정밀의학은 모든 환자에게 동일한 치료법을 적용하던 기존 방식에서 벗어나 유전체 정보, 생활 습관, 가족력 등 개별 데이터를 기반으로 최적화된 치료를 제공하는 맞춤형 의학입니다. 이를 구현하기 위해서는 방대한 양의 임상 정보를 분석하고 치료 결과를 예측하는 시스템이 필수적이며, 최근에는 고차원 데이터를 효율적으로 처리하기 위해 기계학습 알고리즘이 널리 활용되고 있습니다. 데이터 기반의 기계학습 모델은 스스로 경험을 통해 성능을 개선하며 새로운 환자 정보가 주어졌을 때 최적의 전략을 제시합니다.

정밀의학의 핵심은 우리 몸의 모든 유전 정보를 담고 있는 유전체(게놈), 즉 유전체 데이터를 정확히 이해하는 데 있습니다. 세포 내 염색체에 위치한 유전체는 아데닌(A), 사이토신(C), 타이민(T), 구아닌(G)이라는 네 가지 염기가 사슬처럼 연결된 거대한 염기서열 정보의 총합입니다. 이 염기서열의 차이가 개인의 형질과 질병 발생에 결정적인 영향을 미치기 때문에, 유전체 정보를 정밀하게 읽어내고 변이를 분석하는 과정은 현대 의학 연구에서 가장 기본적이면서도 중요한 토대가 됩니다.

유전체 정보를 읽어내는 기술은 영국의 과학자 프레데릭 생어에 의해 본격적으로 시작되었습니다. 그는 DNA를 복제할 때 화학적으로 변형된 염기를 추가하여 염기서열의 합성을 중단시키는 영리한 전략을 개발했습니다. 이렇게 생성된 다양한 길이의 DNA 조각들을 전기장에 흘려보내면 무게와 길이에 따라 이동 속도가 달라지는데, 이 속도 차이를 이용해 아래에서 위로 염기를 순차적으로 읽어낼 수 있습니다. 1977년에 보고된 이 획기적인 방식은 유전체 연구의 시대를 열었지만, 인간의 방대한 염기쌍을 분석하기에는 속도 면에서 한계가 있었습니다.

샷건 시퀀싱은 산탄총 안에 작은 구슬들이 어마어마하게 많이 들어 있어 한 번에 다양한 표적을 노릴 수 있다는 개념을 빌려온 것입니다.

30억 쌍에 달하는 인간 유전체를 효율적으로 읽기 위해 과학자들은 긴 유전체를 잘게 쪼개어 병렬로 분석한 뒤 재조합하는 샷건 시퀀싱 기술을 고안해냈습니다. 이 기술을 바탕으로 1990년부터 거대 예산이 투입된 공공 부문의 인간 게놈 프로젝트가 시작되었으나, 이후 사설 기업인 셀레라 지노믹스와의 치열한 해독 속도 경쟁이 벌어지기도 했습니다. 결국 양측의 기술적 진보와 갈등 조정 끝에 2001년 인간 유전체 지도의 초안이 동시 발표되었고, 2003년에는 마침내 인류 최초의 완성된 인간 유전체 지도가 세상에 공개될 수 있었습니다.

오늘날의 유전체 연구는 차세대 염기서열 분석(NGS) 기술의 등장으로 또 한 번의 비약적인 도약을 이루었습니다. 일루미나 등의 기업이 주도하는 이 기술의 핵심은 분석하려는 유전체를 미세하게 파쇄한 뒤 유리판 위에서 수많은 데이터를 동시에 읽어내는 병렬화 전략에 있습니다. 기존의 생어 방식과 비교했을 때 NGS는 데이터 생산량이 약 1,000만 배 이상 증가했으며, 소요 시간과 비용은 획기적으로 줄어들었습니다. 이러한 고도의 분석 기술은 현재 정밀의학의 이론적 가능성을 실제 의료 현장에서 구현하는 강력한 도구가 되고 있습니다.