Panomap: Unbiased Nanopore Signal Mapping with Pangenome Variation Graphs

당신이 거대한 음악 라이브러리에서 특정 노래를 찾으려고 노력하고 있다고 상상해 보세요. 수년 동안 유일한 방법은 당신의 노래를 단 하나의 "완벽한" 마스터 녹음본과 비교하는 것이었습니다. 만약 당신의 노래가 리믹스 버전이거나, 라이브 버전이거나, 혹은 아주 약간만 달라도 검색 엔진은 혼란에 빠져 이를 버리거나 잘못된 매칭 결과를 내놓곤 했습니다. 이것이 현재의 도구들이 **나노포어 시퀀싱(nanopore sequencing)**을 처리하는 방식입니다. 나노포어 시퀀싱은 분자가 작은 구멍을 통과할 때 발생하는 미세한 전류를 측정하여 DNA를 읽는 기술입니다.

문제는 현실 세계가 단 하나의 마스터 녹음본으로 이루어져 있지 않다는 점입니다. 박테리아나 인간의 집단은 거대한 리믹스, 커버곡, 그리고 변형곡들의 모음집에 더 가깝습니다. 과학자들은 이를 **범유전체(pangenome)**라고 부릅니다.

여기 **파노맵(Panomap)**이 있습니다. 연구진들이 코넬 대학교와 다른 기관에서 개발한 이 새로운 도구는, 단순히 하나의 마스터 트랙만 듣는 것이 아니라 전체 "리믹스 앨범"을 한꺼번에 이해하는 매우 똑똑한 사서와 같습니다.

옛날 방식 vs 새로운 방식

파노맵 이전에, 만약 당신이 100가지 다른 버전의 노래가 있는 라이브러리를 검색하고자 한다면, 기존의 도구들(RawHash2나 Sigmoni 같은)은 각 버전을 완전히 별개의, 서로 관련 없는 파일로 취급했습니다. 만약 90%의 노래가 동일하다면, 컴퓨터는 그 90%의 데이터를 99번이나 중복해서 저장해야 했습니다. 이는 마치 필요한 노래를 찾기 위해 똑같은 후렴구를 100개의 서로 다른 공책에 일일이 복사해 넣는 것과 같았습니다. 이는 공간을 낭비하게 만들었고, 라이브러리가 커질수록 관리가 엉망이 되었습니다.

파노맵은 **범유전체 변이 그래프(pangenome variation graph)**를 사용하여 게임의 판도를 바꿉니다. 이를 주소 목록 대신 지하철 노선도로 상상해 보세요.

• 경로(Tracks): 모든 사람이 노래하는 공유된 부분(공통 후렴구)은 단일 경로로 그려집니다.
• 분기점(Branches): 차이점(리믹스)은 메인 경로에서 갈라져 나오는 가지나 대안 경로로 그려집니다.
• 마법: 파노맵은 이 지도를 따라 이동할 수 있습니다. 파노맵은 하나의 '리드(read, DNA 조각)'가 메인 경로를 따라가다가 특정 분기점으로 이동한 뒤 다시 합쳐질 수 있다는 것을 인지합니다. 이 방식은 공유된 부분을 100번이 아닌 단 한 번만 저장합니다.

파노맵이 실제로 하는 일

연구진은 세 가지 특정 시나리오에서 파노맵을 테스트했으며, 결과는 다음과 같습니다.

1. 라이브러리가 작고 단순할 때: 만약 완벽한 하나의 참조 곡만 있다면, 파노맵은 기존 도구들과 똑같이 잘 작동합니다. 하지만 핵심은 이것입니다. 라이브러리에 더 많은 리믹스가 추가될수록(1개에서 8개 버전으로 확장), 기존 도구들은 혼란을 겪으며 더 많은 실수를 하기 시작했습니다. 반면, 파노맵은 안정적인 상태를 유지했습니다. 추가된 파일들의 소음 속에서도 길을 잃지 않았습니다.
2. 정확한 노래가 없을 때: 만약 라이브러리에 없는 완전히 새로운 리믹스가 있다고 가정해 봅시다. 기존 도구들은 이를 찾는 데 어려움을 겪습니다. 그러나 파노맵은 그래프 내의 관련된 리믹스들을 살펴봅니다. 설령 정확한 노래가 라이브러리에 없더라도, 파노맵은 "이것은 분기 B에 속하는 것처럼 들린다"라고 판단하여 적절한 위치를 찾아낼 수 있습니다. 박테리아를 대상으로 한 테스트에서, 그래프에 관련된 균주들을 더 많이 추가하는 것이 오히려 파노맵이 올바른 매칭을 찾는 데 더 도움이 되었습니다.
3. "짧은 신호"의 도전: 나노포어 시퀀싱은 특별합니다. 왜냐하면 DNA 전체가 다 읽히기 전, 즉 노래가 끝나기 전에도 결정을 내릴 수 있기 때문입니다. 이를 "적응형 샘플링(adaptive sampling)"이라고 합니다. 연구진은 인간 게놈의 변이가 심한 부분(HLA-DRB1)을 통해 이를 테스트했습니다.
   • DNA가 표준 참조 모델과 매우 다를 때(최대 41% 차이), 기존의 단일 참조 방식은 신호가 아주 짧은 경우(단 1개의 신호 덩어리만 있을 때) 많은 리드를 놓쳤습니다.
   • 그래프를 사용하는 파노맵은 이러한 리드들을 여전히 찾아낼 수 있었습니다. 가장 차이가 큰 DNA의 경우, 단 첫 번째 신호 덩어리만 사용했을 때 파노맵의 성공률은 단일 참조 방식의 0.610에서 그래프 사용 시 0.891로 급증했습니다.

똑똑함의 대가

이 똑똑한 사서가 비싼 값을 치러야 할까요?

• 메모리 (인덱스 크기): 연구진은 컴퓨터가 보유해야 하는 "라이브러리 인덱스"의 크기를 측정했습니다. 파노맵의 인덱스는 라이브러리가 커짐에 따라 매우 느리게 증가했습니다. 라이브러리에 7개의 버전을 더 추가했을 때(1개에서 8개로 확장), 효모 데이터의 경우 인덱스 크기가 약 2.2배, 복잡한 커뮤니티 혼합물의 경우 약 3.4배만 증가했습니다. 반면, 동일한 데이터를 반복해서 저장해야 했던 기존 도구(RawHash2)는 거의 7.3배나 증가했습니다.
• 속도: 파노맵은 빠르지만 마법처럼 빠르지는 않습니다. 8개 버전이 포함된 매우 복잡한 데이터셋에서, 파노맵은 리드당 약 4.7 밀리초가 걸린 반면, 가장 빠른 도구는 2.5 밀리초가 걸렸습니다. 저자들은 파노맵이 현재 "경쟁력 있는" 수준이지만, 그래프의 분기점들을 확인하는 데 시간이 조금 더 걸린다고 언급했습니다. 그들은 향-후 버전에서 이를 더 빠르게 만들 수 있다고 제안합니다.

파노맵이 아닌 것

이 도구가 아직 하지 못하는 기능들도 명확히 알아두어야 합니다.

• 파노맵은 "노이즈"가 섞인 신호 문제를 완벽하게 해결하지는 못합니다. 논문은 가공되지 않은 전기 신호를 디지털 "토큰"(소리 파형을 글자로 바꾸는 과정)으로 변환하는 과정이 여전히 까м 까다롭다는 점을 인정합니다. 만약 신호가 잘못 나누어지거나 토큰이 잘못된 문자로 할당되면, 지도가 혼란스러워질 수 있습니다.
• 모든 상황에 적용되는 "완성된" 문제는 아닙니다. 저자들은 그래프 상의 경로를 연결하는 방식이 효과적이긴 하지만, 향후 그래프 상의 거리를 측정하는 더 나은 방법이 존재할 수 있다고 제안합니다.
• 모든 용도에 대해 베이스콜링(신호를 A, C, G, T로 번역하는 과정)을 완전히 대체하는 것은 아닙니다. 이 도구는 번역이 일어나기 전에 결정을 내리도록 설계되어 시간과 컴퓨터 자원을 절약하는 데 목적이 있습니다.

결론

파노맵은 가공되지 않은 나노포어 신호를 범유전체 그래프에 직접 매핑하는 데 성공한 최초의 도구입니다. 이는 당신이 찾고자 하는 것을 찾기 위해 모든 변이된 게놈을 별도로 저장할 필요가 없다는 것을 증명합니다. 공유된 서열은 단일 경로로, 변이는 분기로 처리함으로써, 파노맵은 라이브 DNA가 표준 참조 모델과 완벽히 일치하지 않는 "거친 리믹스"일지라도 라이브러리를 작고 빠르게 유지하며 정확한 결과를 찾아냅니다.

저자들은 이러한 접근 방식이 신호 공간 매핑(signal-space mapping)에 "집단 인식(population-aware)" 사고를 가져왔다고 결론지으며, 인류와 박테리아의 다양성을 담은 더 크고 복잡한 지도를 구축함에 따라 파노맵과 같은 도구가 필수적일 것이라고 시사했습니다.