Lesson 15 of 20

핵심 유전자 확인 — 논문이 지목한 네 개

Cd47 · Cd38 · Myc, 그리고 '먹지 마' 신호

13,095개를 전부 볼 수는 없습니다. 논문은 이 중 네 개를 콕 집었어요. 왜 하필 이 넷인지 알면, 숫자가 이야기로 바뀝니다.

🎛️

Ddx54

우리가 끈 총사령관. 이게 내려가야 나머지 이야기가 성립합니다.

🛑

Cd47

암세포 표면의 "나를 먹지 마(don't eat me)" 팻말. 대식세포가 이 신호를 보면 그냥 지나칩니다.

🌫️

Cd38

주변의 면역 활성 물질을 분해해 T세포를 지치게 만드는 효소.

⚡

Myc

세포 증식의 메인 스위치. 거의 모든 암에서 켜져 있는 대표 발암 유전자.

논문의 주장은 이렇습니다 — Ddx54 를 끄면 이 방패와 스위치가 함께 내려간다. 즉 암세포가 면역으로부터 숨는 능력을 잃는다는 뜻이에요. 그래서 anti-PD1 같은 면역치료가 다시 통하게 된다는 것이 논문의 결론입니다.

우리는 이것을 부호 하나로 검증합니다. 네 유전자의 logFC 가 전부 음수여야 합니다.

High school논문이 지목한 네 개

드디어 논문의 주장을 확인합니다.

Cd47 · Cd38 · Myc — 전부 내려갔나?

이 유전자들이 무엇인가

유전자	하는 일	어느 강의
Cd47	"나를 먹지 마" 신호	`/immunology` 9강 · `/chem` 6강
Cd38	NAD⁺ 를 부숴 T세포를 굶긴다	`/immunology` 9강 · `/chem` 15강
Myc	여러 유전자를 켜는 마스터 조절자	—

전부 면역회피에 관여한다 — 내려가면 좋은 것

결과

네 개 모두 음수 — 논문과 같은 방향입니다.

우리가 독립적으로 같은 결론에 닿았다

이게 왜 뿌듯한가

1강에서 "저자의 결과를 한 번도 보지 않고" 시작했습니다.

원자료를 받아서, 다듬고, 정규화하고, 통계를 내서 같은 답에 왔어요.

그게 독립 재현이다 — 과학의 가장 강한 검증

다만 여기서 끝나면 안 됩니다. "부호만 보는 것으로 충분한가" 를 물어야 해요 — 다음 note 입니다.

코드랩의 그 부분 그대로. 네 개 모두 음수 — 논문과 같은 방향입니다.

Python Runs in your browser

import bio

de = bio.de()          # 14강에서 만든 차등발현 표

print("논문 Fig 6 핵심 유전자 (모두 KD에서 하향이어야 함):")
for g in ["Ddx54", "Cd47", "Cd38", "Myc"]:
    r = de.loc[g]
    flag = "✓ 하향" if r.logFC < 0 else "✗ 상향"
    print(f"  {g:6s}  log2FC={r.logFC:+.2f}  p={r.p:.4f}   {flag}")

High school네 개 모두 음수 — 이게 얼마나 놀라운가

코드가 네 개 모두 음수라는 걸 보여 줍니다. 확률로 따져 볼까요?

우연이라면

유전자 하나가 음수일 확률은 약 절반입니다. 그러니 네 개 모두 음수일 확률은 —

0.5⁴ = 1/16 ≈ 6%

6% 면 드문 편입니다

그런데 충분히 강한 증거는 아니에요. /stat 의 문턱 0.05 보다 크니까요.

유전자 수	모두 같은 방향일 확률
3개	12.5%
4개	6.25%
7개	0.78%

개수가 늘수록 우연으로 설명하기 어려워진다

그래서 20강에서 7개를 봅니다

20강의 체크리스트가 7가지인 이유가 여기 있습니다. 7/7 이면 우연일 확률이 1% 미만이에요.

여러 개가 같은 방향이면 그 자체가 증거다

이 논리를 뭐라고 하나

부호검정(sign test) 이라고 합니다. 크기를 안 보고 방향만 세는 아주 단순한 검정이에요.

단순한데 강건합니다 — 크기를 잘못 재도 방향은 잘 안 틀리거든요.

단순한 방법이 더 안전할 때가 있다

🎮 유전자 패널 살펴보기

카드를 눌러 각 유전자가 하는 일과 실제 측정값(7개 샘플 전부)을 보세요. Jak1 · Stat3 처럼 논문이 언급했지만 변화가 작은 유전자도 함께 넣었습니다 — 모든 유전자가 똑같이 극적으로 변하지는 않는다는 것도 중요한 사실입니다.

High school부호만 보는 것으로 충분한가

note 가 스스로 의심합니다. 좋은 태도예요.

방향이 맞다 ≠ 크기가 맞다

무엇을 확인 안 했나

확인한 것	확인 안 한 것
부호가 음수다	얼마나 내려갔나
방향이 논문과 같다	논문의 수치와 같나
—	통계적으로 유의한가

세 번째가 중요하다 — 음수인데 p 가 클 수 있다

왜 그런가

13,095개 중 절반은 어차피 음수입니다. 우연히 음수인 것과 진짜로 내려간 것을 갈라야죠.

그래서 p 값과 logFC 크기를 함께 봐야 합니다.

부호 · 크기 · 유의성 — 셋을 함께 봐야 한다

16강의 화산도가 그걸 합니다

화산도는 크기(가로)와 유의성(세로)을 한 장에 보여 줍니다. 그러면 셋 다 한눈에 들어와요.

그리고 여기가 이 강의의 태도입니다

결과가 좋게 나왔을 때 더 의심하는 것.

원하는 답이 나왔을 때가 가장 위험한 순간이다

/stat 16강의 순환논증 이야기와 같습니다 — 너무 잘 맞으면 의심하라.

이 강의는 자기 결과를 스스로 공격합니다. 그래야 남이 공격해도 버티니까요.

논문 Fig 6A 는 우리가 못 하는 그림입니다 — 왜인지 알아 둡시다

논문 Fig 6 의 첫 패널은 히트맵입니다. WT 와 KD 를 나란히 놓고 "면역치료 저항 유전자" 들의 발현을 색으로 그린 것이에요. 그 유전자 목록은 논문이 직접 고른 것이 아니라 다른 논문에서 빌려 온 것입니다.

The immune resistance-associated genes are taken from the paper by
L. Jerby-Arnon et al.  (Cell 175:984-997, 2018)

Jerby-Arnon 팀은 흑색종 단일세포 자료에서 면역관문억제제가 안 듣는 종양세포에서 함께 켜지는 유전자 프로그램을 찾아냈습니다. 그 목록을 다른 암에 그대로 얹어 "이 세포도 저항 상태인가" 를 재는 데 씁니다.

우리가 못 하는 것

그 유전자 목록이 이 강의에 실려 있지 않습니다. Cell 논문의 보충표에만 있고, 자유롭게 다시 배포할 수 있는 형태가 아닙니다. 목록 없이 히트맵을 그리면 우리가 고른 유전자의 히트맵이지 Fig 6A 가 아닙니다.

대신 하는 것

17~19강의 Hallmark GSEA 입니다. 같은 물음(저항 프로그램이 내려갔나)을 공개된 표준 유전자 세트로 묻습니다. EMT · Myc · TNFA-NFKB · IL6-JAK-STAT3 넷이 Fig 6 B·D·F 와 정면으로 겹칩니다.

지금 할 수 있는 것은 하나 더 있습니다 — 논문이 Fig 6 의 웨스턴블롯 패널에 이름을 적어 둔 유전자들이니까, 그것들만은 우리 표에서 직접 확인할 수 있어요.

단백질 밴드가 옅어졌다는 논문의 주장을, 우리는 mRNA 층에서 확인합니다.

Python Runs in your browser

# 논문 Fig 6 C·E·G 의 웨스턴블롯에 이름이 적힌 유전자들
# (단백질로 잰 것을 우리는 mRNA 로 봅니다 - 같은 것이 아닙니다)
import bio

패널 = [
    ("Fig 6C  EMT·Myc",     ["Ctnnb1", "Myc", "Ccnd1"]),
    ("Fig 6E  Jak-Stat3",   ["Jak1", "Jak2", "Stat3", "Cd47"]),
    ("Fig 6G  NF-kB",       ["Rela", "Cd38"]),
]
d = bio.de()
for 이름, 유전자들 in 패널:
    print(f"=== {이름} ===")
    for g in 유전자들:
        if g in d.index:
            r = d.loc[g]
            별 = " *" if r.p < 0.05 else ""
            print(f"  {g:<8}{r.logFC:>+8.2f}{r.p:>10.4f}{별}")
        else:
            print(f"  {g:<8}{'저발현 필터에서 걸러짐':>20}")
    print()
print("* = p < 0.05.  음수 = Ddx54 를 끄자 내려갔다 (논문이 주장한 방향)")

mRNA 가 안 내려가도 단백질은 내려갈 수 있습니다

표를 줄마다 읽어 보세요. 셋으로 갈립니다.

① 논문대로 내려간 것 — Cd47 −0.69 · Cd38 −0.87 · Myc −0.92 · Stat3 −0.36 · Jak1 −0.25. 모두 유의합니다.
② 꼼짝 않는 것 — Jak2 +0.15 · Rela −0.03. 둘 다 유의하지 않아요.
③ 오히려 올라간 것 — Ctnnb1 +0.19 · Ccnd1 +0.15. 논문의 웨스턴블롯(Fig 6C)에서는 β-catenin 과 Cyclin D1 밴드가 옅어졌는데도요.

②와 ③이 모순으로 보이지만, 아닙니다. 논문이 Fig 6 D·F 에서 보인 것은 경로의 활성이지 그 유전자의 발현량이 아니에요. 경로가 꺼지는 것은 대개 인산화가 사라지는 일이고 — p-STAT3 는 STAT3 단백질 양이 그대로여도 사라질 수 있습니다. 그래서 SI Table S4 의 항체 목록에 p-Jak1 · p-Jak2 · p-Stat3 · p-p65 가 들어 있는 거예요 (/molassay 13강).

RNA-seq 은 인산화를 볼 수 없습니다. Cd47 · Cd38 · Myc 처럼 발현량 자체가 바뀌는 것만 우리 손에 잡힙니다.

③ 은 조금 다른 이야기입니다. β-catenin 과 Cyclin D1 은 단백질 안정성으로 조절되는 대표적인 유전자예요 — mRNA 는 그대로인데 분해 속도가 달라져 단백질만 줄어듭니다. 이런 유전자는 RNA 로 재면 영영 안 보입니다.

그래서 논문이 웨스턴블롯을 찍은 것이고, 그래서 같은 주장을 두 층에서 재는 일이 번거로워도 필요한 것입니다. 20강 판정에서 이 구분을 지킵니다.

High schoolmRNA 가 안 내려가도 단백질은 내려갈 수 있습니다

마지막 note 가 중요한 한계를 짚습니다.

우리가 잰 것은 mRNA 이지 단백질이 아니다

논문은 무엇을 보였나

논문은 웨스턴블롯으로 단백질 밴드가 옅어진 것을 보였습니다 (/chem 14강 · /molassay).

우리는 mRNA 층에서 확인한 거예요.

같은 결론인데 다른 층위에서 확인했다

둘이 항상 같지는 않습니다

경우	mRNA	단백질
보통	내려감	내려감 ✔
번역 조절	그대로	내려감
단백질 분해	그대로	내려감
단백질이 안정	내려감	그대로

mRNA 와 단백질의 상관은 생각보다 낮다 (0.4~0.6)

그래서 무엇을 말할 수 있나

말할 수 있다	말할 수 없다
"mRNA 층에서 같은 방향을 확인했다"	"단백질도 정확히 이만큼 줄었다"

두 방법이 같은 방향이면 서로를 보강한다

/immunology 18강의 수렴 타당도 입니다 — 다른 방법으로 같은 답이 나오면 더 믿을 만해요.

이걸 적어 두는 것이 정직한 태도입니다

"우리는 mRNA 를 봤다" 를 분명히 하면, 읽는 사람이 어디까지 믿을지 판단할 수 있습니다.

20강의 "재현하지 못한 것" 목록에 이게 들어갑니다.

🤔 Check yourself

Cd47 이 하는 일을 가장 잘 설명한 것은?

🤔 Check yourself

r.logFC 와 같은 뜻의 표현은?

Answer pandas 의 Series 는 열 이름을 속성처럼 읽을 수 있습니다. r.logFC 와 r["logFC"] 는 같습니다 (이름에 공백이나 특수문자가 있으면 대괄호만 됩니다).

🤔 Check yourself

네 유전자 모두 log2FC 가 음수라는 것이 뜻하는 바는?