알파·베타 다양성이란? — 마이크로바이옴을 숫자로 비교하는 법 (지표·해석·'다양성=건강' 함정 완전 정리)
TL;DR — 16S 시퀀싱으로 '누가 사는지' 표를 만들었다면, 다음 질문은 "그래서 이 군집들을 어떻게 비교하지?"다. 그 답이 다양성(diversity) 지표다. 크게 둘로 나뉜다 — 알파 다양성(α)은 표본 하나가 얼마나 다양한가(한 사람 장 속 균이 몇 종이고 얼마나 고른가), 베타 다양성(β)은 표본들이 서로 얼마나 다른가(A의 장과 B의 장이 얼마나 다른 조성인가)다.
알파는 Shannon·Simpson·Chao1·Faith's PD 같은 지수로, 베타는 Bray-Curtis·UniFrac 같은 '거리'로 잰다. 베타 거리들은 PCoA 같은 그림으로 펼치고 PERMANOVA로 그룹 차이를 검정한다.
하지만 가장 중요한 건 해석의 절제다. 흔한 통념인 "다양성이 높을수록 건강하다"는 자주 틀린다. 건강한 질(vagina) 마이크로바이옴은 오히려 저다양성이 정상이고, 질환에 따라 다양성이 높아지기도 낮아지기도 한다. 다양성은 답이 아니라 질문의 출발점이다.
🔗 관련 글 · 같은 마이크로바이옴 계열: 16S rRNA 시퀀싱 · 마이크로바이옴이란?
1. 왜 '다양성'을 숫자로 재나
16S rRNA 시퀀싱을 끝내면 손에 표 하나가 남습니다 — 각 표본(샘플)에 어떤 미생물(ASV)이 몇 개씩 있는지 적힌 거대한 행렬입니다. 그런데 이 표만 들여다봐서는 "이 사람 장이 저 사람보다 건강한가?", "이 처치가 군집을 바꿨나?" 같은 질문에 답할 수 없습니다.
그래서 군집 전체를 몇 개의 숫자로 요약합니다. 그 요약값이 다양성 지표입니다. 생태학에서 빌려온 개념으로, 마이크로바이옴 분석의 거의 모든 그림과 통계가 여기서 출발합니다.
2. 알파·베타·감마 — 세 층위
생태학자 Whittaker는 다양성을 세 층위로 나눴습니다(Whittaker 1960).
- 알파 다양성(α) — 한 표본 안의 다양성. "이 사람 장에는 균이 몇 종이고 얼마나 고르게 분포하나?"
- 베타 다양성(β) — 표본들 사이의 차이. "A의 장과 B의 장은 조성이 얼마나 다른가?"
- 감마 다양성(γ) — 여러 표본을 합친 지역(전체) 다양성.
직관은 이렇습니다 — 알파는 '한 컵 안이 얼마나 다채로운가', 베타는 '컵들이 서로 얼마나 다른가'입니다. 마이크로바이옴 논문에서 다루는 거의 모든 게 이 알파·베타 두 가지입니다.
⚠️ 참고로 'β 다양성'은 정의가 하나가 아닙니다 — Whittaker의 곱셈식(β = γ/α)과, 미생물학에서 흔한 '표본 쌍 사이의 비유사도'가 같은 이름으로 불립니다. 이 글에서 말하는 β는 후자(표본 간 비유사도)입니다.
3. 알파 다양성 — 한 표본이 얼마나 다양한가
알파 다양성에는 두 축이 숨어 있습니다. 이걸 구분하는 게 핵심입니다.
- 풍부도(richness) — 종이 몇 개인가.
- 균등도(evenness) — 그 종들이 얼마나 고르게 분포하나.
예를 들어 100마리 중 25종이 각 4마리씩 있는 군집과, 한 종이 76마리고 나머지 24종이 1마리씩인 군집은 풍부도(25종)는 같지만 균등도는 전혀 다릅니다. 좋은 지표는 이 둘을 함께 봅니다.
| 알파 지표 | 무엇을 보나 | 계통수 반영? |
|---|---|---|
| 관측 종 수(observed) | 풍부도만 | ✗ |
| Chao1 (Chao 1984) | 안 보인 희귀종까지 보정한 풍부도 추정 | ✗ |
| Shannon (H′) (Shannon 1948) | 풍부도 + 균등도(희귀종에 민감) | ✗ |
| Simpson (D) (Simpson 1949) | 우점도 중심(흔한 종에 민감) | ✗ |
| Pielou 균등도(J′) | 균등도만(J′ = H′ / ln S) | ✗ |
| Faith's PD (Faith 1992) | 계통수 가지길이의 합(진화적 다양성) | ✓ |
여기서 흔한 함정 하나 — Shannon이나 Simpson 값 하나만 보면, 그게 종이 늘어서(풍부도) 변했는지 분포가 고르게(균등도) 변했는지 알 수 없습니다. 두 지수가 섞어 버리기 때문입니다.
이를 깔끔하게 푸는 현대적 틀이 힐 수(Hill numbers)입니다(Hill 1973; Jost 2006). 매개변수 q를 바꾸면 — q=0이면 풍부도, q=1이면 Shannon, q=2면 역(逆)Simpson — 하나의 자(尺)로 여러 지표를 '유효 종 수(effective number of species)'라는 직관적 단위로 통합합니다.
4. 베타 다양성 — 표본들이 얼마나 다른가
베타 다양성은 두 표본이 얼마나 다른지를 '거리(비유사도)'로 잰 값입니다. 모든 표본 쌍의 거리를 모으면 거리 행렬(distance matrix)이 되고, 이것이 모든 베타 분석의 입력물입니다.
자주 쓰는 네 가지를 두 축으로 나누면 이해가 쉽습니다 — ① 존재/부재만 보나, 양(abundance)까지 보나 ② 계통수를 반영하나, 안 하나.
| 베타 지표 | 양 반영? | 계통수 반영? |
|---|---|---|
| Jaccard | ✗ (존재/부재) | ✗ |
| Bray-Curtis (Bray & Curtis 1957) | ✓ (양) | ✗ |
| 비가중 UniFrac (Lozupone & Knight 2005) | ✗ (존재/부재) | ✓ |
| 가중 UniFrac (Lozupone 외 2007) | ✓ (양) | ✓ |
직관은 이렇습니다 — Jaccard는 "어떤 종이 있고 없고"만, Bray-Curtis는 "각 종이 얼마나 많은지"까지 봅니다. UniFrac은 한 발 더 나아가 두 군집이 계통수에서 얼마나 먼 가지를 공유하는지까지 따집니다(가까운 친척 균끼리는 덜 다른 것으로 침). 무엇을 쓰느냐에 따라 결론이 달라질 수 있어, 여러 지표를 함께 보고하는 게 권장됩니다.
5. 그림으로 보고, 통계로 검정하기
거리 행렬은 숫자 덩어리라 눈으로 못 봅니다. 그래서 서열화(ordination)로 2차원에 펼칩니다.
- PCoA (주좌표분석) — 거리 행렬을 받아 표본들을 평면에 흩뿌립니다. 가까이 찍힌 점일수록 조성이 비슷합니다(Gower 1966).
- NMDS (비계량 다차원척도법) — 거리의 순위만 보존해 펼치는 방식으로, 미생물 데이터처럼 0이 많은 자료에 강건합니다(Kruskal 1964).
그림에서 그룹이 갈려 보이면, "정말 통계적으로 다른가?"를 검정합니다.
- PERMANOVA — 그룹 간 조성 차이를 순열(permutation)로 검정하는 표준 기법입니다(Anderson 2001, R의
adonis2). - ⚠️ PERMANOVA의 함정 — 분산 교란. PERMANOVA가 유의해도, 그게 그룹의 중심이 달라서가 아니라 한 그룹이 더 들쭉날쭉(산포가 커서)일 수 있습니다. 그래서 betadisper (PERMDISP)로 산포의 동질성을 함께 확인해야 결론이 안전합니다(Anderson 2006). 이 검증을 빠뜨린 논문이 의외로 많습니다.
6. 깊이 보정 논쟁 — rarefaction은 죄인가
표본마다 읽힌 서열 수(시퀀싱 깊이)가 다르면 다양성 비교가 불공정해집니다. 깊게 읽은 표본이 종이 더 많아 보이는 건 당연하니까요. 이걸 보정하는 방법을 두고 아직도 합의가 없습니다.
- 전통 — rarefaction. 모든 표본을 같은 깊이로 무작위 추출해 맞춥니다.
- 비판(2014). McMurdie와 Holmes는 "데이터를 버리는 rarefaction은 허용 불가"라며, 특히 차등 풍부도 검정에는 부적절하다고 못 박았습니다(McMurdie & Holmes 2014). 다만 이 비판은 '차등 풍부도'라는 특정 목적에 대한 것이지 모든 용도가 아닙니다.
- 조성 데이터 관점. Gloor 등은 시퀀싱 데이터가 본질적으로 조성(compositional) 자료이므로 CLR (중심 로그비) 변환과 Aitchison 거리로 다뤄야 한다고 주장합니다(Gloor 외 2017).
- 재옹호(2024). 반대로 Schloss는 자매 논문 두 편에서, 알파·베타 다양성에서 깊이를 통제하는 데는 rarefaction이 여전히 가장 견고하고 검정력도 높다고 반박했습니다(Schloss 2024).
정리하면 — 이건 풀린 문제가 아닙니다. 목적이 '차등 풍부도'냐 '다양성 비교'냐, 깊이 편차가 얼마나 크냐에 따라 권고가 갈립니다. "rarefaction은 무조건 구식/틀림"이라는 단정은 2024년 기준으로는 과합니다.
7. ★ "다양성이 높을수록 건강하다"는 신화다
이 글에서 가장 강조하고 싶은 대목입니다. 대중 매체와 마케팅이 가장 사랑하는 문장 — "장내 다양성이 높을수록 건강하다" — 은 자주 틀립니다.
- 건강한 질(vagina)은 오히려 저다양성이 정상. 건강한 질 미생물군은 Lactobacillus 한 속이 압도적으로 우점해 다양성이 낮습니다. 반대로 다양성이 높아지면 세균성 질증(BV)과 연관됩니다. 여기선 고다양성 = 질환입니다.
- 영아의 장은 원래 저다양성. 신생아·영아 장은 다양성이 낮은 게 정상이고, 두세 살에 걸쳐 서서히 성인형으로 성숙합니다. 낮다고 '나쁜' 게 아닙니다.
- 질환마다 방향이 반대. 염증성 장질환(IBD)이나 C. difficile 감염은 보통 저다양성과 엮이지만, 자궁경부암 등 일부에서는 오히려 다양성이 높게 보고됩니다. 방향이 일정하지 않다는 사실 자체가 "다양성=건강이라는 단일 축"이 틀렸다는 증거입니다.
학계의 정리는 명쾌합니다 — "다양성은 답이 아니라 질문이다"(Shade 2017). 다양성 수치는 더 깊은 생태 메커니즘을 묻기 위한 출발점이지, 그 자체가 건강의 판독값이 아닙니다(Johnson & Burnet 2016). 게다가 지표 선택에 따라 결론이 바뀌고, 그룹 간 차이의 효과 크기가 작은데 과대 해석되는 일이 흔하며, 무엇보다 상관 ≠ 인과입니다.
8. 핵심 정리
- ✅ 알파(α) = 한 표본 내 다양성, 베타(β) = 표본 간 차이. 마이크로바이옴 비교의 두 축.
- ✅ 알파는 풍부도 + 균등도 두 축 — Shannon·Simpson은 둘을 섞으므로 힐 수(q=0·1·2)로 분해해 보면 명확.
- ✅ 베타는 거리(비유사도) — Jaccard (존재) / Bray-Curtis (양) / UniFrac (계통 반영, 비가중·가중).
- ✅ 거리 행렬은 PCoA·NMDS로 펼치고 PERMANOVA로 검정 — 단 betadisper (분산 교란)를 꼭 함께.
- ✅ 깊이 보정(rarefaction)은 미해결 논쟁 — 목적에 따라 갈린다(차등 풍부도 vs 다양성 비교).
- ✅ ★ "다양성 높음 = 건강"은 신화 — 건강한 질은 저다양성, 질환마다 방향이 반대. 다양성은 질문이지 답이 아니다.
9. 다음 학습 추천
- 🧪 QIIME2로 16S 분석하기 — 알파·베타 다양성을 실제로 계산하는 파이프라인 (실전)
- 📊 phyloseq로 마이크로바이옴 시각화 — R로 다양성·ordination 그리기 (실전)
- 🧬 16S rRNA 시퀀싱이란? — 다양성 계산의 입력 데이터 (기초)
References
- Whittaker, R. H. (1960). Vegetation of the Siskiyou Mountains, Oregon and California. Ecological Monographs, 30(3), 279–338.
- Shannon, C. E. (1948). A mathematical theory of communication. Bell System Technical Journal, 27(3), 379–423.
- Simpson, E. H. (1949). Measurement of diversity. Nature, 163, 688.
- Chao, A. (1984). Nonparametric estimation of the number of classes in a population. Scandinavian Journal of Statistics, 11(4), 265–270.
- Faith, D. P. (1992). Conservation evaluation and phylogenetic diversity. Biological Conservation, 61(1), 1–10.
- Hill, M. O. (1973). Diversity and evenness: a unifying notation and its consequences. Ecology, 54(2), 427–432.
- Jost, L. (2006). Entropy and diversity. Oikos, 113(2), 363–375.
- Bray, J. R., & Curtis, J. T. (1957). An ordination of the upland forest communities of southern Wisconsin. Ecological Monographs, 27(4), 325–349.
- Lozupone, C., & Knight, R. (2005). UniFrac: a new phylogenetic method for comparing microbial communities. Applied and Environmental Microbiology, 71(12), 8228–8235.
- Lozupone, C. A., Hamady, M., Kelley, S. T., & Knight, R. (2007). Quantitative and qualitative β diversity measures lead to different insights into factors that structure microbial communities. Applied and Environmental Microbiology, 73(5), 1576–1585.
- Anderson, M. J. (2001). A new method for non-parametric multivariate analysis of variance. Austral Ecology, 26(1), 32–46.
- Anderson, M. J. (2006). Distance-based tests for homogeneity of multivariate dispersions. Biometrics, 62(1), 245–253.
- McMurdie, P. J., & Holmes, S. (2014). Waste not, want not: why rarefying microbiome data is inadmissible. PLoS Computational Biology, 10(4), e1003531.
- Gloor, G. B., Macklaim, J. M., Pawlowsky-Glahn, V., & Egozcue, J. J. (2017). Microbiome datasets are compositional: and this is not optional. Frontiers in Microbiology, 8, 2224.
- Willis, A. D. (2019). Rarefaction, alpha diversity, and statistics. Frontiers in Microbiology, 10, 2407.
- Schloss, P. D. (2024). Rarefaction is currently the best approach to control for uneven sequencing effort in amplicon sequence analyses. mSphere, 9(2), e00354-23.
- Shade, A. (2017). Diversity is the question, not the answer. ISME Journal, 11(1), 1–6.
- Johnson, K. V.-A., & Burnet, P. W. J. (2016). Microbiome: should we diversify from diversity? Gut Microbes, 7(6), 455–458.
Pipette & Pipeline · A bio portfolio journal — bridging research, data, and industry.
