3강 / 20강

【실습】 B세포 7,460개를 연다

10x Genomics 공개 BCR 자료 네 표본 · 사슬 15,853줄

이제 진짜 자료를 엽니다. 네 표본입니다.

표본	무엇	B세포	왜 넣었나
`PBMC-A`	건강한 사람 말초혈액	982	기준이 되는 표본. 대부분의 계산을 여기서 합니다
`PBMC-B`	다른 사람 말초혈액	772	같은 결론이 다른 사람에서도 나오나
`PBMC-C`	또 다른 말초혈액	83	표본이 작으면 무엇이 무너지나
`MEL`	흑색종 환자 시료	5,644	종양 안의 B세포 — 19강의 주인공

전부 10x Genomics 가 공개한 자료입니다 (CC BY 4.0). 「T세포 첫걸음」이 쓴 것과 같은 시료인데, 그쪽은 T세포 쪽 파일을, 우리는 B세포 쪽 파일을 씁니다.

고등학생10x 공개 BCR 자료를 연다

실습이 시작됩니다. 진짜 자료예요.

B세포 7,460개 · 사슬 15,853줄 — 네 표본

숫자가 안 맞습니다

—	—
세포 7,460개	—
사슬 15,853줄	2배가 넘는다 ⭐

세포 하나에 사슬이 둘이니까 — 무거운 사슬 + 가벼운 사슬

그런데 정확히 2배도 아닙니다

이유	—
한쪽만 잡힌 세포	—
사슬이 셋 이상인 세포	17강 ⚠ ⭐

자료를 열자마자 어긋남이 보인다 — 그게 17강의 주제가 된다

단일세포 BCR 자료의 특별함

—	—
덩어리 시퀀싱은	사슬 짝을 모른다 ⚠
단일세포는	어느 무거운 사슬과 어느 가벼운 사슬이 한 세포인지 안다 ⭐

짝을 알아야 진짜 항체를 재현할 수 있다 — 치료 항체 발굴의 기반이다

고등학생한 줄은 세포가 아니라 사슬이다

note 의 이 경고가 모든 계산의 전제입니다.

표의 한 줄은 세포가 아니다 — 사슬 하나다

이걸 헷갈리면

실수	결과
줄 수를 세포 수로	2배 넘게 부풀려진다 ⚠
아이소타입 비율을 줄 기준으로	가벼운 사슬이 섞인다 ⚠

"무엇을 한 단위로 세나" 를 먼저 정해야 한다

세는 단위 정하기

물음	단위
κ:λ 비 (4강)	가벼운 사슬
아이소타입 비율 (12강)	세포 (무거운 사슬) ⭐
CDR3 길이 (7강)	사슬 — 종류별로
클론 크기 (13·19강)	세포

물음마다 단위가 다르다 — 매번 정해야 한다

이건 일반적인 자료 문제입니다

분야	같은 문제
이 강의	사슬 vs 세포
`/ml` 4강	샘플 vs 환자 ⭐
`/viz` 11강	기술적 vs 생물학적 반복

"n 이 무엇인가" 는 어디서나 나오는 물음이다

먼저 <b>무엇이 몇 개인지</b>부터 봅니다.

Python 브라우저에서 실행

# 표를 연다
import bc

d = bc.rep()
print(f"전체 {len(d):,}줄 - {d.shape[1]}열")
print()
print("열 이름")
print(" ", list(d.columns))
print()
print("표본별 줄 수")
print(d["표본"].value_counts().to_string())

2.0 근처가 나오면 자료가 정상입니다. 크게 벗어나면 뭔가 이상한 거예요.

Python 브라우저에서 실행

# 줄과 세포는 다르다 - 직접 확인
import bc

d = bc.rep()
print(f"{'표본':<10}{'줄':>8}{'세포':>8}{'줄/세포':>9}")
for s in bc.SAMPLES:
    x = d[d["표본"] == s]
    n_row = len(x)
    n_cell = x["세포"].nunique()
    print(f"{s:<10}{n_row:>8,}{n_cell:>8,}{n_row/n_cell:>9.2f}")
print()
print("세포마다 사슬이 평균 두 줄쯤입니다 - 무거운 것 하나 + 가벼운 것 하나.")

세포 하나 = 항체 한 종류. 이 대응이 이 강의 전체의 바탕입니다.

Python 브라우저에서 실행

# 첫 세포 하나를 통째로 본다
import bc

d = bc.rep("PBMC-A")
첫세포 = d["세포"].iloc[0]
x = d[d["세포"] == 첫세포]
print(f"세포 {첫세포}")
print(x[["사슬", "v_gene", "j_gene", "아이소타입", "CDR3", "UMI", "돌연변이율"]].to_string(index=False))
print()
print("무거운 사슬 하나와 가벼운 사슬 하나 - 이것이 항체 한 종류입니다.")

고등학생표본이 넷이라는 것의 값어치

왜 한 표본이 아니라 넷일까요?

여러 표본이 있어야 — 재현되는지 볼 수 있다

4강에서 확인합니다

표본	κ 비율
1	59.3%
2	57.5%
3	59.5%

세 사람에게서 거의 같은 값 — 우연이 아니다 ⭐

왜 이게 놀라운가

—	—
사람마다 완전히 다른 B세포를 가진다	16강 ⭐
그런데	비율은 같다 ⭐

개별은 다른데 통계는 같다 — 규칙이 있다는 증거다

거꾸로 안 맞는 것도 있습니다

—	—
13강의 클론 크기	표본 크기에 흔들린다 ⚠

어떤 값은 안정하고 어떤 값은 흔들린다 — 구별해야 한다

일반 원칙

안정한 값	흔들리는 값
비율 · 중앙값	최대값 · 종류 수 ⚠
—	드문 것의 개수

/antigen 8강의 종류 수 vs 엔트로피 와 같은 문제다

여기서 나온 <b>3줄 이상</b>이 17강의 주제가 됩니다.

Python 브라우저에서 실행

# 세포마다 사슬이 몇 개나 붙어 있나
import bc

d = bc.rep("PBMC-A")
n = d.groupby("세포").size().value_counts().sort_index()
print("세포 하나에 붙은 사슬 수")
for k, v in n.items():
    print(f"  {k}줄  세포 {v:>4,}개  {100*v/n.sum():>5.1f}%  {'#'*int(60*v/n.sum())}")
print()
print("2줄이 가장 흔합니다 - 무거운 사슬 + 가벼운 사슬.")
print("1줄은 한쪽을 놓친 세포, 3줄 이상은 5강과 17강에서 다룹니다.")

고등학생왜 하필 이 네 표본인가

note 의 이 물음이 자료 선택의 논리입니다.

비교할 수 있게 고른 것이다

구성

표본	—
건강한 혈액 여럿	기준선 ⭐
종양 (흑색종)	비교 대상 — 19강 ⭐

기준이 있어야 "다르다" 를 말할 수 있다

이게 실험 설계의 기본입니다

—	—
종양만 보면	"이게 특별한가" 를 모른다 ⚠
혈액과 비교하면	차이가 드러난다 ✔

19강에서 예상이 빗나가는 것도 기준이 있어서 안다

그리고 같은 플랫폼

—	—
네 표본이 같은 방식으로	10x ⭐
그래서	배치 효과가 작다 ✔

다른 플랫폼끼리 비교하면 기술 차이가 섞인다 — /ml 16강

⚠ 그래도 한계는 있습니다

—	—
표본이 넷뿐	일반화에 조심 ⚠
사람 배경을 모른다	나이 · 감염력 등

20강의 "말할 수 없는 것" 목록에 이것들이 들어간다

🤔 확인 문제

이 표에서 세포 수를 바르게 세는 방법은?

🤔 확인 문제

PBMC-C 를 표본에 넣은 목적으로 설명된 것은?