리듬 속의 장내미생물

오늘은 클로바에게 최근에 나온 논문으로 글을 써달라고 해보려고 합니다.

이름하여 "Diurnal rhythmicity of infant fecal microbiota and metabolites: A randomized controlled interventional trial with infant formula" 라는 논문으로 Cell Host & Micobe에 출판되었다고 합니다.

doi: 10.1016/j.chom.2024.02.015

clova-x에 파일을 업로드 하면 기본적으로 뱉어내는 내용은 다음과 같습니다.

• 이번 연구는 210명의 유아를 대상으로 무작위, 대조군 개입 시험을 진행하였으며, 마이크로바이옴 프로파일이 주로 연령에 따라 적응한다는 것을 밝혀냄.
• 갈락토올리고당은 비피도박테리움의 수준을 높게 유지시키는 것으로 밝혀짐.
• 장내 세균총의 구성은 주로 나이에 영향을 받으며, 식습관에 따라 달라질 수 있음.
• circadian rhythms의 존재는 완전히 알려지지 않았으며, circadian clocks는 24시간 리듬을 조절함.
• circadian crosstalk between bacteria and the host는 소화기 건강과 대사에 영향을 미침.
• 대사 산물은 feeding groups에 따라 명확하게 다르며, diurnal rhythmicity를 보여줌.
• 이러한 결과는 circadian regulation이 생애 초기에 시작되며, 유아 마이크로바이옴에 기능적으로 기여할 수 있다는 가설을 뒷받침함.
• 유아 마이크로바이옴의 일주기 리듬 발달은 나이와 formula supplementation에 영향을 받음.
• 다양한 방법을 통해 얻은 데이터를 종합하여 분석한 결과, 유의미한 결과를 도출함.
• 해당 논문은 circadian regulation이 생애 초기에 시작되며, 유아 마이크로바이옴에 기능적으로 기여할 수 있다는 가설을 뒷받침함.
• 더 많은 연구를 통해 circadian rhythms과 관련된 추가적인 정보를 얻을 필요가 있음.

clova-x에게 조금 더 자세히 블로그에 올릴 글을 하나 작성해 달라고 하였습니다.

해당 논문은 유아의 마이크로바이옴과 circadian rhythms의 연관성을 조사한 연구로, 마이크로바이옴과 circadian rhythms의 상호작용을 이해하는 데 도움이 될 것입니다. 유아의 마이크로바이옴의 일주기 리듬 발달에 영향을 미치는 요인을 파악하여, 유아의 건강을 증진하는 데 도움이 될 것입니다. 장내미생물은 마이크로바이옴의 일부로, 장 내에 존재하며 음식물의 소화와 흡수, 면역 기능 등에 중요한 역할을 합니다.

해당 연구에서는 210명의 유아(이 유아 아님)를 대상으로 유아의 마이크로바이옴이 주로 연령에 따라 적응하며, 식습관에 따라 달라질 수 있다는 것을 밝혀냈습니다. circadian rhythms의 존재는 완전히 알려지지 않았지만, circadian clocks는 24시간 리듬을 조절하며, Host(사람)과 Bacteria(장내미생물)간의 circadian crosstalk은 소화기 건강과 대사에 영향을 미치는 것으로 나타났고, 장내미생물의 circadian rhythms은 인간의 건강에 영향을 미칠 수 있습니다.

그리고 feeding group에 따라 circadian rhythms이 달라질 수 있습니다. 이는 feeding group에 따라 장내 미생물의 구성이 다르기 때문입니다. 예를 들어, 모유를 먹는 유아와 분유를 먹는 유아는 장내 미생물의 구성이 다릅니다. 모유를 먹는 유아는 Enterobacteriaceae와 Bifidobacterium이 풍부하고, 분유를 먹는 유아는 Clostridium과 Bacteroides가 풍부합니다. 이러한 차이가 circadian rhythms에도 영향을 미치는 것으로 알려져 있습니다.

해당 연구는 유아의 마이크로바이옴과 circadian rhythms의 연관성을 조사한 연구로, 마이크로바이옴과 circadian rhythms의 상호작용을 이해하는 데 도움이 될 것입니다. 유아의 마이크로바이옴의 일주기 리듬 발달에 영향을 미치는 요인을 파악하여, 유아의 건강을 증진, 더 나아가서는 인류의 건강을 증진하는 데도 활용 될 수 있습니다.

라고 작성해 주었습니다.

clova-x도 특화되어 있는 내용이나 전문적인 주제에 대해서 학습이나 표현이 제한적이어서 그런 것인지 비슷한 말을 반복해서 얘기하는 문장들이 gemini처럼 증가하는 것은 느낌적인 느낌이라고 생각하고 싶습니다.

그래도 gemini처럼 이따금씩 다른 내용을 읆지는 않아서 좋은 것 같습니다. :)

출처: @ye._.vely618

이제는 전체 16S rRNA 서열을 봐야하지 하지 않을까? 하는 얘기

마이크로바이옴 분석을 할 때 매번 나오는 얘기로 16S rRNA에서 V3-V4  영역만으로 괜찮겠냐, full 16S rRNA봐야하는거 아니냐? whole sequencing해야하는거 아니냐 라는 내용의 논문이 있엇 한번 가져와봤씁니다.

2019년에 출판된 "Evaluation of 16S rRNA gene sequencing for species and strain-level microbiome analysis" 종/strain 수준의 16s RNA 서열 평가에 대한 내용 되겠습니다.

DOI: doi.org/10.1038/s41467-019-13036-1

16S rRNA는 박테리아 분석, microbiome 분석 시 주로 사용해오고 있고, 지금도 활발히 사용되고 있는 분석 방법 이지만, 지금까지는 V3-V4 영역만을 대상으로하는 방법이었고, 이제는 전체 16S rRNA를 확인하는 것에 대해서 얘기해봐야 하는 시점이 되었죠.

이전까지 16S의 V3-V4 영역으로 구분이 안되는 종들이 있었고, 지금까지 하던 분변 마이크로바이옴은 모르겠다만, 다른 환경의 마이크로바이옴을 할때는 V4-V5가 더 좋아보이는데 너님들의 생각은 어때? 라는 논문이 꾸준히 나오는거 봐선 이제 전장 16S rRNA 방법이 두각을 나타날때가 되긴했죠 :)

바드에 물어보니 다음과 같이 요약해 주었습니다.

• 16S rRNA 유전자 시퀀싱은 미생물군집 내의 다양한 종과 균주를 식별하고 그들의 풍부도를 정량화하는 데 사용할 수 있습니다.
• 또한 미생물군집의 구성 변화를 추적하는 데 사용할 수 있습니다.
• 그러나 16S rRNA 유전자 시퀀싱은 균주 수준에서 정확도가 떨어질 수 있으며, 유사한 종을 구분하기 어려울 수 있습니다.
• 16S rRNA 유전자 시퀀싱의 정확도는 향상되고 있으며, 미생물군집을 연구하는 연구자들에게 유용한 도구입니다.

다른 미생물군집 분석 방법으로는 샷건 메타지놈 분석과 whole-genome 시퀀싱이 있지만 이 방법들은 16S rRNA 분석 방법보다 돈도 많이 들고, 시간도 더 많이 소요되니 너님이 궁금해하는게 무엇인지에 따라 선택해야하지 않겠니?

정도로 잘 요약해 줬습니다.V3-V4 수준이 아닌 고품질의 full 16S rRNA 데이터를 확보할 수 있으니 이제 V3-V4, V4-V5와 같은 좁은 영역이 아닌 full 16S rRNA로 microbiome 분석을 진행하는것이 좋아보이고, 이제 충분히 품질이나 비용이 만족할 수준까지 왔으니 더 나은 결과를 위해서 나와 함께 해보지 않겠는가? 라는 내용 되겠습니다.

출처: @ye._.vely618

microbiome 시퀀싱 데이터는 얼마나 잘라내야 결과가 좋을까? for DADA2

요즘 QIIME2를 뒤적이고 있는 차에 쓰임이 많아 보이는 논문이 하나 있어서 투적해봅니다. (물론 greengene2만큼일련지는...)

Trimming conditions for DADA2 analysis in QIIME2 platform

doi: https://doi.org/10.11620/IJOB.2021.46.3.146

사실 QIIME2를 사용할 때뿐만 아니라 metagenome 분석을 할 때 한번은 짚고 넘어가야 하는 내용을 다루고 있어서 거쳐야 하는 단계를 가볍게 넘어가게 할 수 있지 않을까 합니다.

바로 metagenome분석시 qiime2에서 DADA2를 이용한 최적의 read trimming 조건 찾기 입니다.

metagenome 연구를 할 때 일반적으로 일루미나 플랫폼의 V3/4 region을 target으로 시퀀싱을 진행하게 됩니다. 16S rRNA가 종 동정에 많이 사용되고 16S rRNA의 가변 영역인 V1~V9중 해상도가 괜찮은 부분인 V3/4라고 연구되어 있기 때문에 일반적으로 많이 사용하고 있죠

V3/4은 대략 440bp정도이므로 안타깝게도 일루미나의 한쪽 read만으로는 V3/4 영역을 커버할 수가 없습니다. 그래서 pair로 짝을 이뤄 중간에 overlap되게 하여 시퀀싱을 진행하고 overlap되는 서열을 활용하여 merged/stitch 하게 됩니다.

이때 Read1에서는 얼마나 잘라내고 Read2에서는 얼마나 잘라내야지 내 피 같은 연구비를 들여서 생산한 데이터를 최대로 활용하면서 좋은 데이터를 확보할 수 있을까? 가 중요하게 됩니다.

그래서 이 연구팀은 QIIME2의 DADA2를 사용하여 Read1과 Read2를 얼마나 trimming해야지 내 데이터에서 좋은 결과를 뽑아낼 수 있는지에 대한 다양한 실험을 통해 확인하였습니다.

QIIME2에는 DADA2말고 deblur도 있는데 delbur는 왜 안 했어? 라고 하신다면 안타깝게도 deblur는 single read에서 작동된다고 되어 있으니 deblur 결과가 궁금하신 분께서는 직접 해보시는 것도 좋은 선택지 같습니다. :)

여튼 Read1과 Read2의 여러 수치의 trimming 조건과 trimming후 read merge/stitch 이후 chimera 서열로 보이는 데이터의 양, 그리고 trimming에 따라 얻어진 데이터의 미생물의 풍부도(Alpha Diversity)까지, 세심하게 trimming에 따른 결과 영향까지 확인해서 논문에 실어주었네요

사실 빡빡 trimming해서 좋은 quality base들만 남겨 논들 read merge/stitch가 되지 않고, 죄다 chimera라고 나와버리면 무용지물이다 보지 trimming 이후에 trimming의 영향에 대해서도 함께 평가해서 적절한 trimming 지점을 제안해주고 있습니다. 

결과적으로 Read1은 1사분위의 read quality가 Q20가 되면 이제 그 위치부터는 헤어져야 하고, Read2는 Read1과 overlap되는 길이가 16bp이상만 되도록 조절(trimming)해주면 결과에 나쁜 영향을 미치지 않는 -개인적으로는 망하지는 않는 조건이지 않을까 합니다- trimming 조건이라고 얘기하고 있습니다.

그럼 다음에 또 재미있는 내용으로 찾아와 보도록 하겠습니다.

출처: @ye._.vely618

왕의 귀환, greengene2

어이쿠... 기억속에 잊혀져 있던 database가 우리 곁으로 다시 돌아왔네요

옛날에 metagenome 한번 해봤으면 썼었던 바로 그 db, greengene이 버전업 해서

greengene2으로 아래 논문으로 돌아왔습니다.

Greengenes2 unifies microbial data in a single reference tree

역시 우리 Rob훃아가 찬밥 신세로 있었던 greengeen을 멱살 잡고 끌고 온듯합니다.

단순히 greengene의 빈약했던 taxonomy정보만 벌크업 한것이 아닌 16S rRNA와 shotgun metagenome 결과를 비교할 수 있도록 개선했다고 합니다.

여튼 metagenome 하면서 다들 느낀 점은 시퀀싱 방법과 db가 바뀔 때 마다 결과가 왜 다르지 아니겠습니까? 이 문제를 (어느정도)해결하지 않나 싶습니다.

꼼꼼하게 보지는 않았지만 현존하는 종 db들을 싹싹 털었던듯 싶네요

WoL(Web of Life), LTP(Living Tree Project)등의 db에서 확보가능한 full length 16S rRNA 서열을 긁어모았고 쿵짝 쿵짝 하고 taxonomy는 통일을 하기 위해 NCBI체계를 따르는 LTP 정보를 GTDB(Genome Taxonomy DataBase)에 통합하였다고 합니다.  curation차이로 인해서 LTP와 GTDB간의 차이가 발생하고 종의 종보들이 누락되어 있는 것들이 있다보니 데이터가 더 풍부한 GTDB에 LTP 정보들을 통합하였다고 하네요.
(개인적으로 NCBI taxonomy 체계를 사용하고 있는데...)

여튼.. 거의 10년만의 greengene의 귀환 논문이고 (단순히) 데이터만 많았던 siliva가 긴장좀 하겠네요 ㅎㅎ 

더 자세하게 읽어 봐야하는데...

기쁜 마음에 포스트 먼저 훗..

출처: @ye._.vely618

Uterine Microbiota의 이해

읽는다 읽는다 하면서 이제서야 정리하는 내용...

Uterine Microbiota: Residents, Tourists, or invaders?

논문좌표 : https://www.frontiersin.org/articles/10.3389/fimmu.2018.00208/full

microbiota라고 하면 대부문 gut microbiota를 떠올리지만 인체에는 다양한 외부 기관들이 있는바 거기에 각각 독특한 microbiota를 가지고 있다는 사실!!

그중에서도 오늘은 글쓴이가 한때 업무를 보았던 NIPS와 밀접한 자궁내 미생물총에 대해서 리뷰된 논문이 있어서 한번 읽어 보았습니다.

설마 재미가 있을리는.... 

업무와 관련있는 내용을 논문이 나온지 2년이나 지난 지금에서야 읽고 정리하는 역설적인 상황!! 

어쨌거나 논문을 들여다보자면...

일단 리뷰지인만큼 미생물총, 그중에 자궁 미생물 총에 대해서 배경을 설명해주고 있습니다. 1세기 전만해도 자궁은 무균지대라는 가설이 지배적이었다고... 질은 외부세균으로부터 자궁을 보호하는 역할을..  (아니 무슨 말을 하는건지.. 밁칡짉안곩섥는... 사실 먼 훗날 현재는 사실로 받아들이는것들이 헛소리라고 밝혀지는것도 있을테니....)

그래도 최근에는 culture방법을 통해서 저 말도안되는 가설을 밀어내고 있고 현재는 NGS로 다양한 연구를 통해 자궁내 미생물총에 대한 기능에 대해서 알아가고 있습니다.

다양한 연구라 함은 자궁내 미생물총의 차이가 반복적인 유산과 조산등에 대한 원인이라는 연구가 있어 자궁내 미생물총이 host인 여성의 건강, 그리고 직접적으로는 태아의 건강과도 연관되지 않을까 하는 연구입니다.

본 리뷰지에는 10개의 자궁내 미생물총 연구 결과 논문을 소개하고 있는데 개별 연구에서 일관성있는 결과들이 나오지 않아서 본 리뷰 논문 제목처럼 자궁내 미생물총은 우리와 함께하는 파트너(거주자)인지, 어떠한 이유로 자궁으로 들어와서 잠시 머무르는 존재(여행자)인지, 악의적인 목적을 가진 존재(침입자)인지 질문을 하고 있습니다.

일관성이 보이지 않는 개별 연구의 내용들은 IVF 시술을 받은 여성들 사이에서 차이를 본 연구, 별도의 자궁이상이 없다고 판단되나 반복적인 유산 및 착상 실패를 보이는 여성들의 미생물총 차이, 자궁내막증이나 기타 다른 질환으로 자궁 수술을 받아 건강한 삶을 살고 있는 여성과 자궁내막증과 같은 질환을 가지고 있으나 아직 수술전인 여성들과의 미생물총 차이 등등등... 

얼핏보면 좀 차이가 있어보일만한 그룹을 비교를 했는데도 왜 연구마다 결과가 상이 혹은 반대의 결과를 보이는것은 실험방법의 한계, 즉 피험자의 코호트 크기(피험자 수, 논문을 보시면 아시겠지만 30명전후라서..), 시퀀싱의 한계, 먹거리와 같은 차이로 인한 환경의 차이, 샘플링방법... (물론 멋지다고 생각한 연구 디자인도 빠질수 없겠죠)

여튼 그래서 논문저자들은 각 연구의 결과들을 취합하여 다음과 같은 자궁내 미생물에 대해서 설명하고 있습니다.

1. 파트너(거주자)로써의 자궁내 미생물의 역할

 호르몬에따라(월경주기/폐경기전후) 비슷한 미생물 프로파일을 보이는 경향이 존재.

2. 잠시 거쳐가거나(여행자) 기회를 봐서 문제를 일으키는 존재(틈을봐서 돌변하는 침입자)

 수정을 위해 잠시 들어오게되는 미생물들이 있을 수 있음을 확인. 그러나 일부 인과관계는 확인되지 않았으나. 자궁 내막증을 가진 여성의 자궁 미생물 프로파일은 그렇지 않은 여성의 자궁 미생물 프로파일과 차이를 보였음.

3. 이도저도아니고 걍 백해무익한 존재(침입자)

 특정 질병을 가지고 있거나 특정 문제가 있을때 자궁/질에서 우점하고 있는것처럼 보이는 미생물 프로파일 결과가 있음.

결과는 그렇다고 쳐도 다양한 방법과 피험자들을 대상으로 pilot연구가 되어 있으니

우리는 이것을 보고 한걸음 더 나아가면 되지 않을까 합니다.

그리고 gut-brain을 시작으로 다양한 axis가 있는데 이번기회에 gut-organome 중 하나로 gut-vagina axis을 주창하는 기회를...

(와.. 역시 나와있네요.... Female Gut and Genital Tract Microbiota-Induced Crosstalk and Differential Effects of Short-Chain Fatty Acids on Immune Sequelae )

부록으로 논문에서 언급된 논문들을 SRA에서 확인해 봤는데, 혹시 사용하시려면 한번더 확인해보고 사용하시면 되겠습니다.

논문	SRA번호
Fang et al. (49)	PRJEB9626
Moreno et al. (47)	PRJNA329174
Walther-Antonio et al. (35)	SRP064295
Chen et al. (27)	PRJEB16013, PRJEB21098

저자 뒤에 표시된 괄호안 숫자는 논문내 에서 표시되는 reference 번호입니다.

출처: @sana_twice.09

qiime2 설치편

지난번 qiime2 파헤치기에 이어
이번에는 설치편!!
WSL을 이용하여 우분투 18.04 LTS에 설치하는것처럼 흉내를 내보겠습니다.

윈도우 10에서 WSL을 활성화시키고 Ubuntu를 설치하면 되겠습니다.
자세한 내용은 >여기< 를 참고해주시면 될것 같습니다.
(저도 이분의 블로그를 보고 WSL 셋팅하고 ubuntu 설치했습니다. :) )

위에서 우분투 설치후 apt-get update와 build-essential같은 패키지 설치해 주시면 다음 작업에 크게 문제가 생길일은 없으니 설치하라고 하시는거 다 설치해주시면됩니다만 생정보도구중에 특이하게 요구하는 패키지를 사용하는 프로그램 쓰시는 분이라면 알아서 하실만하리라고 봅니다. :)

여튼 ubuntu 업데이트까지 되고 나면

qiime2를 설치하기 위해 conda를 설치하시면됩니다.

conda는 miniconda2를 사용하였고 자세한 설치 화면은
>여기< 를 참고하시면되겠습니다.

$wget https://repo.anaconda.com/miniconda/Miniconda2-latest-Linux-x86_64.sh
$sh Miniconda2-latest-Linux-x86_64.sh

miniconda2를 설치한 이후에는 qiime2의 설치 안내 페이지에 나와 있는대로
진행해주시면됩니다. 자세한 내용은 >여기< 에 나와있습니다.

$conda update conda
$conda install wget
$wget https://data.qiime2.org/distro/core/qiime2-2019.10-py36-linux-conda.yml
$conda env create -n qiime2-2019.10 --file qiime2-2019.10-py36-linux-conda.yml

conda에 설치된 qiime2를 사용하려면 qiime2가 설치된 conda환경인 qiime2-2019.10을 활성화 시켜주면됩니다.

$conda activate qiime2-2019.10

활성화된 환경을 비활성화 하려면 다음과 같이..

$conda deactivate

일단 설치는 했습니다.

다음에 사용해보아요~ :) 제발~

출처: @sana_twice.09

메타지놈은 kaiju와 함께

코펜하겐에 계시는 이름좀 들어본 A. Krogh옹이 속한 팀(저자가 2명인건 비밀)에서 출판한 메타지놈 classification 분석 툴인 kaiju (1저자님이 퍼시픽림좀 보신듯.. 그럼 kaiju이후 analysis pipeline은 jager인건가)에 대해서 잠시 얘기해 보도록 하겠습니다.

웹서버 : http://kaiju.binf.ku.dk/
논문 : Fast and sensitive taxonomic classification for metagenomics with Kaiju
현재 kaiju버전 : https://github.com/bioinformatics-centre/kaiju/releases/tag/v1.7.1


모 이제 metagenome이야 쩔 핫해요라는거는 일주일에 한두번은
수십억 L. 로 시작하는 미생물들을 우리 입안에 털어넣고 있는이상 따로 말해야하는가?

그렇지만 아직도 연구할건 많다는건 비밀이라서
많은 연구자들이 다양한 연구를 하기위해 이것저것 시도를 할 때
사용할 도구들을 계속 만들고 있는데 이 kaiju 또한 그런 도구중 하나 되겠습니다.

모 아이디어는 기존에는 DNA read를 었어서 DNA랑 비교했는데
우리 그러지 말고 단백질 조각이랑 비교하면 어떻겠니? 하는 논문 되겠습니다.

걍 제일 중요한 Figure

결론: DNA-DNA 비교 하지말고 DNA-Protein비교가 더 좋지? 되겠습니다.


그리고 위의 그림으로만 믿지 못하는 (저같은) 닝겐들을 위해서
그럼 너님들을 위해서 real 샘플에서 결과를 보여주지 훗
기대하시라고!

됐냐?

추가적으로 전세계적으로 NGS는 일루미나느님이 잡고 있다보니 저자분들께서
HiSeq(Short)과 MiSeq(Long)에 대해서 kaiju와 kreken으로 비교해두었습니다.
HiSeq에서는 두 프로그램의 sensitivity나 precision은 별로 차이가 없었고 MiSeq결과에서는 그래도 (phylum 수준에서나마) kaiju(그냥도 아니고 greedy-5 모드)가 karken보다 조금더 높은 sensitivity와 precision을 보여준다고 합니다.

결론은 Microbiome은 MiSeq으로 대동단결(진정 MiSeq밖에 없는것인가.. Orz)

출처: @sana_twice.09

Microbiome Database를 만들어 볼까?

Microbiome분석을 위해서 여기저기 기웃거려봤다면
여러가지 16S rRNA 데이터베이스가 있다는것을 아실겁니다.

보통 microbiome분석에 입문해서 사용하는 것이라면
대게 처음 분석하는 tool에따라 결정되는데
우리 롭횽님의 qiime를 접한다면 greengene을, mothur을 접하게된다면 silva를 database로 만나게됩니다.

사실 대부분의 연구 결과들이 greengene과 silva로 나오기 떄문에 이 두 database를 사용하면 당연히 그 누구도 갠세이 놓지 않습니다.
-아니면 에디터나 리뷰어에게 외쳐보자. Drop the DB, yo!

근데 매번 분석하다보면 family수준 밑에만 내려가면 unknown은 왜이리 많을걸까..

그렇다면 그냥 우리가 손수 microbiome분석을 위한 db를 만들어보면 어떨까?

당근 이렇게 만들경우 실제 연구에 사용하기는 마뜩치 않다는걸 미리 말씀드립니다.

일단 tree를 만들기가;;; 녹녹치 않습니다. (물론 서열수를 줄이면 수십G 메모리를 가지는 워크스테이션이 있으면 가능합니다.)
그리고 제가 분류학자도 아니고 제가 서열보고도 얘가 몬지 알지도 못하고
서열에 taxonomy 붙여도 제대로 연결시킨건지 확인이 되지 않는다는 큰 문제가 있습죠

#물론_이사진을보면_누군지_압니다, 출처:SM Town

그럼에도 불구하고 왜하냐? 그냥 재미삼아, 경험삼아 만들어보는것입니다.

내가 사용하는 DB를 만드는데 얼마나 많은 고민이 녹아있고
얼마나 많은 생각들이 들어가 있는지 이해를 해보는것도 나쁘지 않을듯하고요 ㅎㅎ ;)

일단 이런걸 하겠다고 블로그에 띄워놨으니 언젠가는 후속글을 올리지 않을까요?
따라가능하도록 소스같은것은 각 글이나 github에 업로드하는 걸로 :)
jupyter notebook으로 올리면 더더욱 좋겠지만 제가 아직 notebook이 익숙치가 않아서..

우선 다음 글에서는 Custom Microbiome Database에 필요한 기초 자료 수집에 관련된 내용들을 올리도록 하겠습니다. :)