3강 / 20강

플랫폼 — 같은 유전자를 재는 네 개의 서로 다른 자

GPL570 · GPL4133 · GPL6244 · GPL6480 — 이 강의가 쓰는 네 플랫폼

키를 잰다고 해 봅시다. 한 사람은 자로 재서 "172센티미터", 다른 사람은 줄자로 재서 "5피트 8인치", 또 다른 사람은 문틀에 금을 그어 "작년보다 3칸 위".

셋 다 같은 키를 쟀지만 숫자를 그냥 견줄 수는 없습니다. 유전자 발현도 똑같아요. 무엇으로 쟀는지가 플랫폼(GPL) 입니다.

고등학생네 개의 자, 네 개의 눈금

키를 잰다고 합시다. 하나는 mm까지 있는 줄자, 하나는 cm 단위 벽 눈금, 하나는 발끝을 어디에 두느냐에 따라 달라지는 낡은 자입니다. 세 결과가 조금씩 다를 텐데, 그건 키가 달라서가 아니라 자가 달라서입니다.

마이크로어레이 플랫폼(GPL)이 그 자입니다. 유전자 하나를 재려고 칩 위에 짧은 DNA 조각(프로브)을 붙여 놓는데, 어떤 조각을 몇 개나 붙였느냐가 회사마다, 세대마다 다릅니다.

GPL	회사/이름	프로브 수	특징
GPL570	Affymetrix U133 Plus 2.0	54,675	가장 널리 쓰인 고전
GPL6244	Affymetrix Gene 1.0 ST	33,297	유전자 전체에 프로브 분산
GPL4133	Agilent 4x44K	45,220	두 색 비교 방식 기원
GPL6480	Agilent 4x44K v2	41,000대	4133의 개정판

같은 유전자 MMP7을 GPL570은 프로브 세 개로, GPL6244는 하나로 잽니다. 그러니 나온 숫자를 그냥 나란히 놓으면 안 됩니다.

이 강의가 쓰는 네 시리즈는 네 개의 다른 자를 씁니다.

GPL	이름	방식	쓴 시리즈
`GPL570`	Affymetrix HG-U133 Plus 2.0	1색 · 짧은 탐침 여러 개를 한 유전자에	GSE24206
`GPL4133`	Agilent 4x44K	1색 · 긴 탐침 하나를 한 유전자에	GSE10667
`GPL6244`	Affymetrix Human Gene 1.0 ST	1색 · 유전자 전체 길이에 흩어 붙인 탐침	GSE110147
`GPL6480`	Agilent 4x44K	2색 · 시료와 기준을 함께 걸어 비율을 잰다	GSE53845

고등학생Affymetrix와 Agilent — 재는 방식이 다르다

Affymetrix는 표본 하나를 칩 하나에 올려 절대량을 읽습니다. "이 표본에서 MMP7 신호가 8,400이다"처럼요.

Agilent의 원래 방식은 표본 둘을 서로 다른 색 형광으로 물들여 같은 칩에 올리고 비율을 읽습니다. "이 환자가 대조군보다 MMP7이 4배 많다"처럼요. 그래서 Agilent 자료에는 음수가 나옵니다 — log 비율이니까 대조군보다 적으면 음수예요.

Affymetrix = 절대 신호(항상 양수) · Agilent 2색 = 상대 비율(음수 가능)

6강에서 "2.4부터 96,841까지, 그리고 −8.3부터 +10.8까지"라는 부제를 보게 되는데, 앞쪽이 Affymetrix, 뒤쪽이 Agilent입니다. 이건 오류가 아니라 측정 원리의 차이예요.

플랫폼마다 탐침(probe) 의 수가 다릅니다. 탐침은 칩 위의 점 하나예요. 특정 RNA 조각에 달라붙게 만들어 둔 짧은 DNA 입니다.

그리고 탐침 수 ≠ 유전자 수 입니다. 여기가 처음 헷갈리는 곳이에요.

탐침 5만 개가 유전자 2만 개로 접힙니다. 그 접는 법이 7강입니다.

Python 브라우저에서 실행

# 이 강의가 실제로 센 값입니다 — tools/build_facts.py 가 세었습니다.
import pandas as pd

t = pd.DataFrame({
    "GPL":     ["GPL570", "GPL4133", "GPL6244", "GPL6480"],
    "probes":  [54613, 43376, 33297, 41000],
    "genes":   [22876, 19746, 23305, 19592],
})
t["probes_per_gene"] = (t.probes / t.genes).round(2)
print(t.to_string(index=False))
print()
print("탐침은 많은데 유전자는 2만 언저리에서 다 만납니다.")
print("사람 유전자가 대략 2만 개이니 당연한 결과예요.")

고등학생프로브가 다르면 무엇이 달라지나

MMP7 유전자는 길이가 수천 염기입니다. 프로브는 그중 25~60 염기짜리 짧은 조각이에요. 어디를 겨냥했느냐가 결과를 바꿉니다.

겨냥한 위치	일어나는 일
유전자 3′ 끝	오래된 RNA에서도 잘 잡힘 (구형 칩의 표준)
유전자 전체에 분산	스플라이싱 변이를 더 고르게 반영 (GPL6244)
비슷한 다른 유전자와 겹침	엉뚱한 신호가 섞임 (교차 혼성화)

그래서 같은 표본을 두 플랫폼으로 재면 상관계수가 0.7~0.9 정도지 1.0이 아닙니다. 세 사람이 같은 사람 키를 재도 1mm씩 다른 것과 비슷하되, 여기서는 그 차이가 유전자마다 방향이 다릅니다.

GPL6244 를 보세요. 탐침은 33,297개로 가장 적은데 유전자는 23,305개로 가장 많습니다. 탐침 하나당 유전자가 거의 1대1이에요.

Gene ST 칩은 설계 철학이 다릅니다. 옛 칩(GPL570)은 유전자 하나에 탐침을 열 개 넘게 붙여 3' 끝만 봤고, Gene ST 는 유전자 전체 길이에 탐침을 흩어 붙였어요. 그래서 탐침이 적어도 커버가 넓습니다.

합치는 순간 유전자의 4분의 1이 사라집니다.

Python 브라우저에서 실행

# 네 플랫폼의 유전자를 겹쳐 보면 얼마나 남는가 — 실제 값입니다.
genes = [22876, 19746, 23305, 19592]
common = 15485

print("플랫폼별 유전자 :", genes)
print("가장 적은 것    :", min(genes))
print("넷의 공통       :", common)
print()
print(f"가장 적은 플랫폼 기준으로도 {common/min(genes)*100:.1f}% 만 남습니다.")
print(f"가장 많은 플랫폼 기준으로는 {common/max(genes)*100:.1f}% 입니다.")

고등학생그래서 이 강의는 어떻게 하는가

넷을 견주려면 두 가지를 맞춰야 합니다.

맞출 것	어느 강에서	방법
이름 — 프로브 ID를 유전자 기호로	7강	플랫폼 주석표로 매핑, 여러 프로브는 하나로 접음
눈금 — 값의 크기와 범위	6강 · 9강	log 변환 후, 효과크기(표준화 차이)로 변환

핵심은 원래 값끼리는 끝까지 비교하지 않는다는 것입니다. 9강에서 각 시리즈 안에서 "환자군과 정상군이 그 시리즈의 산포에 비해 얼마나 떨어져 있나"라는 무단위 숫자를 만들고, 그것만 견줍니다. 키를 cm로 비교하는 대신 "우리 반에서 몇 등인가"로 비교하는 셈이에요.

자가 다르면 눈금을 버리고 순위나 표준화된 거리로 갈아탄다.

🤔 확인 문제

2색(two-colour) 마이크로어레이에서 나오는 값은 무엇인가요?

🤔 확인 문제

탐침이 54,613개인 GPL570 이 유전자로 접으면 22,876개가 되는 이유는?

🤔 확인 문제

네 플랫폼을 합쳤을 때 공통 유전자가 15,485개로 줄어든 가장 큰 이유는?