4강 / 20강

두 무리로 가르기 — 사막과 염증의 경계선

프로토콜 Phase I 준비 · 비교할 두 무리를 정의한다

림프구 침윤은 있다 / 없다 로 딱 갈리지 않습니다. 아주 많은 종양, 조금 있는 종양, 거의 없는 종양이 연속적으로 이어져 있어요. 그런데 우리는 두 무리를 비교해야 합니다. 그러려면 어딘가에 선을 그어야 합니다.

선을 긋는 방법은 여러 가지입니다.

방법	장점	단점
중앙값으로 반 가르기	표본을 다 쓴다	경계 근처의 애매한 표본이 섞인다
상·하위 1/3 만 쓰기	대비가 선명해진다	가운데 1/3 을 버린다
절대 기준값 쓰기	연구끼리 비교 가능	기준값을 정할 근거가 필요

우리는 상·하위 1/3 을 씁니다. 논문의 brisk / non-brisk 도 결국 "확실히 많은 쪽"과 "확실히 없는 쪽"만 쓰는 방식이라 발상이 같습니다. 가운데를 버리는 대신 비교의 대비를 얻는 거래입니다.

고등학생사막과 염증의 경계선

비교할 두 무리 를 정해야 한다.

무리	특징
사막	T세포가 거의 없음
염증	T세포가 많음

어디서 자를 것인가

침윤률은 연속 값 이다. 그런데 두 무리로 나누려면 문턱 이 필요하다.

연속 값을 두 무리로 나누는 순간 임의의 선택이 들어온다

선 하나로 두 무리가 생겼습니다. 이 두 무리가 앞으로 모든 비교의 기준입니다.

Python 브라우저에서 실행

import gene
import numpy as np

m = gene.meta()
kept = m[m.TMB.notna()]
tmbh = kept[kept.TMB >= 10]

q1, q3 = tmbh.LI.quantile([1/3, 2/3])
print(f"TMB-H {len(tmbh)}명의 림프구 침윤 점수 3분위 경계")
print(f"  하위 1/3 경계 : {q1:.3f}   (이하 → 면역 사막)")
print(f"  상위 1/3 경계 : {q3:.3f}   (이상 → 면역 염증)")
print()

desert   = tmbh[tmbh.LI <= q1]
inflamed = tmbh[tmbh.LI >= q3]
print("면역 사막 :", len(desert), "명")
print("면역 염증 :", len(inflamed), "명")
print("버린 가운데:", len(tmbh) - len(desert) - len(inflamed), "명")

가른 다음 반드시 확인할 것 — 돌연변이 개수가 다르지 않은가

여기가 이 강의에서 가장 중요한 점검입니다.

만약 면역 사막 무리의 돌연변이가 더 적다면, "표적이 적어서 면역세포가 안 온 것" 이라는 따분한 설명으로 사건이 끝납니다. 우리가 찾는 흥미로운 범인은 없어요.

그래서 논문 Fig 1B 는 일부러 이 점을 보여 줍니다 — TMB-H 안에서 사막과 염증의 돌연변이 개수는 유의하게 다르지 않다. 표적의 양이 같은데 결과가 다르다는 것, 그것이 이 연구가 성립하는 이유입니다.

'가른 축'은 당연히 다르고, '가르지 않은 축(TMB)'은 달라지면 안 됩니다.

Python 브라우저에서 실행

import gene
from scipy import stats

m = gene.meta()
d = m[m.group == "desert"]
f = m[m.group == "inflamed"]

print("돌연변이 부담 (TMB, 개/Mb)")
print(f"  면역 사막 : 중앙값 {d.TMB.median():6.2f}   평균 {d.TMB.mean():6.2f}   n={len(d)}")
print(f"  면역 염증 : 중앙값 {f.TMB.median():6.2f}   평균 {f.TMB.mean():6.2f}   n={len(f)}")

u = stats.mannwhitneyu(d.TMB, f.TMB)
print(f"  Wilcoxon 순위합 p = {u.pvalue:.3f}",
      "→ 유의차 없음 ✓" if u.pvalue > 0.05 else "→ 차이 있음 (주의!)")
print()
print("림프구 침윤 점수 (LI)")
print(f"  면역 사막 : 중앙값 {d.LI.median():6.3f}")
print(f"  면역 염증 : 중앙값 {f.LI.median():6.3f}")
u2 = stats.mannwhitneyu(d.LI, f.LI)
print(f"  Wilcoxon 순위합 p = {u2.pvalue:.2e}  → 우리가 가른 축이니 당연히 다릅니다")

고등학생무엇으로 침윤을 재나

방법	내용
발현 시그니처	T세포 표지 유전자
디컨볼루션	세포 조성 추정
H&E TIL 지도	병리 슬라이드에서 직접 셈

세 번째가 독립적이다

발현으로 나누고 발현으로 비교하면 순환 이 된다.

H&E 로 나누면 다른 자료 로 나눈 것이다.

TCIA 의 TIL 지도 542장

딥러닝으로 슬라이드에서 림프구를 센 지도가 공개되어 있다.

4강에서 그것을 실어 둔다.

집단을 나눈 기준과 비교하는 기준이 다르면 순환이 아니다

빠진 무리가 하나 있습니다 — 면역배제

지금까지 우리는 종양을 둘로 갈랐습니다. 사막이냐 염증이냐. 그런데 이 이분법은 논문이 만든 것이 아닙니다. 논문이 하나를 뺀 결과예요.

Saltz 팀의 원래 분류는 셋입니다.

🔥

면역 염증
inflamed

림프구가 종양 안까지 들어와 있다

🚧

면역 배제
excluded

림프구가 가장자리에만 모여 있다 — 왔지만 못 들어갔다

🏜️

면역 사막
desert

림프구가 아예 없다

논문은 SI 에서 가운데 것을 빼겠다고 밝힙니다.

Since our study focuses on immunotherapy resistance driven by intrinsic
cancer cell characteristics, we excluded immune-excluded tumors, as they
primarily evade immune surveillance through stromal cell effects.

이유는 분명합니다. 배제형 종양에서 림프구를 막는 것은 암세포가 아니라 기질 (섬유아세포와 콜라겐이 만든 벽) 이니까요. 암세포 안의 마스터 조절자를 찾는 연구에서 배제형을 섞으면, 다른 원인을 가진 환자를 같은 무리에 넣는 셈이 됩니다.

좋은 결정입니다. 하지만 결정은 결정이고, 대가가 있습니다 — 얼마나 많은 환자가 이 결정으로 조용히 사라지는지 세어 봅시다.

논문의 설계가 조용히 덜어 내는 환자가 몇 명인지 — 숫자로 봅니다.

Python 브라우저에서 실행

# 논문이 뺀 세 번째 무리를 세어 본다
# 병리의사의 판정은 우리에게 없다. 대신 지도에서 직접 만든다 -
#   깊이비 = 림프구 조각의 평균 깊이 / 조직 전체의 평균 깊이
#   1보다 작으면 림프구가 안쪽보다 가장자리에 있다는 뜻
import gene

E = gene.facts()["excluded"]
o = E["overall"]
전체 = sum(o.values())
print(f"H&E 지도가 있는 환자 {전체}명을 셋으로 가르면 "
      f"(TIL {E['til_cut']}% · 깊이비 {E['ratio_cut']})")
for k, 한글 in [("desert", "면역 사막"), ("excluded", "면역 배제"), ("inflamed", "면역 염증")]:
    print(f"  {한글} : {o[k]:>5}명  ({100*o[k]/전체:>4.1f}%)")
print()
print(f"{'암종':<7}{'전체':>6}{'사막':>6}{'배제':>6}{'염증':>6}{'배제 %':>8}")
for ct, v in E["by_tumor"].items():
    print(f"{ct:<7}{v['n']:>6}{v['desert']:>6}{v['excluded']:>6}"
          f"{v['inflamed']:>6}{100*v['excluded']/v['n']:>7.1f}%")

고등학생문턱을 어디에 두나

방법	내용
중앙값	두 군의 크기가 같음
상하위 25%	가운데를 버려 대비를 키움
절대 문턱	생물학적 근거가 있으면

두 번째가 자주 쓰인다

가운데는 애매하다. 빼면 대비가 커져 신호가 강해진다.

그런데 대가가 있다

얻는 것	잃는 것
대비가 큼	표본이 줄어듦
신호가 강함	일반화가 좁아짐

극단끼리 비교하면 신호가 강해지지만 그 결론이 중간에도 적용되는지는 모른다

그런데 뺀 무리가 20강에서 되돌아옵니다

논문의 마지막 결과 중 하나가 SI Fig. S14 입니다. 생쥐에게 항-PD1 만 줬을 때 — 림프구가 종양 가장자리에만 모이고 안으로 들어가지 못했습니다 (침윤량은 Ddx54 녹다운군과 거의 같은 3.5%인데, 위치가 다릅니다).

그게 바로 면역배제 상태입니다. 논문이 시작할 때 "우리 관심 밖" 이라며 뺀 그 표현형을, 항-PD1 단독 치료가 만들어 낸 것이죠.

그리고 Ddx54 를 함께 끄면 그 벽이 열립니다. 사막 → (배제) → 염증 — 이 논문의 진짜 이야기는 이 세 칸짜리 이동입니다. 20강에서 다시 만나요. /til 9강과 /spatial 17강은 이 '위치' 만 따로 다룹니다.

🎮 경계선 실험실

TMB 문턱과 침윤 분위 기준을 직접 옮겨 보세요. 경계를 어디에 두느냐에 따라 두 무리의 인원과 TMB 차이의 p값이 어떻게 움직이는지 볼 수 있습니다. 기준을 잘못 잡으면 "TMB 가 다르다"는 결과가 나와 버려 연구 전제가 무너집니다.

고등학생위치는 따로 다룬다

침윤에는 양 과 위치 두 축이 있다.

축	재는 것
양	몇 개인가
위치	안까지 들어왔나

이 강의는 양을 본다

위치는 /til 9강과 /spatial 17강에서 다룬다.

왜 나누나

둘이 다른 기전 을 반영한다.

상태	양	위치
사막	적음	—
배제	있음	가장자리

"안 온다" 와 "못 들어간다" 는 다른 문제이고 다른 자료가 필요하다

🤔 확인 문제

면역 사막과 면역 염증 사이에 TMB 차이가 없어야 하는 이유는?

🤔 확인 문제

상·하위 1/3 만 쓰고 가운데를 버리는 방식의 대가는?

🤔 확인 문제

Wilcoxon 순위합 검정을 쓰는 상황으로 가장 알맞은 것은?