18강 / 20강

【실습】 치료가 사이토카인 판을 바꾸나

병용 치료에서 Ifng 4배 · Cxcl9 2배 · Il1b 절반 — 마우스가 넷이라는 것을 안고

마우스 자료의 네 조건을 씁니다. 「단일세포 면역지도 첫걸음」과 같은 자료예요.

조건	무엇을 했나
`WT_CTRL`	아무것도 안 함 (대조)
`KD_CTRL`	Ddx54 녹다운만
`WT_PD1`	항-PD1만
`KD_PD1`	병용 — 녹다운 + 항-PD1

질문은 이것입니다 — 병용 치료가 종양 안의 사이토카인 판을 바꾸는가?

고등학생시작하기 전에 규칙을 정한다

3강에서 적었듯이 마우스는 네 마리 다. 세포가 37,585개여도. 그러니 이 실습에서 무엇을 할 수 있고 없는지 먼저 정한다.

할 것	안 할 것
배수(fold change) 를 보고한다	p 값을 붙인다
방향이 일관되는지 본다	"유의하게 증가했다" 고 쓴다
세포형별로 나눠 본다	조건 간 통계 검정
가설을 세운다	결론을 내린다

왜 규칙을 먼저 정하나

결과를 본 뒤에 정하면 좋아 보이는 쪽으로 기울게 된다. p 값이 작게 나온 것만 골라 보고하는 일이 그렇게 생긴다.

임상시험에서 사전 등록 을 요구하는 이유와 같다. 분석 계획을 자료를 보기 전에 적어 두는 것.

분석 규칙은 결과를 보기 전에 정해야 규칙 노릇을 한다

Ifng 4배 · Cxcl9 2배 · Il1b 절반. 방향이 갈립니다.

Python 브라우저에서 실행

# 조건마다 사이토카인 평균
import ck

유전자 = ["Ifng", "Cxcl9", "Cxcl10", "Il12b", "Il1b", "Il6", "Il10", "Tgfb1", "Ccl5"]
t = ck.by_sample(유전자)
print("네 조건의 사이토카인 평균")
print(t.to_string())
print()
print("대조 대비 배수")
기준 = t.loc["WT_CTRL"]
print((t / 기준).round(2).to_string())

고등학생관찰된 배수들

유전자	병용 치료에서	방향
Ifng	약 4배	증가
Cxcl9	약 2배	증가
Il1b	약 절반	감소

이 조합이 그럴듯한 이유

세 값이 서로 맞물린다.

IFN-γ 는 CXCL9 을 유도한다. 그러니 Ifng 가 오르면 Cxcl9 도 오르는 것이 맞다. 그리고 CXCL9 은 T세포를 불러들이는 케모카인이다 — T세포가 더 오면 IFN-γ 가 더 나온다. 양의 되먹임.

IL-1β 감소는 골수계 염증 이 줄었다는 뜻이다. 종양에서 IL-1β 는 대개 억제성 골수세포와 관련된다.

여러 값이 서로 맞물려 하나의 이야기를 만들면 그 이야기가 더 믿을 만하다

무리 안에서 방향이 일치합니다. 이것이 우리가 낼 수 있는 논증이에요.

Python 브라우저에서 실행

# 방향이 일치하는가 - 유전자를 두 무리로 나눠 본다
import ck

Th1쪽 = ["Ifng", "Cxcl9", "Cxcl10", "Ccl5", "Il12b"]
염증쪽 = ["Il1b", "Il6", "Cxcl1", "Cxcl2"]
t = ck.by_sample(Th1쪽 + 염증쪽)
기준 = t.loc["WT_CTRL"]
배수 = (t / 기준)

for 이름, gs in [("Th1·주화성 쪽", Th1쪽), ("호중구 염증 쪽", 염증쪽)]:
    print(f"{이름}")
    for g in gs:
        v = 배수.loc["KD_PD1", g]
        화살 = "올라감" if v > 1.2 else ("내려감" if v < 0.8 else "비슷")
        print(f"  {g:<9}{v:>7.2f}배  {화살}")
    올랐다 = sum(1 for g in gs if 배수.loc["KD_PD1", g] > 1.2)
    print(f"  -> {len(gs)}개 중 {올랐다}개가 올랐습니다")
    print()

고등학생일관성이 통계를 대신할 수 있나

p 값을 못 붙인다면, 무엇으로 이 결과를 뒷받침하나?

대안적 근거	내용
기전적 일관성	Ifng ↑ → Cxcl9 ↑ 가 알려진 관계와 맞음
여러 세포형에서 같은 방향	한 세포형의 특이 현상이 아님
효과 크기가 큼	4배는 작은 변동이 아님
선행 연구와 일치	다른 실험에서도 비슷한 방향

그래도 통계를 대신하지는 못한다

위 네 가지는 "그럴듯함" 을 높인다. "우연일 확률이 낮다" 를 수치로 말하지는 못한다.

정확히 말하면 이렇다 — "이 결과는 다음 실험을 설계할 만한 근거이지, 결론이 아니다."

근거의 종류가 다르면 주장의 강도도 달라야 한다

12강의 도구를 씁니다. 단일세포니까 나눠 볼 수 있어요.

Python 브라우저에서 실행

# 그런데 이것이 '세포당 더 만든다' 인가 '세포가 많아졌다' 인가 - 12강의 질문
import ck

c = ck.cells()
g = "Ifng"
print("Ifng 를 만드는 세포(CD8 T세포·NK)의 비율이 조건마다 다른가")
print(f"{'조건':<10}{'CD8 T %':>9}{'NK %':>8}{'합 %':>8}{'Ifng 평균':>11}")
for s in ck.facts()["mouse"]["samples"]:
    d = c[c["표본"] == s]
    cd8 = 100 * (d["세포형"] == "CD8 T세포").mean()
    nk = 100 * (d["세포형"] == "NK세포").mean()
    print(f"{s:<10}{cd8:>9.2f}{nk:>8.2f}{cd8+nk:>8.2f}{d[g].mean():>11.4f}")
print()
print("세포 비율도 함께 오릅니다. **둘 다입니다.**")
print("그러면 세포당은 어떤가 - CD8 T세포 안에서만 봅니다")
for s in ck.facts()["mouse"]["samples"]:
    d = c[(c["표본"] == s) & (c["세포형"] == "CD8 T세포")]
    if len(d) < 10:
        print(f"  {s:<10}세포 {len(d)}개 - 너무 적어 말하지 않습니다")
        continue
    print(f"  {s:<10}세포 {len(d):>4}개  세포당 Ifng 평균 {d[g].mean():>7.3f}  "
          f"만드는 세포 {100*(d[g]>0).mean():>5.1f}%")

여기서 나온 결론과, 나오지 않은 결론

말할 수 있는 것
· 병용 조건에서 Th1·주화성 쪽 사이토카인이 전반적으로 올랐습니다. 방향이 여러 유전자에서 일치합니다.
· 호중구 염증 쪽은 내려갔습니다. 이것도 방향이 일치합니다.
· Ifng 상승에는 세포가 많아진 것과 세포당 늘어난 것이 함께 기여합니다.

말할 수 없는 것
· 통계적 유의성. 마우스가 넷입니다.
· 인과. 사이토카인이 변해서 종양이 줄었는지, 종양이 줄어서 사이토카인이 변했는지 이 자료로는 못 가릅니다.
· 사람에게도 그런가. 마우스 종양 모형 하나입니다.

CD8 T세포가 조건에 따라 수십 개 밖에 없는 것도 봤습니다. 그 정도 수에서 나온 '세포당 평균' 은 흔들립니다 — 그것까지 적어 둡니다.

고등학생여기서 나온 결론과, 나오지 않은 결론

나온 것	나오지 않은 것
이 실험에서 Ifng 가 4배였다	치료가 Ifng 를 4배 올린다
세 유전자의 방향이 기전과 맞았다	기전이 확인되었다
다음 실험의 가설이 섰다	이 치료가 효과적이다

왼쪽과 오른쪽의 차이

왼쪽은 이 실험에 대한 서술 이고, 오른쪽은 일반적 주장 이다. n=1 로는 왼쪽까지만 갈 수 있다.

그럼 이런 실험은 왜 하나

가설을 만들기 위해서다. 단일세포 실험은 비싸서 큰 n 을 쓰기 어렵다. 대신 어디를 볼지 를 알려 준다. 그다음에 싸고 표적화된 방법(qPCR, 유세포분석)으로 n 을 늘려 확인한다.

탐색과 확증은 다른 실험이고 다른 설계를 요구한다.

탐색 실험의 목적은 답이 아니라 다음 물음이다

🤔 확인 문제

이 강에서 p 값을 계산하지 않기로 한 이유는?

🤔 확인 문제

Ifng 상승의 원인에 대해 이 강이 내린 결론은?