랩미팅 피드백5

작성 날짜 : 2023.06.21.수

 

 

대표적인 Skin microbiome의 시퀀싱 영역에 대한 논문을 보면 피부에서 중요한 Staphylococcus, Streptococcus를 검출하기 위해서 V1 V3 영역이 가장 좋다고 알려져 있다.  그러나 실제로 V1V3을 사용한 연구는 많지 않다. 

 

이에 관해서는 실제 데이터를 받고 나서 깨달았다. V1V3는 다른 영역에 비해 길이가 길기 때문에 국내 회사의 시퀀싱 기계로는 잘 검출되지 않는다. 정확히 말하면 Read 수는 괜찮은데 적당한 퀄리티를 보장할 수 없었다. 

 

V34가 Raw data대비 전처리 후의 데이터가 각 70~80%의 수율을 가진다면, V1V3는 20~10% 정도뿐이었다. 

결국 교수님께서 V34를 보거나 16S full length를 사용하기로 결정하였다.

 

이후 기존에 받았던 V1V3의 퀄리티를 향상하기 위해 재 시퀀싱에 들어갔으며, 수율이 20~30%으로 향상된 결과를 얻었다. 즉, 새로운 데이터로 기존 데이터에 사용된 분석을 다시 한번 반복해야 한다. 이미 한 번 해본 작업들이지만 이 모든 게 다음 주까지 가능할지 의문이다. 빨리 좀 더 수월한 자동화 함수를 개발해야겠다. 

 

 

--

 

# 새로운 데이터 분석 전에 

- 임상데이터에서 각 변수간 상관관계 분석 먼저 -> 관련이 없다는 결론이면 메인 데이터 비교로

- 이 데이터가 무결한지 검증하는 것이 매우 중요. 

 

# 미팅에서 보여주는 자료

- 일단 낮은 해상도부터 보기 : 각 질병에 관한 연구는 Species와 그보다 세부적인 strain을 보는 것이 중요하지만 경향을 보는 연구는 Phylum -> Genus까지만 해도 충분

 

--

 

# 논문 작성 시 

- 분야에서 좋은 저널에 실리고 주제가 가장 유사논문에서 시작하는 것이  좋다. 1~2개 정도 모티브로 삼아라. 당연하지만 Discussion에서 차이를 두어야 한다.

- 대표 Reference 논문을 이미 알려진 사실, 우리의 데이터를 새로운 사실이라고 서술

- 이미 모두가 아는 사실을 Introduction에 적을 필요는 없다

- Methods -> Results -> Discussion순서가 본인의 데이터를 한번 더 정리할 수 있어서 좋긴 하다

- Discussion은 적어도 2-3장이 되어야 연구 논문이지

- 이 데이터로 논문을 적을 수 있을까 의문이 생기지만 얼마든지 가능하다. 이 데이터에서 최대한 의미를 낼 수 있는 것을 먼저 생각하고, 그 후에 덜어내라

 

# Figure 관련 

- 논문의 데이터 라벨링 방식을 결정 (통일성)

- 중복된 데이터가 많으면 좋지 않음. 그렇다고 한 장에 너무 많은 데이터를 보여주는 것도 안 좋다