교배 육종에서 디지털 육종으로



인류에게 종자는 가장 기본이 되는 일차적 요소로서 오늘날 세계 종자시장 규모는 유례없이 빠른 성장세를 보이고 있습니다.
현재 국내 관계부처에서는 농, 수, 축산 분야에서 아날로그식 교배 육종에서 디지털 육종으로 종자 산업의 패러다임 전환을 예상하고 관련 사업을 적극적으로 지원하고 있는데요, 오늘 블로그는 이러한 디지털 육종에 대해 알아보도록 하겠습니다.




오늘 점심으로는 무엇을 드셨나요? 전주 한정식에 올라온 한끼 메뉴에 영양 많은 강낭콩이 들어간 돌솥밥에 불고기, 조기구이, 호박나물, 잡채, 신선한 굴까지 26개의 반찬이 올라왔습니다. 식자재로 따져 보면 마늘, 파, 고추, 계란 등 아마도 족히 50가지는 넘을 것 같습니다. 우리는 이런 식자재를 마트나 새벽 배송을 통해서 언제나 쉽게 구할 수 있죠. 어떻게 가능했을까요? 너무 쉬운 일이라 고민해볼 여지도 없는 것이겠지만, 이것은 모두 육종 덕분입니다. 곡류를 비롯한 채소류, 육류(소, 돼지, 닭 등), 수산물(넙치, 전복, 고등어)까지 모두 육종을 통해 농장과 양식장에서 생산성 높게 길러지고 있음을 우리는 잘 알고 있습니다.
[Fig. 1] 전주한정식
 
단적인 예로 쌀의 경우 여리고 키가 크며 붉은색 쌀알이던 야생벼에서 현재의 튼실하고 흰 쌀알로 육종되었으며, 콩도 땅에 기어 자라던 야생종에서 현재의 위로 자라는 종으로 육종되어 생산성이 매우 높아지게 되었습니다. 이렇듯 오랜 세월 우리 주변의 동·식물을 우리가 선호하는 형태로 변화시킨 육종은 오늘날 점점 더 가속화, 세분화되고 있습니다. 닭의 경우만 보더라도 계란을 얻으려는 목적의 알을 잘 낳는 닭과 닭고기를 얻으려는 목적의 빠른 성장과 근육이 많은 닭으로 각각 세분화하여 목적에 부합하는 형태로 육종되었습니다.
 
[Fig. 2] 재배벼의 조상인 여러 가지 야생벼와 재배벼
 
[Fig. 3] 야생콩과 재배콩 (출처 Jeong-et-al., 2013)
 
 

 
그럼 육종 방법에 대해 좀 더 자세히 알아보겠습니다.
  • 도입 육종 : 기후나 풍토가 유사한 다른 나라에서 개발된 품종을 국내로 도입하여 검역과 검정평가를 통해 증식시키는 육종으로, 1959년 미국에서 도입한 옥수수가 대표적입니다.
  • 교배 육종 : 서로 다른 우수한 형질을 갖는 개체들을 교배하여 한 개체에서 우수한 형질 모두를 가질 수 있도록 하는 것으로, 대부분의 전통 육종방식이 이에 해당합니다. 육종가들에 의해 수년 동안 반복적인 교배와 표현형에 의한 개체 선발 과정이 수반되는 터라 시간적, 공간적, 비용면에서 효율성이 낮다는 단점이 있습니다.
  • 형질 전환 육종 : 유전자 재조합 방식을 이용해 관심 형질 유전자를 유전체에 도입하는 방식으로 기존의 생명체에서 없던 형질을 갖도록 종을 개량합니다. 흔히 GMO(Genetically Modified Organism)와 LMO(Living Modified Organism)를 들 수 있는데(유전자 재조합을 통해 변형된 생물체를 LMO로 한정하고 이들 생명체를 제조, 가공한 것까지 포함한 것을 GMO로 함), 제초제 내성을 갖는 콩이나 냉해에 강한 딸기, 옥수수 등이 이에 해당합니다. 인류가 섭취해온 이력이 없는 단백질을 포함하고 있어 알레르기 반응을 포함한 알려지지 않은 문제의 가능성 때문에 심리적으로 불편함을 느끼는 이슈가 있습니다.
  • 디지털 육종 : 유전형-표현형에 기반을 둔 선발 육종 방식으로 다양한 표현형을 갖는 집단에서 특정 형질(표현형)을 갖는 개체들만을 유전형을 이용하여 선발하는 방식입니다. 최근 6~8년 걸리던 호박의 새 품종 개발을 3년 이하로 줄일 수 있었던 첨단 육종 기술입니다.


이렇게 간단히 살펴본 육종 기술 가운데, 현재 가장 발전된 기술은 디지털 육종이라 불리는 유전형 기반의 육종입니다.
NGS (Next generation sequencing)라는 대용량 시퀀싱 기술로 유전체 서열을 밝히고, 표현형이 다양한 개체들의 변이 정보를 생산함으로써 표현형과 연관된 유전형을 찾아 마커로 개발하는 방식은 기존의 다른 육종 기술의 단점들을 대부분 보완하고 있습니다.
가장 전통적으로 진행해 오던 교배 육종은 교배된 F1 세대부터 다수의 개체를 키워가며 목표 표현형에 부합되지 않는 개체들을 솎아내며 몇 세대가 될지 모를 목표 형질에 다다를 때까지 교배와 솎아냄을 반복합니다. 그러다 보니 시간적으로나 물리적으로 필요한 재배 환경까지 비용면에서 효율성이 낮았습니다. 게다가 전복과 같이 3년은 키워야 비로소 교배가 가능한 종일 경우, 소처럼 다음 세대의 개체수가 극히 적은 경우 (1마리의 새끼만을 낳는 경우), 과실수와 같이 한세대가 너무 길어 표현형을 확인하는 데 몇 년씩 걸리는 경우들은 교배 육종으로는 한계가 있습니다. 그에 반해 디지털 육종은 현재 관찰 가능한 개체들을 대상으로 선발하기 때문에 공간적, 시간적 제약에서 비교적 자유롭습니다.
형질 전환 육종에서의 이슈는 생명 현상의 대부분이 여러 유전자의 복합적인 상호작용으로 이뤄지기 때문에 유전자 하나를 도입한다고 해서 해당 형질이 바로 얻어지지 않는 단점이 있습니다. 도입된 유전자가 발현되어 단백질이 되었을 때 세포 내의 다른 단백질과 혹은 다른 유전자들과 어떤 상호 작용을 하느냐에 따라 표현형은 다르게 나타날 수 있기 때문입니다. 따라서 목표 유전자를 선택하고 제어하는데 생물학적 메커니즘의 이해가 수반되어야 하는 어려움이 있습니다. 그러나 디지털 육종은 자연적으로 생겨난 개체들 가운데 목표 형질을 갖는 개체를 선발하는 방식이라 유전자 재조합에 대한 불편함 및 생물학적 메커니즘 이해가 필요하지 않습니다.




그럼 디지털 육종에 대한 보다 정확한 이론을 살펴보겠습니다.
디지털 육종에는 필수 요소 3가지가 있습니다. 개체 (샘플), 표현형, 유전형이 그것인데, 모두 앞선 기술들에 비해 수집하는 데 유리합니다.
먼저 개체 확보 면에서 디지털 육종은 현재 관찰이 가능한 모든 개체를 대상으로 합니다. 야생종부터 돌연변이 종까지 제한이 없으며, 동일한 생장 조건이 필요하지도 않습니다. 예를 들어 밤나무의 경우 전국의 수집 가능한 모든 밤나무가 대상이 될 수 있습니다. 나무의 연령이 모두 달라도 괜찮습니다. 호박과 같은 채소류의 경우 일부러 교배를 통해 다양한 개체를 얻었다면 그 또한 모두 가능합니다.

두 번째, 표현형 정보는 현재 확보된 개체들에서 관찰되는 모든 것을 대상으로 할 수 있습니다. 밤나무의 경우 알곡의 크기, 밤나무가 위치한 지역, 수확 시기, 나무의 크기, 한 가지에 달리는 밤송이의 수, 나무의 연령 (가능하다면) 등 현재 시점에서 관찰할 수 있는 모든 것이 표현형으로 정리될 수 있습니다. 이를 좀 더 효율적으로 수집하고자 하는 기술이 Edging computing을 이용한 디지털화된 장비를 이용한 표현형 수집입니다. 온실에 카메라를 설치하고 주기적으로 사진을 촬영하여 호박의 성장 정보를 영상 분석을 통해 처리하는 AI 기술이 접목된 스마트 팜이 이에 해당합니다.

마지막인 세 번째 유전형 생산은, NGS 기술과 생물정보의 발달로 누구나 쉽게 얻을 수 있게 되었습니다. 심지어 오늘 드신 모든 식재료의 유전체가 밝혀져 있다는 사실만 보아도 얼마나 보편화된 기술인지 알 수 있습니다. 이들 3요소가 모두 데이터로 갖춰졌다면 총 4단계의 생물정보 분석을 통해 육종이 이뤄집니다.


[Fig. 4] 육종을 위한 4단계의 생물정보 분석
  • [1단계] 표현형과 연관된 변이 마커 찾기 : GWAS(Genome Wide Association Study)라 불리는 일종의 통계 분석으로 특정 표현형으로 집단을 구분한 후에 구분된 집단과 연관성이 높은 변이를 찾아내는 방법입니다. 이때, 표현형은 꼭 두 개의 집단으로 양분되는 구조가 아니어도 됩니다. 밤 알곡의 크기는 정량적인 수치로 크기에 따라 동일한 패턴으로 유전형이 나타난다면, 해당 변이는 알곡 크기에 연관된 마커로 선택될 수 있습니다. 병 저항성의 경우에도 잎의 60%가 마르는 데 걸리는 시간으로 표현형을 정량화할 수 있습니다.
  • [2단계] 기계학습 : 표현형에 따른 집단의 구분력을 보이는 변이만을 유전형 데이터로 활용하여 표현형-유전형 기계학습을 수행합니다. 이때, 수집된 개체의 75% 정도를 학습 데이터로 활용하고, 나머지 25%는 학습된 기계학습의 정확도 평가를 위해 사용합니다. 밤 알곡의 크기를 예측하기 위한 기계학습을 예로 들면, 1단계에서 선별된 변이 마커가 30개라면, 개체별 30개의 유전형 정보에 따라 측정된 알곡의 크기를 표현형 정보로 학습되도록 합니다. 이후 구축된 예측모델을 이용해 남겨 두었던 25% 개체의 유전형 정보를 넣고 해당 표현형이 예측될 가능성이 얼마나 될지 확률치를 얻게 됩니다. 기계 학습의 평가는 True Positive (정답을 정답으로 예측), False Negative (오답을 오답으로 예측)로 계산되는 Specificity와 Sensitivity로 정리됩니다. 만약 결과가 만족스럽지 못하다면, 기계학습 알고리즘을 변경해 보거나 학습 데이터를 변경해야 합니다. 학습에 이용되는 30개 마커의 유전형 정보는 개체별로 모두 다를 수 있습니다. 이는 마커 개개의 정보력이 약하기 때문인데, 다수의 개체에서 기계학습을 통한 반복적인 학습을 통해 조금씩 다른 유전형임에도 동일한 표현형으로 학습시켜 정확도를 높일 수 있습니다. 또한, 마커 개별의 정보력이 약한 것은 오히려 한두 개의 변이 정보가 소실된다 할지라도 기계학습의 표현형 예측에는 큰 변수가 되지 않아, 기존의 SSR과 같은 분자 마커를 활용한 육종보다 한 단계 진보한 기술이라 할 수 있습니다.
  • [3단계] 확장된 검증 : 구축된 기계학습모델로 더 많은 개체에 적용해 봅니다. 해당 표현형을 예측하는 데 사용되는 마커는 1단계에서 30개로 선별되었고, 이후 미지의 시료에 대해 30개 마커 유전형만을 타입핑하여 표현형을 예측합니다. 이는 여러 출처의 개체로 검증해보는 것이 좋습니다.
  • [4단계] 교배효율 검사 : 기계학습모델 검증이 완료되었다면 최적의 교배 지침을 위한 F1 세대의 표현형 예측 시뮬레이션을 진행합니다. 부·모가 될 개체의 유전형을 기반으로 F1 세대에서 나타날 수 있는 유전형을 무작위 방식 구성합니다. 이때 F1 세대의 개체수는 2,000개체 이상, 유전형은 해당 표현형을 예측하는 마커 수, 앞선 예로 들자면 30개 유전형을 인실리코상에서 데이터로 생산합니다. 이후 2,000 개체의 유전형을 이용해 구축된 기계학습으로 표현형을 예측하여 F1 세대에서 해당 표현형을 가질수 있는 평균 개체수가 어느 정도 되는지 수치화합니다. 이러한 방식으로 F1 세대에서 해당 표현형을 가질 수 있는 개체수가 많은 순서로 교배 조합을 시뮬레이션합니다. 어패류의 경우 교배를 위해 다수의 친어를 수조에 넣어 진행하고, 체외 수정을 하는 종이기 때문에 이러한 교배효율 시뮬레이션은 다음 세대의 육종 효율을 높이는 데 매우 중요합니다.



최근 종자의 중요성이 대두되면서, 육종에 대한 한 차원 발전된 기술의 적용이 범국가적으로 진행되고 있습니다. 디지털 육종이라 불리는 신기술은 이제 표현형-유전형으로 대두되는 데이터 육종으로 진화해 가고 있습니다. 따라서 비록 지금은 정보력이 낮은 표현형 하나하나도 모두 데이터화 하려는 노력이 필요합니다. 육종은 살아있는 생명체에 행해지는 것입니다. 우리가 먹지 않는 사료로 이용되는 옥수수라 할지라도 유전적 변형이 행해지게 되면, 생태에 변화를 초래할 수 있어 매우 조심스럽게 접근해야 하는 분야입니다. 그런 면에서 데이터 육종은 자연스레 발생된 개체들 가운데 유전형을 이용한 선발 방식이라 안정적입니다. 안전하게 자연의 일부로 존재하는 육종을 위해 데이터 육종은 앞으로 더욱 데이터를 쌓아 가야할 것입니다.

작성 : RDC 신윤희 책임 연구원

Posted by 人Co

2021/01/31 00:37 2021/01/31 00:37
Response
No Trackback , No Comment
RSS :
https://www.insilicogen.com/blog/rss/response/370

클라우드 네이티브 소개



최근 인공지능, IoT, 5G 등 첨단 IT 기술이 발전하면서 데이터의 양이 빠르게 증가하고 있습니다. 이러한 빅데이터를 다루기 위해서는 이를 저장하고 처리할 수 있는 넉넉한 IT 자원이 필요합니다. 하지만 이를 일반 기업에서 구축하기에는 비용 등의 문제가 많이 발생합니다. 이런 문제를 해결하기 위해 많은 기업이 직접 데이터 센터를 구축하기보다 클라우드를 도입하기를 희망하고 있습니다.

오늘 블로그는 클라우드 환경을 최대한 활용할 수 있도록 애플리케이션을 구축 및 실행하는 방법인 클라우드 네이티브에 대하여 소개하고자 합니다.




기존의 온프레미스 환경과 클라우드 환경은 달라서 애플리케이션을 구축하는 방법을 변경할 필요가 있습니다. 이때 클라우드 환경을 최대한 활용할 수 있도록 애플리케이션을 구축 및 실행하는 방법을 클라우드 네이티브라고 합니다. 즉, 클라우드 네이티브는 클라우드 컴퓨팅에 최적화된 애플리케이션을 개발하기 위한 방법입니다.

클라우드 컴퓨팅 환경의 가장 큰 장점은 민첩성과 확장성입니다. 기존의 온프레미스 환경에서 시스템을 확장하기 위해서는 직접 물리적인 장비 구매와 설치 등의 활동을 해야 하므로 큰 비용과 시간이 들었다면, 클라우드 환경에서는 단지 몇 가지 설정하는 것만으로 빠르게 시스템을 확장할 수 있습니다. 이러한 특징에 의해 클라우드 환경은 온프레미스 환경보다 시스템 변경이 자유롭습니다.

그러나 클라우드 환경 내에서 실행되는 애플리케이션이 기존의 온프레미스 환경에서 사용되는 전통적인 방법으로 개발되었다면, 시스템이 변경될 때마다 애플리케이션의 소스코드나 설정 등을 직접 변경해야 할 것입니다. 클라우드 환경 특성상 시스템의 스펙이 자주 변경될 수 있는데 애플리케이션이 이를 민첩하게 대응하지 못한다면 클라우드 환경의 장점을 제대로 활용하지 못하는 것입니다. 따라서 클라우드 환경을 제대로 활용하기 위해서는 애플리케이션 또한 클라우드 환경에 맞게 개발해야 하는데 이때 사용되는 방법이 클라우드 네이티브입니다.





[Fig. 1] CNCF
CNCF(Cloud Native Computing Foundation)에서 제시하는 클라우드 네이티브 참조 아키텍처에 따르면 클라우드 네이티브한 애플리케이션을 개발하기 위해서는 크게 네 가지 주요 기술이 필요합니다.

[Fig. 2] 대표적인 컨테이너 기술 구현체인 Docker
[Fig. 3] 대표적인 컨테이너 오케스트레이션 기술 구현체인 Kubernetes
(https://kubernetes.io)

첫 번째는 컨테이너 기술입니다. 가상화 기술의 일종으로 이를 활용하면 애플리케이션을 구동 환경까지 가상화하여 패키징 할 수 있습니다. 이를 통해 구동 환경의 일관성을 유지할 수 있으므로 애플리케이션을 안전하게 배포하고 운영할 수 있습니다. 컨테이너 오케스트레이션 기술과 함께 사용하면 컨테이너 배포 및 확장 등을 자동화할 수 있습니다.

[Fig. 4] MSA
(https://www.nginx.com)

두 번째는 MSA(Micro Service Architecture)입니다. 기존의 모놀리틱한 서비스를 여러 마이크로 서비스 블록으로 나누고 RESTful API 등을 통해 서로 상호 작용하도록 구성하는 방법입니다. MSA를 활용하여 서비스를 구축하면 서비스의 복잡도가 감소하고 확장성과 재사용성이 증가합니다.

[Fig. 5] DevOps
(https://www.nginx.com)

세 번째는 DevOps입니다. DevOps는 개발(Development)과 운영(Operations)의 합성어로서, 애플리케이션을 빠른 시간에 개발 및 배포하고 운영하기 위한 방법이자 조직 문화라고 할 수 있습니다. DevOps를 통해 개발 조직, 운영 조직, 품질 조직들은 공동의 목표를 설정하고 이를 달성하기 위한 자동화된 도구 및 시각화된 지표를 활용하여 목표를 달성합니다.

[Fig. 6] CI/CD
(https://www.nginx.com)

네 번째는 CI/CD입니다. 애플리케이션 개발 단계를 자동화하여 애플리케이션을 더 짧은 주기로 고객에게 제공하는 방법입니다. CI/CD는 각각 지속적인 통합(Continuous Integration)과 지속적인 배포(Continuous Delivery)를 뜻합니다. 새로운 코드 통합과 테스트 및 배포에 이르는 애플리케이션 개발 프로세스를 자동화하고 모니터링하는 것이 목표입니다.




위에 언급한 기술들을 적절히 활용한다면 서비스를 여러 애플리케이션으로 분산할 수 있고, 각각의 애플리케이션을 유연하고 민첩하게 배포 및 확장할 수 있게 되므로 클라우드 컴퓨팅 환경을 제대로 활용할 수 있게 됩니다. 이 밖에 더 깊은 내용으로는 12-factors, Cloud Native Landscape 등이 있습니다.

최근 국내외 기업들의 클라우드 전환이 가속화되고 있습니다. IDC(International Data Corporation)에 따르면, 2025년에는 90%의 애플리케이션이 클라우드 네이티브로 구동된다고 합니다. 즉, 클라우드 컴퓨팅이 대세를 넘어 필수가 되어가고 있다는 것입니다. 이를 대비하기 위해서는 클라우드 네이티브 기술의 확보는 선택이 아닌 필수라고 생각됩니다.





작성 : 대전지사 신동훈 개발자

Posted by 人Co

2021/01/17 16:48 2021/01/17 16:48
Response
No Trackback , No Comment
RSS :
https://www.insilicogen.com/blog/rss/response/369

코로나19로 인해 변화된 직장 문화


2020년 가장 큰 이슈는 당연 코로나19일 것입니다. 2020년이 마무리되어 가는 이 시점에 아직도 코로나19의 확산세를 꺾지 못하고 있는데요, 코로나19는 우리의 일상에 많은 변화를 주었을 뿐 아니라 직장 문화도 변화시켰습니다.

아래의 설문조사 결과와 같이 많은 기업의 근무형태와 사무실 환경, 채용 방식 등이 변함을 알 수 있는데요,


[Fig.1] 코로나19로 인한 기업 문화의 변화
(http://biz.khan.co.kr/khan_art_view.html?artid=202012170945001&code=920100)

이처럼 우리 인실리코젠의 문화도 많은 변화가 있었습니다. 그럼 그 변화를 한번 알아볼까요?





[Fig.2] 키오스크를 설치하여 활용하고 있는 인실리코젠의 직원

저희 인실리코젠에서는 코로나 이슈 발생 직후 체온 측정과 손 소독이 가능한 키오스크를 구매하여 회사 입구에 비치하였습니다. 분명 바이러스 예방 차원에서 구매한 이유가 가장 컸지만, 해당 키오스크 화면을 활용해 사내 직원들이나 회사에 방문하는 외부 인사들에게 메시지를 전달하는 창구로도 적극적으로 활용하고 있습니다. 덕분에 밋밋했던 회사 입구의 분위기가 많이 바뀐 모습입니다^^
키오스크의 화면은 아래와 같이 평상시, 회사기념일, 크리스마스, 새해 인사, 외부인 환영인사 명언 등 주제별로 다르게 적용되고 있는데요. 이러한 디자인은 모두 인실리코젠의 IX팀에서 적극적으로 아이디어를 내어 제작하고 있습니다.


[Fig.3] 키오스크에 적용되고 있는 주제별 화면 디자인




코로나19가 확산함에 따라 인실리코젠에서 가장 먼저 시작한 것은 시차 출근제입니다. 사람 간 비말을 통해 감염되는 문제를 막기 위해 시행한 제도입니다. 우리 사무실은 29층의 고층에 있어 엘리베이터를 필수로 이용해야만 하죠. 마스크는 당연히 착용하지만, 엘리베이터라는 폐쇄된 좁은 공간을 통해 코로나19의 감염이 우려됨에 따라 사람이 몰리지 않는 시간을 이용하여 출·퇴근을 하고 있습니다.




[Fig.4] 재택근무 시행으로 한적해진 사무실

바이러스가 활기를 치는 겨울이 다가오면서 무증상자로 인해 코로나19 확산세가 증가하고, 이에 따라 사회적 거리두기 단계가 격상하면서 시차 출근제와 함께 재택근무도 병행하고 있습니다. (저 역시 워킹맘으로서 재택근무를 통해 업무를 하고 있는데요,) 회의가 필요할 땐 Webex 라는 화상회의 플랫폼을 이용하여 온라인 회의를 진행하기도 합니다. 이전부터 사용해오던 Webex가 요즘 회사 내에서 가장 빛을 발하고 있는 플랫폼이라고 해도 과언이 아닐 것 같네요;




[Fig.5] 코로나19 이슈 이후로 웨비나로 전환된 인코세미나

이제는 비대면 시대로 접어들었습니다. 이미 이전부터 온라인의 중요성을 강조하셨던 사장님의 말씀이 가슴 깊이 와 닿았고, 그동안 차곡차곡 쌓아놓고 있던 온라인 콘텐츠들이 그 힘을 보태주고 있습니다. 저희는 교육 사업으로 주로 오프라인 대면 실습 교육을 통해 생물정보 솔루션을 활용한 정기적인 人CoSEMINAR를 진행하고 사용자들과 교류하였습니다. 이런 세미나들을 이제는 온라인으로 전환하여 시간, 장소에 구애받지 않고 쉽게 접근할 수 있도록 추진하였습니다. 장소의 한계로 많은 분이 참여하지 못했던 오프라인 세미나에 비해 많은 분이 관심과 참여를 해주시게 되었습니다.




인실리코젠에서는 1년에 4번의 큰 행사(人CoPLAY(단합대회), Culture Day, 창립기념일, 송년회 및 종무식)가 있습니다. 올해는 이 행사들을 진행하지 못했었는데요. 창립기념일 및 송년회 행사는 온라인으로 각자의 자리에서 참석하게 되었습니다. 다 함께 모여 기쁨의 덕담을 나누지 못하게 되었지만, 그래도 온라인으로나마 행사를 진행할 수 있다는 것에 감사함을 느끼고 있네요.


[Fig.6] 창립기념일 행사


[Fig.7] 종무식 및 21년 시무식 행사




인실리코젠에서는 하계, 동계 방학에 진행하는 人CoINTERNSHIP 프로그램이 있습니다. 저희 인턴십 프로그램은 기업과 연구기관에서 요구하는 생물정보와 관련된 기초 기술교육과 사내 현장실습을 통해 조직 생활을 경험해 볼 수 있도록 구성되어 있습니다. 생물정보라는 큰 분야 아래에 다양한 업무들이 나누어져 있으며, 각 부서의 업무를 경험하여 향후 진로 결정에 도움을 줄 수 있도록 하는 것이 목표입니다. 2020년 하계 방학엔 제11기 人CoINTERNSHIP이 코로나19의 영향에도 무사히 마무리되었는데요. 아침마다 발열 체크를 진행하고, 교육 진행 시에는 거리두기를 통해 감염을 방지할 수 있도록 하였습니다. 무엇보다도 학생들의 열정이 코로나19가 다가올 수 없을 정도로 대단했다고 생각됩니다.

[Fig.8] 人CoINTERNSHIP 진행 사진
이에 힘입어 동계 방학에도 제12기 人CoINTERNSHIP을 진행하고자 모집을 하였지만, 수도권 코로나19 재확산과 사회적 거리두기 격상으로 아쉽게도 이번 인턴십 프로그램은 진행하지 못하게 되었습니다. 인턴십을 진행하면서 열정 가득한 학생들을 보며 저 자신을 되돌아보는 계기가 되곤 했는데, 참 아쉬운 상황이 되어버려 속상한 마음을 감출 수가 없네요.. 많은 학생의 지원이 있었지만, 모두의 건강과 안전이 최우선이기에 다음 하계 방학에 진행할 인턴십을 기약하고자 합니다.




여기까지 코로나19로 인해 변화된 인실리코젠의 문화를 살펴보았습니다. 이제는 코로나19 이전으로 돌아갈 수 없을 거라는 말이 있듯이 포스트 코로나 시대에 맞춰 변화되는 문화를 받아들이고 이에 대응해나가는 기업들이 더 큰 성장을 할 수 있지 않을까 싶습니다. 모두가 힘든 시기이지만 이 또한 잘 헤쳐나갈 수 있으리라 생각됩니다. 우리 모두 힘냅시다.



작성 : insilico Lab 송하나 선임컨설턴트

Posted by 人Co

2021/01/01 22:19 2021/01/01 22:19
Response
No Trackback , No Comment
RSS :
https://www.insilicogen.com/blog/rss/response/368