다. 그렇다면 이렇게 해석을 할 수 있다. -o로 지정된 tmp.1.fastq에는 실제 어댑터 제거와 트리밍까지 이루어져 살아남은 read만이 기록되고, -p로 지정된 tmp.2.fastq에는 이와 짝을 맞춘 second read가 기록된다. 매우 독특한 작동 방식이다.
(2) cutadapt -q 15 -a ADAPTER_REV --minimum-length 20 -o trimmed.2.fastq -p trimmed.1.fastq tmp.2.fastq tmp.1.fastq
그렇다면 두번째 단계에서 할 일은 명백하다. tmp.2.fastq와 tmp.1.fastq가 순서대로 인풋 파일이 된다. 최종적으로 쓰일 파일은 -o trimmed.1.fastq -p trimmed.1.fastq로 지정된 2개이다. 이제서야 어렴풋하게 이해를 하겠다.
그렇다면 두번째 단계에서 할 일은 명백하다. tmp.2.fastq와 tmp.1.fastq가 순서대로 인풋 파일이 된다. 최종적으로 쓰일 파일은 -o trimmed.1.fastq -p trimmed.1.fastq로 지정된 2개이다. 이제서야 어렴풋하게 이해를 하겠다.
(3-임시 파일 제거) rm tmp.1.fastq tmp.2.fastq
아직 이해가 완벽하게 된 것은 아니다. 예제에서는 왜 first와 second read에 대해서 -q 값을 다르게 적용했는가 하는 점이다. second read의 quality가 first read보다는 더 나쁘므로(per base quality plot을 해 보면 쉽게 알 수 있다), 일부러 더 stringent하게 trim을 유도하는 것인지도 모르겠다.
first 및 second read에 똑같은 옵션(-q 20 --minimum-length 50 -a AGATCGGAAGAGCACACGTCTGAACTCCAGTCAC)을 적용해 보았다. 어댑터 서열을 지나치게 길게 설정한 것이 보기는 좋지 않다. 어찌되었든 15,833,979개의 read 중에서 first file에서는 15,720,585개, second file에서는 15,467,766개가 살아남았다. 따라서 같은 조건을 적용하면 당연히 second file에서 더 적은 read가 살아남는다.
만약 일루미나 TruSeq 방법으로 시퀀싱 라이브러리가 만들어졌다면, NGS raw data 등록 시 어댑터 서열을 공급하지 않아도 대부분 같은 원리가 적용됨을 알 수 있지 않을까? NGS에 사용되는 거의 대부분의 어댑터/프라이머 서열이 여기에 수록되어 있으니 참조하도록 하자.
아직 이해가 완벽하게 된 것은 아니다. 예제에서는 왜 first와 second read에 대해서 -q
first 및 second read에 똑같은 옵션(-q 20 --minimum-length 50 -a AGATCGGAAGAGCACACGTCTGAACTCCAGTCAC)을 적용해 보았다. 어댑터 서열을 지나치게 길게 설정한 것이 보기는 좋지 않다. 어찌되었든 15,833,979개의 read 중에서 first file에서는 15,720,585개, second file에서는 15,467,766개가 살아남았다. 따라서 같은 조건을 적용하면 당연히 second file에서 더 적은 read가 살아남는다.
만약 일루미나 TruSeq 방법으로 시퀀싱 라이브러리가 만들어졌다면, NGS raw data 등록 시 어댑터 서열을 공급하지 않아도 대부분 같은 원리가 적용됨을 알 수 있지 않을까? NGS에 사용되는 거의 대부분의 어댑터/프라이머 서열이 여기에 수록되어 있으니 참조하도록 하자.
Trimming과 관련한 최근 논문이 있어 소개한다.
An Extensive Evaluation of Read Trimming Effects on Illumina NGS Data Analysis
오랜만에 효모의 RNA-seq 데이터를 받아들었다. 시료는 총 4개. Sample에 대해 기술한 파일을 열어보니 다음과 같은 어댑터 정보가 있다.
Adapter,AGATCGGAAGAGCACACGTCTGAACTCCAGTCA,,,,,,
AdapterRead2,AGATCGGAAGAGCGTCGTGTAGGGAAAGAGTGT,,,,,,
자, 이게 뭔 말이냐? 일루미나의 MiSeq Sample Sheet Quick Reference Guide 2012년 11월판 10-11쪽을 보자.
Adapter. Specify the 5' portion of the adapter sequence to prevent reporting sequence beyond the sample DNA.
AdapterRead2. Specify the 5' portion of the Read 2 adapter sequence to prevent eporting sequence beyond the sample DNA
즉 insert(sample)의 길이가 sequencing read보다 짧을 경우, 샘플 DNA 서열을 지나서 나타나게 되는 어댑터의 서열을 read 1과 read 2에 대해서 표시한 것이다. 서열을 살펴보니 매우 낯이 익다. 이 포스팅 윗부분의 cutadapt 사용례에서 보인 것 그대로이다. Read 1에서 sample DNA를 넘어서 나올 수 있는 adapter는 TruSeq indexed adapter(P5)이고, read 2에서는 TruSeq universal adapter(P7)의 reverse complement이다. 즉 이번 데이터는 지극히 보편적인 어댑터를 사용한 것이다.
구글링 과정에서 잘 정리된 문서를 또 하나 발견하였다.
Peter N. Robinson. Next-generation sequencing: Methods and computational analysis
일루미나 데이터에서 어댑터 서열을 제거하기 위한 사전 지식
일루미나 paired-end sequencing을 위한 표준 라이브러리(바코드 사용)의 구조는 다음과 같다.
(그림 출처: http://nextgen.mgh.harvard.edu/CustomPrimer.html)
P5와 P7 서열은 워낙 유명하므로 알아두는 것이 좋겠다.
양쪽 프라이머 결합 부위와 insert가 바로 인접해 있으므로, 이론상으로는 read 시작 부위에 잡다한 어댑터 서열이 존재하지 않아야 한다. 그러나 라이브러리 제작 시 아무리 insert에 대한 길이 콘트롤을 잘 했다 하더라도 read 길이보다 짧은 insert가 존재할 수 있다. 이러한 경우에는 한쪽 read가 insert를 완전히 관통한 뒤 반대쪽 어댑터 서열까지 이어지게 된다.
이러한 상태로 만들어지는 read는 de novo assembly에서 방해물이 될 수 있다. 따라서 어댑터 서열이 read내에서 확인되면 거기부터 이후를 전부 제거해 버리는 작업이 필요하다. 이를 위해서는 라이브러리에 사용되는 가능한 모든 어댑터의 서열 정보를 미리 알고 있어야 한다는 번거로움이 따른다.
여기서 기억해 둘 점이 하나 있다. 시퀀싱용 프라이머는 부분적으로 12 bp의 상보적인 영역을 갖고 있다. TruSeq DNA sample preparation kit v2를 이용하여 라이브러리를 만들 때 이들이 일부는 상보적인 쌍을 이룬 Y-shape 형태로 공급되게 만들기 위해서이다. 이를 그림으로 좀 더 쉽게 이해하려면 다음 사이트를 방문하라. 복잡한 다단계 PCR을 하지 않고 어떻게 인서트 양쪽에 서로 다른 어댑터가 붙게 하는지를 이해할 수 있다. 여기서 아직 풀리지 않는 의문점이 있다. Y-형태의 어댑터를 쓰지 않으면 양 끝에 같은 종류의 어댑터가 붙는 것을 어떻게 방지할까? flowcell에서 클러스터가 만들어지지 않는다는 것을 이용하는 것일까?
http://onetipperday.blogspot.kr/2013/06/illumina-hiseq2000-adaptor.html
http://www.bio-rad.com/webroot/web/pdf/lsr/literature/Bulletin_6343.pdf
아래에서 색깔로 표시한 부분이 바로 상보적인 서열이다. blunt end로 만들어진 insert의 3'-end에는 A가 하나씩 더해짐을 잊지 말자.
5'----GCTCTTCCGATCT[INSERT---- DNA]AGATCGGAAGAGC----3'
따라서 어느 방향으로 읽든지 (A)GATCGGAAGAGC가 나오기 시작하면 그 이후는 제거하면 된다. 실제로 CLC Genomics Workbench에서 read들을 펼쳐놓고 (A)GATCGGAAGAGC를 검색해 보니 상당히 많은 read가 이를 포함하고 있다.
이번에는 리눅스 커맨드 라인에서 단순하게 grep을 해 보았다. 정확하게 GATCGGAAGAGC 서열을 갖고 있는 read를 찾아보니 총 1583만 read 중에서 1392개이다. 아주 단순한 계산으로 1만분의 1 이하라는 의미이다. 그렇다면 de novo assembly에서 큰 문제가 되지 않을 수준이라는 생각도 든다.
(그림 출처: http://nextgen.mgh.harvard.edu/CustomPrimer.html)
P5와 P7 서열은 워낙 유명하므로 알아두는 것이 좋겠다.
P5: 5' AAT GAT ACG GCG ACC ACC GA 3'
P7: 5' CAA GCA GAA GAC GGC ATA CGA 3'
인서트 좌우의 전체 어댑터 서열을 알아보자. P5와 P7 서열은 파랑색으로 표시하였다. blunt end로 만들어진 insert의 3'-end에는 A가 하나씩 더해지므로, insert와 인접한 어댑터 서열에 외견상 A 혹은 T가 하나씩 더 있는 것처럼 보인다.
(왼쪽 TruSeq universal adapter)
5´AATGATACGGCGACCACCGAGATCTACACTCTTTCCCTACACGACGCTCTTCCGATCT3´
(오른쪽 TruSeq indexed adapter: P7의 상보적 서열이 3'-end에 보인다.)
5´AGATCGGAAGAGCACACGTCTGAACTCCAGTCAC‐NNNNNN‐ATCTCGTATGCCGTCTTCTGCTTG3´
양쪽 프라이머 결합 부위와 insert가 바로 인접해 있으므로, 이론상으로는 read 시작 부위에 잡다한 어댑터 서열이 존재하지 않아야 한다. 그러나 라이브러리 제작 시 아무리 insert에 대한 길이 콘트롤을 잘 했다 하더라도 read 길이보다 짧은 insert가 존재할 수 있다. 이러한 경우에는 한쪽 read가 insert를 완전히 관통한 뒤 반대쪽 어댑터 서열까지 이어지게 된다.
이러한 상태로 만들어지는 read는 de novo assembly에서 방해물이 될 수 있다. 따라서 어댑터 서열이 read내에서 확인되면 거기부터 이후를 전부 제거해 버리는 작업이 필요하다. 이를 위해서는 라이브러리에 사용되는 가능한 모든 어댑터의 서열 정보를 미리 알고 있어야 한다는 번거로움이 따른다.
여기서 기억해 둘 점이 하나 있다. 시퀀싱용 프라이머는 부분적으로 12 bp의 상보적인 영역을 갖고 있다. TruSeq DNA sample preparation kit v2를 이용하여 라이브러리를 만들 때 이들이 일부는 상보적인 쌍을 이룬 Y-shape 형태로 공급되게 만들기 위해서이다. 이를 그림으로 좀 더 쉽게 이해하려면 다음 사이트를 방문하라. 복잡한 다단계 PCR을 하지 않고 어떻게 인서트 양쪽에 서로 다른 어댑터가 붙게 하는지를 이해할 수 있다. 여기서 아직 풀리지 않는 의문점이 있다. Y-형태의 어댑터를 쓰지 않으면 양 끝에 같은 종류의 어댑터가 붙는 것을 어떻게 방지할까? flowcell에서 클러스터가 만들어지지 않는다는 것을 이용하는 것일까?
http://onetipperday.blogspot.kr/2013/06/illumina-hiseq2000-adaptor.html
http://www.bio-rad.com/webroot/web/pdf/lsr/literature/Bulletin_6343.pdf
아래에서 색깔로 표시한 부분이 바로 상보적인 서열이다. blunt end로 만들어진 insert의 3'-end에는 A가 하나씩 더해짐을 잊지 말자.
5'----GCTCTTCCGATCT[INSERT---- DNA]AGATCGGAAGAGC----3'
따라서 어느 방향으로 읽든지 (A)GATCGGAAGAGC가 나오기 시작하면 그 이후는 제거하면 된다. 실제로 CLC Genomics Workbench에서 read들을 펼쳐놓고 (A)GATCGGAAGAGC를 검색해 보니 상당히 많은 read가 이를 포함하고 있다.
이번에는 리눅스 커맨드 라인에서 단순하게 grep을 해 보았다. 정확하게 GATCGGAAGAGC 서열을 갖고 있는 read를 찾아보니 총 1583만 read 중에서 1392개이다. 아주 단순한 계산으로 1만분의 1 이하라는 의미이다. 그렇다면 de novo assembly에서 큰 문제가 되지 않을 수준이라는 생각도 든다.
2014년 10월 24일 금요일
[나무를 알자-No.2] 중국단풍
- 이름: 중국단풍, 무환자나무과 Acer buergerianum
- 촬영일: 2014년 10월 24일
- 촬영지: 한국생명공학연구원 내
일을 하다가 잠시 눈을 쉬러 건물 밖에 나갔다가 평소에 봐 두었던 나무를 촬영하였다. 아기 손바닥같이 귀엽게 생긴 잎의 모양만을 보고 무슨 나무인지를 어떻게 확인할 것인가? 한국조경수협회 대구경북센터의 홈페이지를 그냥 뒤져보다가 이것이 중국단풍임을 알게 되었다.
(중국)단풍인가, (중국)단풍나무인가? 지난번 산수유와 비슷한 질문이다. 국가표준식물목록에 의하면 추천명은 '중국단풍'이다.
중국이 원산지인 낙엽교목으로 한반도 근처 산지에 흔히 존재한다. 병충해에 강하고 맹아력(싹 트는 힘)이 매우 좋아서 도로공사 및 아파트 공사에 널리 쓰이는 조경수이다.
나뭇잎의 모양만을 가지고 어떤 나무인지 알아내는 방법은 없을까? 정동수 박사님을 통해서 경상남도 산림환경연구원에 근무하는 하용식 주무관이 출간한 <마법의 나뭇잎사전>이라는 책을 소개받았다. 약 30만종에 해당하는 식물 잎사귀가 마법의 10공식에 따라서 분류할 수 있다고 한다. 세번째 나무는 이 방법을 가지고서 어떤 나무인지 알아내기 위해 도전해 보도록 하겠다.
지금까지의 목록: 산수유 - 중국단풍
피드 구독하기:
글 (Atom)