내려받은 원자료를
내 손으로 열어 봅니다
논문의 그림은 누군가 이미 다 그려 놓은 결과입니다. 진짜 공부는 그 앞에 있습니다. GEO에서 GSE268555 를 내려받으면 손에 쥐는 것은 .h5 파일 네 개 뿐이에요. 이 안에 세포 40,100개와 유전자 32,285개가 들어 있는데, 어떻게 열고 무엇부터 봐야 할까요?
이 20강은 그 파일 하나를 여는 순간부터 시작합니다. 파이썬은 이 페이지 안에서 바로 돌아갑니다.
이렇게 배웁니다
📦진짜 파일로
흉내 낸 자료가 아닙니다. GEO에 올라온 GSE268555 원본 h5 에서 그대로 잘라 낸 1,200개 세포 × 32,285개 유전자를 h5py 로 직접 엽니다.
🔍구조부터 파악
파일을 받으면 제일 먼저 무엇을 확인해야 하는가 — 그룹 · 데이터셋 · 모양 · 자료형 · 압축까지, 남의 파일을 읽는 순서를 몸에 익힙니다.
🎨그림으로 훑기
숫자 표는 눈에 안 들어옵니다. 슬라이딩 갤러리 위젯으로 이 데이터셋의 열여섯 장면을 좌우로 넘기며 30초 만에 전체를 봅니다.
⚠️실패담까지
메모리가 터지는 순간, 유전자 이름이 겹치는 순간, 배치효과에 속는 순간 — 실제로 겪는 사고를 미리 겪어 봅니다.
전체 커리큘럼
01
파일 네 개가 도착했다 — 논문의 그림은 여기서 시작한다
GEO 등록번호 읽기 · 무엇을 받았는지 확인하기
✓
02
상자를 여는 법 — HDF5 안에는 폴더가 들어 있다
h5py 로 열고 · 구조를 통째로 훑기
✓
03
모양부터 본다 — 행이 유전자인가 세포인가
shape · dtype · 그리고 메모리 계산
✓
04
96%가 0이다 — 희소행렬 삼총사를 읽는다
data · indices · indptr 이 어떻게 행렬이 되는가
✓
05
이름표 읽기 — 유전자 이름은 생각보다 위험하다
features(id·name·type) · barcodes · 중복 이름의 함정
✓
06
세포 한 개를 꺼내 본다 — 숫자에 처음으로 뜻이 생기는 순간
한 세포의 상위 발현 유전자 · 그리고 이상한 이름들
✓
07
나쁜 세포를 골라낸다 — 문턱은 어떻게 정하는가
총 UMI · 검출 유전자 수 · 미토콘드리아 비율
✓
08
무릎 그래프 — 남이 이미 내린 결정을 알아본다
barcode rank · raw 와 filtered 의 차이 · 주변 RNA
✓
09
크기를 맞춘다 — 정규화 없이는 아무것도 비교할 수 없다
CP10K · log1p · 그리고 왜 로그를 씌우는가
✓
10
2,000개만 남긴다 — 모든 유전자가 정보를 주지는 않는다
평균-분산 추세 · 고변동 유전자(HVG)
✓
11
축을 갈아 끼운다 — 2,000차원을 30차원으로
표준화 · 주성분 · 몇 개를 남길 것인가
✓
12
비슷한 세포끼리 묶는다 — k 는 몇으로 할까
k-평균 · 해상도 · 그리고 정답이 없다는 사실
✓
13
2차원 지도 — t-SNE와 UMAP은 무엇을 보여 주고 무엇을 숨기는가
차원 축소 시각화 · 거리 해석의 함정
✓
14
이름을 붙인다 — 군집 3번은 무슨 세포인가
표지자 유전자 · 점그림 · 그리고 순환논증의 함정
✓
15
슬라이딩 갤러리 — 데이터셋 하나를 30초에 훑는다
탐색적 자료 분석의 순서를 몸에 익히기
✓
16
네 조건을 비교한다 — 논문의 결론이 정말 자료에 있는가
세포 구성비 · 그리고 생쥐 한 마리라는 한계
✓
17
어떤 유전자가 달라졌나 — 화산도와 그 안의 함정
차등발현 · 유사복제 · 유사벌크(pseudobulk)
✓
18
속지 않는 법 — 원자료가 파 놓은 함정 여덟 개
배치효과 · 이중세포 · 주변 RNA · 성별 · 순환논증
✓
19
남이 다시 돌릴 수 있게 — 반년 뒤의 나를 위해
폴더 구조 · 버전 고정 · 난수 씨앗 · 체크섬
✓
20
우리가 본 것과 못 본 것 — 그리고 다음 데이터셋으로
20강의 정리 · 이 자료의 한계 · 다음에 열어 볼 파일들
✓