TL;DR

  • 생물학 데이터가 폭발적으로 늘어나 효율적인 분석이 뒤처진다는 문제의식이 1967년부터 2025년까지 반복되며, 생물정보학의 초록이 수십 년째 비슷한 내용을 담고 있음.
  • Margaret O. Dayhoff는 1967년 각 서열에 진화 역사와 생화학적 기능에 관한 정보가 담겨 있고 알려진 서열 수가 급증한다고 지적함.
  • 1980~1990년대에는 대규모 서열 데이터베이스 검색의 효율성, 컴퓨터 활용 능력, 데이터베이스의 급성장과 중복성이 주요 문제로 다뤄짐.
  • 당시 서열 데이터 규모는 1997년 GenBank의 6.7Mb·9,700개 서열에서 1,000Mb 초과·160만 개 이상 서열로 늘어났으며, 1999년에는 한 해 동안 77만 개 서열이 추가됨.
  • 2007년 대규모 병렬 시퀀싱이 기존 장비의 처리량을 크게 넘어섰고, 2025년에도 서열 데이터의 축적 속도가 효율적인 분석 역량을 앞선다는 진단이 이어짐.

1967년: 폭발적 증가

  • Margaret O. Dayhoff는 각 서열에 진화 역사와 생화학적 기능에 관한 막대한 정보가 내포돼 있고, 알려진 서열 수가 폭발적으로 증가한다고 씀.
  • Margaret Dayhoff의 『Atlas of Protein Sequence and Structure』는 1965년 100쪽으로 시작해 1969년 400쪽으로 늘어남.

1983년: 효율적인 방법의 필요성

  • Wilbur와 Lipman은 단백질 및 핵산 서열 대형 데이터베이스가 생겨나면서, 주어진 서열과 유사한 서열을 효율적으로 검색할 방법의 필요성이 분명해졌다고 씀.

1985년: 200개 잔기 서열 검색에 2분 미만

  • Lipman과 Pearson은 아미노산 200개로 이뤄진 서열을 국립생의학연구재단(National Biomedical Research Foundation) 라이브러리의 50만 개 잔기와 비교하는 데 미니컴퓨터로 2분 미만, IBM PC로 10분 미만이 걸린다고 설명함.
  • 당시 단백질 전체의 규모는 50만 개 잔기였으며, 2분 검색은 빠른 작업으로 여겨짐.

1991년: 생물학자의 컴퓨터 활용 능력

  • Walter Gilbert는 컴퓨터 네트워크를 통해 지식의 홍수가 밀려올 것이며, 그 지식을 활용하려면 생물학자가 컴퓨터 활용 능력을 갖추는 데 그치지 않고 생명을 이해하는 접근 방식도 바꿔야 한다고 주장함.

1994년: 계속되는 정보 폭발

  • Altschul 등은 1970년대 중반 고속 DNA 시퀀싱 기술의 등장으로 시작된 정보 폭발이 계속되고 있다고 씀.

1997년: 기하급수적 데이터 증가

  • Ouellette와 Boguski는 DNA 서열 데이터의 기하급수적 증가가 최종 사용자와 데이터베이스 큐레이터 모두에게 과제가 됐다고 지적함.
  • 이들이 대학원 과정을 마칠 무렵 GenBank 릴리스 42에는 9,700개 서열, 6.7Mb가 수록돼 있었지만, 글을 쓰는 시점에는 1,000Mb 초과, 160만 개 이상 서열로 늘어남.

1998년: 빠르게 커지는 데이터베이스

  • Holm과 Sander는 이용 가능한 서열 데이터베이스가 빠르게 성장하고 내용이 부분적으로 중복돼 CPU 자원 부담이 커지고, 직접 확보한 주석 정보의 밀도가 낮아진다고 설명함.

1999년: GenBank의 기하급수적 성장

  • Benson 등은 GenBank가 기하급수적으로 계속 성장하고 있으며, 직전 12개월 동안 서열 77만 개가 추가됐다고 씀.
  • 당시 GenBank에는 완성된 서열 기준 약 1.8개 게놈 상당량, 미완성 서열 기준 약 1.8개 게놈 상당량이 수록됨.

2007년: 대규모 병렬 시퀀싱

  • Clyde Hutchison은 기존 방법인 디데옥시 방식의 우위에 도전하는 새로운 방법들이 등장했으며, 이들의 공통점은 대규모 병렬 처리라고 설명함.
  • 단일 실험에서 얻는 서열 읽기 수가 당시 모세관 전기영동 기반 Sanger 시퀀서의 96개보다 훨씬 많아짐.

2025년: 분석 역량을 앞선 데이터 축적

  • Chikhi 등은 생명 다양성의 범위가 헤아리기 어려우며, 공개 핵산 시퀀싱 데이터가 지구 전반의 유전적 다양성 분포와 진화를 살펴볼 창을 제공한다고 씀.
  • 이들은 서열 데이터의 급속한 증가와 축적이 효율적인 분석 역량을 앞섰다고 진단함.