Lesson 20 of 22

어떻게 설계했어야 했나 — 같은 예산으로

세포를 줄이고 생쥐를 늘린다 · 그리고 확인 실험을 붙인다

비판만 하면 쉽습니다. 그러면 어떻게 했어야 하나를 계산해 봅시다.

10x 실험 비용은 대략 레인 하나에 얼마로 정해집니다. 레인 하나에 세포 1만 개쯤 넣을 수 있고요. 이 실험은 레인 4개를 썼습니다.

같은 레인 4개로 다르게 쓸 수 있었을까?

High school같은 예산으로 어떻게 설계했어야 했나

비판만 하면 소용없다. 대안을 계산해 보자.

지금 설계

조건	생쥐	세포/생쥐
4개 조건	1	약 9,400

대안 설계 — 같은 세포 수로

조건	생쥐	세포/생쥐
4개 조건	3	약 3,100

세포는 3분의 1 이 되지만 생쥐가 3배 다.

세포를 줄이고 생쥐를 늘린다 — 같은 예산에서 얻을 것이 훨씬 많다

세포 수와 표본 수의 맞바꿈. 대부분의 질문에서는 표본 쪽이 이깁니다.

Python Runs in your browser

import im
import numpy as np

print("같은 예산(레인 4개 · 세포 4만 개)을 어떻게 나눌 수 있었나")
print()
plans = [
    ("지금 설계",        4, 1, 10000),
    ("해싱 2마리씩",     4, 2,  5000),
    ("해싱 3마리씩",     4, 3,  3333),
    ("해싱 5마리씩",     4, 5,  2000),
]
print(f"{'설계':<16}{'레인':>5}{'칸마다 생쥐':>12}{'생쥐당 세포':>12}"
      f"{'전체 생쥐':>10}{'1대3 최소 p':>13}")
print("-" * 72)
from math import comb
for name, lanes, per_group, cells_per in plans:
    n = per_group * 4
    minp = 1 / comb(n, per_group)
    print(f"{name:<16}{lanes:>5}{per_group:>12}{cells_per:>12,}{n:>10}{minp:>13.4f}")
print()
print("세포를 줄이는 대신 생쥐를 늘리면 검정이 가능해집니다.")
print("칸마다 3마리(전체 12마리)면 최소 p 가 0.0005 — 넉넉합니다.")

High school세포를 줄여도 되는 이유

세포 3,100개면 충분한가? 무엇을 보려느냐에 달렸다.

목적	필요한 세포 수
주요 세포유형 조성	1,000~2,000 이면 충분
1% 세포유형 검출	수천
0.1% 아형	수만
세포유형별 발현 비교	유형당 수십~수백

조성 비교에는 세포가 많이 필요 없다

비율 5% 를 ±2% 정확도로 재려면 500개 정도 면 된다. 9,400개는 과잉 이다.

정확도는 √n 에 비례하니, 세포를 3배 줄이면 정확도는 1.7배만 나빠진다. 그런데 생쥐를 3배 늘리면 통계 검정이 가능해진다.

한계 효용이 낮은 곳에서 자원을 빼서 병목에 넣는다

대가를 숫자로 재는 것이 설계 논쟁을 끝내는 방법입니다.

Python Runs in your browser

import im
import numpy as np

# 세포를 줄이면 조성 추정이 얼마나 나빠지나 — 맞바꿈의 대가를 잰다
c = im.cells()
rng = np.random.default_rng(20260822)
m = (c["표본"] == "KD_PD1").values
lym = c.loc[m, "갈래"].eq("림프계").values
true = lym.mean() * 100

print(f"KD_PD1 의 림프계 비율 (세포 {m.sum():,}개로) : {true:.2f}%")
print()
print(f"{'생쥐당 세포':>12}{'추정 오차 (95% 폭)':>22}")
print("-" * 36)
for n in [10000, 5000, 3333, 2000, 1000]:
    n_use = min(n, len(lym))
    est = [rng.choice(lym, size=n_use, replace=True).mean() * 100 for _ in range(500)]
    lo, hi = np.percentile(est, [2.5, 97.5])
    print(f"{n:>12,}{f'±{(hi-lo)/2:.2f} %p':>22}")
print()
print("세포를 5분의 1로 줄여도 조성 추정의 오차는 ±2%p 안팎입니다.")
print("반면 생쥐가 1마리에서 5마리가 되면 '검정 자체가 가능해집니다'.")
print("맞바꿈의 대가가 얻는 것에 비해 훨씬 작습니다.")

그리고 확인 실험

단일세포로 모든 것을 하려 할 필요가 없습니다. 싸고 빠른 방법으로 개체를 여럿 보는 것이 훨씬 강력합니다.

방법	개체당 비용	볼 수 있는 것
단일세포 RNA-seq	매우 비쌈	모든 세포유형 · 상태 · 대화
유세포분석	쌈	미리 정한 표지 10~30개의 비율
면역조직화학	쌈	비율 + 위치
대량 RNA-seq	보통	평균 발현 (조성과 섞임)

단일세포로 가설을 만들고, 유세포분석으로 개체를 늘려 확인한다.
이것이 이 분야의 표준적인 작업 흐름입니다.

High school3 대 3 이면 무엇이 가능해지나

가능해지는 것	내용
순열 검정	최소 p 가 0.10 까지 내려감
의사대량 + DESeq2	정식 차등발현 분석
개체 간 변이 추정	다음 실험 설계의 근거
이상치 판별	한 마리가 이상하면 알 수 있음

마지막 줄이 의외로 크다

지금 설계에서는 그 생쥐가 이상했는지 알 방법이 없다. 비교할 대상이 없으니까.

세 마리면 하나가 튀는지 보인다. 그리고 튀는 이유를 찾을 수 있다 — 종양 크기, 처리 시점 등.

그래도 0.05 는 안 된다

3 대 3 순열의 최소 p 는 0.10 이다. 0.05 를 원하면 4 대 4 가 필요하다. 그래서 실무에서 조건당 4~5마리 를 권한다.

필요한 표본 수는 원하는 p 값이 먼저 정한다

🎮 설계 비교기

레인 수와 해싱 여부를 바꿔 가며 무엇을 얻고 무엇을 잃는지 보세요.

High school그리고 확인 실험을 붙인다

단일세포는 비싸니, 싼 방법으로 n 을 늘리는 전략이 좋다.

단계	방법	n
탐색	단일세포	조건당 2~3
확증	유세포분석	조건당 8~10
기전	차단 실험 · 계보 추적	필요한 만큼

유세포분석이 좋은 짝인 이유

장점	내용
훨씬 쌈	단일세포의 몇십 분의 일
절대 수를 잼	5강의 문제를 풀어 줌
단백질 수준	17강의 mRNA 문제를 풀어 줌
세포를 회수 가능	기능 실험으로 이어짐

단일세포로 무엇을 볼지 정하고, 유세포분석으로 그것을 여러 마리에서 확인 한다.

비싼 방법으로 표적을 찾고 싼 방법으로 검증한다 — 자원 배분의 기본

🤔 Check yourself

세포 해싱(cell hashing)이 해결하는 문제는?

🤔 Check yourself

생쥐당 세포를 10,000개에서 2,000개로 줄일 때의 대가는?

🤔 Check yourself

이 분야의 표준적인 작업 흐름은?