국가생명연구자원정보센터(KOBIC)의 박기정센터장님 인터뷰

　

1. 현재 박사님께서는 국가생명연구자원정보센터의 센터장으로 계시는데요. 정부차원에서 우리나라의 생명정보를 관리하고 통합하는 역할을 하는 국가생명연구자원정보센터(KOBIC)와 국가생명연구자원정보센터(KOBIS)에서 구축한 국가생명연구자원 통합정보시스템에 대한 간략한 설명을 부탁 드리겠습니다.

　

  크게 두 가지 역할을 맡고 있습니다. KOBIC이 국가유전체정보센터로 출범할 때부터 주어진 한국의 생물정보중심센터로서의 역할과 생명연구자원법에 근거해서 2010년부터 주어진 국내의 생명연구자원에 대한 정보를 통합 및 관리하는 역할입니다. 현재 KOBIC 이름이 두 번째 역할을 나타내고 있으며, 구조적으로는 첫 번째 역할이 두 번째 역할에 포함되기도 합니다.

　

  KOBIC은 생명연구자원센터로 미생물, 인체 유래물 등을 분양하고 보존하는 역할을 합니다. 사용하시는 연구자들의 입장에서 산재되어 있는 정보들을 통합하기 위해, 자원정보시스템(KOBIS)를 개발, 구축 중에 있으며, 13년 05월 1단계가 종료되었고 추후 보완할 예정입니다. 국가적인 입장에서 부처별로 산재되어 있는 정보들을 통합하는 일이 중요한데, 이 일을 KOBIS가 하게 될 것입니다. KOBIS에 등록된 수는 각 부처별로 가지는 의미가 다르기 때문에 중요치 않는데, 그 이유는 어떤 부처에서는 종 보존에 의미를 두어 각 품종 별 샘플 수가 중요할 수도 있고, 종 다양성의 측면에서는 다양한 종의 정보를 가지고 있는 것이 중요하기 때문입니다. 현재 실무를 보는 관리기관에 산재되어 있는 정보를 정보센터에서 통합하고 검색 시 호환이 되도록 하기 위해 간단한 인터페이스로 표준화시키는 작업을 하고 있습니다. 차차 실무기관과 지속적인 수정이 이루어져야 할 것입니다.

　

  2001년 유전제 연구센터로 문을 연 KOBIC은 크게 기능별로 자원정보통합구축, 분석시스템 개발, 데이터분석(인간, 동식물)으로 나눌 수 있으며, 실물과 정보, 또 생명정보로 따로 진행되어 온 것을 장기적으로 연관성을 찾고 마이닝을 통해 결합하는 역할을 할 것입니다. 이를 위해 생명 정보연구를 위한 시스템으로서 KOBIS를 구축 중에 있습니다. KOBIC의 가장 주된 업무는 서열 분석이 대부분이며, 분석지원 서비스를 하고 있습니다. 간단한 것들은 단기간에 분석지원을 해드리고, 복잡한 것은 장기간의 분석지원이나 공동연구를 통해 연구논문화까지 함께 진행을 하는 경우도 있습니다. 서비스는 신청 후 내부회의를 검토하여 결정됩니다.

　

　
  2009년 제정된 생명연구자원법에 의해 KOBIC이 생명연구자원에 대한 범부처적 정보통합을 수행하는 책임기관으로서의 역할을 맡게 되면서부터 그에 해당하는 인프라과제를 수행하게 되었습니다. 2013년 5월말로 현재 3년 1단계가 종료되어 구축된 시스템인 KOBIS를 일반에 공개한 상태입니다. 막 공개한 상황이라서 아직은 인지도와 활용도가 높지 않아 이런 인터뷰 등의 기회를 통해 연구자들에게 알리고 사용자들의 요구를 받아 기능을 보완 및 확장할 계획입니다. 2단계가 2016년 말까지인데, 통합정보의 확장 외에도 데이터 마이닝을 통한 관련 정보의 발굴과 유전정보 데이터베이스와의 정보 연계 등을 수행해 나갈 계획입니다.

　

  KOBIS는 시범적으로 지난 달에 오픈을 하여 아직 홍보를 한 적은 없습니다. 일반 연구자에게 5월말에 오픈되었고, 인터뷰하는 오늘 시연회를 가질 예정입니다. KOBIS는 무슨 정보가 어디에 있는지 알려주는 1차 정보 뿐만 아니라, 문헌의 추가정보인 데이터베이스의 위치를 추가적으로 알려주게 됩니다. 마치 구글처럼 빅데이터에 정보를 붙여 세부적 포커스로 진행된다고 할 수 있겠습니다. 홍보는 중장기 계획으로 수립될 예정이며, 서비스 상품이 부 정기적이더라 하더라도 소개할 예정입니다.

　

2. 최근 빅데이터라는 단어가 자주 사용되고 있습니다. 생명정보학 분야에 종사하는 입장에서 빅데이터는 무엇이며, 이를 잘 활용하기 위한 방법은 무엇이라고 생각하시는지요? 

　

  일반적으로 말하는 빅데이터와는 다른 것 같습니다. 엄청나게 큰 데이터의 마이닝을 통해 직접적으로는 예상되지 않던 유용한 예측을 하는 것이, 일반적인 빅데이터의 효용가치라면, 생물정보학에서는 이미 태생부터 알려진 대량의 데이터로부터 유용한 정보의 예측이라는 틀이 있었기 때문에, 비교적 이러한 빅데이터 처리의 방식이 오히려 익숙하다고 하겠습니다. 물론, 생물학 데이터로부터 생명현상에 대한 예측이라는 생물정보학의 기본 틀 외에도, 엄청난 유전정보로부터 사회적 현상의 예측 등의 빅데이터 활용분야와 그에 따른 기법은 앞으로 많이 개발이 될 것이라고 생각합니다.

　

  생물정보학에서 빅데이터 처리는 정확도와 속도라는 두 가지 상반되는 면이 동시에 현안이 되고 있습니다. 데이터가 기하급수적으로 증가하면서 기존의 분석계산이나 저장 방식으로 처리할 경우의 속도 등이 심각한 문제가 되고, 또한 생산되는 데이터들의 연관도가 증가하면서 데이터 복잡도 증가에 따라 속도뿐 아니라 이러한 연관도를 분석에 반영해서 정확도를 향상시키는 방식의 개선 또한 중요문제가 되고 있습니다. 결국 하드웨어적인 인프라의 확보도 중요하지만, 이를 활용하기 위한 소프트웨어적 해결책과 그 기반이 되는 원천기술의 개발이 점점 더 중요해지고 있습니다.

　

  빅데이터를 상업적 용도로 이용한다면, 고객을 찾아서 연결하는 것을 예를 들 수 있겠습니다. 유전자에 있어서는 가공에 우선적 가치를 둘 수 있겠고, 원래 큰 데이터였던 것을 연구자가 쓸 수 있도록 가공하는 것이 중요합니다. 하드웨어와 소프트웨어로 나눌 수 있겠는데, 하드웨어는 확보가 쉬우며, KOBIC 입장도 현재 서버들이 갖춰져 있고 늘리면 되지만, 소프트웨어적인 측면에서는 이들 하드웨어를 활용하는 기술이 따라가지 못하는 실정입니다. 예를 들어, 집에서 게임을 할 때, 컴퓨터가 집에 3대가 있더라도 빠른 컴퓨터 1대가 있는 것보다 게임속도가 빨라지는 것은 아니지만, 3대의 컴퓨터 능력을 동시에 활용할 수 있다면 게임 속도가 3배 가까이 훨씬 빨라질 수 있을 것입니다. 하지만, 생물정보학에서 이런 소프트웨어가 개발되기까지는 앞으로도 시간이 많이 소요됩니다. KOBIC에서는 이런 용도의 생물정보 분석소프트웨어 개발에 대한 연구를 진행하고 있습니다.  

　

3. tool별로 결과가 다르면 표준화를 거치면 되지 않을까요?

　

  생물정보학의 분석은 대부분 예측(prediction)에 해당합니다. 현재는 한 가지의 분석을 위한 프로그램이나 알고리즘들도 예측방법이나 평가기준이 다르기 때문에, 표준화는 쉽지가 않습니다. 현재 단계에서는 유전자 분석을 위한 생물정보학적 원천기술들이 계속 개발되고 있으므로, 추후에 표준화를 위한 작업들이 필요할 것 같습니다.

　

4. 그렇다면 생물정보학 분야의 다양화의 계기가 되는 것은 무엇이라고 생각하시나요?

　

  유전자 정보나 양이 많아지면서 연구자들이 하고 싶은 것이 많아질 것입니다. 그러나 인간게놈, 질병 치료 등 계속해서 기대는 많고 접근할 기술적 한계가 문제가 됩니다. 하나의 새로운 유전자를 발견하고 기존의 데이터베이스에 비교하던 예전과 달리, 현재는 유전체 단위로 대량의 데이터베이스와 비교하는 일이 가능합니다. epigenome, non-coding region 등의 실체들이 나타나며 새로운 일이 계속해서 생겨나고 복잡해지는 상황에서, 1차적인 데이터베이스 외에도 분석결과로 여러 기능적 데이터베이스를 발굴합니다. 분석의 종류나 데이터베이스의 종류도 많아지고, 여러 조합으로 인해 일은 복잡해지고 다양해지고 있습니다. 이런 상황을 장기적으로 대비하려면 생물정보학 전문 인력 양성이 중요합니다. KOBIC에서는 현재 단기적으로 1주일 단위의 교육이 이루어지고 있으며, 추후 중장기적으로 1~2달 단위의 교육과정도 세울 계획에 있습니다. Bioinformatics 분야는 수요는 많으나 전문인력 양성에 시간이 많이 걸리는 단점이 있어, 인력 양성이 무엇보다 중요합니다.

　

　

5. 가장 기본적인 질문입니다만 어떻게 바이오인포메틱스 분야를 전공으로 하게 되셨는지요?

　

  KAIST 전산학과에서 석사과정을 하던 중에 생물학과로 전공을 옮겨 석사2학년부터 생물학 공부를 시작했습니다. 미생물유전학 실험연구를 진행하고 있다가, 당시 주위 몇 사람이 필요로 하는 서열분석 프로그램 FASTA를 지도교수님의 권유로 분석하게 되었는데, 그 이후 이 분야를 전공하게 되었습니다.

　

  전산학과에서 생물학과로 바꾼 것은, 이미 생물학과에 대한 생각은 오래 전부터 하고 있었고, 옮기면서 유전학실험실에서 1달 반정도 실험을 하였습니다. 그러던 도중 미국에서 돌아온 여러 교수님들을 통해 FASTA 등의 유전자분석 프로그램에 대해 듣게 되었으며, 지도교수님과 상의하여 이 분야를 시작하게 되었습니다. 생물학을 배우는 과정이 중요했지만, 무리가 많았고 쉽지 않았습니다. 저와 같이 이렇게 이 분야를 시작하는 모든 학생들이 거치는 한 과정이지요. 생명정보학이라는 것이 생물학과 전산학, 두 전공을 합친 분야이지만, 새로운 전공으로 분류할 수 있으므로 단기간을 목표로 하여서는 안됩니다. 생명정보학도 두 부류가 가능한데, 하나는 생물학적인 전문지식에 기반하여 여러 분석프로그램을 사용하면서 데이터를 분석하는 것이고, 다른 하나는 개발인데, 분석프로그램이나 시스템을 개발하기 위한 이론을 만들거나 직접 개발을 하는 것입니다.

　

6. 센터장님의 이력중에 회사의 CEO 이력이 눈에 띄었습니다. CEO 이력이 현재 정부출연기관 센터장직을 수행하시는데 어떻게 도움이 되시는지요? 출연연과 영리기관과의 차이점은 무엇인지요?

　

  현재 KRIBB에서 오랫동안 근무해 오신 분들에 비해서는 부족한 부분이 많습니다. 다행히 KRIBB은 이전에 10년간 근무했던 곳이라 인적 네트워크나 근무 문화 등에 대해서 편안하고 적응에 도움이 되는 편입니다. 작은 회사였지만 굳이 CEO 경험이 도움이 되는 면이라면, 비교적 젊은 나이에 독립적인 생존을 해야 했던 환경을 경험했다는 점입니다. 개인적으로는 생존능력이 조금 향상되었을 것 같습니다. 어느 근무환경에서나 느꼈을 것입니다만, 개인적인 인간관계를 포함한 인적 네트워크가 중요하다는 점을 많이 느꼈습니다. 젊은 시절에 생각하는 인맥과는 좀 다르게 일을 발전적으로 할 수 있도록 전문성에서 도와줄 수 있는 여러 연구자와의 관계가 특히나 생물정보학 분야에서는 중요한 것 같습니다.

　

  출연연과 벤처는 많은 차이가 있습니다. 우선 목적이 많이 다르니까 직접 비교하기 힘든 점이 많습니다만, 일반적으로 벤처는 직업적 안정성이 떨어지고 반대급부로 그러한 위험에 대한 보상의 동기가 강합니다. 상황마다 다르겠지만, 일반적으로는 벤처를 하시는 분들이 좀 더 절박하지 않을까 싶습니다. 젊은 연구원들의 경우에는 무엇을 기대하는 가에 따라 선택을 냉정히 할 필요가 있다고 생각됩니다. - 회사를 할 당시에는 자금에 대한 압박이 강했지만, 비교적 제약 없이 진행되는 연구를 톻해 미생물 유전체 분석 관련 tool을 많이 만들 수 있었습니다. 10년 후 돌아온 생공연에서 특이점이라고 할 것은, 이전보다 규모가 커진 것이며, 그 외에는 예전부터 계시던 분들이라서 적응하는 데 무리는 없었습니다. 센터장직은 내부 규정상 지원에 의해 선발되어 오게 된 것입니다.

　

　

7. KOBIC에 와서 목표가 있다면?

　

  개인적 연구목표를 생각하기에는 이제 개인적 연구능력이 부족하지만, 센터장의 입장에서는 목표나 책임감을 많이 느낍니다. KOBIC은 이 분야를 연구하시는 연구자들의 필요성에 의해 성장한 곳으로 일종의 채무의식을 가지고 있습니다. 가능한 범위에서 생명정보를 연구하시는 분에게 여러가지 형태로 연구를 지원하거나 공동연구를 수행하는 역할도 중요하다고 생각합니다. 국가생명연구자원센터와 생물정보학 중심센터로서의 KOBIC의 고유업무를 잘 유지해 나가는 것이 가장 중요합니다. KOBIC의 위상을 키워간다는 면에서는 KOBIS의 성공적인 구축운영과 KOBIC을 상징할 수 있는 국제적 브랜드의 생물정보학 고급 소프트웨어의 개발이 중요하다고 생각합니다. 이를 위해 노력하고 있습니다.

　

8. 또한, 전 세계적으로 개인별 맞춤의학이 화두되고 있습니다. 개인의 게놈(유전체) 해독으로 인해 '발병 후 치료'가 아닌 '발병 전 관리'로 의학의 패러다임이 바뀔 것이다는 의견이 많습니다. 이에 대한 센터장님의 의견은 어떠하신지요? 

　

  질병에 대한 ‘관리’가 어느 정도인가가 따라 다르겠지요. 어쨌든 예측이나 관리가 가능하다면 사람들의 관심사가 자연히 그 쪽으로 집중될 것이라고 생각합니다. 일반적으로 본다면, 유전체 해독과 분석에 따라 치료방법이나 치료제의 개발에 큰 발전에 있다면 ‘치료’가 훨씬 더 큰 관심사가 되겠지요. 저희 입장에서는 관리나 치료를 위한 얼마나 유용하고 유효한 유전자 마커를 찾아낼 수 있는가 혹은 생물정보학적으로 어떻게 찾아낼 것인가가 휠씬 큰 관심사입니다.