Thursday, December 25, 2014

'Genetic Testing' startups 분석

Bioinformatics, Diagnostics 에 이어 'Genetic Testing' startup 들도 정리해 본다. 23andMe와 Counsyl 등 익히 잘 알려진 회사들이 이 카테고리에 포함되어 있다. 국내의 Genome 관련 회사들 Macrogen, Theragen, DNAlink 등도 모두 이 카테고리에 속하거나 타겟팅하고 있어 시리즈 중에서는 주변 분들이 가장 흥미롭게 볼 수 있지 않을까 싶다.


Tuesday, December 23, 2014

Wednesday, December 10, 2014

PG( 개인유전체) 보급 100만명 시대



23andMe 고객 증가 추이 그래프. 2014년 10월 기준 75만명을 넘어선 상태. 


위의 그래프에서 보듯, 2007년 11월  Genetic risk analysis kit 판매를 시작한 23andMe 의 고객수는  2014년 10월초를 기준으로 75만명을 넘어섰다.


Thursday, December 4, 2014

Bioinformatics Startup 분석

Genome 산업이 꿈틀꿈틀 대고 있는 이 시점, Genome 정보 산업의 핵심 역할을 하는 분야 'bioinformatics' tag 을 달고 창업하는 startup 들은 얼마나 많을까? 이들의 비즈니스 모델은  성공적으로 시장에 안착했을까? 대체 어떤 제품들을 가지고 창업한 곳들일까?


Sunday, October 12, 2014

게놈 산업? '의료' 만으론 부족하다.


'컴퓨터'가 인류의 역사를 뒤바꿔놓을 혁명이 되리라 생각한 사람이 몇이나 되었을까? 개인용 컴퓨터가 시판되고 난 후에도 IBM의 CEO 토마스 왓슨은 '지구상에 컴퓨터는 5대면 충분하다' 라고 할 정도로 PC 산업을 전망했다. 그 당시 컴퓨터를 연구하는 당대 최고의 학자들도 대부분 그와 비슷한 의견을 가지고 있었을 거라 본다.

그도 그럴 것이, 그들이 생각하는 컴퓨터의 용도란 '과학 계산'에 국한되었을 것이기 때문이다. 일반 가정에서 고급 과학 계산을 위한 기계를 수천달러를 주고 구매할거라고 어떻게 생각할 수가 있었겠나?


Saturday, August 2, 2014

Genome 정보 산업에 필요한 인프라 :: Reference, Cloud, Translate, API and GUI

에디슨이 전구를 발명하고, 사업화 하려고 했을 때 가장 우선적으로 해야할 일이 무엇이었을까?  전구를 시장에 내놓고 판매하기 위해선, 전구를 사용할 전기를 가정에 공급할 수 있는 발전소와 송전 시설 가설이 우선시 되어야 했었다.

Wednesday, June 25, 2014

MVP Healthcare IT product

IT software 스타트업계에서는 MVP( Minimum Viable Product ) 즉 사용자에게 유의미한 최소한의 사양을 갖춘 제품을 시장에 빨리 출시하고, 고객의 feedback을 받아 빠르게 iteration을 거치면서 시장이 요구하는 제품으로 빠르게 자리잡아 나가며 성장하는 Lean startup 모델이 널리 성행하고 있다.

같은 방식이 Healthcare IT 업계에서도 여전히 유효할까?  헬스케어 벤처 컨설팅 회사의 중역 Lisa suennen 은 Xconomy의 기사에서 이런 방식의 제품 출시 전략은 Healthcare 업계에도, 소비자에게도 좋을게 없을거라는 의견을 피력한다
( Xconomy 기사 : http://www.xconomy.com/san-francisco/2014/06/25/mvps-in-health-minimum-viable-product-or-mightily-vexing-problem/?utm_source=rss&utm_medium=rss&utm_campaign=mvps-in-health-minimum-viable-product-or-mightily-vexing-problem )

1. 헬스케어 IT 제품은 어쨌건 사람의 건강에 직접적으로 영향을 끼친다. 적절한 FDA의 규제는 필요하다.

2.  헬스케어 제품은 MVP를 출시하고 결함이 발견될 시 IT software 처럼 단순히 2.0 버전에서 결함을 고치면 끝이 아니다. 결함이 발견된 제품에 기반해 중요한 결정을 내린 소비자들은 심각한 피해를 입을 가능성이 있다.

3.  적절한 수준의 quality를 확보하지 못한 MVP 는 싹트는 healthcare IT 산업 전체에 대한 소비자들의 불신을 불러올 수 있는데, 이는 MVP를 통해 오히려 산업 발전 속도가 늦어지는 효과를 불러일으킬 수 있다.


전반적으로 동의하지만, 이에 대해 몇가지 의견을 피력해 보면

1. 적절한 수준의 규제는 필요하다. 그렇다면 명확한 규제 guideline을 만들어 제시해, 제품 출시 가능성을 명확히 예측할 수 있도록 해야 한다.  어떤 회사는 안 되고, 어떤 회사는 되고( 삼성 갤럭시 S5 사례 등), 어제까지 되다가 갑자기 오늘 부터 안 된다던가( 23andMe 사례 등) 하는 식으로 혁신을 위해  소중한 시간과 자원을 소모하는 startup들이 헛수고 하게 하는 일은 없어야 한다.

2. Healthcare MVP 의 기준을 마련하고, 이 기준을 충족시키는 제품들에 대해서는 IT software 제품들과 마찬가지로 출시되어 시장의 feedback을 받을 기회가 주어져야 한다.  현재는 당연시 되는 현대 의학의 다양한 treatment 방법들 , drug, medical device들도 모두 수많은 시행 착오들 끝에 발전해 왔다는 사실을 잊으면 안 된다.  종종 수많은 인명 피해를 낸 끝에 시장에서 철수하는 제품들도 있어 왔다.  소비자들의 제품 사용 log data를 기반으로 빠른 안정성 측정 iteration을 적용한다면, 수천명의 사망자가 발생한 후에야 문제가 있음을 확증하고 시장에서 철회되는  drug들의 사례보다 healthcare IT 제품들은 훨씬 안전한  제품 공급 시스템을 갖출 수 있을거라 생각한다.

3. 1/1500. 2000년대 이후 10억불 이상 가치의 IT software 회사는 1500여개 startup들 중 하나 꼴로 4년에 하나씩 탄생했다. 1500여개 대부분의 회사는 소비자들에게 선택받지 못한 부족한 MVP를 출시했고, 자연스럽게 시장에서 사라졌다.  Healthcare IT 제품의 안정성은 당연히 중요하지만, 혁신은 이렇듯 수많은 시도 끝에 얻어지는 것이란 사실 또한 중요하다. 무엇이 의미 있는 제품일지 출시 전에 알 수 있나? 불가능 하다. 그건 소비자가 시장이 결정할 문제다.  한두개 의미 없는 제품이 위험한 제품이 있었더라도, 혁신적인 제품, 소비자에게 가치를 주는 제품이 나오면 그 제품은 성공하고, 그와 함께 시장도 성장한다.


Thursday, May 15, 2014

Diversity of terms problem :: Big data 시대 Bio-medical 분야의 걸림돌

* Facebook에 남긴 글을 그대로 옮김

Big data시대, Bio-medical 분야의 가장 큰 bottleneck 중의 하나는 'diversity of terms' 문제. 즉, 같은 의미를 가진 수많은 term들이 정규화 되지 않고 사용되고 있다는 것. 기사에 언급된 예를 보면 'percent inhibition'과 '10uM'을 표현하는데 1800개의 서로 다른 phrase들이 사용되고 있다고 하는데, 거의 모든 bio-medical experiments의 measurement 단위와 표현에 이런 term diversity 문제가 존재하고 있다.
Big data가 있어도 꿰어야 보배인데, 서로 다른 source의 data들이 서로 이렇게 상이한 표현들로 표현되어 있어 data integration 자체가 매우 어렵고, 한다고 해도 엄청난 양의 노가다가 필요한 실정이다.
화려해 보이고 깔끔하게 일이 처리될 것 같은 Big data, data analysis 분야의 일은 실제로는 80%의 시간이 이런 지저분한 데이터를 분석이 가능하도록 다듬고, 통합하는 data munging 작업에 소요된다.
Bio-medical 분야는 여타의 Big data 분야보다 월등히 이 data munging이 이슈가 될 것이라 본다. 별로 fancy해 보이지 않고, 기술적인 우월성을 논할 만한 부분이 아니라 사실 잘 언급도 안 되지만, 실제로 이는 data analyst 라면 누구나 부닥치고 있는 가장 골치아픈 문제이기에, 이 문제를 해결할 좋은 방법은 당연히 좋은 BM이 될 수 있을거라 생각한다.
끝으로 Broad institute에서 BARD라는 플랫폼으로 이 문제를 해결하려 노력하고 있는데, 세계 최고의 Genome research institute이라는 Broad는 어떻게 이를 해결했을까? 뭔가 대단한 방법이 있지 않을까? BARD 의 director , DeSouza의 대답은?
'학생 인턴들이 일일이 손으로 데이터 하나하나 입력했어요. 학생들 없없다면, 아무 것도 못했을겁니다'
ㅎㅎ BGI 도 중국 최고 베이징 대학 학생 인턴들 무지막지하게 뽑아, 싼값에 고급 인력을 부리는 능력 자체가 막강한 회사의 무기인데, '천달러 지놈, 백만달러 분석' 시대를 대처하는 세계 최고의 Genome 연구 센터와 가장 큰 회사의 해결책은 '학생 인턴'.

Saturday, March 1, 2014

Google genomics :: 구글의 Genome 정보 platform 선점에 대한 야욕

현재 인류의 next big thing 인 인간 Genome 시장을 장악할 가능성이 가장 큰 곳은 어디일까? Genome 연구의 최전선 Broad institute?  Genome sequencer 시장을 장악한 illumina? 막대한 중국의 인력과 자본을 등에 업은 BGI?  내 생각엔 Google 을 첫 손에 꼽아야 한다고 본다.
개인 정보 platform 회사, 구글. 



개인 정보 Platform 구글 

구글은 Facebook과 더불어 현재 지구상에서 가장 광범위하고 깊이 있는 개인 정보를 담고 있는 platform 회사다. 개개인이 구글의 다양한 서비스를 이용해 언제, 어디서 검색하고 이메일 보내고, 쇼핑하고, 동영상을 보았고, 어떤 책을 보았고, 어떤 문서를 작성했는지 등등의 정보가 구글 서버에 실시간으로 축적이 되고 있다. 그리고 구글은 이렇게 디테일하게 축적된 개인 정보를 활용해 다양한 머신 러닝 기법을 적용, 개개인에 최적화된 '광고'를 기업에 판매하는 것으로 막대한 돈을 벌어 들이고 있다.

이미 이렇게 구축된 엄청난 구글의 사용자 정보 DB에 해당 사용자의 Genome 정보가 더해진다면 어떨까?  Genome platform 경쟁은 그걸로 게임 끝이 될 공산이 크다.  Genome + Personome( 개인 정보의 총체 )의 조합을 통해 얻어지는 Genome 기반 개인 정보 분석과 예측 시스템을 능가하는 시스템을 개인정보와 Genome 정보를 모두 구비한 시점의 구글보다 잘 해낼 수 있는 곳이 나오기는 매우 어렵기 때문이다.


Google genomics, 구글의 Genome 시장 맛 보기

어제 구글이 'Global alliance for Genomics and Health' 라는 단체에 가입하고, 이 단체가 추구하는 목표 즉, 'genome 정보와 clinical 정보의  cloud 서버에의 저장과 공유를 안전하고 효과적으로 할 수 있는 표준안 마련'을 하는데 힘을 보태기로 결정했다는 결정을 내렸음을 Google research blog 를 통해 알렸다.

구글 블로그 보기http://googleresearch.blogspot.kr/2014/02/google-joins-global-alliance-for.html

이와 함께 구글 개발자 사이트에 'Google genomics' 라는 페이지를 만들어 prototype으로 만든 cloud 기반 Genome storage API 를 공개 했다. 물론 이는 현재 prototype 연구용 API로 필요한 기능이 완벽히 개발된 상태도 아니고, 일반에 공개적으로 서비스를 하려는 목적도 없다.
Google genomics 개발자 페이지 


Google genomics 개발자 페이지https://developers.google.com/genomics/

하지만, 그 내용을 보면 구글의 Genome 시장 진출에 대한 가능성과 그 파급 효과를 넌지시 암시해 주는 듯 한데, API 의 내용을 정리해 보면

1. 사용자의 Genome 정보를 Google cloud 에 저장. Public/Private 설정을 가능케 하여 public Genome 정보는 open, private Genome 정보는 사용자만 접근 권한을 가지게 함.

2. 이렇게 구글 cloud 에 올라온 Genome data에 대해서는 웹/프로그래밍 API 를 통해 일괄적으로 Genome 정보에 빠르고 쉽게 접근하고 검색할 수 있게 함.

정도로 요약 된다. 현재 시점에서 구글이 Genome 정보 저장, 검색 그리고 응용 application을 쉽게 제작할 수 있는 표준 API 의 개발에만 관심이 있다고 할 수도 있지만, 표준 API 를 만들고 genome cloud + API 조합으로 Personal Genome data가 축적되는 platform 이 되고자 강력하게 drive 하게 된다면 어떨까? 그것도 공짜로?



Free Google genome cloud의 가능성 

Big data의 대표적 예로 언급되는 개인 유전체 정보( Personal Genome) 는 그 '저장'에서 부터 비즈니스 모델로 만들어 지고 있다. 국내의 삼성 SDS 그리고 KT 가 시차를 두고 Genome data 의 저장 그리고 이어지는 분석 과정을 묶어 서비스 상품으로 출시를 한 바가 있다.  미국에도 유사한 비즈니스 모델을 가지고 창업한 회사들이 여럿 존재하고, 곧 다가올 개인 유전체 혁명에 앞서 치열하게 서비스를 다듬고 경쟁을 하고 있는 중이다.

KT genome cloud 서비스 웹사이트 화면


이런 상황에서 느닷없이 구글이 Google genome cloud 서비스를 정교하게 만들어진 API와 함께 그것도 '공짜'로 오픈해 버린다면?

구글의 history를 보면, 개인적인 생각으로 충분히 이런 일을 벌일 수 있는 회사가 구글이라고 생각한다. 아직까지도 profit과 연결 point가 애매한 Google Books 서비스에 전세계 모든 책을 scan 해 짚어 넣으려 막대한 투자를 감행했던 구글이다. 비즈니스 적으로 당장 의미를 찾기 어려워도 '전세계의 모든 정보를 구글 서버에 넣고, 구글을 통해 검색 가능하게 하려는  목표'를 가진 구글은 천문학적인 돈과 막강한 협상력을 토대로 세계 유수의 대학들과 어려워 보이던 Book scan 협약을 성공해 내고 엄청난 양의 책(2012년말 기준 1억3천만여 권)을 scan해 구글의 서버에 저장해 놓았다.

정보의 중요성과 그 파급력, 그리고 사업적 가능성이 책에 비해 압도적으로 높은 개인 유전체 Genome 정보 임을 감안하면 구글은 Google books보다 압도적으로 많은 자원과 자본을 Google Genome 서비스에 투입할 가능성이 충분히 있다고 본다.


구글에 승리하는 방법

구글이 한다고 게임 끝이라 생각하긴 이르다.  구글은 PHR 정보 platform으로 크게 밀었던  Google health 서비스도 실패한 전적이 있다. 정보 저장, 공유, 검색이 가능한 platform 시스템을 만들어 두는 것 자체로 정보를 모을 수는 없기 때문이다.

마찬가지로, 자신의 Genome 정보를 가진 개개인은 이를 활용해 명확한 benefit을 얻을 수 있는 서비스를 제공하는 회사에 자신의 Genome 정보를 공유하게 될 것이다. 애플 컴퓨터가 널리 퍼진 것은 BizCalc 라는 스프레드쉬트나 게임 등 컴퓨터를 구매해야할 명확한 목적을 가지게 하는 killer application들이 존재 했기 때문이다. 마찬가지로 개개인이 자신의 Genome을 읽어내려는 명확한 목표를 충족시키는 killer application이 탄생할 때, 비로소 개인 유전체 시장이라는 next paradigm이 현실이 될 것이고, 개인의 Genome 정보를 platform에 올리는 반대 급부로 명확한 benefit을 제공하는 회사가 Genome platform 경쟁의 승자가 되리라 생각한다.



Saturday, February 15, 2014

여성의 가슴 사이즈 측정은 의료법 위반일까? :: FDA의 23andMe 제재 조치에 붙여

지난 연말 100만 고객 유치를 기치로 내결며 빠른 속도로 고객 숫자를 늘려가던 소비자유전학 pioneer 회사 23andMe 에 어느날 갑자기 FDA의 서비스 중지 명령이 떨어졌다. 여러가지 이유가 있었지만, 근본적으로 23andMe의 분석 서비스를  '질병의 진단' 으로 보고, 불완전한 진단이 소비자들을 호도할 우려가 있다고  판단한 데 있었다.  ( 구체적인 내용은 최윤섭님의 블로그 글  참조 )


23andMe 에 또다시 중지 명령을 내린 FDA


23andMe의 유전체 분석 서비스 

23andMe가 제공하는 질병 위험도 분석 서비스는 단순하다. 먼저 고객의 침 샘플에서 100만개의 SNP 를 SNP chip을 이용해 읽어낸다. 질병-SNP 연구 결과 중 재연성 있고 large sample size에서 연구된 믿을 만한 연구 결과들을 추려, 이 결과들을 고객의 SNP를 대입해 위험도를 계산해 전달한다. 

이 과정을 매우 간단하게 다시 정리해 보자.

1. SNP reading 
SNP chip을 읽은 결과 raw data는 SNP 와 해당 SNP의 genotype을 읽은 결과의 쌍으로 구성된다. 

SNP ID    Genotype
rs1            AA
rs2            TT
rs3            AC
... 

23andme가 100만개의 SNP를 읽으니 이런 SNP-genotype 결과 쌍이 100만개 들어있는 엑셀 파일 하나가 만들어 진다고 이해하면 된다. 

2. SNP - 질병 혹은 특정 trait 연구 결과 문헌을 이용해 고객 정보 분석

엊그제 출판된 논문( http://www.nature.com/mp/journal/vaop/ncurrent/full/mp2013197a.html )에는  SNP  rs7171755   에  genotype 'A'를 가진 사람이 상대적으로 non-verbal IQ가 낮다는 연구 결과가 실려 있다. 

23andme가 이 연구 결과를 이용해 고객의 non-verbal IQ를 분석한다면, 고객의 SNP  rs7171755  위치의 genotype을 확인하고 A 인 경우 상대적으로 낮은 non-verbal IQ를 가진다고 리포팅 한다. 물론 정확히 위에 언급된 논문에 기반한 결과라는 점과 충분한 연구를 통해 검증된 연구가 아니기 때문에 이를 전적으로 받아들이거나, 의학적으로 활용하려면 전문의와 상의하라는 경고가 함께 고지 된다.  ( 실제 고객 정보 분석에는 여러 문헌의 결과를 취합하는 과정이 포함되고 이는 정교한 수학적 계산이 필요하다.  ) 

정리해 보면, 23andme 의 질병 위험도 분석이란  'rsX 위치에 특정한 genotype을 가지고 있으면 특정 질병에 대한 위험도가 ~~증가/감소 한다' 라는 결과를 제공함을 의미한다. 

여기서 FDA의 제재 대상이 되는 부분은 1번 SNP reading 과정이 아니라 2번 SNP-질병 정보를 이용해 고객의 질병 위험도를 분석해 전달하는 행위다.  유전자를 단순히 읽어 주는 것은 괜찮지만, 여기에 질병 위험도라는 의미를 붙여 주는 것은 안 된다는 말이다. 

헌데, 이와 동일한 혹은 이 보다 더 직접적인 질병 위험도 분석 결과를 제공하는 질병 위험도 분석기는  웹상에 널려 있고, 누구나 쉽게 접근해 사용할 수 있다. 


질병 발병 위험도 계산용 공공 웹서비스

의학 분야에서 일상적으로 행해지는 cohort study를 하고나면, 해당 질병의 발생에 영향을 주는 risk factor 들을 기반으로 한 질병 위험도 예측 regression model 이 만들어진다. 유방암의 예를 들어보자. 5만명 10년 prospective cohort study 를 진행하고 나서, 이 중에 유방암 환자가 6000명 발생했고, 이 6000명의 유방암 환자들과 나머지 비-유방암 그룹과의 여러가지 변수들의 차이를 분석해서 나이, 성별, BMI, 가슴 크기, 초경연령, 출산 횟수 6개의 변수가 유방암 발병에 영향을 주는 유의 변수로 판별되었다 치자. 그럼 이 6가지 변수들을 기반으로 통계적 모델을 만들 수 있는데, 이 통계적 모델은 6가지 변수의 조합을 입력하면 유방암에 걸릴 확률을 예측해 낼 수 있다. 

' 35세, 여성, BMI : 25, 가슴 C컵, 초경연령 13세, 출산 1회' 라는 정보를 입력하면 이 통계적 모델은 5년내 10%, 10년내 30%, 생애 60%  와 같은 유방암에 걸릴 확률을 계산해 낸다. 

이 통계적 모델이 주는 결과가  '질병 진단' 인가? 아닌가?  FDA가 '질병 진단용 기기'로 분류한 23andMe 서비스와 비교해 보자.   

'rsXXXXXX에 AA 라는 genotype을 가진 사람은 평균보다 20% 유방암 발병이 많다' 

23andMe 결과는 평균 집단의 유병률에 비해 어느 정도로 유방암 유병률이 높아진다는 상대적 위험도를 계산해 내는데 반해, 전자의 통계적 모델은 5년내, 10년내, 생애 유방암에 걸릴 '절대적 위험도'을 계산해 낸다.  23andMe 가 제공하는 위험도 분석 서비스 보다 더욱 강력하고 직접적인 분석을 제공하는 것이다. 

헌데, 현재 이런 질병 발병 위험도 계산기는 공공 웹서비스/앱을 통해 일반인이 아무런 제재 없이 사용할 수 있다.  23andMe의 위험도 분석이  '진단 기기'고 제재 대상이라면, 이런 공공 서비스들도 제재 되어야 형평성에 맞는 규제라고 이야기 할 수 있다.

미국 국립암센터( NCI ) 의 유방암 발병 위험도 계산기 : http://www.cancer.gov/bcrisktool/ 





여성의 가슴 사이즈와 암 발병 

여성의 가슴 크기는 유방암 발병에 영향을 주는 risk factor로 알려져 있다. 

23andme 에서는 고객 참여 연구를 토대로 23andme 고객 유전체 정보와 가슴 크기의 상관성을 비교하여 유방의 크기를 결정하는 genotype 이 유방암의 위험도를 높인다는 연구 결과를 공개하기도 했다 

가슴사이즈는 당뇨병 발병에도 영향을 준다

유방암 조직이 발견된 유방 X선 촬영 결과


가슴 크기를 알면, 유방암이나 당뇨의 위험성을 분석해 낼 수 있다. 그렇다면, 여성의 가슴 크기를 측정하는 행위는 제재되어야 하나?  가슴 크기 측정 자체만으로는 질병 위험도 분석 과정이 없기 때문에 '진단 행위'로 볼 수 없으니 괜찮다?

그렇다면, 위에 소개된 유방암과 가슴 크기의 상관 관계 논문 중 하나의 결과를 가져다가 내 가슴 크기를 대입해서 유방암 위험도를 체크해 보는 행위는 어떤가? 이건 질병 위험도 분석이니 '진단 행위'로 볼 수 있는데, 그렇다면 이런 행위가 법적으로 정당화 되기 전까지는 제재 되어야 하나?  

개인이 스스로 해 보는 건 괜찮은데, 다른 사람을 대상으로 해주면 '진단 행위'로 제재되어야 하나? 내 가족 2명의 가슴 크기를 물어보고, 유방암 위험도를 알려줬다면? 주변사람 10명을 대상으로 했다면? 100명을 대상으로 했다면? 해보니 많은 사람들이 손쉽게 유방암 위험도 분석을 해 볼 수 있으면 좋을 것 같아, 웹서비스로 만들었다면? 앱으로 만들었다면?  



실효성 없는 FDA 제재 

다시 23andMe 서비스의 상황에 이를 적용해 보면, '개인의 유전자를 단순히 reading' 하는 것은 '진단' 의 frame으로 볼 수 있는 질병 위험도 분석이 들어가지 않기 때문에, 법적으로 문제가 없고, 내가 알고 있는 유전자와 질병 위험도의 상관 관계를 내 유전자에 적용해 계산해 보는 행위는 의료용 진단으로 법적 제재의 대상이 된다는 말이다.   실제 현재 23andme는 '질병 위험도 분석' 을 제외한 나머지 분석 결과를 신규 고객에게 제공하고 있다. 

헌데, 23andme 서비스를 통해 자신의 Genome 을 가진 사람은 조금의 노력만 기울이면 23andme 가 제공한 질병 위험도 분석 서비스 보다 훨씬 광범위하고 정교한 질병 위험도 분석을 공개 소프트웨어나 문헌 정보 DB, 매일매일 쏟아지는 유전자-질병 논문자료  등을 통해 확인할 수 있다. 

SNP와 질병 상관관계에 대한 정보가 망라된 wiki SNPedia :: http://snpedia.com/
질병 위험도 분석 공개 소프트웨어 Promethease ::  https://promethease.com/ondemandlicense 
미국 국립유전체연구센터(NHGRI)의 GWASCatalog :: http://www.genome.gov/gwastudies/ 

유전자 분석을 통한 질병 위험도 분석을 원천적으로 막으려면 유전자 reading 자체를 막아야 한다. 그렇다면, risk factor를 단순히 측정하는 모든 행위들을 법적으로 금지해야 하는데, 이는 나이, 성별, 키, 몸무게, 가슴 크기 등을 측정 하는 행위가 모두 금지되어야 함을 의미한다. 

결국 법적으로 risk factor의 측정을 막는 것이 불가능 하다면, risk factor 를 통해 질병의 위험도를 가늠하는 행위 자체를 제재하려는 노력은 그만두고, 차라리 이 과정을 일반인들이 좀 더 안전하게, 호도하지 않고 받아들일 수 있는 테두리 안에 관리하는 편이 훨씬 사회적으로 안전하고 건강한 법적인 테두리가 될거라 생각한다.