19강 / 20강

【실습】 논문이 쓴 49개 유전자 필터를 다시 만든다

DDX54 논문 Fig 1B 앞에 놓인 조용한 한 줄 · 왜 그 줄이 결론을 정하나

이 강의가 쓴 49개 유전자 목록은 제가 지어낸 것이 아닙니다. DDX54 논문이 분석에서 쓴 목록이에요.

논문은 "돌연변이가 많은데도 T세포가 없는 종양(TMB-H 면역사막)" 을 찾으려 했습니다. 그런데 그 앞에 필터를 하나 걸었습니다 —

항원제시 경로에 변이가 있는 환자를 먼저 뺀다

왜 뺐을까요? 그리고 빼지 않았다면 결과가 어떻게 달라질까요?

고등학생논문 Fig 1B 앞에 놓인 조용한 한 줄

논문의 결정적인 한 줄을 다시 만들어 봅니다.

분석 전에 49개 유전자를 뺐다 — 그 한 줄이 결론을 정한다

왜 빼나

—	—
항원제시 유전자들이	면역세포에서 높다 ⭐
안 빼면	"면역세포가 많다" 를 다른 것으로 읽는다 ⚠

교란을 미리 제거하는 것이다 — /stat 의 교란 이야기

이 강의 전체가 그 답입니다

배운 것	—
항원제시 경로가 무엇인지	2~6강
인터페론으로 함께 올라간다	4강 ⭐
그래서	서로 상관된다 ⚠

함께 움직이는 유전자들을 남기면 — 같은 신호를 여러 번 센다

비유 — 설문의 중복 문항

—	—
같은 것을 열 번 묻는다	—
그러면	그 주제가 과대 반영 ⚠

/la 12강의 랭크 이야기 — 정보는 하나인데 열 줄이다

고등학생왜 빼야 하는가 — 이 강의 전체가 그 답입니다

note 의 이 문장을 구체적으로 풀어 봅시다.

항원제시 유전자는 세 가지 이유로 함께 움직인다

이유	강
인터페론이 함께 올린다	4강 ⭐
면역세포 침윤이 있으면 함께	—
같은 경로라 조절이 연결	2~6강

셋 다 생물학적으로 당연하다 — 그래서 반드시 다뤄야 한다

안 빼면 무슨 일이

—	—
"이 유전자군이 같이 올라간다"	발견처럼 보인다 ⚠
사실은	면역세포가 많은 것 ⭐

덩어리 RNA-seq 은 세포 조성을 반영한다 — 그게 큰 신호다

그래서 이런 필터가 흔합니다

빼는 유전자군	이유
항원제시	이 논문 ⭐
면역 표지자	침윤 반영
세포주기	증식률 반영
미토콘드리아	기술적 잡음

"무엇을 빼는가" 가 무엇을 발견하는가 를 정한다 ⭐

그래서 이 한 줄이 조용하지만 결정적입니다.

필터의 비용을 먼저 재 보는 것 — 좋은 습관입니다.

Python 브라우저에서 실행

# 우리 자료에서 그 필터가 몇 명을 거르나
import ag

ap = ag.facts()["ap"]
전체 = ap["n_sample"]
제외 = ap["n_hit"]
남음 = 전체 - 제외
print(f"TCGA PanCanAtlas 종양 표본        {전체:>8,}")
print(f"  49개 유전자에 변이 있음 (제외)   {제외:>8,}   {100*제외/전체:>5.2f}%")
print(f"  남는 표본                       {남음:>8,}   {100*남음/전체:>5.2f}%")
print()
print("필터 하나로 여섯 표본 중 하나가 빠집니다.")

필터가 <b>중립적이지 않다</b>는 것. 이것이 이 강의의 핵심입니다.

Python 브라우저에서 실행

# 암종마다 얼마나 빠지나 - 필터가 코호트의 구성을 바꾼다
import ag

by = ag.facts()["ap"]["by_study"]
큰것 = sorted(by.items(), key=lambda x: -x[1]["n"])[:14]
print(f"{'암종':<10}{'원래':>7}{'남음':>7}{'남는 비율':>10}")
tot_n = tot_k = 0
for 이름, v in 큰것:
    남 = v["n"] - v["hit"]
    tot_n += v["n"]; tot_k += 남
    print(f"{이름:<10}{v['n']:>7}{남:>7}{100*남/v['n']:>9.1f}%")
print()
print("SKCM 은 절반이 빠지고 THCA 는 거의 안 빠집니다.")
print()
print("**그러니 필터를 걸면 코호트의 암종 구성이 바뀝니다.**")
print("돌연변이 많은 암이 상대적으로 줄어들어요 - 그리고 그게 바로")
print("TMB-H 를 찾으려던 대상입니다. 필터와 관심 대상이 **같은 방향으로 얽혀 있습니다.**")

같은 필터, 다른 코호트 — 숫자가 다릅니다

「유전자탐색 첫걸음」(`/gene`) 에서 같은 49개 유전자 필터로 논문 Fig 1B 를 재현했습니다. 그때의 깔때기는 이랬어요 —

환자 4,751 → TMB 있음 4,529 → 항원제시 정상 3,576 → TMB-H 219명

그쪽 통과율은 3,576 / 4,529 = 79.0% 입니다. 그런데 우리 계산은 84.2% 예요. 5점이나 차이 납니다.

왜? 코호트가 다르기 때문입니다. `/gene` 쪽은 H&E TIL 지도가 있는 환자로 제한됐고, 그 조건이 암종 구성을 바꿉니다. 위 표에서 봤듯 암종마다 통과율이 크게 다르니까요.

"항원제시 정상 79%" 도 "84%" 도 둘 다 맞습니다. 어느 코호트인지 말하지 않으면 둘 다 틀린 말이 됩니다.

고등학생같은 필터, 다른 코호트 — 숫자가 다릅니다

note 의 이 관찰이 재현성의 문제입니다.

같은 방법을 써도 — 자료가 다르면 숫자가 다르다

왜 다른가

이유	—
암종 구성이 다르다	16강 ⭐
면역 침윤 정도가 다르다	—
측정 플랫폼이 다르다	배치 효과 ⚠
전처리·정규화가 다르다	—

숫자가 다른 것이 정상이다 — 문제는 결론이 다를 때다

그래서 확인할 것

물음	—
숫자는 달라도 방향이 같나	✔ ⭐
순위가 유지되나	✔
결론이 뒤집히나	⚠

정확한 숫자보다 방향의 일관성이 중요하다

여러 코호트로 확인하는 이유

—	—
한 코호트에서만 나오면	그 자료의 특성일 수 ⚠
여러 곳에서 나오면	일반적일 가능성 ✔ ⭐

/ml 의 외부 검증 이야기와 같다

16강의 민감도 분석 과 같은 태도예요. 가정을 바꿔도 결론이 버티는지 보는 겁니다.

이 강의가 계속 되풀이하는 말입니다 — <b>분모를 먼저 적으세요.</b>

Python 브라우저에서 실행

# 두 통과율을 나란히 - 왜 다른지 확인
import ag

ours = ag.facts()["ap"]
우리통과 = 100 * (ours["n_sample"] - ours["n_hit"]) / ours["n_sample"]
print(f"이 강의  (TCGA PanCanAtlas 전체 {ours['n_sample']:,} 표본)   통과 {우리통과:.1f}%")
print(f"/gene   (H&E TIL 지도가 있는 4,529명)              통과 {100*3576/4529:.1f}%")
print()
print("차이 {:.1f} 점.".format(우리통과 - 100*3576/4529))
print()
print("같은 유전자 목록 · 같은 기준 · 다른 사람들.")
print("**분모를 말하지 않은 비율은 숫자가 아닙니다.**")

논문을 읽을 때 찾아야 할 문장

이런 문장을 찾으세요

"…환자를 제외했다" · "…로 제한했다" · "…를 만족하는 표본만"
보통 방법 절 한 줄입니다.

그리고 이렇게 물으세요

몇 명이 빠졌나 · 빠진 사람들이 어떤 사람들이었나 · 빼지 않았다면 결과가 뒤집히나

이 논문의 경우 필터가 옳습니다. 연구 질문이 그것을 요구해요. 그런데 옳은 필터도 대가를 치릅니다 — 코호트가 바뀌고, 결과의 적용 범위가 좁아집니다.

그러니 결론을 옮겨 적을 때는 이렇게 —
"항원제시가 온전한 종양 중에서, TMB 가 높은데도 면역사막인 것이 있다."
앞의 조건절을 떼면 다른 주장이 됩니다.

고등학생이 실습이 보여 주는 것

19강을 마치며 메타적인 교훈을 봅시다.

논문의 방법 한 줄이 결과를 좌우할 수 있다

그래서 논문 읽는 법이 바뀝니다

—	—
결과 그림만 본다	부족 ⚠
방법에서 무엇을 뺐나	확인 ✔ ⭐

/viz 18강의 "안 보이는 자료가 있나" 와 같은 물음이다

확인할 항목들

—	—
어떤 샘플을 뺐나	—
어떤 유전자를 뺐나	⭐
어떤 정규화를 했나	—
문턱을 어떻게 정했나	—

이 결정들이 결과보다 앞에 있다 — 조용하지만 결정적이다

그리고 쓰는 쪽에서는

—	—
왜 뺐는지 이유를 적는다	✔ ⭐
빼지 않으면 어떻게 되는지도	민감도 분석 ⭐

"안 빼도 결론이 같다" 를 보이면 — 훨씬 튼튼해진다

이 강의를 다 들은 사람은 그 한 줄을 읽을 줄 압니다. 그게 목적이었어요.

🤔 확인 문제

논문이 항원제시 경로 변이 환자를 먼저 제외한 이유는?

🤔 확인 문제

같은 49개 유전자 필터인데 이 강의는 84.2%, `/gene` 은 79.0% 가 통과한 이유는?

🤔 확인 문제

이 필터가 '중립적이지 않다' 는 말의 뜻은?