16강 / 20강

조건부 분석 — 후보를 사슬에 매단다

MR 의 레귤론을 실제로 흔드는가

지금까지 만든 관문을 순서대로 늘어놓아 봅시다. DIGGIT 의 실제 분석 파이프라인이 바로 이 모양입니다.

① 변이 후보 ② F-CNV 필터 ③ aQTL ④ 조건부 분석 ⑤ 증거 통합

④ 조건부 분석(conditional analysis) 은 MINDy 의 결과를 "이 MR 에 대해" 라는 조건 아래에서 다시 보는 단계입니다. 후보가 MR 의 레귤론을 실제로 흔드는지를 확인합니다.

고등학생후보를 사슬에 매단다

aQTL 로 변이 ↔ MR 활성 연관을 찾았다. 그런데 그것이 진짜 인과 사슬 인가?

변이 → MR → 레귤론 → 표현형

확인할 것	내용
변이 ↔ MR 활성	11강 — 확인함
변이 ↔ MR 의 레귤론	이 강

사슬의 각 고리를 따로 확인하면 그 사슬이 실재하는지 알 수 있다

🎮 관문을 하나씩 열어 보세요

고등학생MR 의 레귤론을 실제로 흔드는가

단계	하는 일
1	변이 있는 군 vs 없는 군
2	MR 의 표적들 이 다른가
3	MR 활성뿐 아니라 그 결과 도 확인

왜 이것이 추가 증거인가

MR 활성은 추정값 이다. 표적 발현은 직접 관찰 이다.

둘이 일치하면 추정이 맞았다 는 증거다.

추론된 중간 변수의 하류를 확인하면 그 추론을 검증할 수 있다

관문을 통과한 후보가 곧 실험실로 넘어갈 목록입니다.

Python 브라우저에서 실행

# 관문을 차례로 통과시키며 후보가 줄어드는 과정을 그대로 실행합니다
# 아래 위젯이 쓰는 표와 똑같습니다
후보 = [
    # 이름,     빈도,  F-CNV상관, aQTL p,   MINDy p,  MR 의 상류인가
    ("KLHL9",   0.18,  -0.71,     2e-06,    4e-05,    True),
    ("CDKN2A",  0.42,  -0.83,     3e-02,    2e-01,    True),
    ("MTAP",    0.40,  -0.09,     8e-03,    3e-01,    False),
    ("EGFR",    0.31,   0.66,     4e-01,    5e-01,    True),
    ("NF1",     0.14,  -0.58,     7e-05,    2e-03,    True),
    ("PTEN",    0.26,  -0.62,     6e-02,    9e-02,    True),
    ("ZNF813",  0.02,  -0.44,     1e-03,    2e-03,    True),
    ("TP53",    0.35,  -0.12,     9e-01,    7e-01,    True),
    ("TNC",     0.22,  -0.68,     5e-05,    1e-04,    False),   # MR 의 표적 — 하류다
]

def 관문(목록, 이름, 조건):
    남음 = [c for c in 목록 if 조건(c)]
    떨어짐 = [c[0] for c in 목록 if not 조건(c)]
    print(f"{이름:<24} {len(목록):>2} → {len(남음):>2}   탈락: {', '.join(떨어짐) if 떨어짐 else '없음'}")
    return 남음

print(f"{'관문':<24} {'후보수':>7}")
print("-" * 62)
남 = 관문(후보, "① 최소 빈도 5% 이상",   lambda c: c[1] >= 0.05)
남 = 관문(남,  "② F-CNV |상관| > 0.5",  lambda c: abs(c[2]) > 0.5)
남 = 관문(남,  "③ aQTL p < 0.001",      lambda c: c[3] < 1e-3)
남 = 관문(남,  "④ 조건부 p < 0.001",    lambda c: c[4] < 1e-3)
남 = 관문(남,  "⑤ MR 의 상류인가",       lambda c: c[5])
print()
print("최종 드라이버 후보:", ", ".join(c[0] for c in 남))
print("아래 위젯의 관문을 하나씩 열어 같은 순서로 줄어드는지 보세요.")
print()
print("CDKN2A 는 유명한 암 억제 유전자지만 이 사슬에서는 떨어졌습니다.")
print("→ '이 표현형의 이 MR 을 통해' 라는 특정 경로에서 탈락한 것이지,")
print("   암과 무관하다는 뜻이 아닙니다. 질문이 좁으면 답도 좁습니다.")

고등학생조건부 분석의 다른 쓰임

물음	조건
이 변이 효과가 다른 변이와 독립인가	다른 변이를 통제
아형에 특이적인가	아형별로 나눠 봄
다른 MR 을 통하지 않나	다른 MR 을 통제

세 번째가 그림자 문제를 다룬다

MR 이 여럿 겹칠 때 하나를 통제하고 다른 것을 보면 고유한 기여 가 드러난다.

그런데 표본이 급격히 준다

조건을 걸수록 각 칸의 샘플이 적어진다.

조건이 두 개면 4칸, 세 개면 8칸 이다.

조건을 늘리면 통제가 정교해지고 표본은 지수적으로 준다

고등학생무엇을 통제할지 정하기

통제해야 할 것	이유
알려진 교란	나이 · 성별 · 아형
배치	기술적 차이
인구 구조	유전적 배경

그런데 과통제도 문제다

인과 경로 위에 있는 변수 를 통제하면 진짜 효과가 사라진다.

사슬	통제하면
변이 → X → MR	X 를 통제하면 효과가 0

그러니 무엇을 통제할지 신중해야 한다

교란은 통제하고 매개는 통제하면 안 된다.

통제할 것과 통제하면 안 되는 것을 가르려면 인과 구조를 먼저 생각해야 한다

🤔 확인 문제

조건부 분석 관문에서 CDKN2A 가 탈락했습니다. 어떻게 해석해야 하나요?

네트워크에서 '위쪽' 이라는 조건

DIGGIT 은 여기에 조건을 하나 더 겁니다. 후보가 MR 의 상류(upstream)에 있어야 한다는 것입니다.

변이 → 후보 유전자 → … → MR → 표적들 → 표현형

후보가 MR 의 하류에 있다면 인과의 방향이 반대입니다 — MR 이 후보를 움직인 것이지 그 반대가 아닙니다. 네트워크 구조를 이용해 이 방향을 확인하면 후보가 또 한 번 줄어듭니다.

방향이 있는 그래프에서 '누가 위인가' 를 묻는 것만으로도 후보가 많이 정리됩니다.

Python 브라우저에서 실행

# 네트워크에서 후보가 MR 의 상류인지 하류인지 확인합니다
그래프 = {                       # A → B 는 'A 가 B 를 조절한다'
    "KLHL9":  ["CUL3"],
    "CUL3":   ["CEBPB", "CEBPD"],
    "CEBPB":  ["TNC", "SERPINE1", "TIMP1"],
    "CEBPD":  ["TNC", "COL1A1"],
    "TNC":    [],
    "SERPINE1": [], "TIMP1": [], "COL1A1": [],
}
MR = "CEBPB"

def 도달가능(시작, 그래프):
    본것, 대기 = set(), [시작]
    while 대기:
        n = 대기.pop()
        for 다음 in 그래프.get(n, []):
            if 다음 not in 본것:
                본것.add(다음); 대기.append(다음)
    return 본것

for 후보 in ["KLHL9", "CUL3", "TNC", "CEBPD"]:
    아래 = 도달가능(후보, 그래프)
    위치 = "상류 ✅" if MR in 아래 else ("MR 자신" if 후보 == MR else "상류 아님 ❌")
    print(f"{후보:<8} → 도달 가능: {sorted(아래) if 아래 else '없음'}")
    print(f"{'':8}   {MR} 기준 {위치}")
print()
print("TNC 는 CEBPB 의 표적입니다 — 아무리 강한 연관이 나와도 원인일 수 없습니다.")

🤔 확인 문제

어떤 후보 유전자가 MR 의 표적(하류)이라는 것이 밝혀지면 드라이버 후보에서 빼는 이유는?

🤔 확인 문제

여러 관문을 놓을 때 계산이 싼 관문을 앞에 두는 이유는?