Lesson 5 of 22

조성이 눈에 띄게 다르다 — 림프계 2%에서 21%로

네 조건의 세포 구성을 세어 본다 · 한 칸에서만 벌어지는 일

이제 본론입니다. 네 조건의 세포 구성이 다른가?

세는 것 자체는 간단합니다. 표본마다 세포유형별로 세고, 백분율로 바꾸면 끝이죠.

High school조성을 세어 본다

네 조건에서 세포유형별 비율을 세어 본다. 가장 눈에 띄는 것은 림프계 비율 이다.

조건	림프계 비율
대조	약 2%
단독 A	중간
단독 B	중간
병용	약 21%

약 9배 차이다. 눈에 띄는 크기다.

그런데 두 가지를 물어야 한다

첫째, 이것이 우연일 수 있나?(7~8강)
둘째, 림프계가 늘어난 것인가, 다른 것이 줄어든 것인가?(6강)

눈에 띄는 차이를 보면 먼저 두 가지를 묻는다 — 우연인가, 무엇이 변한 것인가

표본마다 세포 3,000개씩이라 세포 수를 그대로 견줘도 되지만, 백분율이 읽기 쉽습니다.

Python Runs in your browser

import im

p = im.pct()                       # 표본 안 백분율
order = p.mean(axis=1).sort_values(ascending=False).index

print(f"{'세포유형':<18}" + "".join(f"{s:>11}" for s in im.SAMPLES))
print("-" * 62)
for ct in order:
    print(f"{ct:<18}" + "".join(f"{p.loc[ct, s]:>10.2f}%" for s in im.SAMPLES))

KD 만도 PD1 만도 아니고, 둘을 같이 준 칸에서만 올라갑니다.

Python Runs in your browser

import im

# 큰 갈래로 묶으면 한눈에 보인다
lp = im.pct("갈래")
print(f"{'갈래':<10}" + "".join(f"{s:>11}" for s in im.SAMPLES))
print("-" * 54)
for l in ["림프계", "골수계", "상태", "기타"]:
    if l in lp.index:
        bars = "".join(f"{lp.loc[l, s]:>10.2f}%" for s in im.SAMPLES)
        print(f"{l:<10}{bars}")
print()
lym = lp.loc["림프계"]
print(f"림프계 : {lym['WT_CTRL']:.1f}% → {lym['KD_PD1']:.1f}%  "
      f"({lym['KD_PD1']/lym['WT_CTRL']:.1f} 배)")
print()
print("네 칸 중 KD_PD1 한 칸에서만 벌어집니다 — 시너지의 모양입니다.")

High school한 칸에서만 벌어지는 일

2×2 설계에서 병용 칸에서만 큰 변화가 있다. 단독 두 칸은 대조와 비슷하다.

이 모양의 이름 — 시너지

패턴	이름
A 효과 + B 효과 = A+B 효과	상가 (additive)
A+B 가 합보다 큼	시너지
A+B 가 합보다 작음	길항

단독으로는 거의 효과가 없는데 함께 쓰면 크게 나타나는 것 — 가장 극적인 형태의 시너지다.

그런데 시너지 판정에는 함정이 있다

"합보다 크다" 를 정의하려면 무엇을 더할지 정해야 한다. 비율을 더하나? 로그를 취해 더하나? 배수를 곱하나? 정의에 따라 시너지 판정이 뒤집힐 수 있다.

시너지는 관찰이 아니라 어떤 모형을 기준으로 삼느냐에 달린 판정이다

선 네 점의 모양이 중요합니다 — 마지막 칸만 튀면 시너지, 두 칸씩 갈리면 주효과.

Python Runs in your browser

import im
import matplotlib.pyplot as plt
import numpy as np

p = im.pct()
show = ["NK세포", "CD4 T세포", "T세포 (미접촉)", "조절 T세포", "B세포",
        "호중구", "단핵구", "수지상세포"]
x = np.arange(len(im.SAMPLES))

fig, ax = plt.subplots(1, 2, figsize=(11, 4.2))
for ct in show[:5]:
    ax[0].plot(x, p.loc[ct], "o-", lw=2, label=ct)
ax[0].set_title("림프계 — KD_PD1 에서만 오른다")
for ct in show[5:]:
    ax[1].plot(x, p.loc[ct], "o-", lw=2, label=ct)
ax[1].set_title("골수계")
for a in ax:
    a.set_xticks(x); a.set_xticklabels(im.SAMPLES, fontsize=8)
    a.set_ylabel("표본 안 비율 (%)"); a.legend(fontsize=7)
plt.tight_layout()

print("왼쪽 다섯 개가 마지막 칸에서 한꺼번에 뜁니다.")
print("오른쪽 호중구는 반대로 내려앉고요.")

High school비율은 왜 까다로운가

"림프계가 2%에서 21%로 늘었다" 는 문장은 사실 여러 가지를 뜻할 수 있다.

실제로 일어난 일	비율에서 보이는 것
림프구가 10배로 늘었다	비율 상승
다른 세포가 10분의 1로 줄었다	비율 상승
둘 다 조금씩	비율 상승

단일세포 자료는 절대 수를 모른다

우리가 읽은 세포 수는 실험자가 정한 것 이다. "만 개를 읽자" 고 정하면 만 개가 나온다. 종양 안 실제 세포 수와는 무관하다.

그러니 이 자료에서 나오는 것은 언제나 비율 이고, 비율은 서로 묶여 있다. 6강의 주제다.

단일세포 조성은 상대적인 값이다 — 절대 수는 다른 방법으로 재야 한다

🎮 조성 실험실

세포유형을 골라 네 칸의 모양을 보세요. 조각과 전체 37,585개를 견줄 수도 있습니다.

High school절대 수를 알려면

방법	내용
유세포분석 + 계수 비드	부피당 세포 수를 직접 셈
조직 무게당 세포 수	해리 후 계수
조직 절편에서 세기	면적당 세포 수
스파이크인 세포	알려진 수의 외부 세포를 섞음

왜 이것이 중요한가

치료 효과를 논할 때 "비율이 늘었다" 와 "수가 늘었다" 는 다른 이야기 다.

종양이 절반으로 줄고 림프구 수는 그대로면, 비율은 두 배가 된다. 림프구는 하나도 안 늘었는데.

이 실험처럼 종양 크기가 조건마다 다르다면 비율 변화의 상당 부분이 분모 변화 일 수 있다. 19강에서 이 대안 설명을 다시 다룬다.

비율이 변했다는 관찰에서 분자가 변했는지 분모가 변했는지는 알 수 없다

🤔 Check yourself

네 값이 2.3 · 2.1 · 3.2 · 21.1 처럼 마지막 칸에서만 튀는 모양이 뜻하는 것은?

🤔 Check yourself

이 강의가 조성을 백분율로 견주면서도 세포 수를 표본마다 같게 맞춘 이유는?

🤔 Check yourself

이 결과를 보고 바로 '증명되었다' 고 말하면 안 되는 가장 큰 이유는?