10강 / 20강

마스터 레귤레이터 — 현장의 실세 추리기

활성이 확 달라진 조절자들

시그니처를 만들었으니 이제 조절자마다 VIPER 를 돌립니다. 조절자 1,800개에 대해 NES 를 계산하고 줄을 세우면, 맨 위와 맨 아래에 있는 것들이 마스터 레귤레이터(master regulator, MR) 후보입니다.

MR = 이 표현형에서 활성이 가장 크게 달라진 조절자

중요한 것은 MR 이 발현이 많이 바뀐 유전자가 아니라는 점입니다. C/EBPβ 자체의 mRNA 는 두 아형에서 별 차이가 없을 수도 있습니다. 그런데도 그 표적 수백 개가 일제히 움직였다면 MR 입니다.

고등학생현장의 실세 추리기

마스터 레귤레이터(MR)는 표현형 차이를 가장 잘 설명하는 조절자다.

단계	하는 일
1	시그니처를 만듦 (9강)
2	조절자마다 VIPER 점수를 계산
3	NES 상위를 MR 로

활성이 확 달라진 조절자 — 그것이 마스터 레귤레이터 후보다

🎮 실세를 골라 보세요

고등학생발현은 그대로인데 활성만 높은 MR

이것이 VIPER 를 쓰는 가장 강력한 이유 다.

조절자	발현 차이	활성 차이
A	없음	큼

발현 분석으로는 절대 못 찾는다

발현이 안 변했으니 차등발현 목록에 없다.

그런데 표적들이 다 변했다.

19강의 KLHL9 가 그런 사례다

발현으로는 안 보이는데 활성으로 보면 가장 강한 신호 였다.

발현만 보면 놓치는 조절자가 있다 — 그것이 이 방법의 존재 이유다

발현 순위만 보면 진짜 실세를 놓칩니다. VIPER 가 필요한 이유입니다.

Python 브라우저에서 실행

# 발현 변화 순위와 활성(NES) 순위를 나란히 비교합니다
조절자 = {
    # 이름       발현변화(t)   활성 NES
    "CEBPB":    (  0.4,        5.8),
    "STAT3":    (  0.9,        5.1),
    "CEBPD":    (  1.2,        4.6),
    "RUNX1":    (  0.6,        3.9),
    "MYC":      (  3.8,        1.2),
    "SOX2":     ( -4.1,       -3.4),
    "OLIG2":    ( -5.2,       -4.8),
    "FOSL2":    (  0.2,        3.1),
}

print(f"{'조절자':<9}{'발현변화':>9}{'활성NES':>9}   {'해설'}")
print("-" * 52)
for g, (t, nes) in sorted(조절자.items(), key=lambda kv: -kv[1][1]):
    if abs(t) < 1.5 and abs(nes) > 3:
        해설 = "← 발현은 그대로인데 활성만 폭발"
    elif abs(t) > 3 and abs(nes) < 2:
        해설 = "← 발현만 크게 변했을 뿐"
    else:
        해설 = ""
    print(f"{g:<9}{t:>+9.1f}{nes:>+9.1f}   {해설}")
print()
# '발현만 크게 변한 것' 과 '활성만 튄 것' — 두 값의 차이가 가장 큰 쪽을 고른다
발현만 = max(조절자.items(), key=lambda kv: abs(kv[1][0]) - abs(kv[1][1]))
활성만 = max(조절자.items(), key=lambda kv: abs(kv[1][1]) - abs(kv[1][0]))
print(f"{발현만[0]} 는 발현 변화 {abs(발현만[1][0]):.1f} 로 큰데 활성은 "
      f"{abs(발현만[1][1]):.1f} 뿐입니다 — MR 이 아닙니다.")
print(f"{활성만[0]} 는 발현이 {abs(활성만[1][0]):.1f} 로 거의 안 변했는데 "
      f"활성은 {활성만[1][1]:+.1f} — MR 1등입니다.")

고등학생MR 을 몇 개나 고르나

기준	내용
NES 문턱	\|NES\| > 3 등
상위 개수	25개 등
FDR	보정 후 유의

2강의 계산과 연결된다

"변이 수 × MR 수" 가 검정 횟수 다.

MR 수	변이 1만 개일 때 검정 수
25	25만
100	100만

그러니 MR 을 적게 고르는 것이 유리하다

검정 수가 줄면 문턱이 덜 엄격해도 된다.

앞 단계에서 후보를 좁히면 뒤 단계의 통계적 부담이 준다

고등학생MR 들이 서로 겹친다

MR 들이 표적을 공유하는 일이 흔하다.

결과	내용
점수가 함께 움직임	—
누가 진짜인지 못 가름	그림자 문제
독립 검정이 아님	다중검정 보정이 보수적

그래서 모듈로 다루기도 한다

개별 MR 대신 MR 모듈 을 단위로 삼는다.

DIGGIT 에서는 다르게 푼다

유전적 변이 를 이용해서 어느 MR 이 변이의 하류 인지 본다.

그러면 순서 가 정해진다.

활성만으로 못 가르는 것을 상류의 유전적 증거가 가른다

🤔 확인 문제

어떤 전사인자의 mRNA 발현은 두 아형에서 거의 차이가 없는데 VIPER NES 가 +5.8 입니다. 어떻게 해석해야 하나요?

시너지 — 혼자가 아니라 짝으로

MR 은 혼자 일하지 않는 경우가 많습니다. 교모세포종 중간엽 아형에서는 C/EBPβ 와 STAT3 가 함께 있어야 아형이 만들어진다는 것이 실험으로 확인되었습니다 (Carro 등, Nature 2010). 하나만 억제하면 표현형이 잘 무너지지 않습니다.

그래서 MR 분석에서는 시너지(synergy) 도 같이 봅니다 — 두 조절자의 레귤론이 겹치는 표적에서 특히 강한 신호가 나오는지 확인합니다.

겹치는 표적이 많다는 것은 같은 프로그램을 함께 돌리고 있다는 단서입니다.

Python 브라우저에서 실행

# 두 MR 의 레귤론이 얼마나 겹치는지 봅니다 (자카드 지수)
CEBPB = {"TNC","SERPINE1","TIMP1","COL1A1","CHI3L1","FN1","LOX","THBS1"}
STAT3 = {"TNC","SERPINE1","SOCS3","BCL3","MMP9","FN1","LOX","VIM"}
OLIG2 = {"SOX2","DLL3","ASCL1","NKX2-2","PDGFRA"}

def 자카드(a, b):
    return len(a & b) / len(a | b)

for 이름, A, B in [("CEBPB & STAT3", CEBPB, STAT3),
                   ("CEBPB & OLIG2", CEBPB, OLIG2)]:
    겹침 = A & B
    print(f"{이름:<16} 자카드 {자카드(A,B):.2f}  공통표적 {sorted(겹침) if 겹침 else '없음'}")
print()
print("CEBPB 와 STAT3 는 표적을 많이 나눠 씁니다 — 함께 일할 가능성.")
print("둘 다 억제해야 표현형이 무너진다는 실험 결과와 들어맞습니다.")

🤔 확인 문제

마스터 레귤레이터를 상위 25개 정도로 제한하는 실무적 이유는?

🤔 확인 문제

MR 분석에서 '시너지' 를 함께 보는 이유는 무엇인가요?