1 개요
대량으로 생산되는 생물학 관련 데이터를 컴퓨터로 분석하는 분야이다. 이 때, 생물학 관련 데이터는 마이크로 어레이 데이터, 논문 데이터, RNA-seq. 데이터, 이미징 데이터 등을 포함한다. 주로 사용되는 컴퓨터 언어/도구는 현재 R 이며, 오래 전에는 perl이었다. 파이썬/자바 등도 종종 사용된다. 많은 경우 그렇듯 속도가 특히 중요한 경우 자주 C/C++/fortran 으로 작성되기도 하며, R의 경우도 많은 패키지가 C/C++/fortran 등으로 작성되기도 한다.
2 역사
변변찮은 실험 도구를 이용하여 실험을 하던 생물학의 초기 단계에선 기껏해야 엑셀 등의 프로그램으로 분석이 가능한 데이터들이 느린 속도로 만들어지고 있었다. 1990년대부터 기기 등의 발달이 생물학에 서서히 영향을 주기 시작, 1990년대 후반부터 서서히 대용량의 생물학 데이터들이 만들어지기 시작한다. 세계적으로 가장 잘 알려진 예는 인간 유전체 프로젝트(Human Genome Project, HGP)로, 사람의 모든 염색체의 서열을 알아 낸 것이었다. 이 때, 한 번에 한 개의 염색체를 전부 서열분석(sequencing)을 할 수 없기 때문에, 잘려진 DNA 조각들을 개별적으로 서열을 알아 낸 후, 양 끝의 겹치는 서열을 이용하여 조합하는 식으로 전체 염색체의 서열을 알아 내는 식으로 분석하였다. 염색체의 길이가 매우 크기 때문에 이 작업에 컴퓨터가 필수 불가결하였다.
이 즈음 (2000년대 초반) 세포 안에 발현되어 있는 모든(이론적으로) 메신저 RNA(mRNA)의 양을 한 번에 측정해 내는 기술인 마이크로어레이가 개발되어 널리 사용되기 시작하였다. 대략 1만개에서 2만개 정도 되는 유전자에 대하여 그들의 모든 양을 한 번의 실험으로 측정할 수 있게 된 것이다. 즉, 변수의 개수가 1~2만개 정도 되는 여러 문제들이 탄생한 것이다.
그 이후, promoter methylation, SNP, RNA-seq. 등에 의한 대량 데이터는 계속적으로 생산되고 있다. 특히 세포 내에 존재하는 여러 종류의 RNA의 서열을 직접 분석해서 정량하는 기술인 RNA-seq.에 의해 엄청난 양의 데이터들이 생산되고 있다. 어느 센터(?)에서는 하루에 12TB (12,000GB) 정도의 RNA-seq. 데이터가 만들어지고 있다고 한다. 한 사람의 모든 염색체의 서열 역시 하루이틀이면 되는 시점에 이르렀다. 이러한 양의 데이터를 분석하는 것이 생물정보학의 주요 임무이다. 실제로 현재 구글/아마존/IBM/한국통신 등이 이러한 생물학 데이터의 저장/분석에 사활을 걸고 있는 실정이다. 현재 아마존에서는 1000 genome project를 통해 나오는 데이터를 얹어 놓은 기계를 공개했다.
3 기타
시스템 생물학(systems biology)/컴퓨터 생물학 등 과 유사한 의미로 사용되기도 한다. 이 분야들 모두 명확한 경계에 대한 합의가 있는 것이 아니기 때문에 발생하며, 따라서, 적절한 혼용이 허용되곤 한다. 약간의 구분을 굳이 해보자면 시스템 생물학은 생물정보학/computational biology 보다는 좀 더 학문적 성격을 가지며 전자의 경우 시스템의 동역학를 다루는 측면이 강하고, 후자의 경우 만들어진 데이터의 정리/분석을 주요 목표로 한다. 시스템 생물학은 동역학적 관점을 포함하는 경우가 있기 때문에 상미분방정식(ODE, ordinary differential equation) 등을 이용한 모델링이 사용되곤 한다. 초기에는 생물정보학이 동역학을 이용한 모델링도 포함하였으나 시간에 감에 따라 이를 독립시켜 시스템 생물학이란 분야로 간주하기 시작했다.