1강 / 20강

아라크네 첫걸음 — 유전자들의 거미줄을 되찾는다

ARACNe 는 무엇을 하는 프로그램인가

그리스 신화에 아라크네라는 이름의 베 짜는 사람이 나옵니다. 솜씨가 하도 좋아 여신에게 도전했다가 벌을 받아 거미가 되었고, 그 뒤로 영원히 그물을 짜게 되었다는 이야기죠. 영어로 거미를 다루는 학문을 arachnology 라고 하는 것도 여기서 왔습니다.

2006년, 컬럼비아 대학의 연구진이 알고리즘 하나에 그 이름을 붙였습니다.

ARACNe = Algorithm for the Reconstruction of Accurate Cellular Networks

정확한 세포 네트워크를 되짚어 세우는 알고리즘

이름을 잘 골랐습니다. 이 알고리즘이 하는 일이 정확히 거미줄 짜기거든요. 다만 방향이 반대입니다 — 아라크네는 그물을 짜는 것이 아니라, 이미 짜여 있는 그물을 보이지 않는 상태에서 되찾아 냅니다.

세포 안에는 명령 계통이 있다

세포 안의 유전자들은 각자 따로 노는 것이 아닙니다. 일부 유전자는 다른 유전자를 켜고 끄는 일을 합니다. 그런 유전자가 만들어 내는 단백질을 전사인자(transcription factor, TF) 라고 불러요. 회사로 치면 부서장입니다.

🧑‍✈️

전사인자 TF

다른 유전자를 켜고 끄는 유전자 — 명령을 내리는 쪽

👷

표적 target

그 명령을 받는 유전자 — 일을 하는 쪽

🕸️

regulon

한 전사인자가 거느린 표적 전체 — 그 사람의 부대

문제는 이 명령 계통이 어디에도 적혀 있지 않다는 것입니다. 세포를 아무리 들여다봐도 조직도가 붙어 있지 않아요. 우리가 볼 수 있는 것은 결과뿐입니다 — 지금 어느 유전자가 얼마나 켜져 있는가.

아라크네의 발상은 이렇습니다.

고등학생ARACNe 의 세 걸음

걸음	하는 일	강
1. 재기	모든 쌍의 상호정보량 을 계산	5 · 8강
2. 자르기	우연 수준보다 큰 것만 남김	9강
3. 지우기	간접 연결 을 제거 (DPI)	10강

세 번째가 ARACNe 를 특별하게 만든다

A→B→C 관계가 있으면 A 와 C 도 관련이 있어 보인다.

그런데 A 와 C 사이에는 직접 연결이 없다. 그 그림자 를 지우는 것이 3단계다.

상관을 재는 것은 쉽고, 직접과 간접을 가르는 것이 어렵다

두 번째 문장이 핵심입니다. 그것 하나가 아라크네를 단순한 상관관계 분석과 다른 것으로 만듭니다. 9~11강에서 이 문장의 뜻을 뜯어볼 거예요.

왜 굳이 자료에서 되찾아야 하나

"이미 실험으로 밝혀진 조절 관계를 데이터베이스에서 받아 쓰면 되지 않나?" 라고 물을 수 있습니다. 안 되는 이유가 셋 있습니다.

① 조직마다 다르다

같은 전사인자라도 간에서 부리는 유전자와 폐암세포에서 부리는 유전자가 다릅니다. "일반적인 조절 관계"라는 것은 없습니다.

② 덮인 곳이 좁다

실험으로 하나씩 확인한 관계는 사람 유전자 2만 개에 비하면 아주 일부입니다. 특히 암세포에서만 생기는 연결은 거의 안 적혀 있습니다.

③ 자료는 이미 있다

TCGA 같은 공개 자료에는 환자 수백~수천 명의 발현 표가 이미 쌓여 있습니다. 그 안에 조직도가 흔적으로 남아 있습니다.

쌍의 수는 유전자 수의 제곱에 비례해서 늘어납니다. 8강에서 이 숫자를 다시 만납니다.

Python 브라우저에서 실행

# 아라크네가 푸는 문제의 크기를 먼저 실감해 봅시다.
# "유전자 g개에서 가능한 쌍은 몇 개인가" — 고등학교 조합 문제입니다.

def pairs(g):
    return g * (g - 1) // 2

for g in [50, 500, 2000, 20000]:
    print(f"유전자 {g:>6,}개  →  쌍 {pairs(g):>15,}개")

print()
# 이 강의에서 쓸 모의 코호트는 50개짜리입니다.
print("우리 자료의 쌍:", pairs(50), "개")
print("사람 유전자 전체라면:", f"{pairs(20000):,}", "개  ← 아라크네가 실제로 마주하는 크기")

load_expr 는 gzip 으로 눌러 둔 표를 numpy 배열로 풀어 줍니다. 2강에서 이 표를 자세히 봅니다.

Python 브라우저에서 실행

# 우리가 쓸 모의 코호트를 열어 봅시다.
# arac 는 이 강의에서 한 줄씩 만들어 갈 꾸러미입니다 (지금은 완성본이 들어 있어요).
from arac import load_expr, TFS, true_edges, candidate_pairs

genes, X, samples = load_expr("arac_expr.bin")

print("유전자", len(genes), "개 × 샘플", len(samples), "개")
print("행렬 모양:", X.shape)
print()
print(f"전사인자 {len(TFS)}개 :", TFS)
print("맨 앞 유전자 8개:", genes[:8])
print("맨 뒤 유전자 5개:", genes[-5:])
print()
print("재야 할 후보 쌍:", len(candidate_pairs(genes, TFS)), "개")
print("우리만 아는 정답 간선:", len(true_edges()), "개")

고등학생왜 상관계수가 아니라 상호정보량인가

	상관계수	상호정보량
잡는 관계	직선만	어떤 모양이든
단조 변환	영향받음	순위만 쓰면 무관
계산	쉬움	어려움 — 추정 필요

유전자 조절은 직선이 아니다

전사인자가 적당히 있어야 표적이 켜지고, 너무 많으면 오히려 억제되는 경우가 많다.

그러면 산 모양 의 관계가 되는데, 상관계수는 그것을 0 으로 본다.

곧은 자로 휜 것을 재면 0 이 나온다 — 3강의 제목이 그것이다

🎮 우리가 되찾을 그물 미리 보기

아래는 정답 네트워크입니다 — 이 강의에서만 볼 수 있는 것이죠. 전사인자 6명이 각자 부하를 거느리고 있고, 그중 DDX54 는 다른 전사인자 둘(MYC · STAT3)까지 부리는 윗선입니다. 마디를 눌러 보세요.

지금은 결과만 보세요. 이 한 줄 안에 들어 있는 것을 20강에 걸쳐 하나씩 만듭니다.

Python 브라우저에서 실행

# 20강 뒤에 여러분이 짤 것을 미리 한 번 돌려 봅니다. (2~3초 걸립니다)
from arac import load_expr, rank_transform, aracne, score, true_edges, TFS

genes, X, samples = load_expr("arac_expr.bin")
U = rank_transform(X)                      # 7강 — 순위로 바꾸기
kept, dropped, thr, mi = aracne(genes, U, TFS, bins=7, alpha=1e-3)

print("문턱값 :", round(thr, 4), " ← 9강에서 정하는 법을 배웁니다")
print("MI 통과:", len(kept) + len(dropped), "개 간선")
print("DPI 로 지운 것:", len(dropped), "개  ← 10강")
print("최종 남은 간선:", len(kept), "개")
print()
print("채점:", score(kept, true_edges()))

고등학생이 강의가 향하는 곳

주제	강
재는 자 만들기	3~8강
문턱 세우기	9강
그림자 지우기	10~11강
합의 보기	12강
쓸 수 있는 물건으로	13~16강
함정과 검증	18~20강

19강이 이 강의의 정직한 대목이다

"정답을 모를 때는 무엇으로 믿는가"

유전자 조절망의 정답표 가 없다. 그러니 맞았는지 채점할 수 없다.

채점표가 없는 문제를 푸는 것 — 그것이 이 분야의 근본 조건이다

앞으로 가는 길

1–4강 재료와 문제5–8강 상호정보량으로 재기 9–12강 진짜 간선 고르기13–16강 네트워크 읽기17–20강 실전과 판정

다음 강에서는 재료를 봅니다 — 아라크네가 먹는 것은 결국 표 한 장뿐입니다.

🤔 확인 문제

ARACNe 라는 이름에서 'Ne' 는 무엇의 약자일까요?

🤔 확인 문제

아라크네가 유전자 2만 개짜리 자료에서도 쌍을 2억 개나 재지 않아도 되는 이유는?

🤔 확인 문제

아라크네의 핵심 아이디어 두 문장 중, 아라크네를 단순 상관관계 분석과 다르게 만드는 것은?