19강 / 20강

다시 만든다 — 손잡이 셋을 돌려 6.41 로

제11장 「바꾼 것은 세 가지였다」 · 6.68 → 6.41 · 피어슨 0.82 → 0.31

이 강은 종합 실습입니다. 앞의 열여덟 강을 전부 써서 소설의 나흘을 처음부터 다시 밟습니다.

진단

관찰	값	어느 강
피어슨 계수	0.82 — 거의 전부 산성 구획 안	18강
세포질의 흩어진 빨강	거의 없음	18강
겉보기 pKa	6.68	5강
개 엔도솜 산성화	사람보다 15분 빠름	10·12강

진단: 켜지는 시각이 BMP 곡선보다 앞선다 (17강)

고등학생진단하고 처방하기

이 강은 종합 실습입니다. 앞의 열여덟 강을 다 써서 문제를 풉니다.

증상	값
약이 갇혀 있다	피어슨 0.82
세포질에 퍼진 게 없다	—
겉보기 pKa	6.68 (너무 높다)
개 세포는	15분 빠르다

진단

너무 일찍 켜진다. BMP 가 나타나기 전에 켜져서 헛일이 되고 있다.

처방

겉보기 pKa 를 내려야 한다. 그런데 어떻게?

손잡이 셋

	바꾼 것	왜 그러면 pKa 가 내려가나	어느 강
1	유량비 3:1 → 4:1	에탄올이 더 급하게 희석 → 지질이 더 급하게 뭉침 → 코어가 촘촘 → 이웃 반발 ↑	6강
2	혼합 온도 상온 → 4 °C	같은 이유. 낮은 온도에서 지질 사슬이 덜 움직여 더 빽빽하게 쌓인다	6강
3	PEG-DMG 1.5% → 1.8%	입자가 조금 작아지고(곡률 ↑), 외투가 조금 더 빨리 벗겨진다	8강

셋 다 제조 조건입니다. 새 분자를 만들지 않았습니다.

결과

겉보기 pKa (TNS)   6.68  →  6.41   창 안으로
크기               91 nm →  88 nm
PDI                0.09  →  0.11
봉입 효율          93.8% →  95.1%
피어슨 계수        0.82  →  0.31   <- 나왔다

고등학생분자는 그대로 두고 배열만 바꾼다

pKa 를 내리는 방법이 둘 있습니다.

방법	어떻게	걸리는 시간
분자를 바꾼다	새 지질을 합성	몇 달
배열을 바꾼다	만드는 조건만 조절	며칠

로지에게는 시간이 없었습니다. 두 번째를 택했습니다.

5강을 기억하세요 — 빽빽하면 pKa 가 내려갑니다

그래서 더 촘촘하게 만드는 방법을 셋 찾았습니다.

	바꾼 것	왜
1	유량비 3:1 → 4:1	더 급하게 뭉침 → 촘촘
2	온도 상온 → 4도	차가우면 더 빽빽하게 쌓임
3	PEG 1.5% → 1.8%	입자가 작아짐 (곡률 ↑)

셋 다 제조 조건입니다. 새 분자를 만들지 않았어요.

네 번째 줄이 소설의 최종 배치입니다. 다섯 값이 한 손잡이로 함께 움직이는 것을 보세요.

Python 브라우저에서 실행

# 세 손잡이가 다섯 값을 어떻게 함께 끌고 가는지 -- 경향 모형으로.
import numpy as np, pandas as pd

def batch(flow_ratio, temp_c, peg_pct):
    # 코어가 얼마나 촘촘한가 (0~1). 급하게 뭉치고 차가울수록 촘촘하다.
    pack = np.clip(0.35 + 0.11*(flow_ratio - 3) + 0.010*(22 - temp_c), 0, 1)
    apka = 6.68 - 0.75*pack + 0.06*(1.5 - peg_pct)     # 촘촘할수록 내려간다
    size = 91*(1.5/peg_pct)**0.28*(3/flow_ratio)**0.20
    pdi  = 0.09 + 0.05*pack + 0.02*max(0, peg_pct - 1.5)
    ee   = np.clip(93.8 + 5*pack - 1.2*max(0, peg_pct - 1.5), 0, 99)
    # 탈출은 pKa 가 창(6.2~6.5) 안에 있을수록 좋다 -- 개 기준
    win  = np.exp(-((apka - 6.38)/0.16)**2)
    pear = 0.85 - 0.58*win
    return apka, size, pdi, ee, pear

runs = [
    ("원래 배치",              3.0, 22, 1.5),
    ("유량비만 4:1",           4.0, 22, 1.5),
    ("+ 4 도로 낮춤",          4.0,  4, 1.5),
    ("+ PEG 1.8%  (최종)",     4.0,  4, 1.8),
    ("너무 많이 내림",         6.0,  4, 2.6),
]
rows = []
for name, f, t, p in runs:
    a, s, d, e, pe = batch(f, t, p)
    rows.append((name, f"{f:.0f}:1", f"{t:.0f}C", f"{p:.1f}%",
                 f"{a:.2f}", f"{s:.0f}nm", f"{d:.2f}", f"{e:.1f}%", f"{pe:.2f}"))
print(pd.DataFrame(rows, columns=["시도","유량비","온도","PEG",
                                  "겉보기pKa","크기","PDI","봉입","피어슨"]).to_string(index=False))
print()
print("소설의 값:  pKa 6.41 · 88 nm · PDI 0.11 · 95.1% · 피어슨 0.31")
print()
print("마지막 줄을 보세요 -- 더 내리면 오히려 나빠집니다.")
print("창에는 아래쪽 문턱도 있습니다. 너무 늦게 켜지면 이미 리소솜입니다.")

고등학생위 코드가 방금 무슨 일을 했나요

손잡이 셋을 하나씩 돌려 가며 다섯 값이 어떻게 변하는지 표로 찍었습니다.

시도	겉보기 pKa
원래	6.68
유량비만	내려감
+ 온도	더 내려감
+ PEG (최종)	6.41 ✅
더 많이 내림	오히려 나빠짐 ⚠️

마지막 줄이 중요합니다

계속 내리면 좋아지지 않습니다. 창에는 아래쪽 문턱도 있어요.

너무 늦게 켜지면 이미 리소솜입니다. 그때는 끝이에요.

'많을수록 좋다' 인 값은 생각보다 드뭅니다

고등학생한꺼번에 셋을 바꾼 대가

폴은 세 가지를 동시에 바꿨고, 좋아졌습니다. 축하할 일이죠.

그런데 어느 것 덕분일까요?

알 수 없습니다. 셋 다 필요했을 수도, 하나로 충분했을 수도 있어요.

상황	어떻게 해야 하나
급할 때 (로지)	다 바꾼다 — 되게 하는 게 먼저
알고 싶을 때	하나씩 바꾼다

로지에게는 시간이 없었으니 다 바꾼 게 옳은 선택이었습니다.

다만 그렇게 얻은 결과로는 왜 좋아졌는지 말할 수 없다는 것 — 그 값을 치렀다는 사실은 기록해 둬야 합니다.

실험도 코딩도 같습니다 — 한 번에 여럿 고치면 뭐가 고친 건지 모릅니다

🤔 확인 문제

겉보기 pKa 를 6.68 에서 6.41 로 내리기 위해 유량비를 3:1 에서 4:1 로 올린 이유는?

🤔 확인 문제

겉보기 pKa 를 계속 더 내리면 어떻게 되나요?