이형주 Hyeongju Lee

공개 레퍼런스로
유전체 변이를 주석하는 시스템

개인 유전체 변이(VCF, 칩 어레이)를 공개 레퍼런스와 이어 질병·형질 위험도, 집단별 빈도, 관련 의약품·한약재 정보를 주는 시스템입니다. 분석 알고리즘은 회사에서 팀장과 함께 설계했고, 파이프라인·백엔드·프런트엔드 구현과 배포는 제가 했습니다. 경희대 한의대와 캐나다 바이오 연구소가 함께한 국제 협업 과제였습니다.

기간
2022.08 – 2023.09비전인사이드 · 사내 과제
역할
파이프라인·백엔드·프런트엔드 구현Docker 배포 포함
설계
알고리즘은 팀장과 함께UI 디자인은 캐나다 연구소 디자이너
결과
운영서버 배포, 내부 IP 전용정식 공개 서비스는 아님
SQL 조인 주석4단계위치·염기 또는 rsID로 레퍼런스를 차례로 연결
1000 Genomes26개 집단대립유전자 빈도 비교
배포Docker· HarborKorea IDC 운영서버, 사설 레지스트리 직접 구축

아키텍처

입력에서 리포트 API까지의 흐름입니다. 노드를 누르면 그 노드를 지나는 경로와 담당이 나옵니다.

직접 구현 함께한 작업 다른 주체 입력·외부 데이터
  1. 01입력
    • 입력
      시퀀싱 원본 데이터(FASTQ). 변이 호출 파이프라인의 입력입니다.
    • 입력
      고객이 올리는 VCF 파일 또는 유전자 칩(array) 결과 파일.
    • 데이터
      dbSNP(GRCh37, GRCh38), 1000 Genomes, GWAS Catalog, UniProt.
  2. 02처리
    • 한 일
      FASTQ → BWA → samtools → Picard → GATK → VCF 파이프라인 구현.
      다른 주체
      파이프라인 알고리즘은 회사에서 팀장과 함께 설계했습니다.
      기술
      • BWA
      • samtools
      • Picard
      • GATK
    • 한 일
      고객 VCF·칩(array) 입력을 PyVCF로 읽어 주석에 쓰는 입력 테이블로 정리. 칩 입력은 rsID로 dbSNP에서 위치 키를 찾습니다.
      기술
      • PyVCF
      • Python
  3. 03저장
    • 한 일
      dbSNP, 1000 Genomes, GWAS Catalog, UniProt을 MySQL로 구축. 염색체 단위로 파일을 나누고(sed, split) pandas 청크와 SQLAlchemy로 나눠 적재.
      기술
      • MySQL
      • pandas
      • SQLAlchemy
      • sed · split
  4. 04주석
    • 한 일
      dbSNP·1000 Genomes는 염색체·위치·REF·ALT 키로, GWAS Catalog는 rsID와 위험 대립유전자로, UniProt은 변이 ID와 대립유전자로 붙이는 4단계 SQL 조인. GWAS 오즈비·베타값 기반 규칙형 위험점수, 1000 Genomes 26개 집단 대립유전자 빈도 비교, 질환별 의약품·한약재 정보(MedlinePlus, MeSH, ATC, PharmDB-K, OASIS) 연결.
      참고
      질환과 한약을 잇는 LDA·1D-CNN 모델은 프로토타입 실험에 그쳤습니다.
      기술
      • SQL
      • MySQL
      • Python
  5. 05서빙
    • 다른 주체
      화면 디자인은 캐나다 바이오 연구소의 디자이너가 맡았습니다.
      한 일
      디자이너와 요구사항을 조율하고, 한국과 캐나다 팀 사이의 기술 소통을 맡았습니다.
    • 한 일
      리포트를 FastAPI JSON API로 제공하고 사용자 화면(프런트엔드)도 개발. 웹 화면을 떼어 내 프런트엔드가 쓰는 JSON API로 정리.
      기술
      • FastAPI
      • JSON API
    • 한 일
      Korea IDC의 Ubuntu 운영서버에 Harbor 사설 레지스트리를 직접 구축(인증서, 도메인, Let's Encrypt)하고 Docker 이미지로 배포. 운영서버는 내부 IP로만 접근하게 두었습니다.
      기술
      • Docker
      • Harbor
      • Ubuntu
      • Let's Encrypt
개선서버 안에서 그리던 웹 화면 → 프런트엔드용 JSON API로 분리
결과운영서버 배포 후 내부 IP 전용으로 운영서비스 코드는 정리해 공개

레퍼런스

주석에 쓴 공개 데이터입니다.

1000 Genomes
26개 집단 대립유전자 빈도
dbSNP
GRCh37 · GRCh38, 식별자와 위치
GWAS Catalog
질병·형질 연관과 오즈비
UniProt
단백질 변이와 임상 의미

적재와 주석 방법

한 번에 올릴 수 없는 크기를 나눠서 넣었습니다.

dbSNP와 1000 Genomes 원본 VCF는 한 번에 올릴 수 없을 만큼 커서, 염색체 단위로 파일을 나누고(sed, split), pandas 청크와 SQLAlchemy로 조금씩 나눠 적재했습니다.

주석은 레퍼런스 테이블을 차례로 붙이는 4단계 SQL 조인입니다. dbSNP와 1000 Genomes는 염색체·위치·REF·ALT를 이은 키로, GWAS Catalog는 rsID와 위험 대립유전자로, UniProt은 변이 ID와 대립유전자로 붙입니다. 칩 입력은 rsID로 dbSNP에서 위치 키를 찾습니다.

책임 범위

설계를 함께한 부분과 제가 구현한 부분을 나눠 적었습니다.

제가 구현·배포한 것

  • 변이 호출 파이프라인 구현 (FASTQ → BWA → samtools → Picard → GATK → VCF)
  • 고객 VCF·칩 어레이 입력 처리 (PyVCF)
  • 공개 레퍼런스 적재와 4단계 SQL 주석
  • GWAS 오즈비 기반 질병·형질 위험점수, 집단별 빈도, 질환별 의약품·한약재 정보
  • FastAPI JSON API와 리포트 프런트엔드(사용자 화면)
  • Docker 배포, Harbor 사설 레지스트리, 도메인·HTTPS
  • 한국과 캐나다 팀 사이의 기술 소통, 캐나다 연구소 디자이너와 요구사항 조율

함께하거나 다른 주체가 한 것

  • 팀장과 함께 · 파이프라인 알고리즘 설계
  • 캐나다 연구소 디자이너 · UI 디자인
  • 경희대 한의대 · 캐나다 바이오 연구소 · 국제 협업 과제의 파트너

배포와 한계

무엇이 운영됐고, 무엇이 실험에 그쳤는지입니다.

  1. Harbor와 Docker로 배포

    방법
    Korea IDC의 Ubuntu 운영서버에 Harbor 사설 레지스트리를 직접 구축하고(인증서, 도메인, Let's Encrypt), 이미지를 올려 Docker로 배포했습니다.
    레지스트리
    직접 구축한 Harbor 레지스트리로 운영 배포를 했고, 같은 레지스트리로 개발팀장과 Kubernetes 테스트 환경도 구성했습니다.
    정리
    웹 화면을 떼어 내고 프런트엔드가 쓰는 JSON API로 정리했습니다.
  2. 한계

    점수
    위험도는 GWAS 오즈비·베타값을 쓰는 규칙형 점수입니다. 머신러닝 예측이 아닙니다.
    모델
    질환과 한약을 잇는 LDA와 1D-CNN 모델은 프로토타입 실험에 그쳤습니다.
    공개
    운영서버에 배포한 뒤에도 내부 IP로만 접근하게 두었습니다. 정식 서비스로 공개되지는 않았습니다.
  • Python
  • SQL
  • FastAPI
  • MySQL
  • pandas
  • SQLAlchemy
  • PyVCF
  • BWA
  • samtools
  • Picard
  • GATK
  • Docker
  • Harbor
  • Ubuntu
연락

채용·협업 문의는 이메일로 받습니다.

데이터 엔지니어링, 백엔드, 비전 데이터 파이프라인 직무를 찾고 있습니다.

2027년 3월 석사 졸업 예정