본문내용 바로가기 메인메뉴 바로가기

사회경영

홈 사회경영기업 소식

기업 소식

WGCNA 분석부터 단백질 구조까지, RNA-seq 결과를 기능 연구로 확장하다
  • 등록일 2026-10-16

WGCNA 분석부터 단백질 구조까지, 
RNA-seq 결과를 기능 연구로 확장하다

 

WGCNA 분석 RNA-seq 기능 연구 확장 씨더스

 

 

유전자 발현 데이터에서 핵심 후보를 찾고, 단백질의 기능과 작용 가능성까지 살펴보는 분석

RNA-seq 분석을 통해 수많은 유전자의 발현 정보를 확보했다면, 다음으로는 어떤 유전자에 주목하고 이를 어떻게 연구로 연결할 것인지 고민해야 합니다.

이때 활용할 수 있는 방법 중 하나가 ‘WGCNA(가중 유전자 공발현 네트워크 분석)’입니다.

WGCNA는 비슷한 발현 패턴을 보이는 유전자들을 하나의 모듈로 묶고, 관심 있는 조건이나 형질과의 관계를 분석해 우선적으로 살펴볼 후보 유전자와 발현 시점을 찾는 데 도움을 줍니다.

여기에 단백질 도메인 분석과 구조예측을 더하면 연구의 범위를 한 단계 더 넓힐 수 있습니다.

선별한 단백질 코딩 유전자의 아미노산 서열과 구조·기능 정보를 활용해 단백질이 어떤 방식으로 작용하고, 어느 부위에서 어떤 상호작용을 할 수 있을지 구체적인 가설을 세울 수 있기 때문입니다.

이번 글에서는 RNA-seq 발현 분석을 시작으로 WGCNA, 단백질 도메인 분석, 구조예측까지 이어지는 과정을 살펴보겠습니다.

각 분석이 어떤 정보를 제공하며, 그 결과가 연구자의 다음 실험과 기능 연구를 설계하는 데 어떻게 활용될 수 있는지 함께 알아보겠습니다.
 

 

RNA 시료 준비: 조직·시점·반복을 먼저 설계하다

식물의 RNA 발현은 조직과 발달 단계, 처리 조건에 따라 달라집니다.

비교할 조직과 채취 시점을 정하고, 독립적인 생물학적 반복을 확보하며, 채취·보관 과정에서 RNA가 잘 보존되도록 준비해야 합니다.

추출 후에는 농도뿐 아니라 순도와 무결성도 확인합니다.

 

WGCNA까지 계획한다면 샘플 수와 조건 구성을 함께 검토합니다.

여러 샘플에서 나타나는 유전자 간 발현 상관관계로 네트워크를 구성하기 때문에, DEG 분석에 사용한 자료라도 공발현 분석에도 사용할 수 있는 샘플 수와 조건을 설계하는게 중요합니다.

 

 

RNA-seq 데이터 생산과 발현량 정량

일반적인 RNA-seq 실험은 RNA 품질 확인, 라이브러리 제작, 시퀀싱, 서열 품질관리와 정량을 거쳐 유전자별·샘플별 발현 데이터를 만듭니다.

이후 발현 변화가 어떤 조건과 관련되는지 해석할 수 있습니다.

 

WGCNA RNA 발현 데이터

 

DEG·GO·KEGG로 발현 차이와 기능을 해석하다

DEG는 처리군과 대조군처럼 정해진 비교에서 발현량이 달라진 유전자를 찾는 분석입니다.

발현 변화의 크기와 통계적 근거를 함께 보고, GO·KEGG를 활용해 관련 유전자들이 어떤 기능이나 경로에 모이는지 살펴봅니다.

DEG와 WGCNA는 발현 자료에서 출발하지만 질문이 다릅니다.

따라서 DEG 목록만을 WGCNA의 필수 입력으로 삼기보다, 낮은 발현과 변동성 등을 검토해 각 분석에 적합한 입력을 구성하고 결과를 함께 해석하는 편이 적절합니다.

 

 

WGCNA 분석, 먼저 검정할 유전자와 조건을 좁히다

 여러 샘플에서 비슷하게 변하는 유전자를 모듈로 묶고, 모듈의 대표 발현 패턴을 처리 조건이나 대응하는 형질값과 비교합니다.

그중 관심 반응과 연결된 모듈의 hub gene 후보를 살피면, 많은 유전자 전체를 같은 비중으로 검정하는 대신 우선순위를 정할 수 있습니다.

어느 조직·시점에서 후보를 다시 확인할지도 발현 패턴을 바탕으로 구체화합니다.

 

WGCNA 유전자 발현 패턴 RNA 데이터

 

 

RNA-seq 심화분석의 결과는 ‘다음 실험의 설계’입니다

WGCNA로 검토할 유전자와 조건을 좁히고, 도메인·구조 분석으로 기능 가설과 작용 부위를 살피며, 필요에 따라 검정할 상대를 정합니다.

모든 분석을 한꺼번에 수행하는 것이 아니라, 지금의 연구 질문에 답을 더하는 분석을 선택하는 것입니다.

RNA 발현의 차이를 발견하는 것은 시작에 불과합니다.

어떤 후보 유전자를 왜 선택했는지, 어느 조직과 시점에서 어떤 기능을 검정할 것인지 설명할 수 있을 때 비로소 분석 결과는 연구의 방향을 결정하는 근거가 됩니다.

씨더스는 앞으로도 RNA-seq 분석에서 얻은 데이터가 단순한 결과표에 머무르지 않고, 기능 연구와 후속 실험을 설계하는 데 활용될 수 있도록 연구자의 다음 단계를 함께 고민하겠습니다.

 

데이터에서 가능성을 발견하고, 그 가능성을 검증할 수 있는 연구로 연결하는 것.

씨더스가 RNA-seq 심화분석을 통해 만들어가고자 하는 가치입니다.

 

 


DATA IS REAL

씨더스는 데이터와 AI로 더 건강한 먹거리를 제안하는 기업입니다.

위로 이동