small RNA-seq, 왜 키트마다 miRNA 결과가 다를까? 어댑터·UMI·크기 선택이 바꾸는 것들

📌 이 글에서 알 수 있는 것
small RNA-seq이 읽는 RNA와, 라이브러리 구조 때문에 놓치는 RNA
키트마다 miRNA 순위가 달라지는 이유와 다기관 비교 근거(n 포함)
4N 랜덤 어댑터와 UMI의 차이, 크기 선택과 어댑터 다이머
혈장·혈청 저투입, 스파이크인, 질문별 키트 선택과 배치 설계

🧬 small RNA-seq은 무엇을 읽나

small RNA-seq은 보통 15~50 nt 정도의 짧은 RNA를 모아 읽습니다. 주인공은 약 22 nt의 miRNA지만, 실제 리드에는 piRNA(생식세포에 많은 24~32 nt RNA), tRNA 유래 조각(tRF, tDR), snoRNA·rRNA 조각, Y RNA 조각(세포질 RNA인 Y RNA에서 잘린 조각)이 함께 섞입니다. 건강인 혈장에서는 miRNA 리드가 tRNA 유래 리드의 약 72배였고, Y RNA 조각이 혈장·혈청 리드의 10% 이상을 차지했으며, piRNA 전용 리드는 매우 드물었습니다(4N 결합 키트 기준, 2018년 원논문)¹.

대부분의 키트는 RNA 양 끝에 어댑터를 효소로 붙입니다(라이게이션, 이하 결합). 3′ 어댑터는 보통 미리 아데닐화한 어댑터를 변형 T4 RNA ligase 2로 ATP 없이 붙이고, 5′ 어댑터는 T4 RNA ligase 1로 붙입니다. 이때 RNA의 5′ 끝에는 인산(5′-P), 3′ 끝에는 수산기(3′-OH)가 있어야 하고, 이 조건에 맞지 않는 RNA는 처음부터 라이브러리에 잘 들어오지 못합니다. 5개 키트를 비교한 2018년 연구에서는 PEG(폴리에틸렌글리콜, 분자를 밀집시켜 결합을 돕는 첨가제)를 넣으면 서열 편향과 2′-O-메틸 편향이 줄었지만 없어지지는 않았고, 일부 조합에서는 어댑터 다이머가 늘었습니다. 결합을 아예 피하는 방식(polyA 꼬리 등)은 편향이 가장 낮았지만 부산물이 많아 생체 시료 성능이 떨어졌습니다(원논문)². 다만 2025년에는 결합 없이 역전사 한 단계에서 양 끝 어댑터를 붙이는 방식(OTTR)을 개발 연구진이 개선해, 끝 정확도를 높이고 miRNA 3 pg 투입에서도 세균 오염 리드를 10% 미만으로 줄였으며 겔 없이 부산물을 거르는 절차도 내놨습니다³.

3′ 끝 2′-O-메틸: 식물 miRNA, 곤충·선충·포유류 piRNA, 곤충·식물 siRNA는 3′ 끝 뉴클레오타이드의 리보스 2′ 자리에 메틸기가 붙어 있어 3′ 어댑터 결합이 잘 안 됩니다²⁴.
3′-인산·고리형 인산: 일부 tRF처럼 3′ 끝이 인산이거나 2′,3′-고리형 인산인 RNA는 결합이 막힙니다. RNA 메틸화(m1A 등)는 역전사를 멈춰 세웁니다. PANDORA-seq은 T4PNK(끝을 3′-OH·5′-P로 바꾸는 효소)와 AlkB(메틸 제거 효소)를 차례로 처리해 이런 tRF·rRNA 조각을 더 많이 찾아냈습니다(마우스 조직·세포와 사람 세포)⁵.

즉 “이 시료에 tRF가 적다"는 결과는 생물학이 아니라 키트가 그 끝 구조를 못 읽은 결과일 수 있습니다.

small RNA 라이브러리 한 분자의 구조. 5′ 어댑터, 약 22 nt miRNA 삽입, 3′ 어댑터가 이어지고 랜덤 어댑터 키트는 결합 끝에 4N을, UMI 키트는 역전사 프라이머 등 키트마다 다른 위치에 UMI를 둔다. 편향은 3′ 어댑터 결합(3′-OH 필요, 2′-O-메틸·고리형 인산은 잘 안 붙음), 5′ 어댑터 결합(5′-인산 필요, 서열·구조 따라 효율 차이), PCR 증폭(중복), 크기 선택(어댑터 다이머가 삽입 길이만큼만 짧음) 네 곳에서 들어온다. — 그림 1. small RNA-seq 라이브러리 구조와 편향이 들어오는 네 지점. 본문 연구를 모은 개념도이며, 키트마다 단계 순서와 구성이 다릅니다.

🔗 결합 편향: 키트가 miRNA 순위를 바꿉니다

어댑터 결합 효율은 RNA 끝 몇 개 염기의 서열과 접힘 구조에 따라 크게 달라집니다. 그래서 같은 시료라도 키트가 바뀌면 어떤 miRNA가 많아 보이는지가 달라집니다.

미국 NIH 세포외 RNA 소통 컨소시엄(Extracellular RNA Communication Consortium, 이하 exRNA 컨소시엄)의 9개 기관은 같은 기준 시료(같은 몰수로 섞은 합성 RNA 1,152개 중 분석 대상 977개, 건강 남성 11명의 혈장 RNA 풀)로 프로토콜 9종(상용 키트 4종, 연구진 자체 방법 5종. 상용 중 NEXTflex는 4N 방식), 라이브러리 384개를 만들어 비교했습니다(2018년 원논문)⁶.

어댑터 방식	기대값과 10배 이상 다른 합성 RNA 비율
고정 서열 어댑터 3종	41.6~61.5%
결합 끝에 4N(무작위 4염기) 6종	2.8~22.4%

일부 상용 키트에서는 편향이 최대 10⁴배였고, 연구진이 직접 만든 4N 방식은 편향을 약 100배 줄였습니다. 반면 같은 키트끼리는 기관이 달라도 재현성이 높았고, 두 시료 사이 1.5배 차이도 대부분 검출됐습니다. 데이터는 기관보다 어댑터 방식(고정 vs 4N)과 프로토콜별로 먼저 묶였습니다⁶. 정리하면 절대량 비교는 키트 의존적이고, 같은 키트 안의 상대 비교는 믿을 만합니다.

2021년 이후 비교도 같은 방향입니다. 체코 연구진은 혈장용 상용 키트 7종(2-어댑터 결합, 랜덤 어댑터, polyA 꼬리+template switching(역전사효소가 RNA 끝에서 어댑터로 옮겨 타는 방식), 원형화, 포획 프로브, UMI)을 합성 시료와 혈장으로 비교했는데, 모든 지표에서 앞선 키트는 없었고 키트 간 miRNA 프로필 겹침이 제한적이었습니다⁷. 10개 프로토콜을 합성 풀과 사람 세포주 HEK293T로 본 2023년 연구에서는 2개를 빼면 라이브러리 인공물이 miRNA 리드의 5% 미만이었고, 랜덤 끝 어댑터가 isomiR(길이·끝 염기가 조금 다른 miRNA 변이) 판정에서 더 정확했습니다. 다만 랜덤 끝 방식 중에도 5′ 길이 변이를 많이 만든 프로토콜(Giraldez의 4N)이 있었고, 비교 대상에는 저자들의 자체 방법도 포함됐습니다⁸.

🎲 4N 랜덤 어댑터와 UMI는 다릅니다

두 장치 모두 “무작위 염기"를 쓰지만 목적이 다릅니다.

4N(랜덤 끝) 어댑터: 결합 끝에 무작위 염기를 두어 어떤 RNA 끝과도 비슷하게 붙도록 합니다. 목표는 결합 편향 감소입니다. 분석 때 이 염기를 잘라 내야 합니다.
UMI(고유 분자 식별자): 역전사 프라이머나 어댑터에 넣은 무작위 바코드로, PCR 전 분자 하나하나에 이름표를 붙입니다. 목표는 PCR 중복을 걸러 원래 분자 수 세기입니다⁹.

UMI가 꼭 필요할까요? 혈장 비교에서 UMI 중복 제거의 효과는 미미했고, 설계가 잘못되면 오히려 허위 결과를 만들 수 있었습니다⁷. 2023년 연구도 UMI 보정은 증폭 편향을 줄이지만 RNA 투입이 충분하면 덜 필수적이라고 정리했습니다⁸. 반대로 투입이 아주 적어 PCR 사이클을 많이 돌리는 경우에는 중복이 커지므로 UMI가 도움이 됩니다. 4N 염기를 UMI 대용으로 쓰는 경우도 있지만, 양쪽을 합쳐도 8염기(4⁸, 약 6.5만 조합)뿐이고 4N 자체도 결합 편향을 받아 고르게 쓰이지 않습니다. 그래서 분자 수가 많은 고발현 miRNA에서는 서로 다른 분자가 같은 조합을 갖는 일이 늘어 분자 수를 낮게 셉니다. 4N 제거, UMI 추출 같은 전처리는 14편에서 다룹니다.

✂️ 크기 선택과 어댑터 다이머

어댑터끼리 RNA 없이 붙은 어댑터 다이머는 miRNA 라이브러리보다 삽입 길이(약 22 nt)만큼만 짧습니다. 그래서 겔에서 좁은 띠를 잘라 내거나(겔 크기 선택), 비드로 거르는(비드 크기 선택) 단계가 필요합니다. 겔은 띠를 직접 보고 자르고, 비드는 자동화에 유리하지만 이 정도 길이 차이를 혼자 가르기 어려워 다이머 억제 화학과 함께 씁니다. 어느 쪽이든 다이머가 남았는지 라이브러리 크기 분포로 확인해야 합니다. 짧은 다이머는 클러스터(플로셀 위에서 증폭된 분자 묶음)를 먼저 만들기 때문에, 조금만 남아도 리드 상당 부분이 버려져 유효 깊이가 줄어듭니다.

키트들은 화학적으로 변형한 어댑터, 남은 어댑터 제거 효소 같은 방식으로 다이머를 줄입니다. 2026년 연구는 역전사 뒤 남은 프라이머를 exonuclease I(한 가닥 DNA를 잘라 내는 효소)로 없애 겔 정제 없이 프라이머 다이머(프라이머끼리 붙은 짧은 산물)를 줄였고, 진행성이 높은 역전사효소(SuperScript IV)로 역전사가 중간에 멈추는 현상을 줄인 것과 합쳐 저자들의 정량 방법(AQRNA-seq) 민감도가 10배 이상 올랐다고 보고했습니다(대장균 small RNA, tRNA가 85% 이상)¹⁰. 사람 혈장에서 같은 효과가 나는지는 따로 확인해야 합니다.

🩸 혈장·혈청: 적은 RNA, 믿기 어려운 농도

조직·세포주는 총 RNA 수백 ng을 넣을 수 있지만, 혈장·혈청은 RNA가 매우 적습니다. 이 수준에서는 농도 측정값 자체가 불안정해, 같은 혈장 부피에서 추출해 같은 부피를 넣는 방식이 흔히 쓰입니다. 예를 들어 앞의 혈장 비교는 혈장 250 µL에서 추출해 20 µL로 녹인 RNA 중 5 µL를 넣었습니다. 또 혈장에서는 두 키트(SMARTer·NEXTflex)를 빼면 miRNA 하나가 매핑 리드의 절반 이상을 차지했습니다.⁷.

혈장 small RNA 데이터는 적혈구·혈소판 RNA에 쉽게 오염됩니다. 추출 전에는 A414 흡광도(산화헤모글로빈 흡수 파장)로, 추출 후에는 ΔCq(miR-23a − miR-451a)로, 시퀀싱 뒤에는 시퀀싱 기반 용혈 지표로 시료를 확인해야 하며, 기준값과 혈소판 관리는 오믹스 데이터 랩 3편에 정리했습니다.

🎯 스파이크인과 합성 표준

정량 비교를 하려면 양을 아는 외부 RNA를 함께 넣어야 합니다. mRNA-seq에서 쓰는 ERCC 스파이크인(11편)은 수백~2천 nt의 긴 RNA라 small RNA 라이브러리에는 들어오지 않으므로, small RNA용 합성 스파이크인을 따로 써야 합니다.

합성 miRNA 기준 풀: 수백~천여 개 합성 miRNA를 같은 양으로 섞은 풀은 키트 편향을 측정하는 기준이 됩니다. 앞의 다기관·키트 비교 연구들이 이 방식을 썼습니다⁶⁸.
농도 사다리 스파이크인: 오스트리아 연구진은 0.005~50 amol(아토몰, 10⁻¹⁸ mol) 범위의 합성 small RNA를 라이브러리 제작 직전 RNA에 넣어 리드 수와 농도의 상관(r >0.99)을 확인하고, 이를 이용해 내인성 miRNA를 RNA 1 µL당 분자 수로 환산했습니다. 다만 개발사 연구진의 검증이고 키트 1종과 짝을 지은 결과입니다⁹.

스파이크인은 추출 전에 넣을지, 라이브러리 직전에 넣을지에 따라 보정하는 단계가 달라집니다. 무엇을 보정하려는지 먼저 정하세요.

📋 질문별 키트 고르기

연구 질문	우선 고려	주의
같은 조직·세포주에서 군 간 miRNA 차이	고정·4N 어댑터 키트 중 하나로 고정	다른 연구와 절대량 비교 금지
혈장·혈청 바이오마커 발굴	저투입용 키트 + 스파이크인	한 miRNA 쏠림, 용혈 QC
isomiR·끝 변이	랜덤 끝 어댑터(4N 등)	4N 잘라 내기, polyA 꼬리 방식은 3′ 끝 A 추가 구분 어려움
tRF·rRNA 조각	말단 처리(T4PNK·AlkB 등) 추가 고려	miRNA 정량과 따로 해석
식물 miRNA·동물 piRNA(2′-O-메틸)	2′-O-메틸 대응 프로토콜	기본 키트는 과소 검출
아주 적은 투입·많은 PCR	UMI 키트	UMI 길이·위치와 리드 길이 확인

🗂️ 배치 설계

키트가 결과를 바꾸는 만큼, 배치 설계는 small RNA-seq에서 특히 중요합니다.

키트·로트·추출법은 연구 내내 하나로 고정합니다. 데이터가 기관보다 프로토콜별로 먼저 묶인다는 다기관 결과가 그 이유입니다⁶.
환자군과 대조군을 같은 라이브러리 배치·시퀀싱 레인에 섞어(무작위화) 넣습니다. 한 군을 하루에 몰아 만들면 배치와 군이 구분되지 않습니다.
매 배치에 같은 기준 시료(합성 풀이나 혈장 풀)를 넣어 배치 간 이동을 봅니다.
채혈·처리 시간, 용혈 지표, 추출 일자를 메타데이터로 남겨 분석에서 공변량으로 쓸 수 있게 합니다. 정규화와 차등 분석은 14편에서 이어집니다.

⚠️ 한계와 주의

기준 시료의 한계: 키트 비교 상당수는 합성 RNA 풀이나 소수 건강인의 혈장 풀로 했습니다. 질환 시료에서 편향 크기는 다를 수 있습니다.
키트 버전: 비교 연구 이후 키트가 개정된 경우가 많아, 특정 제품의 순위를 그대로 옮기면 안 됩니다.
개별 연구의 조건: 개발사 검증, 대장균 결과처럼 연구마다 다른 조건은 본문 해당 문장에 함께 적었습니다.

🏛️ 지금 어디까지 왔나

다기관 기준: exRNA 컨소시엄 다기관 비교⁶가 여전히 공개 기준점이며, 2021년 이후 연구들은 저투입 혈장 키트⁷와 isomiR 정확도⁸로 범위를 넓혔습니다.
비-miRNA 클래스: 말단 처리 방법이 프로토콜로 정리되면서 tRF·rRNA 조각 연구가 늘고 있지만, 표준 키트로 만든 기존 데이터와 바로 비교하기는 어렵습니다⁵.
어댑터 설계: 저투입 시료의 편향을 줄이려는 어댑터 구조 개선이 2026년 프리프린트로도 이어지고 있습니다(동료 심사 전)¹¹.
표준·지침: small RNA-seq 라이브러리 설계에 대한 국제 표준 문서는 확인하지 못했습니다. 혈장 무세포 RNA의 채혈·처리 단계는 유럽 기술 규격 CEN/TS 17742:2022가 다루며, ISO 규격(ISO 18703)으로 전환 작업 중입니다. 한국의 학회·식약처 차원 지침도 확인하지 못했습니다.

🧪 연구자 노트 ① 어떤 RNA 클래스와 isomiR까지 볼지, 투입량이 얼마인지에 맞춰 키트를 고릅니다. 무엇보다 한 연구 안에서는 키트를 바꾸지 않는 것이 중요합니다. 키트가 다르면 같은 시료에서도 상위 miRNA 구성이 달라질 수 있습니다. ② 혈장·혈청은 RNA 양이 적어 농도를 정확히 재기 어렵고, 용혈과 혈소판이 결과를 크게 흔듭니다. 그래서 투입은 부피 기준으로 통일하고, 용혈 지표를 함께 기록하기를 권합니다.

🙋 그래서 나에게는? — 실험 전 체크리스트

연구 질문(군 간 차이, isomiR, tRF, 혈장 바이오마커)을 먼저 정하고 키트를 골랐다
키트·로트·추출법을 연구 전체에서 고정했다
키트가 4N인지, UMI인지, 둘 다인지 확인하고 전처리 방법을 정했다
혈장·혈청은 투입 부피를 고정하고 스파이크인 넣는 시점을 정했다
용혈 QC 기준을 시퀀싱 전에 정했다
군을 배치·레인에 무작위로 섞고, 매 배치에 기준 시료를 넣었다
키트 설명서로 UMI 위치와 필요한 리드 길이·시퀀싱 깊이를 확인했다
파일럿으로 리드 길이 분포·다이머 비율·miRNA 매핑률을 본 뒤 본 실험을 진행한다

⚠️ 이 글은 의학적 조언이 아니며, 특정 제품을 권하지 않습니다. 실제 조건은 사용하는 키트 설명서와 기관 SOP, 자체 검증 결과를 우선하세요.

❓ 자주 묻는 질문

Q. 다른 논문의 miRNA 수치와 제 결과를 비교해도 되나요? A. 키트가 다르면 절대량 비교는 어렵습니다. 같은 키트 안의 상대 비교는 기관이 달라도 재현성이 높았으므로, 방향과 상대 크기를 비교하고 RT-qPCR 같은 독립 방법으로 확인하세요.

Q. UMI가 있는 키트가 항상 더 정확한가요? A. 그렇지 않습니다. 혈장 비교에서 UMI 중복 제거 효과는 미미했고, 결합 편향은 UMI로 줄지 않습니다.

Q. 중간에 키트가 단종되면 어떻게 하나요? A. 새 키트로 기존 시료 일부를 다시 만들어 연결(브리징) 데이터를 확보하세요. 키트를 배치 변수로 두고 분석하되, 군과 키트가 겹치지 않게 해야 합니다.

📚 오믹스 기술 시리즈

참고

Godoy PM 외. Large differences in small RNA composition between human biofluids. Cell Rep 2018;25:1346-58 (원논문). doi:10.1016/j.celrep.2018.10.014 ↩︎
Dard-Dascot C 외. Systematic comparison of small RNA library preparation protocols for next-generation sequencing. BMC Genomics 2018;19:118 (원논문). doi:10.1186/s12864-018-4491-6 ↩︎ ↩︎
Ferguson L 외. Improved precision, sensitivity, and adaptability of ordered two-template relay cDNA library preparation for RNA sequencing. RNA 2025;31:224-44 (개발 연구진). doi:10.1261/rna.080318.124 ↩︎
van Dijk EL, Thermes C. A small RNA-seq protocol with less bias and improved capture of 2’-O-methyl RNAs. Methods Mol Biol 2021;2298:153-67. doi:10.1007/978-1-0716-1374-0_10 ↩︎
Shi J 외. PANDORA-seq expands the repertoire of regulatory small RNAs by overcoming RNA modifications. Nat Cell Biol 2021;23:424-36. doi:10.1038/s41556-021-00652-7 ↩︎ ↩︎
Giraldez MD 외. Comprehensive multi-center assessment of small RNA-seq methods for quantitative miRNA profiling. Nat Biotechnol 2018;36:746-57 (원논문). doi:10.1038/nbt.4183 ↩︎ ↩︎ ↩︎ ↩︎ ↩︎
Androvic P 외. Small RNA-sequencing for analysis of circulating miRNAs: benchmark study. J Mol Diagn 2022;24:386-94. doi:10.1016/j.jmoldx.2021.12.006 ↩︎ ↩︎ ↩︎ ↩︎
Gómez-Martín C 외. Reassessment of miRNA variant (isomiRs) composition by small RNA sequencing. Cell Rep Methods 2023;3:100480. doi:10.1016/j.crmeth.2023.100480 ↩︎ ↩︎ ↩︎ ↩︎
Khamina K 외. A microRNA next-generation-sequencing discovery assay (miND) for genome-scale analysis and absolute quantitation of circulating microRNA biomarkers. Int J Mol Sci 2022;23:1226 (개발사 연구진). doi:10.3390/ijms23031226 ↩︎ ↩︎
Chen R 외. Gel-free library preparation for next-generation RNA sequencing and small RNA quantification. Commun Biol 2026;9:971. doi:10.1038/s42003-026-10136-9 ↩︎
Barnes SA 외. Fluorescently guided workflow with rationally engineered 5′ ligation adapters for high-sensitivity and low-bias small RNA sequencing. bioRxiv 2026 (프리프린트). doi:10.64898/2026.06.23.733996 ↩︎