19강 / 20강

남이 다시 돌릴 수 있게 — 반년 뒤의 나를 위해

폴더 구조 · 버전 고정 · 난수 씨앗 · 체크섬

여기까지 분석을 마쳤다고 합시다. 여섯 달 뒤 심사평이 옵니다. "미토콘드리아 문턱을 5%로 했을 때도 결론이 유지되는지 보여 주세요."

그때 여러분이 해야 할 일은 문턱 하나를 바꾸고 다시 돌리는 것뿐이어야 합니다. "그 그림을 어떤 코드로 만들었더라…" 를 뒤지는 시간이 되어서는 안 돼요.

고등학생반년 뒤의 나를 위해

재현성은 남을 위한 것만이 아닙니다. 미래의 자신을 위한 것이기도 해요.

반년 뒤 기억나는 것	안 나는 것
대략의 결론	어떤 문턱을 썼는지
—	어떤 버전의 도구인지
—	왜 그 파라미터였는지

"그때 뭘 다르게 했더라?"를 답할 수 있는 것은 기록뿐입니다.

폴더 구조 — 이 다섯 칸이면 충분합니다

프로젝트/ ├── data/raw/ 내려받은 원본. 절대 수정하지 않는다. 읽기 전용으로 잠가 둔다. ├── data/processed/ 코드가 만들어 낸 중간 결과. 지워도 다시 만들 수 있어야 한다. ├── code/ 01_download.py 02_qc.py 03_cluster.py … 번호를 붙인다. ├── figures/ 코드가 자동으로 저장한 그림. 손으로 만들지 않는다. └── README.md 무엇을, 왜, 어떤 순서로. 여기가 시작점.

핵심 원칙은 하나입니다. data/raw 를 제외한 모든 것은 코드로 다시 만들 수 있어야 한다. 손으로 엑셀에서 고친 파일이 하나라도 끼면 그 사슬은 끊어집니다.

고등학생폴더 구조

폴더	담는 것
data/raw	원본 — 절대 수정하지 않음
data/processed	중간 결과
code	스크립트
results	그림과 표
docs	기록

원본을 읽기 전용으로 두는 것이 첫 번째 규칙입니다.

이 열 줄이 재현성의 8할입니다. 버전과 설정만 남아 있어도 남이 따라올 수 있어요.

Python 브라우저에서 실행

# 기록해 두어야 할 것들 — 분석 스크립트 맨 위에 이 정도는 찍어 둡시다.
import sys, numpy as np, scipy, pandas as pd, h5py

print("파이썬 :", sys.version.split()[0])
for m in [np, scipy, pd, h5py]:
    print(f"{m.__name__:8}: {m.__version__}")

print("\n분석 설정")
설정 = dict(min_umi=1000, min_gene=500, max_mito=10.0,
          norm_scale=1e4, n_hvg=2000, n_pc=30, k=10, seed=3)
for k_, v in 설정.items():
    print(f"   {k_:12} = {v}")

난수 씨앗을 고정하세요 — 그런데 그것만으로는 부족합니다

k-평균의 초기값, t-SNE 의 초기 배치, 이중세포 도구의 표본 추출 — 전부 난수를 씁니다. seed 를 고정하지 않으면 돌릴 때마다 그림이 달라집니다.

그런데 씨앗을 고정해도 라이브러리 버전이 다르면 결과가 달라질 수 있습니다. 난수 생성기 구현이 바뀌거나, BLAS 가 달라 부동소수점 합의 순서가 달라지거든요.

그래서 진짜 재현성은 씨앗 + 버전 고정(requirements.txt / conda env / 컨테이너)까지 가야 합니다. 그리고 정직하게 말하면 — 결론이 씨앗에 따라 흔들린다면 그 결론이 약한 것입니다. 여러 씨앗으로 돌려 보고 안정적인지 확인하는 편이 더 중요합니다.

고등학생버전 고정과 난수 씨앗

고정할 것	왜
패키지 버전	알고리즘이 바뀔 수 있음
파이썬·R 버전	—
난수 씨앗	13강 — UMAP·군집화가 난수를 씀

씨앗을 고정하지 않으면 매번 그림이 달라집니다 — 같은 코드인데요.

번호는 바뀌어도 생물학적 결론이 유지되면 그 결과는 믿을 만합니다.

Python 브라우저에서 실행

# 씨앗을 바꾸면 결과가 얼마나 흔들리는지 직접 확인합니다.
import numpy as np, sc
from collections import Counter

k = sc.keep()
L = sc.lognorm(mask=k)
PC, _, _ = sc.pca(L, npc=30)

기준 = None
for seed in [0, 1, 3, 7]:
    lab = sc.kmeans(PC, k=10, seed=seed)
    ann = sc.annotate(L, lab)
    c = Counter(ann[x] for x in lab)
    비율 = {t: round(n/len(lab)*100, 1) for t, n in c.most_common()}
    print(f"seed={seed}: {비율}")
print("\n→ 군집 번호는 매번 바뀌지만 세포 유형 구성비는 대체로 안정적입니다.")
print("→ 이렇게 '무엇이 흔들리고 무엇이 안 흔들리는지'를 확인해 두어야 합니다.")

파일 이름은 바뀔 수 있고 크기는 우연히 같을 수 있습니다. 지문은 거짓말하지 않습니다.

Python 브라우저에서 실행

# 원본 파일의 지문(체크섬)을 남겨 둡니다 — 나중에 같은 파일인지 확인하는 유일한 방법.
import hashlib

def 지문(path, blocks=None):
    h = hashlib.sha256()
    with open(path, "rb") as f:
        while True:
            b = f.read(1 << 20)
            if not b: break
            h.update(b)
    return h.hexdigest()

p = "GSE268555_slice.h5"
print(f"{p}\n   sha256 = {지문(p)}")
print("\n실무에서는 이렇게 합니다:")
print("   sha256sum data/raw/*.h5 > data/raw/CHECKSUMS.txt")
print("   sha256sum -c data/raw/CHECKSUMS.txt      # 나중에 확인")

고등학생체크섬

파일이 바뀌지 않았는지 확인하는 방법입니다.

내용	설명
파일의 지문	내용이 1비트만 달라도 값이 완전히 바뀜
기록해 두면	나중에 같은 파일인지 확인 가능
공개 자료	내려받은 것이 온전한지

GEO에서 받은 파일의 체크섬을 적어 두면 같은 자료를 썼다고 증명할 수 있습니다.

🤔 확인 문제

data/raw 폴더를 읽기 전용으로 잠가 두는 이유는?

해설 원본은 모든 주장의 뿌리입니다. 여기가 흔들리면 아래의 모든 것이 무의미해져요. 실무에서는 chmod 444 로 잠그거나 별도 저장소에 두고 심볼릭 링크만 씁니다.

🤔 확인 문제

난수 씨앗을 고정했는데도 다른 컴퓨터에서 결과가 조금 달랐습니다. 가장 흔한 원인은?

🤔 확인 문제

논문에 QC 문턱과 세포 수만 적고 코드는 공개하지 않았습니다. 어떤 문제가 생길까요?