14강 / 20강

이름을 붙인다 — 군집 3번은 무슨 세포인가

표지자 유전자 · 점그림 · 그리고 순환논증의 함정

지금 우리 손에는 군집 0번, 1번, 2번… 이 있을 뿐입니다. 숫자는 알고리즘이 붙인 것이고 매번 바뀝니다. 여기에 생물학적 이름을 붙여야 합니다.

방법은 표지자 유전자(marker gene) 대조입니다. 면역학이 수십 년에 걸쳐 정리해 둔 "이 유전자가 켜져 있으면 이 세포" 목록을 쓰는 것이죠.

세포 유형	표지자	왜 그 유전자인가
T세포	Cd3e · Cd3d · Lck	T세포 수용체 복합체 부품
NK세포	Ncr1 · Klrb1c · Gzma	자연살해 수용체와 세포독성 과립
B세포	Cd79a · Ms4a1	B세포 수용체 부품
대식세포	C1qa · C1qb · Mrc1	보체 성분과 청소 수용체
단핵구	Ly6c2 · Plac8 · Vcan	혈액에서 갓 들어온 상태
호중구	S100a8 · S100a9 · Retnlg	과립 단백질
수지상세포	H2-Ab1 · Cd74 · Ciita	MHC 클래스 II — 항원 제시 장비

이 표는 이 논문의 부록에 적힌 것과 거의 같습니다. 연구자마다 조금씩 다르지만 핵심 표지자는 공유되어 있어요.

고등학생군집 3번은 무슨 세포인가

알고리즘은 번호만 붙입니다. 이름은 사람이 붙여요.

단계	내용
1	각 군집의 특징적 유전자를 찾음
2	알려진 표지자와 대조
3	이름을 붙임

이 단계는 지식이 필요합니다 — 알고리즘이 대신 못 해요.

각 행에서 가장 큰 값이 그 군집의 정체입니다. 2등과 차이가 작으면 애매한 군집이라는 뜻이에요.

Python 브라우저에서 실행

# 군집마다 표지자 점수를 재고, 가장 높은 이름을 붙입니다.
import numpy as np, pandas as pd, sc

k = sc.keep()
L = sc.lognorm(mask=k)
PC, _, _ = sc.pca(L, npc=30)
lab = sc.kmeans(PC, k=10, seed=3)

Z = sc.zscore(L)                       # 유전자마다 세포 사이 z 점수
이름 = sc.genes(); gi = {g: i for i, g in enumerate(이름)}

표 = []
for j in range(10):
    m = lab == j
    행 = {"군집": j, "n": int(m.sum())}
    for ct, gs in sc.MARKERS.items():
        있는것 = [g for g in gs if g in gi]
        행[ct] = round(float(np.mean([Z[gi[g], m].mean() for g in 있는것])), 2)
    표.append(행)

df = pd.DataFrame(표).set_index("군집")
df["→ 판정"] = df.drop(columns=["n"]).idxmax(axis=1)
print(df.to_string())

점의 크기는 몇 %의 세포에서 켜졌는가, 색은 평균 발현 수준입니다. 대각선이 선명하면 주석이 잘 된 것입니다.

Python 브라우저에서 실행

# 점그림(dot plot) — 논문 그림 5J 와 같은 형식입니다.
import numpy as np, sc
import matplotlib.pyplot as plt

k = sc.keep()
L = sc.lognorm(mask=k)
PC, _, _ = sc.pca(L, npc=30)
lab = sc.kmeans(PC, k=10, seed=3)
ann = sc.annotate(L, lab)
세포유형 = np.array([ann[x] for x in lab], dtype=object)

Z = sc.zscore(L); 이름 = sc.genes(); gi = {g: i for i, g in enumerate(이름)}
유전자 = ["Cd3e", "Skap1", "Ncr1", "Gzma", "C1qa", "Mrc1",
        "Vcan", "Plac8", "S100a8", "Retnlg", "H2-Ab1", "Cd74"]
유형들 = [t for t in ["T세포","NK세포","대식세포","단핵구","호중구","수지상세포"]
        if (세포유형 == t).sum() > 0]

fig, ax = plt.subplots(figsize=(8, 3.4))
for yi, t in enumerate(유형들):
    m = 세포유형 == t
    for xi, g in enumerate(유전자):
        if g not in gi: continue
        v = np.asarray(L[gi[g]].todense()).ravel()
        pct = (v[m] > 0).mean()
        z = Z[gi[g], m].mean()
        ax.scatter(xi, yi, s=8 + pct*320, c=[[max(0,min(1,(z+1)/3)), .35, .75]], alpha=.85)
ax.set_xticks(range(len(유전자))); ax.set_xticklabels(유전자, rotation=45, ha="right", fontsize=8)
ax.set_yticks(range(len(유형들))); ax.set_yticklabels(range(len(유형들)), fontsize=8)
ax.set_title("dot plot — size: % expressing, color: mean z")
plt.tight_layout()

고등학생표지자 유전자와 점그림

점그림(dot plot)은 군집별 표지자 발현을 한눈에 보여 줍니다.

점의 속성	나타내는 것
크기	그 군집에서 몇 %의 세포가 발현
색	평균 발현 수준

크고 진한 점이 좋은 표지자입니다 — 대부분의 세포에서 높게 발현.

고등학생순환논증의 함정

이 강의가 경고하는 것입니다.

순환	내용
1	유전자 A로 군집화
2	군집 간 유전자 A의 차이를 검정
3	"유의하게 다르다"

당연히 유의합니다 — 그 유전자로 나눴으니까요.

군집화에 쓴 유전자로 그 군집의 유의성을 주장하면 안 됩니다. 18강에서 다시 다뤄요.

재현 연구는 맞은 것과 못 맞춘 것을 함께 적어야 합니다.

Python 브라우저에서 실행

# 우리 주석이 논문과 얼마나 맞는지 대조합니다.
import numpy as np, pandas as pd, sc
from collections import Counter

k = sc.keep()
L = sc.lognorm(mask=k)
PC, _, _ = sc.pca(L, npc=30)
lab = sc.kmeans(PC, k=10, seed=3)
ann = sc.annotate(L, lab)
c = Counter(ann[x] for x in lab)
전체 = sum(c.values())

print("우리 결과 (조각 1,121 세포)")
for t, n in c.most_common():
    print(f"   {t:8} {n:5d}  {n/전체*100:5.1f}%")

print("\n논문이 보고한 세포 유형 (그림 5I·5L)")
print("   NK · 호중구 · 단핵구 · 대식세포 · 수지상세포 · CD8 T · CD4 T · B세포")
print("\n→ 큰 계통은 대체로 일치합니다.")
print("→ B세포는 우리 조각에서 잡히지 않았습니다. 원래 아주 드물고,")
print("   1,200개만 뽑은 조각에서는 더 묻힙니다.")

고등학생자동 주석 도구

방법	내용	한계
참조 자료와 비교	SingleR 등	참조에 없는 세포는 못 찾음
표지자 목록 점수화	—	목록의 질에 좌우
수동	사람이 판단	느림 · 주관적

자동 도구는 1차 초안으로 쓰고, 사람이 확인하는 것이 정석입니다.

🤔 확인 문제

군집에 세포 유형 이름을 붙일 때 표지자를 여러 개 쓰는 이유는?

🤔 확인 문제

Cd3e 를 포함한 유전자들로 군집을 만든 뒤, '이 군집에서 Cd3e 가 유의하게 높다(p<1e-50)'고 보고했습니다. 무엇이 문제인가요?

🤔 확인 문제

우리 분석에서 B세포가 잡히지 않았습니다. 가장 적절한 결론은?