14강 / 20강

같은 사이토카인, 다른 결과 — 맥락이 뜻을 정한다

TGF-β 는 Treg 도 Th17 도 만든다 · IL-6 하나가 갈림길을 정한다

이 강의에서 답해야 할 마지막 개념 문제입니다.

5강에서 IL-6 이 T세포를 Th17 로도 Treg 로도 민다고 했습니다. 정확히는 이렇습니다.

TGF-β 만 있을 때

Foxp3 가 켜진다
조절 T세포 (Treg)
→ 면역을 끈다

TGF-β + IL-6

RORγt 가 켜진다
Th17
→ 강한 염증

정반대 세포입니다. 차이는 IL-6 하나뿐이에요.

고등학생맥락이 뜻을 정한다

5강에서 본 것 — TGF-β 만 있으면 Treg, IL-6 이 함께 있으면 Th17. 정반대 결과가 다른 사이토카인 하나 로 갈린다.

이것이 왜 놀라운가

사이토카인을 "스위치" 로 생각하면 이해가 안 된다. 스위치는 켜거나 끄지, 다른 스위치에 따라 뜻이 바뀌지 않는다.

모형	맞나
사이토카인 = 스위치	틀림
사이토카인 = 여러 입력 중 하나	맞음
결과 = 입력 조합의 함수	맞음

사이토카인은 명령이 아니라 투표에 던지는 한 표다

<b>모형입니다.</b> 그런데 이 모양 — 갑자기 뒤집히는 스위치 — 는 실제와 같습니다.

Python 브라우저에서 실행

# 저울 모형 - 두 전사인자의 경쟁
import numpy as np
import matplotlib.pyplot as plt

def 운명(tgfb, il6):
    foxp3 = 2.0 * tgfb / (1 + 1.5 * il6)      # IL-6 이 누른다
    rorgt = 1.2 * tgfb * (1 + 2.0 * il6)      # IL-6 이 올린다
    rorgt_실효 = rorgt / (1 + 1.8 * foxp3)     # Foxp3 가 직접 막는다
    return foxp3, rorgt_실효

il6 = np.linspace(0, 3, 200)
F, R = [], []
for x in il6:
    a, b = 운명(1.0, x)
    F.append(a); R.append(b)
plt.figure(figsize=(7, 4))
plt.plot(il6, F, color="#10b981", lw=2, label="Foxp3 (Treg 쪽)")
plt.plot(il6, R, color="#ef4444", lw=2, label="RORγt (Th17 쪽)")
교차 = il6[int(np.argmin(np.abs(np.array(F) - np.array(R))))]
plt.axvline(교차, color="#94a3b8", ls="--")
plt.text(교차 + 0.05, max(F) * 0.8, "뒤집히는 자리 IL-6 = " + f"{교차:.2f}", fontsize=8, color="#475569")
plt.xlabel("IL-6 세기 (TGF-β 는 1 로 고정)")
plt.ylabel("전사인자 세기 (상대값)")
plt.title("IL-6 하나가 운명을 뒤집는다")
plt.legend(fontsize=8)
plt.show()

고등학생왜 이런 일이 생기나 — 전사인자가 경쟁한다

세포 안에서 무슨 일이 벌어지는지 보면 이해된다.

신호	켜는 전사인자	미는 방향
TGF-β	SMAD + FOXP3	Treg
IL-6	STAT3 → RORγt	Th17

핵심 — 두 전사인자가 서로를 억제한다

FOXP3 와 RORγt 는 서로 붙어서 상대의 기능을 막는다. 그러니 둘 다 켜지면 더 센 쪽이 이긴다.

TGF-β 만 있으면 FOXP3 만 켜져서 Treg. IL-6 이 더해지면 RORγt 가 세져서 FOXP3 를 누르고 Th17.

이 구조를 부르는 이름

상호 억제 회로(mutual inhibition) — 시소 같은 구조다. 어느 한쪽이 조금만 우세하면 그쪽으로 완전히 기운다. 중간 상태가 불안정 하고, 결과가 둘 중 하나 로 떨어진다.

연속적인 신호가 이산적인 세포 운명이 되는 것 — 시소 구조가 그 변환을 한다

맥락이 뜻을 정하는 다른 예들

사이토카인	맥락 A	맥락 B
TGF-β	T세포 → Treg (면역 억제)	B세포 → IgA 전환 · 섬유아세포 → 섬유화
IL-2	많으면 → T세포 증식	적으면 → CD25 높은 Treg 만 산다 (16강)
TNF	급성 → 염증과 방어	만성 → 조직 파괴 · 악액질
I형 IFN	급성 감염 → 항바이러스	만성 → 면역 소진 · 자가면역
IL-6	면역세포 → 염증	운동 중 근육 → 대사 조절 (염증 아님)

패턴이 보입니다 — 급성이냐 만성이냐, 어느 세포가 듣느냐, 같이 무엇이 있느냐. 이 셋이 맥락입니다.

고등학생맥락을 정하는 다른 요소들

함께 온 사이토카인만 맥락이 아니다.

맥락 요소	예
세포의 분화 단계	순진한 T세포 vs 기억 T세포 — 반응이 다름
후성유전 상태	어느 유전자가 열려 있나
대사 상태	포도당 · 산소가 있나
신호의 세기와 시간	7강 — STAT3 를 얼마나 오래 켜나
조직 미세환경	산도 · 삼투압 · 기계적 힘

그래서 시험관 실험과 몸 안이 다르다

배양접시에서 사이토카인 하나를 넣고 결과를 보는 실험은 맥락을 다 제거한 실험이다. 깨끗한 답이 나오지만, 그 답이 몸 안에서도 같으리라는 보장이 없다.

깨끗한 실험은 기전을 알기에는 좋고 실제를 예측하기에는 부족하다. 둘 다 필요하다.

통제된 실험이 주는 것은 인과의 확인이지 현실의 예측이 아니다

<b>중간 상태</b>가 자료에 있습니다. 운명이 정해지는 중인 세포들이요.

Python 브라우저에서 실행

# 자료에서 - Foxp3 와 Rorc 를 같이 가진 세포가 있나
import ck

c = ck.cells()
F = c["Foxp3"] > 0
R = c["Rorc"] > 0
print(f"Foxp3 만    {int((F & ~R).sum()):>6,}")
print(f"Rorc 만     {int((~F & R).sum()):>6,}")
print(f"둘 다       {int((F & R).sum()):>6,}")
print(f"둘 다 아님   {int((~F & ~R).sum()):>6,}")
print()
기대 = float(F.mean()) * float(R.mean()) * len(c)
실제 = int((F & R).sum())
print(f"둘 다인 세포 - 기대 {기대:.1f} / 실제 {실제}")
print()
print("드물지만 있습니다. 저울이 **아직 안 기운** 세포들이에요.")
print("(드롭아웃 때문에 실제보다 적게 잡혔을 수 있습니다 - 13강의 한계)")

고등학생그래서 '사이토카인 = 기능' 표를 조심해야 한다

교과서에는 이런 표가 있다.

사이토카인	기능
IL-4	Th2 유도
TGF-β	면역 억제
IL-6	염증 촉진

이 표는 절반만 맞다

TGF-β 는 면역을 억제하기도 하고 Th17 을 만들기도 한다. IL-6 은 염증을 일으키기도 하고 근육에서는 대사 신호이기도 하다. "주된 맥락에서의 기능" 을 적은 것이지 "그 분자의 정체" 가 아니다.

그럼 표가 쓸모없나

아니다. 출발점 으로는 유용하다. 다만 "대개는" 이라는 말이 생략되어 있다 는 것을 알아야 한다.

예상과 다른 결과가 나왔을 때 "표에 없는 일이 일어났다" 가 아니라 "맥락이 달랐다" 를 먼저 떠올려야 한다.

교과서의 표는 요약이지 정의가 아니다 — 예외가 규칙만큼 흔하다

🤔 확인 문제

TGF-β 가 Treg 도 Th17 도 만들 수 있는 기전으로 설명된 것은?

🤔 확인 문제

'맥락' 을 이루는 세 가지로 이 강의가 정리한 것은?