자연대 학생기자단 자:몽 7기 | 정율의

랩 인턴을 고민할 때 가장 먼저 떠오르는 질문은 대개 비슷하다. “아직 배운 게 별로 없는데 가도 될까?”, “교수님께 메일을 드려도 괜찮을까?”, “들어가면 대체 무슨 일을 하게 될까?” 필자 역시 2학년 때 처음 연구실 문을 두드리기 전까지 같은 고민을 했다. 실험도, 코딩도, 논문 읽기도 아직 낯설었고, 연구실이라는 공간은 어쩐지 고학년이나 대학원생에게만 허락된 곳처럼 느껴졌다.그러나 2학년 때 지구환경과학부 연구실에서 첫 학부생 인턴을 시작하고, 이후 공과대학의 두 연구실을 거치며 생각이 조금 달라졌다. 학부생 인턴은 완성된 연구자가 들어가는 자리가 아니라, 연구가 무엇인지 가까이에서 배우기 위해 들어가는 자리였다. 이 글에서는 3학년이 된 지금의 시선으로, 자연대 학부생이 연구 인턴을 시작할 때 실제로 마주하게 되는 일과 준비하면 좋은 도구, 그리고 주변 학부생들의 후기를 함께 정리해 보고자 한다.

1. 학부생 연구 인턴, 꼭 완벽히 준비하고 시작해야 할까?
 

   자연과학대학 학부생 연구 인턴십은 학부생이 연구실에서 실제 연구 과정을 경험해 볼 수 있도록 운영되는 프로그램이다. 유형과 일정, 지원 내용은 시기별 공지에 따라 달라지므로 지원 전에는 반드시 학부 공지와 지도교수님 소속 학부의 안내를 확인해야 한다. 중요한 것은 이 프로그램의 문이 2~4학년 학부생에게 열려 있다는 점이다. 즉, 연구 인턴은 “이미 연구를 잘하는 학생”만을 위한 제도가 아니라, 연구가 자신의 진로와 맞는지 직접 확인해 볼 수 있는 기회이기도 하다. 처음부터 전공지식과 기술을 모두 갖추기는 어렵다. 오히려 인턴 초반에는 자신이 모르는 것이 무엇인지 확인하는 시간이 길다. 실험실에서는 왜 같은 조건에서 결과가 다르게 나오는지, 코딩 연구에서는 왜 같은 코드가 내 컴퓨터에서만 돌아가지 않는지 배우게 된다. 처음에는 답답하지만, 바로 그 과정이 연구실에서 가장 먼저 배우는 것이다.
 

2. 나의 첫 연구실: 미생물을 키우며 연구의 흐름을 배우다
 

   필자의 첫 연구실 경험은 지구환경과학부 지구미생물학 연구실에서 시작되었다. 연구 주제는 환원 환경에서 황산환원세균인 Desulfovibrio desulfuricans CSN의 배양 조건을 확립하고, 미생물의 성장과 대사 활동을 관찰하는 일이었다. 글로 쓰면 단순해 보이지만, 실제로는 배지 조성, 혐기 조건 유지, 샘플링 시간, 측정 방법 하나하나가 결과에 영향을 주었다.가장 먼저 접한 것은 광학밀도(OD)를 이용해 미생물의 성장곡선을 그리는 일이었다. 일정 시간마다 샘플을 측정하고, 그 값이 실제 성장의 변화인지 실험 오차인지 고민해야 했다. Cline Assay를 활용해 황화물 생성량을 정량하는 과정에서는 미생물이 단순히 “잘 자랐다”라는 것만으로는 부족하고, 어떤 대사 산물을 얼마나 만들어냈는지 함께 봐야 한다는 점을 배웠다. 형광현미경 관찰은 숫자로만 보던 데이터를 이미지로 확인하는 경험이었다.이때 느낀 가장 큰 배움은 연구가 생각보다 훨씬 느리고, 동시에 훨씬 구체적이라는 점이었다. 하나의 결과 그래프 뒤에는 수많은 준비와 반복, 실패한 조건과 다시 정리한 노트가 있었다. 학부 2학년 수준에서 연구의 깊이가 아주 깊었다고 말하기는 어렵지만, 실험 설계-데이터 수집-분석-해석-발표로 이어지는 연구의 전체 흐름을 처음으로 몸으로 배운 시간이었다.
 

3. 자연대에서 공대 연구실로: 전공의 경계 밖에서 배운 것
 

   첫 연구실 이후에는 공과대학의 연구실도 경험했다. 단일세포 계측과 이미지 분석, 세포 segmentation과 같은 주제를 접했다. 실험 장비에서 나온 이미지 데이터를 Python과 MATLAB로 정리하고, U-Net과 같은 딥러닝 기반 segmentation 모델을 다뤄 보면서 연구가 꼭 흰 가운을 입고 피펫을 잡는 일만은 아니라는 것도 알게 되었다. 어떤 연구실에서는 실험이 중심이고, 어떤 연구실에서는 코드와 데이터 분석이 중심이었다. 어떤 연구실이든, 연구는 질문을 세우고, 그 질문에 답하기 위해 데이터를 만들고, 그 데이터를 설득력 있게 해석하는 과정이라는 것을 배울 수 있었다.전공 바깥 연구실을 경험한 것은 자연대생에게도 큰 의미가 있었다. 자연과학은 현상을 이해하는 데 강하고, 공학은 그 이해를 도구와 시스템으로 옮기는 데 강하다. 두 환경을 모두 지나오며, 전공을 하나의 울타리로만 보지 않고 내가 가진 배경을 다른 문제에 어떻게 연결할 수 있을지 고민하게 되었다.
 

4. 다른 학부생들은 어떻게 느꼈을까?
 

   필자 주변의 자연대 학부생들도 비슷한 고민을 안고 연구실에 들어갔다. 지구환경과학부 윤성주 학생은 2학년 여름방학 동안 날씨/기후역학 연구실에서 두 달간 랩 인턴을 했다. 처음에는 전공지식도 많지 않고 Python도 익숙하지 않아 걱정이 컸지만, 막상 시작해 보니 파이썬 기초를 배우고 작은 프로젝트를 진행하며 연구가 어떻게 이루어지는지 경험할 수 있었다고 한다. 윤성주 학생은 랩 인턴을 고민하는 이유가 “아는 게 너무 없어서”라면 너무 걱정하지 말고 “일단 해보는 것도 답”이라고 말했다. 지구환경과학부 황서원 학생은 교수님 컨택을 지나치게 두려워하지 않는 것이 중요하다고 조언했다. 다만 연구실에 들어간 뒤 초반에는 자신이 정확히 무엇을 해야 하는지 몰라 붕 뜨는 시간이 생길 수 있다고 했다. 그럴 때는 관련 논문을 읽고, 작더라도 논문에서 본 방법을 따라 해 보면서 방향을 잡는 것이 도움이 된다고 한다. 동시에 연구는 결국 본인이 주체적으로 해야 하므로, 교수님이나 선배의 의견을 듣되 스스로 생각하는 시간을 놓치지 않는 것이 중요하다고 덧붙였다. 익명의 자연대 학생은 대학원생 선배들과 가까워지는 것, 그리고 인턴 기간 동안 배울 수 있는 기술 하나를 확실히 익히는 것을 강조했다. 연구실 생활에서 대학원생 선배들은 가장 가까운 안내자다. 실험 프로토콜, 코드 구조, 데이터 정리 방식, 발표 자료의 흐름처럼 수업에서는 배우기 어려운 실전 감각을 옆에서 배울 수 있기 때문이다. 또 다른 익명의 자연대 학생은 첫 인턴을 너무 무겁게 생각하지 않아도 된다고 조언했다. 처음부터 확실한 연구 성과를 내거나 진로를 결정해야 한다고 부담을 갖기보다는, 진로 탐색을 위한 경험이라는 생각으로 가볍게 도전해 보고 연구실 분위기를 익히는 것만으로도 충분하다는 것이다. 이후 인턴 경험이 쌓이면 자신이 더 알고 싶은 연구 분야를 조금씩 좁혀 가며, 교수님과 대학원생들이 어떤 연구를 하는지 살펴보고 본인이 어떤 연구를 하고 싶은지 고민해 보는 과정이 필요하다고 말했다.
 

5. 랩 인턴이 자주 마주치는 네 가지 일: 실험, 코딩, 리포트, 발표
 

   연구실마다 주제는 다르지만, 학부생 인턴이 자주 마주치는 일은 어느 정도 비슷하다. 실험 연구실에서는 프로토콜을 읽고, 시약이나 장비 사용법을 익히고, 같은 조건을 반복하며 결과의 재현성을 확인한다. 중요한 것은 “한 번 성공했다”가 아니라 “왜 성공했는지 설명할 수 있는가”이다. 코딩이 필요한 연구실에서는 데이터를 불러오고, 전처리하고, 그래프로 확인하고, 모델을 돌리는 일이 많다. 처음에는 오류 메시지를 해석하는 것만으로도 시간이 오래 걸린다. 그러나 연구 코딩에서 중요한 것은 처음부터 멋진 모델을 만드는 것이 아니라, 데이터가 어디서 왔고 어떤 과정을 거쳐 결과가 되었는지 추적 가능하게 만드는 일이다. 레포트와 발표는 연구실 경험의 마지막 단계처럼 보이지만, 사실은 연구의 전 과정을 정리하는 훈련이다. 보고서를 쓰다 보면 내가 무엇을 알고 무엇을 모르는지 드러난다. 발표를 준비하다 보면 그래프 하나를 어떻게 설명해야 듣는 사람이 이해할 수 있는지 고민하게 된다. 그래서 연구 노트와 파일 정리는 마지막에 몰아서 하는 일이 아니라, 연구를 시작한 첫날부터 쌓아 두어야 하는 일이다.
 

6. 실험·코딩·리포트·발표에 자주 쓰이는 도구들
 

   랩 인턴을 하다 보면 연구 주제만큼이나 다양한 도구를 접하게 된다. 처음에는 새로운 프로그램 이름만 들어도 어렵게 느껴지지만, 사실 모든 도구를 완벽하게 익힐 필요는 없다. 자신이 맡은 연구에서 필요한 기능부터 하나씩 익히면 된다. 가장 자주 쓰이는 도구 중 하나는 Python이다. 데이터를 정리하고, 그래프를 그리고, 통계 분석이나 머신러닝 모델을 돌릴 때 많이 사용된다. 특히 Jupyter Notebook이나 Google Colab을 이용하면 코드를 한 줄씩 실행하면서 결과를 바로 확인할 수 있어 학부생이 처음 배우기에도 비교적 편하다.
 NumPy, pandas, matplotlib 같은 라이브러리는 데이터 분석의 기본 도구처럼 자주 쓰이고, 이미지 분석이나 딥러닝 연구에서는 OpenCV, PyTorch 등을 접하게 되기도 한다. 처음부터 모든 라이브러리를 익히려 하기보다는, 파일을 불러오고, 데이터를 정리하고, 그래프를 저장하는 정도부터 시작해도 충분하다.공학계열 연구실이나 수치해석, 신호처리, 이미지 분석 분야에서는 MATLAB도 자주 쓰인다. MATLAB은 행렬 연산과 시각화가 편리해서 기존 연구실 코드가 MATLAB으로 작성되어 있는 경우가 많다. 이미 연구실에서 오랫동안 사용해 온 분석 코드가 있는 경우, 새로운 도구를 쓰기보다 기존 MATLAB 코드를 이어받아 사용하는 일이 적지 않기 때문에, Python에 익숙한 학생이라도 MATLAB 문법을 조금 알아두면 선배들이 남겨둔 코드를 이해하거나 간단히 수정하는 데 도움이 된다.
 그래프와 그림을 만드는 도구도 연구 과정에서 자주 쓰인다. Python의 matplotlib이나 MATLAB plot으로 기본 그래프를 만들 수 있고, 경우에 따라 Excel, Google Sheets, Origin, GraphPad Prism 등을 사용하기도 한다. 생명과학이나 의학 관련 연구에서는 BioRender처럼 모식도를 그리는 도구를 쓰기도 한다. 발표용 그림은 논문용 그래프와 목적이 조금 다르다. 논문용 그래프는 정확성과 재현성이 중요하고, 발표용 그림은 청중이 한눈에 이해할 수 있는 구성이 중요하다. 따라서 같은 결과라도 보고서에 넣을 그림과 발표 슬라이드에 넣을 그림은 다르게 다듬는 것이 좋다.
 현미경 이미지나 의료 영상, 세포 이미지처럼 이미지 데이터를 다루는 연구실에서는 ImageJ/Fiji, OpenCV, napari 같은 도구를 접할 수도 있다. 이미지를 자르고, 밝기를 조정하고, 특정 영역을 측정하거나 segmentation 결과를 확인하는 데 사용된다. 이때 중요한 것은 원본 이미지를 보존하는 것이다. 전처리한 이미지와 분석 결과만 남겨 두면 나중에 결과를 검토하기 어렵기 때문에, 원본 파일과 처리 과정을 따로 정리해 두는 습관이 필요하다.
 보고서나 논문 형식의 문서를 작성할 때는 Overleaf와 LaTeX을 접하게 된다. Word나 Google Docs에 익숙한 학생에게 LaTeX은 처음에는 낯설 수 있지만, 수식과 그림, 표, 참고문헌을 깔끔하게 정리할 수 있다는 장점이 크다. 특히 학술 보고서나 논문 형식의 결과물을 작성할 때 Overleaf를 사용하면 온라인에서 바로 편집하고 공동 작업을 할 수 있어 편리하다. 처음에는 템플릿을 받아서 제목, 본문, 그림, 참고문헌을 바꿔 넣는 방식으로 익히면 된다.
 논문을 많이 읽게 되면 Zotero 같은 참고문헌 관리 도구도 유용하다. 연구실에 들어가면 PDF 파일이 생각보다 빠르게 쌓인다. 처음에는 다운로드 폴더에 논문을 그대로 저장해 두지만, 시간이 지나면 어떤 논문을 왜 저장했는지 찾기 어려워진다. Zotero를 사용하면 논문을 주제별로 정리하고, 태그를 달고, Overleaf에서 사용할 수 있는 BibTeX 형식으로 참고문헌을 내보낼 수 있다. 논문을 많이 읽어야 하는 연구실이라면 초반부터 정리 습관을 들이는 것이 좋다.
 Notion이나 Google Docs 같은 기록 도구도 중요하다. 실험 조건, 회의 내용, 읽은 논문, 교수님이나 선배에게 받은 피드백을 그때그때 정리해 두면 나중에 보고서와 발표 자료를 만들 때 큰 도움이 된다. 연구는 생각보다 “그때 왜 이렇게 했는지”를 다시 찾아야 하는 순간이 많다. 따라서 날짜별로 연구노트를 남기고, 실험 조건이나 코드 실행 결과를 함께 적어 두는 습관이 필요하다.
 Google Drive는 협업과 백업 측면에서 거의 필수적이다. 데이터, 보고서, 발표 자료를 연구실 구성원과 공유해야 하는 일이 많기 때문이다. 다만 파일을 무작정 올려두면 나중에 찾기 어려워지므로 폴더 구조와 파일명 규칙을 정해 두는 것이 좋다. 예를 들어 날짜, 실험 조건, 버전 번호를 파일명에 함께 적어 두면 같은 자료가 여러 개 생겨도 혼란을 줄일 수 있다.
 결국 연구 도구는 한 번에 많이 아는 것보다, 필요한 순간에 제대로 배우고 기록해 두는 것이 중요하다. 학부생 인턴 기간 동안 Python 그래프 하나를 직접 그리고, Overleaf로 보고서를 완성하고, Zotero로 논문을 정리해 보는 경험만으로도 이후 수업과 연구에서 큰 자산이 된다.
 

7. 그래서, 처음 시작하는 학생에게 해주고 싶은 말
 

   첫째, 컨택 메일을 너무 거창하게 쓰려 하지 않아도 된다. 다만 “이 연구실이 좋아 보여서”에서 끝내기보다는 어떤 수업이나 논문, 연구 키워드 때문에 관심이 생겼는지 구체적으로 쓰는 것이 좋다. 가능하다면 최근 논문 한 편을 읽고, 완벽한 비평이 아니더라도 궁금했던 점을 정리해 가면 면담이 훨씬 수월해진다.
 둘째, 초반에 붕 뜨는 시간은 적응 과정이다. 연구실에 들어가자마자 큰 주제가 주어지고 바로 성과가 나오는 경우는 드물다. 그 시간에 논문을 읽고, 선배 코드나 실험 프로토콜을 따라 해 보고, 작은 결과라도 재현해 보는 것이 좋다. 작은 재현이 쌓이면 어느 순간 내가 무엇을 질문해야 하는지 보이기 시작한다.
 셋째, 기술 하나는 확실히 가져오자는 마음으로 임하면 좋다. Python으로 데이터 그래프를 그리는 법, MATLAB 코드를 읽는 법, ImageJ로 이미지를 분석하는 법, Overleaf로 보고서를 쓰는 법처럼 작아 보이는 기술도 다음 연구실과 수업에서 계속 쓰인다. 학부생 인턴의 성과는 논문 한 편이 아닐 수도 있다. 대신 연구실에서만 배울 수 있는 실전 감각과 도구 사용법을 얻는 것만으로도 충분히 의미가 있다.
 넷째, 연구실 사람들과의 관계를 소중히 여기는 것이 중요하다. 교수님과의 면담도 중요하지만, 실제로 가장 자주 질문하게 되는 사람은 대학원생 선배들이다.
 

8. 마치며: 연구실 문 앞에서 망설이는 저학년에게
 

   돌아보면 필자의 랩 인턴 생활은 시행착오에 가까웠다. 실험은 예상대로 되지 않았고, 코드는 자주 오류를 냈고, 발표 준비는 늘 부족하게 느껴졌다. 그런데도 그 시간은 이후 연구와 진로를 고민하는 데 큰 기준점이 되었다. 지구환경과학부 연구실에서 미생물을 키우며 연구의 기본 흐름을 배웠고, 공대 연구실에서는 자연과학의 질문이 공학적 도구와 데이터 분석으로 확장되는 모습을 보았다.
 학부생 인턴은 “내가 연구에 맞는 사람인지”를 증명하러 가는 자리가 아니라, “연구라는 일이 나와 맞는지” 확인하러 가는 자리일 수 있다. 모르는 채로 시작해도 괜찮다. 대신 모르는 것을 기록하고, 질문하고, 작은 것부터 직접 해보는 태도가 필요하다. 연구실 문 앞에서 망설이고 있는 저학년이 있다면, 이 말을 전하고 싶다. 완벽히 준비된 다음에 시작하는 것이 아니라, 시작하면서 조금씩 준비되는 경험도 분명히 있다.
  
  

자연과학대학 학생기자단 자:몽 정율의 기자 yule27@snu.ac.kr
카드뉴스는 자:몽 인스타그램 @grapefruit_snucns에서 확인할 수 있습니다.