Lesson 5 of 20

면역사막 시그니처 — 네트워크에 던질 질문지 만들기

프로토콜 Phase I · ARACNE 앞의 준비 단계

두 무리를 갈랐으니, 이제 두 무리에서 다르게 켜져 있는 유전자를 찾습니다. 이 목록을 시그니처(signature) 라고 부릅니다.

여기서 오해하기 쉬운 점 하나. 시그니처는 범인 목록이 아닙니다. 2강에서 봤듯 시끄러운 부하들이 잔뜩 잡히니까요. 시그니처의 진짜 역할은 뒤에 있습니다 —

시그니처는 VIPER 에게 던지는 질문지입니다.

"이 유전자들이 이렇게 움직였다. 네 부하들이 이 목록의 어디에 몰려 있는지 보고, 네가 지금 일하고 있는지 말해 봐."
11강에서 이 질문지를 실제로 쓰게 됩니다.

논문은 DESeq2, 우리는 t검정

논문은 R 패키지 DESeq2 로 원시 카운트에서 차등발현을 계산했고, |log2FC| > 0.3 이고 p < 0.05 인 961개 유전자를 시그니처로 삼았습니다.

우리가 쓰는 자료는 이미 정규화된 log2(RSEM+1) 값이라 음이항 모형을 쓰는 DESeq2 가 필요 없습니다. 로그 눈금 위에서 t검정을 하면 됩니다. 문턱은 논문과 똑같이 씁니다.

High school네트워크에 던질 질문지

시그니처 는 두 무리를 가르는 유전자 순위표 다.

유전자	값	뜻
A	+3.2	사막에서 높음
B	−2.8	염증에서 높음

이것이 왜 '질문지' 인가

나중에 VIPER 가 이 순위표를 보고 "어느 조절자가 이 패턴을 만들었나" 를 묻는다.

질문을 먼저 정하고 그 질문을 네트워크에 던진다

log2 눈금에서는 '나누기'가 '빼기'가 됩니다 — 그래서 평균의 차이가 곧 log2FC 입니다.

Python Runs in your browser

import gene
import numpy as np
from scipy import stats

E = gene.expr()
d, f = gene.groups()
print("면역 사막", len(d), "명   면역 염증", len(f), "명")

A = E[d].values      # 유전자 × 사막 표본
B = E[f].values      # 유전자 × 염증 표본

# 자료가 이미 log2 눈금이므로, 평균의 '차이'가 곧 log2 fold change 입니다.
log2FC = A.mean(1) - B.mean(1)

# 유전자마다 두 무리 평균이 다른지 t검정 (축 1 = 표본 방향)
t, p = stats.ttest_ind(A, B, axis=1)

import pandas as pd
sig = pd.DataFrame({"log2FC": log2FC, "t": t, "p": p}, index=E.index)

print()
print("전체 유전자:", len(sig))
deg = sig[(sig.log2FC.abs() > 0.3) & (sig.p < 0.05)]     # 논문과 같은 문턱
print("시그니처(|log2FC|>0.3, p<0.05):", len(deg), "개")
print("  면역 사막에서 올라간 것 :", int((deg.log2FC > 0).sum()))
print("  면역 사막에서 내려간 것 :", int((deg.log2FC < 0).sum()))

High school무엇을 빼야 하나

시그니처에 T세포 유전자 가 잔뜩 들어간다. 당연하다 — T세포 수로 나눴으니까.

문제	내용
순환	T세포로 나누고 T세포 유전자를 찾음
신호 지배	다른 것이 안 보임

그래서 면역세포 유전자를 뺀다

또는 종양세포 유래 유전자만 본다.

왜 그것이 옳은가

우리가 찾는 것은 종양이 무엇을 하고 있나 다. "T세포가 적다" 는 결과 이지 원인이 아니다.

결과에 해당하는 신호를 빼야 원인이 보인다

시그니처 안에 무엇이 들어 있나

면역 사막에서 내려간 유전자를 보면 예상대로 면역세포 표지들이 나옵니다 — CD3E(T세포), CD8A(세포독성 T세포), GZMB·PRF1(살상 단백질), NKG7(NK세포). 당연합니다. 면역세포가 없으니 면역세포 유전자가 안 잡히죠.

중요한 것은 올라간 쪽입니다. 여기에 범인의 흔적이 있습니다.

DDX54 의 발현 변화는 크지 않습니다. 그런데도 그가 총사령관입니다 — 2강의 그 문장.

Python Runs in your browser

import gene
sig = gene.signature()

print("면역 사막에서 가장 많이 '내려간' 유전자 12개 — 면역세포가 없다는 증거")
low = sig.sort_values("log2FC").head(12)
for g, r in low.iterrows():
    print(f"  {g:10s} log2FC={r.log2FC:+.2f}  p={r.p:.1e}")

print()
print("면역세포 표지 유전자를 직접 확인")
for g in ["CD3E", "CD8A", "GZMB", "PRF1", "NKG7", "PTPRC", "IFNG", "CXCL9"]:
    if g in sig.index:
        r = sig.loc[g]
        print(f"  {g:8s} log2FC={r.log2FC:+.2f}  p={r.p:.1e}")

print()
print("우리가 쫓는 DDX54 는?")
print("  DDX54    log2FC=%+.3f  p=%.4f" % (sig.loc["DDX54","log2FC"], sig.loc["DDX54","p"]))
print("  → 사막에서 '조금' 올라가 있습니다. 눈에 띄는 크기는 아니죠.")
print("  → 바로 이것이 발현만 봐서는 범인을 못 찾는 이유입니다.")

High school시끄러운 부하들

2강에서 말한 문제가 여기서 구체화된다.

유전자	왜 시끄러운가
면역세포 표지	세포 수를 반영
증식 유전자	세포주기
기질 유전자	조직 조성

이것들이 목록 상위를 채운다

그러면 진짜 원인 이 아래에 묻힌다.

차등발현의 근본 문제다

가장 크게 변한 것이 가장 위 에 오는데, 가장 크게 변한 것은 대개 결과 다.

순위표의 위쪽은 원인이 아니라 가장 눈에 띄는 결과다

🎮 시그니처 실험실

화산도 위에서 두 문턱을 옮겨 보세요. 문턱을 조이면 확실한 유전자만 남지만 시그니처가 너무 작아져 뒤의 VIPER 가 쓸 정보가 부족해집니다. DDX54 가 어디쯤 있는지도 함께 표시됩니다.

High school시그니처의 품질이 전부를 정한다

시그니처가	결과가
순환적	이미 아는 것만 나옴
배치효과 포함	기술적 조절자가 나옴
잘 만들어짐	진짜 원인 후보

확인 방법

확인	내용
알려진 생물학이 나오나	양성 대조
배치와 상관 있나	—
다른 정의로도 같나	민감도

파이프라인의 입력이 나쁘면 아무리 좋은 방법도 소용없다

🤔 Check yourself

차등발현 시그니처가 뒤 단계에서 실제로 하는 역할은?

🤔 Check yourself

log2 눈금 위에서 두 무리 평균을 빼면 무엇이 나오나요?

🤔 Check yourself

DDX54 의 발현 변화가 크지 않은데도 논문이 그를 지목한 근거는?