Lesson 10 of 20

【실습】 브레이크가 액셀을 따라가는가

STAT2–USP18 0.578 · STAT3–SOCS3 0.423 · STAT1–SOCS1 0.288

9강의 되먹임이 진짜라면 자료에 흔적이 남아 있어야 합니다.

신호가 센 종양에서는 브레이크도 세야 하니까요. STAT1 이 높으면 SOCS1 도 높고, STAT3 이 높으면 SOCS3 도 높아야 합니다.

확인해 봅시다. 그리고 대조를 반드시 함께 봅니다.

High school되먹임이 자료에 흔적을 남기나

9강의 되먹임이 진짜라면, 액셀과 브레이크가 함께 높아야 한다. STAT 이 켜진 표본에서는 그 STAT 을 끄는 SOCS 도 많아야 한다.

실제 결과

쌍	상관
STAT2 ↔ USP18	0.578
STAT3 ↔ SOCS3	0.423
STAT1 ↔ SOCS1	0.288

셋 다 양의 상관 이다. 되먹임이 자료에 보인다. 그런데 세기가 꽤 다르다. 그 차이가 무엇을 뜻하는지가 이 강의의 물음이다.

이론이 예측한 관계가 자료에서 확인되면 그 이론을 더 믿을 수 있다

있다와 얼마나를 나눠 봅니다. 넷 다 있지만 세기가 다릅니다.

Python Runs in your browser

# 액셀과 브레이크 - 짝지어 확인
import ck

짝 = [("STAT1", "SOCS1", "IFN-감마 축"),
      ("STAT2", "USP18", "I형 IFN 축"),
      ("STAT3", "SOCS3", "IL-6 축"),
      ("STAT5A", "CISH", "IL-2 축")]
print(f"{'축':<14}{'액셀':<9}{'브레이크':<9}{'상관':>7}{'대조(ACTB)':>12}")
for a, b, 이름 in 짝:
    r = ck.corr(a, b)
    c = ck.corr(a, "ACTB")
    print(f"{이름:<14}{a:<9}{b:<9}{r:>7.3f}{c:>12.3f}")
print()
print("넷 다 대조보다 높습니다. 되먹임의 흔적이 보여요.")
print("그런데 세기가 아주 다릅니다 - USP18 0.58 대 CISH 0.19.")

High schoolUSP18 이 유난히 강한 이유

USP18–STAT2 의 상관이 가장 높다. 왜일까?

이유	내용
I형 IFN 반응이 매우 협조적	수백 개 유전자가 한 덩어리로 켜짐
USP18 은 전형적 ISG	IFN 자극 유전자 목록의 대표 멤버
기저 발현이 낮음	변동 폭이 커서 상관이 잘 잡힘 (8강 반대 사례)

SOCS1 이 약한 이유도 같은 논리다

SOCS1 은 IFN-γ 말고도 여러 사이토카인에 반응한다. 그러니 STAT1 과만 짝지어 움직이지 않는다. 여러 입력이 섞이면 특정 쌍의 상관은 흐려진다.

특이적인 짝일수록 상관이 높다. 이것은 자료 분석에서 반복해서 나타나는 규칙이다.

상관의 세기는 관계의 세기만이 아니라 관계의 배타성도 반영한다

막대 하나가 유난히 높습니다. 가장 위험한 신호의 브레이크예요.

Python Runs in your browser

# 브레이크 세기와 그 신호의 위험도가 관계 있나 - 그림으로
import ck
import matplotlib.pyplot as plt

짝 = [("STAT5A", "CISH", "IL-2"), ("STAT1", "SOCS1", "IFN-γ"),
      ("STAT3", "SOCS3", "IL-6"), ("STAT2", "USP18", "I형 IFN")]
이름 = [x[2] for x in 짝]
값 = [ck.corr(a, b) for a, b, _ in 짝]
대조 = [ck.corr(a, "ACTB") for a, b, _ in 짝]
plt.figure(figsize=(7, 3.8))
x = range(len(짝))
plt.bar([i - 0.2 for i in x], 값, width=0.4, color="#3b82f6", label="액셀-브레이크")
plt.bar([i + 0.2 for i in x], 대조, width=0.4, color="#94a3b8", label="대조 (ACTB)")
plt.xticks(list(x), 이름)
plt.ylabel("스피어만 상관")
plt.title("되먹임의 흔적 - 축마다 세기가 다르다")
plt.legend(fontsize=8)
plt.show()

High school상관이 인과가 아닌데 왜 쓸모가 있나

"상관은 인과가 아니다" 는 옳은 말이지만, 여기서 좀 더 정확히 볼 필요가 있다.

상황	상관의 값어치
가설 없이 탐색	낮음 — 우연한 상관이 많음
기전이 이미 알려짐	높음 — 예측의 확인
방향까지 예측했음	더 높음
세기 순서까지 예측	가장 강함

여기서는 두 번째~세 번째다

SOCS 가 STAT 에 의해 유도된다는 것은 세포 실험에서 이미 확인된 기전이다. 우리는 그 기전이 사람 종양 조직에서도 작동하는지 를 확인한 것이다.

배양접시에서 본 것이 실제 몸 안에서도 일어나는가 — 이것은 그 자체로 중요한 물음이다.

상관의 증거력은 그것을 보기 전에 무엇을 예측했느냐에 달려 있다

대안 설명을 먼저 적고 그것을 덜어 냅니다. 이 습관이 11강을 살립니다.

Python Runs in your browser

# 되먹임인가 그냥 같이 켜지는 것인가 - 정직하게 따져 본다
import ck

print("이 상관이 되먹임의 증거인가?")
print()
print("문제: STAT1 과 SOCS1 이 같이 높은 이유는 둘 다일 수 있습니다.")
print("  (가) SOCS1 이 STAT1 의 표적이라 따라 켜졌다  <- 되먹임")
print("  (나) 면역세포가 많은 종양에서 둘 다 그냥 높다 <- 교란")
print()
print("면역세포 양을 대충 재는 값(CD8A)을 빼 보면:")
for a, b in [("STAT1", "SOCS1"), ("STAT3", "SOCS3"), ("STAT2", "USP18")]:
    r0 = ck.corr(a, b)
    r1 = ck.partial_corr(a, b, "CD8A")
    print(f"  {a}-{b:<7} 원래 {r0:>6.3f}  ->  CD8A 를 뺀 뒤 {r1:>6.3f}")
print()
print("줄어들지만 남습니다. **둘 다 조금씩 맞습니다.**")
print("이 '빼 보기' 가 11강의 도구가 됩니다.")

High school값이 1 이 아닌 이유들

되먹임이 확실히 작동하는데도 상관이 0.3~0.6 이다. 왜 1 이 아닌가?

이유	내용
시간차	브레이크는 늦게 켜짐 — 조직을 얼린 시점에 따라 다름
세포가 섞임	STAT 높은 세포와 SOCS 높은 세포가 다를 수 있음 (12강)
다른 입력	SOCS 는 여러 신호에 반응
측정 잡음	발현량 측정 자체의 오차
단백질 수준 조절	2강 — RNA 와 단백질이 다름

첫 줄이 특히 중요하다

펄스형 신호(9강)를 한 시점의 스냅숏 으로 재고 있다. 봉우리의 어느 지점에서 조직을 얼렸느냐에 따라 STAT 이 높고 SOCS 가 낮을 수도, 반대일 수도 있다.

동적인 과정을 정적인 자료로 재는 근본적 한계다. 그런데도 상관이 나온다는 것은 되먹임이 그만큼 강하다는 뜻이기도 하다.

시간에 따라 변하는 것을 한 번 찍은 사진으로 재고 있다는 것을 늘 기억한다

🤔 Check yourself

USP18 과 STAT2 의 상관이 다른 액셀-브레이크 짝보다 강한 이유로 설명된 것은?

🤔 Check yourself

STAT1–SOCS1 상관에서 CD8A 를 빼 봤을 때 값이 줄었지만 남은 것이 뜻하는 바는?