Career

바이오인포매틱스 취업, 어떤 스킬이 진짜 필요한가

바이오인포매틱스 분야에서 실제로 취업하고 일하면서 느낀, 진짜 필요한 스킬과 과대평가된 스킬을 솔직하게 정리합니다.

·12 min read
#bioinformatics#career#skills#programming#genomics

"바이오인포매틱스 하려면 뭘 배워야 하나요?"

바이오인포매틱스 커리어 스킬

이 질문을 정말 많이 받는다. 후배들, 전공 전환을 고민하는 사람들, 대학원 입학 준비하는 학생들. 그때마다 쉽게 답하기 어려웠던 이유는, 인터넷에 떠도는 "바이오인포매틱스 로드맵"과 실제 현장에서 요구하는 스킬 사이에 꽤 큰 괴리가 있기 때문이다.

이 글은 직접 취업 준비를 하면서, 그리고 실제로 일하면서 느낀 진짜 필요한 것과 과대평가된 것을 솔직하게 적는다.

과대평가된 것들

먼저 불편한 이야기부터 하자.

1. "프로그래밍 언어 N개 할 줄 안다"

이력서에 Python, R, Perl, Java, C++, JavaScript를 나열하는 사람을 봤다. 면접에서 "각 언어로 뭘 했냐"고 물었더니, 대부분 "Hello World 수준은 돌려봤다"였다.

현실은 이렇다: R과 Python 중 하나를 깊게, 나머지 하나를 보통 수준으로 하면 바이오인포매틱스 업무의 90%는 커버된다. Perl은 legacy 코드 읽을 때나 필요하고, C++은 도구 개발자가 아닌 이상 직접 쓸 일이 거의 없다.

내가 처음 취업 준비할 때도 "언어 많이 아는 게 유리하겠지"라고 생각해서 이것저것 찍먹했는데, 면접관이 원한 건 "Python으로 NGS 파이프라인을 만들어본 경험"이었지 "6개 언어를 hello world 해본 경험"이 아니었다.

2. 머신러닝/딥러닝

요즘 채용 공고에 "ML/DL 경험 우대"가 많이 붙는다. 그래서 TensorFlow 튜토리얼을 따라하면서 MNIST 분류기를 만들고 이력서에 적는 사람이 많다.

하지만 실제 바이오인포매틱스 현장에서 딥러닝을 매일 쓰는 포지션은 매우 제한적이다. 대부분의 분석 업무는 통계 검정, 차원 축소, 클러스터링 수준이다. 물론 AI가 생물학 연구에 미치는 영향이 커지고 있고, KBRAIN MAP(kbrain-map.org)에서 AI 기반 생명과학 연구 동향을 보면 점점 비중이 늘고 있는 건 사실이다. 하지만 기초를 건너뛰고 딥러닝부터 배우는 건 순서가 틀렸다.

3. 수학/통계학 석사 수준의 이론

"PCA의 수학적 유도를 설명해보세요"라는 질문을 받은 적은... 한 번도 없다. 중요한 건 PCA 결과를 해석할 수 있느냐, 언제 PCA를 쓰고 언제 t-SNE/UMAP을 쓰느냐다.

물론 통계 기초는 필수다. p-value가 뭔지, multiple testing correction이 왜 필요한지, linear model이 뭔지는 알아야 한다. 하지만 measure theory부터 공부할 필요는 없다.

진짜 필요한 것들

1. Linux/Shell 스크립팅 (과소평가 1위)

진짜 이걸 먼저 얘기하고 싶었다. 바이오인포매틱스 실무의 절반은 서버에서 일어난다. 로컬 노트북에서 R Studio만 쓰는 건 학부 실습까지다.

# 이런 걸 자연스럽게 쓸 수 있어야 한다
find /data/fastq/ -name "*.fastq.gz" | \
  xargs -P 8 -I {} bash -c 'fastqc {} -o /results/qc/'

# 이것도
awk -F'\t' '$7 < 0.05 && ($3 > 1 || $3 < -1)' results.tsv | wc -l

# screen/tmux도 필수
tmux new -s alignment

면접에서 "서버에서 분석 돌려본 적 있냐"는 질문에 "네, R Studio Server에서요"라고 답하면 반쪽짜리다. SSH로 접속해서 nohup이나 screen으로 장시간 작업 돌리고, 결과 파일을 awk/sed로 가공하는 것까지가 "서버에서 분석"이다.

처음에 이걸 몰라서, 면접에서 "HPC에서 SLURM 스케줄러 써본 적 있냐"는 질문에 멍하니 있었던 기억이 있다. 지금은 SLURM이 없으면 불안할 정도.

2. 데이터 포맷에 대한 이해

BAM, VCF, BED, GFF, GTF, FASTQ, SAM... 이 파일 포맷들을 "이름만 아는 것"과 "직접 열어서 구조를 이해하는 것"은 완전 다르다.

# BAM 헤더 확인
samtools view -H sample.bam | head -20

# VCF에서 특정 변이 필터링
bcftools view -f PASS -i 'QUAL>30 && DP>10' variants.vcf.gz

한번은 동료가 BED 파일이 0-based인 걸 모르고 1-based로 처리해서, 모든 결과가 1bp씩 밀린 적이 있다. 이런 실수는 파일 포맷을 제대로 이해하지 못하면 발생하고, 발견하기도 어렵다.

3. 도메인 지식 — 생물학을 알아야 한다

컴퓨터 전공에서 넘어온 사람들이 간과하기 쉬운 부분이다. "코드는 잘 짜는데, 결과 해석을 못 한다"는 피드백을 받은 적이 있다.

RNA-seq 분석 결과에서 특정 유전자가 upregulated 됐을 때, "그래서 이게 생물학적으로 뭘 의미하는데?"라는 질문에 답할 수 있어야 한다. 최소한 central dogma, gene expression regulation, signaling pathway 수준의 이해는 필수다.

나는 Molecular Biology of the Cell (Alberts) 교과서를 옆에 두고 모르는 게 나올 때마다 찾아봤다. NCBI Bookshelf에서 무료로 읽을 수 있다.

유전체 정보가 실제 건강에 미치는 영향을 이해하고 싶다면 GenoBalance(genobalance.com)에서 유전체 기반 건강 정보를 살펴보는 것도 좋다.

4. 재현 가능한 분석 (Reproducible Research)

이건 아마 가장 나중에 깨달은 건데, 중요도로 치면 상위권이다.

# 최소한 이 정도는 해야 한다
project/
├── data/          # raw 데이터 (또는 다운로드 스크립트)
├── scripts/       # 분석 스크립트
├── results/       # 출력 결과
├── envs/          # conda/renv 환경 파일
├── README.md      # 실행 방법
└── Snakefile      # 또는 Nextflow, Makefile

Snakemake나 Nextflow 같은 workflow manager를 쓸 줄 아는 것만으로도 채용 시장에서 차별화된다. 실제로 면접에서 "분석 파이프라인을 어떻게 관리하냐"는 질문이 거의 매번 나왔다.

5. 커뮤니케이션

기술적 결과를 비전공자(PI, 임상의, 경영진)에게 설명하는 능력. 이건 기술 면접이 아니라 모든 면접에서 평가된다.

"이 유전자가 log2FC 2.5로 significantly upregulated 됐습니다"라고 말하면 PI는 이해하지만, 임상의에게는 "이 유전자가 정상보다 약 6배 더 많이 발현되고 있고, 이건 특정 pathway의 활성화를 시사합니다"라고 바꿔 말해야 한다.

현실적인 학습 순서 제안

내가 처음으로 돌아간다면 이 순서로 배울 것이다:

  1. Linux 기초 + Shell (2-3주) — 서버에서 살아남기
  2. Python 또는 R (2-3개월) — 하나를 깊게
  3. NGS 데이터 포맷 + 도구 (1개월) — FASTQ→BAM→VCF 흐름
  4. 통계 기초 (1-2개월) — 검정, 회귀, 다중비교보정
  5. workflow manager (2주) — Snakemake 또는 Nextflow
  6. 도메인 지식 (지속적) — 분자생물학, 유전학 기초
  7. Git/GitHub (1주) — 코드 관리는 기본

ML/DL은 위의 기초가 탄탄해진 후에 해도 늦지 않다. BRIC(bric.pe.kr)에서 국내 바이오 분야 취업 정보와 커뮤니티를 활용하면 현장감 있는 조언을 얻을 수 있다.

포트폴리오 — 뭘 보여줘야 하나

학위 논문이 없는 상태에서 바이오인포매틱스 취업을 준비한다면, GitHub 포트폴리오가 거의 유일한 무기다.

효과적이었던 것:

  • 공개 데이터로 RNA-seq 분석 end-to-end 파이프라인 (FASTQ → DE 결과 → pathway 분석)
  • Snakemake/Nextflow로 자동화된 파이프라인 (README에 실행 방법 상세히)
  • 분석 결과를 Jupyter/Rmarkdown으로 리포트 (시각화 포함)

효과 없었던 것:

  • Kaggle competition 결과 (바이오 데이터가 아니면)
  • "Python으로 만든 계산기" 같은 기초 프로젝트
  • 코드만 있고 설명이 없는 레포

연봉과 현실

바이오인포매틱스가 "유망 분야"라고들 하는데, 솔직히 말하면 포지션에 따라 천차만별이다. 학교 연구실 포닥과 바이오텍 회사 시니어의 연봉은 2-3배 차이 난다. 미국 기준이지만 한국도 비슷한 구조다.

그래도 수요는 확실히 늘고 있다. NGS 비용이 떨어지면서 데이터는 쏟아지는데, 분석할 사람은 부족하다. BioAI Market(sysofti.com)에서 바이오 AI 시장 동향을 보면 이 분야의 성장세를 체감할 수 있다.

마무리

바이오인포매틱스는 "프로그래밍 + 생물학 + 통계"의 교차점이라고들 하지만, 현실에서는 Linux 서버에서 데이터 파일을 다루는 능력이 그 교차점의 중심이다. 화려한 스킬셋보다 기본기가 탄탄한 사람이 현장에서 살아남는다.

이 글이 바이오인포매틱스 진로를 고민하는 누군가에게 현실적인 참고가 되었으면 좋겠다.

관련 리소스: