15강 / 20강
슬라이딩 갤러리 — 데이터셋 하나를 30초에 훑는다
탐색적 자료 분석의 순서를 몸에 익히기
지금까지 열네 강에 걸쳐 한 일을 정리하면 이렇습니다. 파일 열기 → 구조 파악 → QC → 정규화 → HVG → PCA → 군집 → 지도 → 주석.
실무에서는 이 전 과정을 거의 자동으로 돌립니다. 그리고 나온 그림들을 한 판에 늘어놓고 훑습니다. 새 데이터셋을 받았을 때 처음 30분에 하는 일이 정확히 이것이에요.
왜 그림으로 훑을까요? 숫자 표는 이상한 점을 숨기고, 그림은 드러내기 때문입니다. 평균과 중앙값이 멀쩡해도 분포가 두 봉우리면 표에는 안 보입니다. 그림에는 바로 보이죠.
갤러리를 넘기며 이 데이터셋에서 읽어야 할 것
1호중구가 압도적 — HVG 상위도, 군집 크기도, 구성비도 전부 호중구가 지배합니다. LLC1 종양의 알려진 특징입니다.
2KD_PD1 의 UMI 가 낮다 — 중앙값 3,345 로 다른 표본의 절반입니다. 생물학일까요, 시퀀싱 깊이 차이일까요? 둘을 구별할 방법이 이 자료에는 없습니다.
3T세포·NK세포는 소수 — 논문의 관심사인데 전체의 몇 %뿐입니다. 그래서 통계가 약해집니다.
4네 표본이 지도에서 섞여 있다 — 심각한 배치효과는 없어 보입니다. 다행이죠.
이 여섯 장이 보고서의 1페이지가 됩니다. 협업자에게 자료를 넘길 때 이것부터 보여 주세요.
Python
브라우저에서 실행
🤔 확인 문제
탐색적 그림을 순서대로 보는 것이 중요한 이유는?
해설 QC 가 엉망이면 PC1 이 세포 품질이 되고(11강), 그 위의 군집과 주석은 전부 그 오염 위에 세워집니다. 앞이 통과해야 뒤를 볼 자격이 생깁니다.
🤔 확인 문제
표를 보지 않고 그림으로 훑는 것이 나은 이유는?
해설 요약 통계가 같아도 분포는 완전히 다를 수 있습니다(앤스컴의 4중주). 특히 단일세포 자료는 섞인 집단이라 요약값이 어느 세포도 대표하지 못하는 경우가 많습니다.
🤔 확인 문제
KD_PD1 표본의 UMI 중앙값이 다른 표본의 절반이었습니다. 이 자료만으로 할 수 있는 결론은?
해설 세포 크기·RNA 함량 같은 생물학과 시퀀싱 깊이·라이브러리 품질 같은 기술이 같은 흔적을 남깁니다. 설계 단계에서 조건과 배치를 섞어 두지 않으면 사후에는 분리할 수 없어요. 그래서 실험 설계가 분석보다 중요합니다.