5강 / 20강

오즈비 중앙값 1.14 — 대부분의 히트는 아주 작다

카탈로그의 OR 74,725건 실제 분포 · 그리고 OR 과 beta 가 한 칸에 섞여 있는 문제

p값이 10⁻²⁰ 인 히트를 보면 대단해 보입니다. 그런데 효과 크기를 보면 다릅니다.

카탈로그에서 오즈비를 전부 뽑아 분포를 재 봤습니다.

분위수	5%	25%	중앙값	75%	95%
오즈비	0.77	1.05	1.14	1.56	6.21

절반이 오즈비 1.14 아래다 — 위험이 14% 바뀐다는 뜻

오즈비 1.2 미만인 것이 43,463건, 2 이상인 것은 13,895건 입니다.

고등학생오즈비 1.14가 뜻하는 것

오즈비(OR)는 "그 변이를 가진 사람이 병에 걸릴 오즈가 몇 배인가"입니다. OR = 1.14면 14% 높다는 뜻이에요.

학급 40명 중 4명이 어떤 병에 걸린다고 합시다. 변이를 가진 사람에게는 4명이 아니라 4.5명쯤 걸립니다. 그 반에 앉아 있으면 차이를 못 느껴요. 10만 명을 모아야 보입니다.

OR	느낌	예
1.05~1.2	거의 못 느낌	대부분의 GWAS 히트
1.5~2	주목할 만함	드문 강한 히트
5 이상	매우 큼	MUC5B (8강) 같은 예외
10 이상	단일유전자병 수준	GWAS 범위 밖

개인의 위험 예측과 표적 발굴은 다른 용도입니다.

Python 브라우저에서 실행

# 오즈비 1.14 가 실제로 무엇을 뜻하는가.
base_risk = 0.02        # 인구의 2% 가 이 병에 걸린다고 하면

for or_ in [1.05, 1.14, 1.5, 2.0, 5.06]:
    # 드문 병에서는 오즈비가 상대위험도에 가깝습니다
    r = base_risk * or_
    print(f"OR {or_:5.2f}  ->  위험 {base_risk*100:.1f}% 에서 {r*100:.2f}% 로  "
          f"(천 명 중 {base_risk*1000:.0f}명 -> {r*1000:.0f}명)")
print()
print("OR 1.14 는 천 명 중 20명이 23명이 되는 정도입니다.")
print("개인에게는 거의 뜻이 없어요.")
print()
print("그런데 표적을 고르는 데는 뜻이 있습니다 — 다음 셀.")

고등학생작은 효과가 왜 표적 찾기에 쓸모 있나

OR 1.14짜리 변이는 개인의 위험 예측에는 거의 쓸모없습니다. 그런데 표적을 찾는 데는 다릅니다. 왜일까요?

변이는 그 유전자를 평생 조금 바꿔 놓은 것입니다. 약은 그 유전자를 몇 달 동안 강하게 바꿉니다. 세기가 다르지만 방향은 같아요.

"평생 5% 덜 활동해서 위험이 14% 낮아진다" → "약으로 80% 막으면 위험이 크게 낮아질 것"

	유전 변이	약
세기	약함 (수 %)	강함 (수십 %)
기간	평생	수개월~수년
알려 주는 것	그 유전자를 건드리면 병이 움직이나	실제 치료 효과

PCSK9가 유명한 사례입니다. 이 유전자가 덜 작동하는 사람은 콜레스테롤이 낮고 심장병이 적었어요. 그 관찰이 PCSK9 억제제라는 약으로 이어졌습니다.

외삽은 가정 위에 서 있습니다. 그 가정을 적어 두어야 해요.

Python 브라우저에서 실행

# 작은 유전 효과에서 큰 약효를 추정하는 논리 (아주 단순화한 것).
# 유전자 발현이 낮을수록 위험이 낮다고 하면 —
import math

gene_effect = 0.10        # 변이가 발현을 10% 낮춘다
or_observed = 0.88        # 그 사람들의 위험 오즈비 (12% 낮다)

# log 오즈가 발현 감소에 비례한다고 가정
slope = math.log(or_observed) / gene_effect
print(f"발현 10% 감소 -> OR {or_observed}")
print(f"기울기 = log(OR)/감소 = {slope:.3f}")
print()
for drug in [0.3, 0.5, 0.7, 0.9]:
    print(f"약으로 {drug*100:.0f}% 막으면 -> OR {math.exp(slope*drug):.3f} 로 추정")
print()
print("<주의> 이 외삽은 '선형이고 평생 노출과 같다' 는 큰 가정 위에 있습니다.")
print("실제로는 보상 기전이 작동해 훨씬 덜 듣는 경우가 많아요.")

고등학생OR과 beta가 한 칸에 섞여 있다

카탈로그의 OR or BETA 열에는 두 종류가 섞여 있습니다. 열 이름이 이미 그걸 자백하고 있어요.

	OR	beta
쓰는 형질	이분형 (병에 걸렸다/아니다)	연속형 (키, 콜레스테롤)
기준값	1 (차이 없음)	0 (차이 없음)
단위	없음 (배수)	그 형질의 단위 (cm, mg/dL)

같은 열에 있으니 프로그램은 구분을 못 합니다. 0.85라는 값이 "위험이 15% 낮다(OR)"일 수도 있고 "0.85cm 크다(beta)"일 수도 있어요. 그냥 다 합쳐서 평균 내면 완전히 엉뚱한 숫자가 나옵니다.

구분하려면 형질이 이분형인지를 봐야 합니다 — 그 정보는 다른 열에 있습니다.

그런데 카탈로그의 효과 크기 열에는 함정이 하나 있습니다.

열 이름 : OR or BETA

이름 그대로예요. 오즈비와 회귀계수(beta)를 한 칸에 섞어 담습니다. 병(있다/없다)이면 오즈비, 수치(키·혈압)면 beta 입니다.

구분은 옆 칸에만 있어요 — 95% CI (TEXT) 에 unit increase 같은 말이 있으면 beta 입니다.

열 이름을 안 읽으면 이런 값이 나옵니다.

Python 브라우저에서 실행

# 섞인 열을 그냥 계산하면 무슨 값이 나오는가.
# 이 강의가 실제로 겪은 일입니다.
n_or, n_beta = 74_725, 929_665
total = n_or + n_beta

print(f"'OR or BETA' 열에 값이 있는 줄 : {total:,}")
print(f"  실제 오즈비  : {n_or:,}  ({n_or/total*100:.1f}%)")
print(f"  실제 beta    : {n_beta:,}  ({n_beta/total*100:.1f}%)")
print()
print("구분 없이 전부 넣고 중앙값을 내면 : 0.0612")
print("beta 만 걸러 내고 중앙값을 내면   : 1.1364")
print()
print("첫 번째 값은 아무 뜻이 없습니다 —")
print("'오즈비 중앙값 0.06' 은 위험이 94% 줄어든다는 말이 되니까요.")

고등학생효과크기가 작은 이유 — 진화가 걸러 냈다

왜 GWAS 히트는 하나같이 효과가 작을까요? 우연이 아닙니다.

어떤 변이가 병 위험을 두 배로 높인다면, 그 변이를 가진 사람은 자손을 덜 남깁니다. 세대가 지나면 그 변이는 드물어져요. 그래서 흔하면서 효과가 큰 변이는 거의 존재하지 않습니다.

	효과 큼	효과 작음
흔함	거의 없음 (선택이 제거)	대부분의 GWAS 히트
드묾	단일유전자병 — 다른 방법으로 찾음	아무도 못 찾음

GWAS는 오른쪽 위 칸만 봅니다. 흔하고 효과가 작은 변이요. 그게 GWAS 칩이 흔한 변이를 읽도록 설계됐기 때문이기도 해요. 8강의 MUC5B는 이 규칙의 드문 예외인데, 왜 예외가 가능했는지가 그 강의 핵심입니다.

🤔 확인 문제

GWAS 카탈로그의 오즈비 중앙값이 1.14 라는 것이 뜻하는 바는?

🤔 확인 문제

오즈비가 작은데도 표적 근거로 쓸모 있을 수 있는 이유는?

🤔 확인 문제

카탈로그의 OR or BETA 열을 그냥 평균 내면 안 되는 이유는?

해설 구분은 옆 칸 95% CI (TEXT) 에만 있습니다. 안 읽으면 '오즈비 중앙값 0.06' 같은 값이 나와요.