16S rRNA 시퀀싱이란? — 마이크로바이옴을 읽는 표준법 (가변영역·OTU vs ASV·한계 완전 정리)

16S rRNA 분석의 흐름 — 시료 DNA → 가변영역 PCR 증폭 → 시퀀싱 → ASV·분류. 배양 없이 '누가 사는가'를 읽는다. (직접 그린 도식)

TL;DR — 16S rRNA 시퀀싱은 배양 없이 시료 속에 "누가 사는가"를 읽는, 마이크로바이옴 분석의 표준법이다. 모든 세균·고세균이 가진 리보솜 유전자(16S rRNA, 약 1,500bp)는 보존 영역과 가변 영역이 번갈아 있는데, 보존 영역은 보편 프라이머가 붙는 자리이고 9개의 가변 영역(V1~V9)은 분류군마다 다른 '분자 지문'이다.

그래서 한 가변 영역(주로 V4 또는 V3~V4)만 PCR로 증폭해 시퀀싱하면, 시료에 어떤 균이 얼마나 있는지 한꺼번에 읽힌다. 읽은 서열은 예전엔 97% 유사도로 묶어 OTU로 다뤘지만, 지금은 단일 염기까지 구분하는 ASV (DADA2)가 표준이다. 이렇게 나온 서열을 SILVA 같은 DB에 대조해 분류한다.

다만 한계가 분명하다 — 보통 속(genus) 수준까지만 구분되고(종·균주는 어렵다), 유전자 카피수 편향이 있으며, '누가 있나'는 알아도 '무엇을 하나'는 모른다. 그걸 알려면 샷건 메타지노믹스로 가야 한다. 실제 분석은 QIIME2·phyloseq로 한다.

🔗 관련 글  ·  기초: 마이크로바이옴이란?  ·  실습: QIIME2로 16S 분석하기

1. 16S rRNA란? — 미생물의 '보편 신분증'

세균과 고세균은 모두 리보솜으로 단백질을 만듭니다. 그 리보솜의 작은 소단위체(small subunit, SSU)를 이루는 RNA가 16S rRNA이고, 이를 만드는 유전자가 16S rRNA 유전자(약 1,500bp)입니다.

이 유전자가 미생물 분류의 '신분증'이 된 데는 이유가 있습니다. 1977년 Carl Woese와 George Fox가, 16S rRNA가 모든 세균·고세균에 공통이면서 천천히 진화한다는 점에 주목해 이를 보편적인 계통 마커로 확립했습니다. 핵심은 이중성입니다 — 보편적일 만큼 보존적이고, 분류군을 구별할 만큼 가변적입니다. 느리게 변하는 보존 영역은 종을 막론하고 거의 같고, 가변 영역은 균마다 달라 '누구인지'를 알려 줍니다.

2. 보존 영역 vs 가변 영역 — 프라이머 자리와 분자 지문

16S 유전자를 펼쳐 보면, 9개의 초가변 영역(V1~V9)이 보존 영역과 번갈아 배치돼 있습니다. 이 구조가 16S 시퀀싱의 모든 것을 가능하게 합니다.

• 보존 영역 = 보편 프라이머가 붙는 자리. 모든 세균에 공통이라, 한 쌍의 프라이머로 시료 안 거의 모든 균의 16S를 한꺼번에 증폭할 수 있습니다.
• 가변 영역(V1~V9) = 분류학적 지문. 분류군마다 서열이 달라, 이 부분을 읽으면 '누구인지'가 드러납니다.

다만 9개 영역을 다 읽지는 않습니다. 짧은 read로 시퀀싱하니, 보통 한두 개 영역만 골라 증폭합니다. 가장 흔한 선택이 V4와 V3~V4입니다.

그림 1. 16S 유전자 — 보존 영역(보편 프라이머 자리)과 9개 가변 영역(V1~V9, 분류 지문)이 번갈아 배치.

3. 앰플리콘 시퀀싱 — 어떻게 읽나

흐름은 이렇습니다. 시료에서 DNA 추출 → 보편 프라이머로 선택한 가변 영역을 PCR 증폭(여기에 시료 식별용 바코드를 붙임) → 여러 시료를 한데 모아 Illumina로 시퀀싱 → 생물정보 분석. 16S 영역만 증폭해 읽으므로 앰플리콘(amplicon) 시퀀싱이라 부릅니다.

자주 쓰는 프라이머는 정해져 있습니다.

• V4 — 515F/806R. 지구 마이크로바이옴 프로젝트(EMP)의 표준 프라이머입니다.
• V3~V4 — 341F/805R. 여러 후보 중 편향이 적은 편으로 평가됩니다(Klindworth 외, 2013).

💡 한 가지 짚을 점 — 흔히 쓰는 '515F/806R'은 처음 발표된 서열 그대로가 아닙니다. 이후 일부 분류군의 편향을 줄이려 정방향·역방향이 개정됐고(Parada·Apprill판), 지금 EMP 표준은 이 개정본입니다. "어떤 영역·프라이머를 쓰느냐"가 결과를 바꾸기 때문에, 연구 간 비교에서 늘 따져야 하는 부분입니다.

증폭한 16S 영역만 읽는 앰플리콘 방식은, 시료의 모든 DNA를 무작위로 읽는 샷건 방식(§6)과 대비됩니다.

4. OTU vs ASV — 서열을 묶을 것인가, 그대로 볼 것인가

시퀀싱이 끝나면 수백만 개의 read가 쏟아집니다. 이걸 어떻게 '종류'로 정리하느냐가 분석의 갈림길입니다.

• OTU (operational taxonomic unit) — 전통적 방식. 서로 97% 이상 비슷한 read를 한 덩어리로 묶어 하나의 '단위'로 셉니다. 시퀀싱 오류를 뭉뚱그려 흡수하지만, 해상도가 거칠고 데이터셋마다 경계가 달라져 연구 간 비교가 어렵습니다.
• ASV (amplicon sequence variant) — 현대적 방식. 디노이징(denoising) 알고리즘(DADA2·Deblur)으로 시퀀싱 오류를 걷어 내, 단 한 개 염기 차이까지 구분되는 정확한 서열을 추론합니다(Callahan 외, 2016).

ASV가 표준이 된 결정적 이유는 재현성입니다. ASV는 '실제로 존재하는 서열' 그 자체라, 서로 다른 연구에서 나온 ASV를 그대로 비교할 수 있습니다. 반면 OTU는 그때그때의 데이터에 따라 정의가 달라지는 산물이라 비교가 까다롭습니다. "OTU를 ASV로 대체해야 한다"는 제안(Callahan 외, 2017)이 이제 정설입니다.

그림 2. OTU(97% 유사도로 묶음, 데이터셋 종속)와 ASV(단일 염기까지 구분, DADA2, 연구 간 비교 가능).

5. 분류와 해상도 — 어디까지 알 수 있나

ASV (또는 OTU)는 아직 '서열'일 뿐, 이름이 없습니다. 이를 레퍼런스 데이터베이스에 대조해 분류명을 답니다. 대표적인 DB가 SILVA·Greengenes2·RDP입니다.

문제는 해상도입니다. 짧은 가변 영역만 읽는 16S로는 보통 속(genus) 수준(때로 과)까지만 신뢰성 있게 구분됩니다. 종이나 균주는 16S만으로 가려내기 어렵습니다. 전장(약 1,500bp)을 다 읽으면 해상도가 올라가지만, 흔한 단편 V4 시퀀싱은 그 수준에 못 미칩니다(Johnson 외, 2019). "어떤 속이 많다"까지는 말할 수 있어도 "어떤 종"인지는 조심해야 한다는 뜻입니다.

6. 한계 — 16S로 알 수 있는 것과 없는 것

16S는 강력하지만 만능이 아닙니다. 해석할 때 반드시 염두에 둘 한계가 있습니다.

• 해상도는 속까지. 종·균주 구분은 어렵습니다(§5).
• 유전자 카피수 편향. 16S 유전자는 게놈당 1개부터 15개 이상(평균 약 4.2개)까지 균마다 다릅니다. 카피가 많은 균은 실제보다 부풀려 보이고, 적은 균은 과소평가됩니다 — 상대 존재비를 그대로 믿으면 안 되는 이유입니다.
• 프라이머·영역 편향. 어떤 가변 영역을 고르느냐에 따라 잘 잡히는 균이 달라집니다. 완벽한 단일 영역은 없습니다.
• 조성(compositional) 데이터. 비율의 합이 1로 고정돼, 한 균이 늘면 다른 균이 줄어 보입니다 — 전용 통계가 필요합니다.
• '무엇을 하나'는 모른다. 16S는 '누가 있나(who is there)'만 알려 줄 뿐, 그 균들이 어떤 유전자로 무엇을 하는지(what they do)는 알려 주지 않습니다.

마지막 한계를 넘으려면 샷건 메타지노믹스(shotgun metagenomics) — 시료의 모든 DNA를 읽는 방식 — 로 가야 합니다. 종·균주 해상도와 기능 유전자까지 주지만, 비용이 비싸고 분석이 복잡합니다. 반대로 16S는 저렴하고 견고하며, 균이 적은 시료에도 강합니다. 둘은 경쟁이 아니라 목적에 따른 선택입니다.

그림 3. 16S(누가 있나 · 속 수준 · 저렴) vs 샷건 메타지노믹스(누가+무엇을 · 종/균주 · 기능, 비쌈).

7. 어떻게 분석하나 — QIIME2와 phyloseq

16S 데이터의 표준 분석 도구가 QIIME2입니다. 원시 read를 받아 DADA2로 디노이징 → ASV 표 → 분류 → 다양성 지표까지 한 흐름으로 처리합니다(Bolyen 외, 2019). 설치부터 실행까지는 QIIME2로 16S 분석하기에서 다뤘습니다.

QIIME2가 만든 결과(ASV 표·분류·계통수)는 R로 가져와 더 자유롭게 시각화·통계하는 게 보통입니다. 그 도구가 phyloseq입니다. 개념(이 글) → 실습(QIIME2) → 시각화(phyloseq)로 이어지는 셈입니다.

8. 핵심 정리

• ✅ 16S rRNA = 모든 세균·고세균의 리보솜 유전자(약 1,500bp). 배양 없이 군집을 읽는 보편 마커(Woese).
• ✅ 보존 영역(보편 프라이머 자리) + 가변 영역 V1~V9 (분류 지문). 보통 V4·V3~V4를 증폭.
• ✅ 앰플리콘 시퀀싱 — 16S 영역만 PCR로 증폭해 읽음. 프라이머·영역 선택이 결과를 좌우.
• ✅ OTU (97% 클러스터) → ASV (단일 염기, DADA2)로 진화. ASV는 연구 간 비교가 가능해 표준.
• ✅ 해상도는 보통 속 수준. 카피수 편향·기능 정보 없음이 핵심 한계 — 기능은 샷건 메타지노믹스로.
• ✅ 분석은 QIIME2 → phyloseq. 이 글이 그 개념적 출발점.

9. 다음 학습 추천

• 📗 마이크로바이옴이란? — 16S로 들여다보는 그 미생물 생태계의 기초 (기초)
• 💻 QIIME2로 16S 분석하기 — 이 글의 개념을 실제로 돌려 보는 실습 (실습)
• 🧬 phyloseq로 마이크로바이옴 시각화 — QIIME2 결과를 R에서 다양성·조성으로 (심화)

References

1. Woese, C. R., & Fox, G. E. (1977). Phylogenetic structure of the prokaryotic domain: the primary kingdoms. Proceedings of the National Academy of Sciences, 74(11), 5088–5090.
2. Caporaso, J. G., et al. (2011). Global patterns of 16S rRNA diversity at a depth of millions of sequences per sample. PNAS, 108(Suppl 1), 4516–4522.
3. Callahan, B. J., et al. (2016). DADA2: high-resolution sample inference from Illumina amplicon data. Nature Methods, 13(7), 581–583.
4. Callahan, B. J., McMurdie, P. J., & Holmes, S. P. (2017). Exact sequence variants should replace operational taxonomic units in marker-gene data analysis. The ISME Journal, 11(12), 2639–2643.
5. Quast, C., et al. (2013). The SILVA ribosomal RNA gene database project. Nucleic Acids Research, 41(D1), D590–D596.
6. Johnson, J. S., et al. (2019). Evaluation of 16S rRNA gene sequencing for species and strain-level microbiome analysis. Nature Communications, 10, 5029.
7. Bolyen, E., et al. (2019). Reproducible, interactive, scalable and extensible microbiome data science using QIIME 2. Nature Biotechnology, 37(8), 852–857.

Pipette & Pipeline · A bio portfolio journal — bridging research, data, and industry.