OmicsTrace오믹스트레이스

WGS는 30×면 충분할까? 목적별 커버리지·깊이와 라이브러리 설계

12분 읽기

📌 이 글에서 알 수 있는 것

  • 평균 깊이, breadth(몇 % 영역이 몇 × 이상인지), 유효 깊이의 차이
  • 생식세포·체세포·저심도·얕은 WGS에서 필요한 깊이와 그 근거(n 포함)
  • 목적별 권장 깊이 표와, 깊이만큼 중요한 라이브러리 조건(PCR-free, 투입량, insert 크기)
  • 실험 전 체크리스트

📏 커버리지와 깊이, 같은 말이 아닙니다

평균 깊이(mean depth)는 읽은 총 염기 수를 게놈 크기(약 3.1 Gb)로 나눈 값입니다. 2×150 bp 리드쌍 3억 개면 약 90 Gb, 즉 약 29×입니다. Breadth는 “게놈의 몇 %가 15× 또는 20× 이상 덮였나"처럼 고르게 덮인 정도를 말합니다. 변이 검출은 평균이 아니라 각 위치의 깊이로 결정되므로 둘 다 봐야 합니다1.

리드가 무작위로 떨어진다면(Lander–Waterman 모형의 포아송 근사, 원리 원논문) 평균 c×에서 한 번도 안 덮이는 비율은 약 e^−c입니다2. 이 가정으로 계산하면 평균 30×에서 20× 미만인 위치는 약 2%, 평균 15×에서는 15× 미만이 절반 가까이입니다. 실제 데이터는 GC 극단·반복 서열 때문에 이보다 고르지 못합니다.

또 하나는 유효 깊이입니다. PCR·광학 중복 리드, 매핑 실패, 낮은 매핑 품질(MAPQ), 리드쌍이 겹치는 구간은 변이 판정에서 빠집니다. 그래서 “30× 주문"과 “중복 제거 후 30ד는 다른 사양입니다.

로그 눈금 위에 목적별 평균 깊이를 표시한 개념도. 얕은 WGS 0.1~1배는 CNV와 cfDNA 종양 분율, 저심도 0.5~4배는 imputation으로 GWAS와 PRS, 임상 생식세포 WGS는 30~40배, 체세포는 종양 50~100배 이상과 정상 30~40배. 아래에는 원시 30배에서 중복과 매핑 실패 등을 빼면 유효 깊이가 줄어드는 예시.
그림 1. 목적별 평균 깊이와 원시·유효 깊이의 차이. 본문 연구·지침을 모은 개념도이며 범위는 근사입니다.

🧬 생식세포 변이: 30×는 어디서 왔나

30×는 한 실험에서 정해진 한계값이라기보다 임상 검사실들이 써 온 관례에 가깝습니다1. 캐나다 McGill 연구진은 HG002 한 명의 데이터를 2×~120×로 깎아 가며(다운샘플링) 같은 caller(Clair3)로 분석했는데, 목표에 따라 필요한 깊이가 크게 달랐습니다3.

영역·변이(T2T 진실 세트)숏리드(Illumina·MGI)에서 나타난 결과
쉬운 영역 SNV재현율·정밀도 99% 이상에 약 20×(MGI는 정밀도 99% 초과에 30~35×)
쉬운 영역 indel재현율은 약 30×에서 98% 수준에 머물렀고, 정밀도 99%에는 약 40× 필요
어려운 영역 SNV재현율이 약 91%에서 정체(Illumina 40×, MGI 35×)
어려운 영역 indel재현율 91%·정밀도 94%에 80× 이상 필요

이형접합 변이는 동형접합보다 1.5~2배 깊이가 더 필요했고, 임상 난제 유전자 세트(CMRG)는 T2T보다 1.5~2배 깊이가 더 필요했습니다. 롱리드는 20~45×에서 정확도가 포화된 반면, 숏리드는 게놈 완성도가 최대치에 가까워지려면 60× 넘게 필요했습니다3. 다만 n=1이고, 주 비교의 Illumina 데이터가 HiSeq X Ten 세대라 최신 장비·caller 조합에서는 숫자가 달라질 수 있습니다.

임상 검사실 기준은 이렇습니다. 미국·캐나다 Medical Genome Initiative는 상염색체 평균 ≥30×와 callability >95%를 통과 기준으로(회원 기관은 30× 또는 40× 사용), 20× 이상 비율 ≥90%·중복 <10%·중앙 insert >300 bp를 감시 지표로 제시했습니다. 다만 “보편적 컷오프는 정하지 못했다"고 밝혔고, 40×에서도 저빈도 모자이크 검출은 한계라고 적었습니다1. 임상 보고서에서 이 숫자를 읽는 법은 진단 기초 시리즈 19편을 참고하세요.

🎯 체세포 변이: 순도가 깊이를 정합니다

종양 시료의 이형접합 클론성 변이는 기대 VAF(변이 대립유전자 비율)가 순도 ÷ 2입니다(이배체 가정). 순도 20%면 VAF 10%이고, 깊이 30×에서 변이 리드는 평균 3개뿐입니다. 이항분포로 단순 계산하면 변이 리드 5개 이상을 볼 확률은 30×에서 약 18%, 100×에서 약 98%입니다. 아클론 변이나 복제수 변화가 있으면 VAF는 더 낮아집니다.

FDA 주도 SEQC2 컨소시엄은 유방암 세포주 1쌍을 6개 기관에서 10~300×로 시퀀싱하고 종양:정상 혼합(1:0~1:19)을 비교했습니다4.

  • 순도 50% 초과에서는 50×와 100× 결과가 거의 같았습니다.
  • 순도가 50% 미만이면 깊이에 따라 결과가 크게 달라졌습니다.
  • 저자들은 이 범위에서 순도가 깊이보다 영향이 컸다고 정리했고, 종양 50% 초과는 50×, 20~50%는 100× 초과 WGS를 권했습니다.
  • 진실셋에 VAF 5% 미만 변이가 없어, 그보다 낮은 VAF의 성능은 이 연구로 알 수 없습니다.

실제 대규모 사업 예로, 영국 100,000 Genomes 암 프로그램(고형암 13,880개)은 종양 100×, 정상 30×를 기준으로 읽었고, 폐·췌장 선암 등에서는 순도 30% 이상 시료를 얻기 어려웠다고 보고했습니다5. 정상 시료는 생식세포 변이를 걸러 내는 용도라 생식세포 수준 깊이를 쓰는 경우가 많습니다. ctDNA처럼 VAF 1% 미만을 보려면 WGS 깊이를 올리기보다 표적·분자 바코드 방식으로 넘어갑니다(진단 기초 시리즈 5편).

📉 0.5~4×로 충분한 일: 저심도 WGS + imputation

목적이 흔한 변이의 유전형이라면 깊이를 크게 낮출 수 있습니다. 참조 패널로 빈 곳을 통계적으로 채우는 imputation 덕분입니다. 1×에서는 게놈의 약 63%만 한 번 이상 읽히지만, 주변 리드와 일배체형 정보로 나머지를 추정합니다.

연구대상(n)결과
Li 202161000 Genomes 120명(유럽·아프리카계 각 60)0.5~1×(유효 0.38~1.24×): 흔한 변이 r² 유럽계 0.92~0.96 vs 어레이 0.91, 아프리카계 0.89~0.95 vs 0.83
Boltz 20267아프리카·아프리카계 미국인·라틴계 등 5만3천여 명1~4× WGS + 30~40× 엑솜을 한 번에(BGE): 임퓨테이션한 유전형과 GSA 어레이 호출의 일치도 R² ≥95%(MAF ≥1%)·≥90%(MAF <1%, 코호트별 집계), 비용은 고심도 WGS의 약 28%
Martin 20218아프리카 4개국 91명 다운샘플링≥4×가 흔히 쓰는 GWAS 어레이보다 정확, 0.5~1×는 저밀도 어레이 수준

Li 2021은 저자 전원이 저심도 분석 회사(Gencove) 소속입니다. 또 imputation 정확도는 참조 패널에 그 집단이 얼마나 들어 있는지에 좌우되므로, 한국인 코호트라면 동아시아 패널 구성부터 확인해야 합니다. 희귀 변이 진단 용도로는 쓸 수 없습니다.

🩸 0.1×: 얕은 WGS로 보는 것

변이 하나하나가 아니라 큰 구간의 리드 수를 세면 0.1×로도 복제수 변화(CNV)를 볼 수 있습니다. ichorCNA는 이렇게 cfDNA 종양 분율을 추정하는 도구입니다. 2024년 임상 검증에서는 환자 cfDNA 3개를 건강인 cfDNA로 8단계 희석(각 3반복)하고 컴퓨터 다운샘플링을 더해, 종양 분율 3%를 검출 하한으로 정했고 이 수준의 민감도는 1×와 0.1× 모두에서 97.2~100%였습니다. 권장 투입량은 cfDNA 20 ng(최소 5 ng)이었고, HiSeq X와 NovaSeq 사이 차이는 보이지 않았습니다(도구 개발자 공저)9. cfDNA 조각 길이 패턴을 쓰는 분석도 저심도 WGS에 기반합니다(진단 기초 시리즈 17편). 이때는 깊이보다 채혈·처리 조건이 결과를 더 흔들 수 있습니다(오믹스 데이터 랩 1편).

📋 목적별 권장 깊이

목적평균 깊이근거주의
CNV·cfDNA 종양 분율0.1~1×Rickles-Young 20249종양 분율 약 3% 미만은 어려움
GWAS·PRS(흔한 변이)0.5~4×Martin 2021, Boltz 202687참조 패널 집단 일치
생식세포 SNV약 20~30×Eveleigh 20263indel·어려운 영역 손실
임상 생식세포 WGS≥30~40×Marshall 20201breadth(20× ≥90%)·callability 함께
체세포, 순도 >50%종양 50×Xiao 20214정상 30~40× 별도
체세포, 순도 20~50%종양 >100×Xiao 20214VAF <5%는 근거 부족

🧪 라이브러리: 깊이만큼 중요한 것

  • PCR-free vs PCR: 효소 절편화 키트 4종과 tagmentation 키트 1종을 비교한 2022년 연구(10 ng PCR, 100 ng PCR-free, 각 4반복)에서 PCR을 최소화하거나 하지 않은 라이브러리가 indel 검출에서 가장 좋았습니다10. 임상 지침도 소량 DNA로 PCR 라이브러리를 쓰면 CNV·반복 확장 보고에 영향이 있다고 적었습니다1.
  • 투입량: SEQC2는 PCR-free 200~1,000 ng, PCR 기반 키트는 그보다 적은 양을 권했고, 1 ng 투입에서는 키트에 따라 비중복 리드 비율이 20% 미만부터 약 70%까지 크게 달랐습니다. FFPE 시료는 정밀도·재현율이 크게 떨어졌습니다4.
  • DNA 품질: DIN 같은 무결성 지표(제조사 지표)로 분해 정도를 기록해 두면, 이후 insert 크기·중복률 이상을 해석할 때 도움이 됩니다.
  • Insert 크기·리드 길이: 흔히 쓰는 2×150 bp에서 insert가 300 bp보다 짧으면 두 리드가 겹쳐 실제로 새로 읽는 염기가 줄어듭니다. 같은 2022년 연구에서도 insert가 긴 라이브러리가 커버리지·SNV·indel 검출 모두에서 나았습니다10. 임상 지침은 중앙 insert >300 bp를 감시 지표로 두었습니다1.
  • 플랫폼 화학 차이는 1편, 중복 제거·QC 지표 계산은 3편에서 다룹니다.

⚠️ 한계와 주의

  • 표본이 작습니다. 깊이 연구 상당수는 1명~수십 명, 또는 세포주 1쌍의 다운샘플링입니다.
  • 장비·caller 의존: 깊이 기준(Eveleigh)은 HiSeq X Ten 세대 숏리드와 Clair3 한 가지로 다운샘플링한 결과라, 최신 장비·caller에서는 숫자가 달라질 수 있습니다.
  • 지표가 다릅니다. “민감도"가 엑솜 영역 SNP인지, 전체 게놈 callable인지, indel인지에 따라 같은 깊이도 다른 결론이 나옵니다.
  • 회사 관련 연구: 저심도 WGS 비교 연구 일부는 관련 회사 소속 저자가 수행했습니다6.
  • 단순 계산의 한계: 본문의 포아송·이항 계산은 균일한 커버리지를 가정한 직관용입니다.

🏛️ 지금 어디까지 왔나

  • 임상 생식세포 WGS: Medical Genome Initiative는 평균 ≥30×, callability >95% 등 지표를 제시했지만 보편 컷오프는 합의하지 못했습니다1. 유럽 EuroGentest 권고(2022)도 고정 깊이 대신 “코딩 영역 품질은 WES 이상"과 검출 한계(LoD) 평가를 강조합니다11.
  • 대규모 사업 표준화: 처리 표준(FE)은 깊이 기준이 아니며 3편에서 다룹니다.
  • 체세포: SEQC2 권고4가 공개 기준점 역할을 하지만 단일 세포주 결과입니다.
  • 한국: 한국인 파킨슨병 환자 87명·대조군 101명에서 1× 미만 저심도 WGS와 어레이로 계산한 PRS가 강하게 상관했다는 연구가 있습니다(동북아시아 참조 데이터베이스 NARD와 1000 Genomes를 합친 참조 패널 사용)12. 보도에 따르면 국가통합 바이오 빅데이터 구축사업이 한국인 전장 유전체를 생산하며 표준작업절차를 마련했다고 하지만, 깊이 기준 수치는 확인하지 못했습니다. 학회·식약처 차원의 WGS 깊이 지침도 확인하지 못했습니다.

🧪 연구자 노트 (작성자 직접 작성) ① 연구 목적을 먼저 고정합니다. 생식세포 변이인지, 종양 순도가 낮은 체세포 변이인지에 따라 필요한 깊이가 달라지기 때문입니다. 그다음 시료 DNA 양과 질을 확인하고, 예산은 시료 수와 깊이 사이에서 조정합니다. ② 평균 깊이 다음으로 20× 이상 덮인 비율과 중복률을 봅니다. 평균이 30×여도 중복이 많거나 특정 영역이 비어 있으면 실제로 쓸 수 있는 깊이는 훨씬 낮습니다. ③ DNA가 적어 PCR 라이브러리를 쓴 시료는 중복률과 GC 편향이 커서, 같은 깊이라도 indel 결과가 불안정했습니다. 저심도 WGS는 CNV나 imputation 목적에는 비용 대비 만족스러웠습니다.

🙋 그래서 나에게는? — 실험 전 체크리스트

  • 연구 목적(생식세포 SNV·indel, 체세포, GWAS·PRS, CNV)을 먼저 정하고 표에서 깊이 범위를 골랐다
  • 계약서의 깊이가 원시인지, 중복 제거 후 유효 깊이인지 확인했다
  • 평균 외에 breadth(예: 20× 이상 비율)와 callability 기준을 미리 정했다
  • 종양 시료는 병리 또는 추정 순도를 확인하고 순도별 깊이를 정했다
  • DNA 양·품질(DIN 등)에 맞춰 PCR-free 가능 여부를 판단했다
  • 저심도 WGS라면 imputation 참조 패널에 대상 집단이 충분한지 확인했다
  • 파일럿 몇 개로 중복률·insert 크기·GC 커버리지를 본 뒤 본 시퀀싱을 진행한다

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

❓ 자주 묻는 질문

Q. 예산이 부족한데 20×로 해도 되나요? A. 흔한 SNV가 목적이면 대부분 잡히지만, indel과 어려운 영역의 손실이 커집니다. 목적이 GWAS라면 오히려 저심도 WGS로 표본 수를 늘리는 쪽이 나을 수 있습니다.

Q. 시퀀싱 업체가 준 30×를 그대로 믿어도 되나요? A. 원시 깊이인지 유효 깊이인지 확인하세요. 중복률·매핑률·20× 이상 비율을 함께 받으면 실제 쓸 수 있는 깊이를 알 수 있습니다.

Q. 정상 시료도 종양만큼 깊게 읽어야 하나요? A. 대개 그렇지 않습니다. 영국 100,000 Genomes 암 프로그램은 정상 시료를 30×로 읽었고, 정상은 생식세포 변이를 걸러 내는 용도라 생식세포 수준 깊이를 쓰는 경우가 많습니다. 검출은 종양 쪽 깊이와 순도가 더 좌우합니다.

📚 오믹스 기술 시리즈

참고

  1. Marshall CR 외. Best practices for the analytical validation of clinical whole-genome sequencing intended for the diagnosis of germline disease. NPJ Genom Med 2020;5:47. doi:10.1038/s41525-020-00154-9 ↩︎ ↩︎ ↩︎ ↩︎ ↩︎ ↩︎ ↩︎

  2. Lander ES 외. Genomic mapping by fingerprinting random clones: a mathematical analysis. Genomics 1988;2:231-9 (원리 원논문). doi:10.1016/0888-7543(88)90007-9 ↩︎

  3. Eveleigh RJM 외. Benchmarking of sequencing technologies defines optimal strategies for genetic variants detection in a human genome. Genome Biol 2026;27:129. doi:10.1186/s13059-026-04048-4 ↩︎ ↩︎ ↩︎

  4. Xiao W 외. Toward best practice in cancer mutation detection with whole-genome and whole-exome sequencing. Nat Biotechnol 2021;39:1141-50. doi:10.1038/s41587-021-00994-5 ↩︎ ↩︎ ↩︎ ↩︎ ↩︎

  5. Sosinsky A 외. Insights for precision oncology from the integration of genomic and clinical data of 13,880 tumors from the 100,000 Genomes Cancer Programme. Nat Med 2024;30:279-89. doi:10.1038/s41591-023-02682-0 ↩︎

  6. Li JH 외. Low-pass sequencing increases the power of GWAS and decreases measurement error of polygenic risk scores compared to genotyping arrays. Genome Res 2021;31:529-37 (저자 전원 Gencove 소속). doi:10.1101/gr.266486.120 ↩︎ ↩︎

  7. Boltz TA 외. A blended genome and exome sequencing method captures genetic variation in an unbiased and cost-effective manner. Nat Genet 2026;58:1813-21. doi:10.1038/s41588-026-02669-w ↩︎ ↩︎

  8. Martin AR 외. Low-coverage sequencing cost-effectively detects known and novel variation in underrepresented populations. Am J Hum Genet 2021;108:656-68. doi:10.1016/j.ajhg.2021.03.012 ↩︎ ↩︎

  9. Rickles-Young M 외. Assay validation of cell-free DNA shallow whole-genome sequencing to determine tumor fraction in advanced cancers. J Mol Diagn 2024;26:413-22 (ichorCNA 개발자 공저). doi:10.1016/j.jmoldx.2024.01.014 ↩︎ ↩︎

  10. Ribarska T 외. Optimization of enzymatic fragmentation is crucial to maximize genome coverage: a comparison of library preparation methods for Illumina sequencing. BMC Genomics 2022;23:92. doi:10.1186/s12864-022-08316-y ↩︎ ↩︎

  11. Souche E 외. Recommendations for whole genome sequencing in diagnostics for rare diseases. Eur J Hum Genet 2022;30:1017-21. doi:10.1038/s41431-022-01113-x ↩︎

  12. Kim S 외. Evaluation of low-pass genome sequencing in polygenic risk score calculation for Parkinson’s disease. Hum Genomics 2021;15:58 (Psomagen 소속 공저자 포함). doi:10.1186/s40246-021-00357-w ↩︎

#유전체분석#바이오인포매틱스#암유전체#GWAS#WGS#시퀀싱깊이

📚 함께 보면 좋은 글