13강 / 20강

결합 ≠ 제시 ≠ 면역원성 — 사슬을 센다

예측된 결합체 중 실제로 T세포를 깨우는 것은 몇 %인가

12강에서 조각들에 점수를 매겼습니다. 그런데 점수가 높다가 무슨 뜻이었죠?

붙을 것 같다 ≠ 게시된다 ≠ T세포가 반응한다

이 셋을 구별하지 못하면 신생항원 논문을 잘못 읽습니다. 차이를 하나씩 봅시다.

① 결합 (binding)

시험관에서 정제 MHC 에 붙는가. 우리 PSSM 이 재는 것.

② 제시 (presentation)

살아 있는 세포 표면에서 실제로 발견되는가. 질량분석으로 확인.

③ 면역원성 (immunogenicity)

그것을 알아보는 T세포가 몸에 있고 반응하는가.

고등학생사슬을 센다

이 강의에서 가장 중요한 강입니다.

세 가지가 다른 것이다 — 자주 섞어 쓴다 ⚠

단계	물음	확인 방법
① 결합	MHC 에 붙나	예측 · 시험관 실험
② 제시	실제로 표면에 있나	질량분석 (14강)
③ 면역원성	T세포가 반응하나	세포 실험 ⭐

①에서 ③까지 가면서 수백분의 일로 줄어든다

왜 이 구분이 중요한가

말	실제 뜻
"신생항원을 300개 찾았다"	대개 ① ⚠
"에피토프를 발견했다"	①인지 ③인지 확인해야 ⭐

논문을 읽을 때 어느 단계의 주장인지 확인한다

비유 — 채용 과정

단계	—
지원 자격 충족	① 결합
서류 통과	② 제시
최종 합격	③ 면역원성 ⭐

"자격이 있다" 와 "합격했다" 는 완전히 다른 말이다

고등학생①에서 ②로 가는 길에 무엇이 빠지나

note 의 첫 번째 물음에 5강까지의 지식으로 답합니다.

붙을 수 있어도 — 거기까지 가야 붙는다

빠지는 이유	강
단백질이 발현 안 됨	—
안 잘림	4강 ⚠
TAP 이 안 나름	5강 ⚠
ERAP 이 너무 잘라 버림	5강
경쟁에서 밀림	5강 — 편집 ⭐

마지막이 흔히 잊힌다 — 다른 조각과 경쟁한다

경쟁이 왜 중요한가

—	—
게시판 자리가 한정돼 있다	—
더 잘 붙는 조각이 많으면	밀린다 ⚠

절대 점수가 아니라 상대적 순위가 정한다

그래서 발현량이 중요합니다

—	—
단백질이 많으면	조각도 많다 → 경쟁에 유리 ✔

그래서 신생항원 우선순위에 발현량을 넣는다 ⭐

비유 — 게시판 자리 경쟁

—	—
붙일 자격이 있어도	—
자리가 다 찼으면	못 붙인다 ⚠

가능성과 실현 사이에 경쟁이 있다

고등학생②에서 ③으로 가는 길에 무엇이 빠지나

note 의 두 번째 물음이 더 어렵습니다.

게시판에 올라도 — 볼 T세포가 있어야 한다

빠지는 이유	—
그 T세포가 가슴샘에서 제거됨	자기와 비슷하면 ⚠ ⭐
레퍼토리에 애초에 없음	우연 ⚠
있어도 친화도가 낮음	—
관용 상태	지쳐 있거나 억제됨
공동자극 없음	6강 ⭐

첫 줄이 핵심이다 — 자기와 너무 비슷하면 볼 T세포가 없다

그래서 '다름' 이 중요합니다

변이	—
아미노산 성질이 비슷	T세포가 구별 못 할 수 ⚠
성질이 크게 다름	구별 가능 ✔ ⭐

신생항원 우선순위에 "정상과 얼마나 다른가" 를 넣는다

그리고 예측이 특히 어렵습니다

—	정확도
결합 예측	좋다 ✔
제시 예측	보통
면역원성 예측	나쁘다 ⚠ ⭐

사람마다 T세포 레퍼토리가 달라서 — 예측이 근본적으로 어렵다

/tcell 강의의 주제가 바로 그 레퍼토리입니다.

'기준을 어디에 둘 것인가' 는 자료가 아니라 <b>목적</b>이 정합니다.

Python 브라우저에서 실행

# 우리 자료로 ①의 통과율을 재 본다
import ag

a = "HLA-A*02:01"
train = ag.peptides(a, "모티프")["펩타이드"].tolist()
S = ag.pssm(train)
test = ag.peptides(a, "검정")
sc = [ag.score(p, S) for p in test["펩타이드"]]
결합 = (test["라벨"] == "결합").values

import numpy as np
sc = np.array(sc)
print(f"{'기준(bit)':>10}{'통과 개수':>12}{'그중 실제 결합':>16}{'정밀도':>10}")
for 컷 in [0, 3, 6, 9, 12]:
    통과 = sc >= 컷
    if 통과.sum() == 0:
        continue
    print(f"{컷:>10}{int(통과.sum()):>12}{int(결합[통과].sum()):>16}"
          f"{100*결합[통과].mean():>9.1f}%")
print()
print(f"전체 검정 무리의 결합 비율은 {100*결합.mean():.1f}% 입니다.")
print("기준을 올릴수록 정밀도는 오르고 건지는 개수는 줍니다 - 언제나 맞바꿈이에요.")

이것이 신생항원 파이프라인이 수천 개를 뽑아 놓고 <b>몇 개만</b> 시험하는 이유입니다.

Python 브라우저에서 실행

# 곱셈의 무서움 - 왜 '꽤 괜찮은' 단계들이 모이면 처참해지나
import ag

단계 = ["발현", "절단", "수송", "결합", "안정", "TCR 있음", "충분한 양"]
print(f"{'시작 10,000개에서':<19}" + " ".join(f"{x:>8}" for x in 단계))
print("-" * 79)
for p in [0.9, 0.7, 0.5]:
    남 = 10000
    줄 = []
    for _ in 단계:
        남 = 남 * p
        줄.append(f"{남:>8.0f}")
    print(f"각 단계 통과율 {int(p*100)}%   " + " ".join(줄))
print()
print("각 단계가 90% 라도 일곱 번이면 48% 만 남습니다.")
print("70% 면 8%, 50% 면 0.8% - **곱셈이라서** 그렇습니다.")
print("(통과율은 모형값입니다. 실제 값이 아니에요.)")

그래서 논문을 읽을 때 어느 단계의 숫자인지 확인해야 합니다

논문이 이렇게 쓰면	어느 단계인가	믿을 만한가
"NetMHCpan 으로 예측된 신생항원 1,240개"	① 결합 예측	계산일 뿐. 실험 근거 없음
"질량분석으로 47개 확인"	② 제시	실제 관찰. 다만 못 잡은 것도 많다
"ELISpot 으로 3개에서 T세포 반응"	③ 면역원성	가장 센 증거. 다만 그 환자에서
"환자 종양이 줄었다"	④ 임상 효과	여기까지 와야 치료다

①의 숫자를 ③처럼 말하는 글이 많습니다. 단계를 되물어 보세요.

고등학생깔때기를 아는 것이 왜 실력인가

13강을 마치며 이 지식의 쓸모를 봅시다.

깔때기를 알면 — 숫자를 제대로 읽는다

읽을 때의 물음

물음	—
이 숫자는 어느 단계인가	①②③ ⭐
다음 단계에서 얼마나 줄까	—
실험으로 확인했나	③이면 ✔

"후보 300개" 와 "확인된 2개" 는 같은 연구의 다른 숫자일 수 있다

설계할 때의 쓸모

—	—
몇 개를 실험할 수 있나	보통 수십 개
그러려면 얼마나 좁혀야 하나	역산한다 ⭐

깔때기를 알면 어디에 자원을 쓸지 정할 수 있다

그리고 정직한 보고

표현	—
"결합 예측 상위 20개"	정확 ✔
"신생항원 20개를 찾았다"	과한 표현 ⚠

단계를 명시하는 것이 20강이 가르치려는 습관이다

note 의 경고 — 위젯의 숫자는 모형값

—	—
이 강의의 통과율 숫자도	모형이다 ⚠
배우려는 것은	줄어든다는 구조 ⭐

4강의 태도와 같다 — 어디까지가 모형인지 밝힌다

🤔 확인 문제

PSSM 점수가 높은 펩타이드에 대해 정확히 말할 수 있는 것은?

🤔 확인 문제

단계마다 통과율이 90% 로 꽤 높은데도 끝에 남는 것이 적은 이유는?

🤔 확인 문제

수지상세포가 위험 신호 없이 항원을 보여 주면 어떻게 되나요?