현장에서 느낀 유전체·오믹스 연구 환경의 변화

들어가며

안녕하세요! 저희는 지난 2월 4일부터 6일까지, 강원도 홍천 소노캄 비발디파크에서 열린 제22회 한국유전체학회 동계심포지엄 및 워크샵에 다녀왔습니다.
행사장에는 연구자와 기업 관계자들이 끊임없이 오가며, 세션 시작 전부터 노트북을 열고 이야기를 나누는 모습이 곳곳에서 눈에 띄었습니다.

이번 행사는 단순한 학술 발표를 넘어, 유전체 연구 환경이 어디로 향하고 있는지를 직접 체감할 수 있었던 자리였습니다.

롱리드 시퀀싱(Long-read Sequencing), 싱글셀·공간 전사체, 멀티오믹스 통합 분석, 그리고 AI 기반 해석까지—
유전체 연구 전반에서 데이터 규모와 복잡도가 빠르게 증가하고 있음을 현장에서 실감할 수 있었습니다.

이번 학회는 ‘기술 소개의 자리’를 넘어,
유전체 연구 환경이 구조적으로 전환되고 있음을 보여준 현장이었습니다.

데이터 해석의 시대: 유전체 산업의 새로운 중심축은 '분석 인프라'

이제 유전체 산업은 단순히 서열을 ‘읽는(Read)’ 단계를 넘어, 방대한 데이터를 ‘해석(Interpret)’하고 ‘연결(Integrate)’하는 단계로 이동하고 있습니다.

이번 학회 에서 특히 두드러졌던 흐름은 다음과 같습니다.

롱리드 시퀀싱의 보편화
- T2T, 구조 변이 분석, full-length RNA 분석 등으로 데이터 볼륨이 기하급수적으로 증가

멀티오믹스 통합 분석의 일상화
- Genomics + Transcriptomics + Proteomics + Spatial data를 함께 다루는 연구가 표준으로 이동

AI/ML 기반 분석의 실험 단계를 넘어선 적용
- 모델 자체보다, 데이터를 어떻게 정제·연결하느냐가 성패를 좌우

데이터 규모가 커진 지금, 기존 로컬 인프라는 더 이상 연구 속도를 따라가기 어려운 것이 현실입니다.
특히 현장에서는 “그럼 이걸 실제 연구 환경에서는 어떻게 운영하느냐*는 질문이 반복해서 나왔습니다.

Why AWS HealthOmics?: 현장에서 가장 많이 나왔던 질문

저희는 이번 행사에서 AWS와 공동 부스를 운영하며, AWS HealthOmics를 중심으로 연구자들이 실제로 겪고 있는 데이터 병목과 운영 부담을 어떻게 줄일 수 있는지를 구체적으로 소개했습니다.

가장 많이 들었던 질문 중 하나는
“새로 만드는 건 부담이 크고, 지금 쓰는 파이프라인을 그대로 가져갈 수 있느냐”였습니다.

이에 대해, 기존 고객이 보유한 온프레미스 또는 개별 분석 환경 기반의 유전체 분석 파이프라인을 기존 분석 코드와 워크플로우 구조를 최대한 유지한 상태에서 클라우드 환경으로 전환하는 지원 방식을 중심으로 설명했습니다.

또한 최근에는 AWS의 생성형 AI 어시스턴트 Amazon Q를 활용해,
기존 파이프라인 코드를 Nextflow 등 AWS HealthOmics 호환 형태로 변환하는 기술 지원에 대해서도 함께 소개했습니다.
 

 운영 부스 

한눈으로 알아보는 제공 서비스 

1.AWS HealthOmics 기반의 표준 운영

데이터 저장–워크플로우 실행–운영 관리까지 “연구자가 관리 부담 없이 굴러가게” 만드는 구조

2. AI로 전환 비용(시간)을 줄이는 방식

Amazon Q를 활용해 기존 코드/파이프라인의 구조를 유지하면서  HealthOmics(Nextflow)에 맞게 변환 및 적용

3. 전환 이후까지 고려한 ‘운영’ 관점

단발성 마이그레이션이 아니라, 검증/재현성/확장/비용 통제까지 포함한 운영 체계 설계

결론

이번 학회를 통해, 기술 자체보다도 연구자들이 ‘운영을 어디까지 감당해야 하는지’에 대해 가장 큰 고민을 하고 있다는 점을 다시 한 번 느낄 수 있었습니다.

NDS는 앞으로도 연구 현장의 실제 분석 환경과 요구를 바탕으로, 클라우드 기반 유전체·오믹스 분석 환경 전환과 운영을 지원하는 파트너로서의 역할을 이어갈 계획입니다.

관련된 클라우드 기반 유전체·오믹스 분석 환경 전환 이야기는, 현장에서 나눈 질문을 중심으로 계속 정리해 나갈 예정입니다.

오늘도 긴 글 읽어주셔서 감사합니다!