12강 / 20강

【실습】 아이소타입을 세고 돌연변이와 맞대어 본다

건강한 혈액에서 전환된 B세포는 10~16% · 그 소수가 변이의 대부분을 가진다

11강에서 전환이 어떻게 일어나는지 봤습니다. 그러면 건강한 사람의 혈액에는 전환된 세포가 얼마나 있을까요?

세어 봅시다.

고등학생다섯 클래스의 성격

사람 항체는 다섯 클래스, 아형까지 세면 아홉 가지다. 각각 성격이 다르다. 외운다기보다 왜 그런 성격인지 를 잡는 게 낫다.

클래스	팔	특징 한 줄
IgM	10	처음 나옴. 하나하나는 약하지만 열 팔로 붙들면 강하다
IgD	2	거의 표면에만. 기능이 아직 덜 밝혀짐
IgG	2	혈액의 주력. 태반을 통과하는 유일한 클래스
IgA	2 또는 4	점막과 젖. 양으로는 사람이 가장 많이 만드는 항체
IgE	2	양은 극소량. 비만세포에 얹혀 알레르기를 일으킴

IgG 태반 통과의 뜻

신생아는 자기 항체를 거의 못 만든다. 그런데 태어나서 몇 달은 잘 버틴다. 어머니의 IgG 가 태반을 넘어와 있기 때문이다. 그 항체가 대략 6개월 이면 사라진다. 유아 예방접종 일정이 그 무렵에 몰려 있는 이유가 이것이다.

클래스의 성격은 곧 배치 장소와 남는 기간이다

IgM 이 압도적입니다. 혈액 B세포의 대부분은 아직 아무 일도 겪지 않았습니다.

Python 브라우저에서 실행

# 아이소타입을 센다
import bc

for s in ["PBMC-A", "MEL"]:
    v = bc.isotypes(s)
    tot = v.sum()
    print(f"{s}  무거운 사슬 {tot:,}줄")
    for k, n in v.items():
        print(f"  {k:<8}{n:>6,}  {100*n/tot:>5.1f}%  {'#'*int(100*n/tot/1.5)}")
    print()

이 사실을 먼저 인정하고 갑니다 — 그래도 볼 수 있는 것이 있어요.

Python 브라우저에서 실행

# 전환된 세포의 비율 - 네 표본
import bc

print(f"{'표본':<10}{'IGH':>7}{'미접촉':>8}{'전환':>7}{'전환 %':>9}")
for s in bc.SAMPLES:
    o = bc.facts()["per_sample"][s]
    iso = o["isotype"]
    naive = sum(v for k, v in iso.items() if k in bc.NAIVE)
    sw = o["switched"]
    print(f"{s:<10}{o['n_igh']:>7,}{naive:>8,}{sw:>7,}{o['switched_pct']:>8.1f}%")
print()
print("건강한 혈액에서 10~16%. 종양 시료도 비슷합니다.")
print("**혈액은 배중심을 갓 나온 세포를 보기에 좋은 곳이 아닙니다.**")

고등학생전환된 B세포는 10~16%

실습에서 세어 보면 전환된 B세포가 표본마다 10~16% 다. 나머지 대부분은 IgM/IgD 다.

이 값이 낮아 보이는가

낮지 않다. 정상이다. 혈액을 도는 B세포의 대부분은 아직 아무 일도 겪지 않은 순진한 세포 다. 면역계는 앞으로 무엇이 올지 모르니, 대비 병력을 크게 유지한다. 이미 전환된 세포는 특정 임무를 마친 소수 정예다.

소방서에 비유하면, 출동 중인 소방차보다 대기 중인 소방차가 훨씬 많다. 그게 정상이다. 출동 비율이 갑자기 높아지면 어딘가 큰불이 났다 는 뜻이다.

전환 비율	보통 뜻하는 것
10~16%	건강한 혈액 기준선
크게 높음	진행 중인 면역 반응, 감염, 접종 직후
거의 0	클래스 전환 결손 의심 (예: HIGM)

기준선을 알아야 "높다" 를 말할 수 있다 — 이 강의가 계속 하는 말

세포 비율과 변이 비율이 다릅니다. 이런 어긋남이 정보를 담고 있어요.

Python 브라우저에서 실행

# 소수인 전환 세포가 변이의 얼마를 가지고 있나
import bc

d = bc.heavy("PBMC-A").dropna(subset=["배선차이"])
전환 = d[d["아이소타입"].isin(bc.SWITCHED)]
미접촉 = d[d["아이소타입"].isin(bc.NAIVE)]

print(f"{'무리':<10}{'세포':>7}{'세포 %':>9}{'총 변이 글자':>13}{'변이 %':>9}")
for 이름, x in [("미접촉", 미접촉), ("전환", 전환)]:
    print(f"{이름:<10}{len(x):>7,}{100*len(x)/len(d):>8.1f}%"
          f"{int(x['배선차이'].sum()):>13,}{100*x['배선차이'].sum()/d['배선차이'].sum():>8.1f}%")
print()
print("세포로는 10%인데 변이 글자로는 절반 가까이 가지고 있습니다.")
print("소수가 변화의 대부분을 짊어지고 있어요.")

고등학생조직마다 클래스 구성이 다르다

같은 사람 몸에서도 어디서 세포를 뽑느냐에 따라 클래스 구성이 완전히 달라진다.

조직	많은 클래스	왜
혈액 (PBMC)	IgM / IgD	대기 병력
장 점막	IgA	TGF-β 환경
림프절 배중심	IgG	한창 전환 중
골수	IgG 형질세포	장수 항체 공장
종양 안	IgG1 / IgG3 (때로 IgA)	국소 면역 반응

이것이 자료 해석에 주는 교훈

"이 표본은 IgA 가 많다" 는 문장만으로는 아무 뜻이 없다. 어디서 뽑았느냐 를 알아야 한다. 같은 값이 장에서는 정상이고 혈액에서는 이상이다. 19강에서 종양 B세포를 볼 때 이 감각이 필요하다.

클래스 분포는 세포의 성질이 아니라 세포가 있던 장소의 성질이다

IgD·IgM 이 바닥에, 나머지가 위에. 계단 하나가 아니라 절벽입니다.

Python 브라우저에서 실행

# 아이소타입별로 돌연변이율을 견준다 - 네 표본 합쳐서
import bc
import matplotlib.pyplot as plt

import numpy as np

순서 = ["IGHD", "IGHM", "IGHG2", "IGHA2", "IGHG1", "IGHA1", "IGHG3"]
자료, 이름 = [], []
for iso in 순서:
    v = bc.shm(None, iso)
    if len(v) >= 10:
        자료.append(v.values)
        이름.append(iso.replace("IGH", "") + " (" + str(len(v)) + ")")
print("아이소타입별 중앙값 % (괄호는 세포 수)")
for iso, v in zip(이름, 자료):
    print(f"  {iso:<12}{np.median(v):>7.2f}")
plt.figure(figsize=(7.5, 4))
plt.boxplot(자료, showfliers=False)
plt.xticks(range(1, len(이름) + 1), 이름)
plt.ylabel("배선에서 달라진 비율 %")
plt.title("아이소타입별 체세포 과돌연변이 (네 표본 합계)")
plt.show()

고등학생치료 항체가 클래스를 고르는 법

사람이 만드는 치료 항체도 클래스를 골라야 한다. 아무거나 쓰지 않는다.

약	클래스	고른 이유
리툭시맙 (항-CD20)	IgG1	B세포를 죽여야 하므로 Fc 기능이 센 것
펨브롤리주맙 (항-PD1)	IgG4	T세포를 죽이면 안 되므로 Fc 기능이 약한 것
이필리무맙 (항-CTLA4)	IgG1	조절 T세포를 줄이는 효과까지 노림

같은 표적이라도 클래스를 바꾸면 약이 달라진다

항-PD1 을 IgG1 으로 만들면, PD1 을 단 T세포가 파괴된다. 그러면 면역을 풀어주려던 약이 면역을 죽이는 약이 된다. Fab 는 같은데 Fc 하나로 약효가 뒤집히는 것이다.

2강에서 "날과 손잡이" 라고 한 구분이 여기서 실제 돈과 목숨이 걸린 결정이 된다. 18강에서 이 이야기를 더 한다.

표적이 약을 정하지 않는다 — 표적 + 클래스가 약을 정한다

🤔 확인 문제

건강한 혈액에서 클래스 전환이 끝난 B세포의 비율은 우리 자료에서 대략?

🤔 확인 문제

이 강의가 말초혈액 자료로 배중심을 다루면서 택한 방법은?